Die versteckten Kosten von Ad-hoc-Anfragen zur Datenanalyse

Geschäftsanwender hatten noch nie zuvor so viel Zugriff auf so viele Daten wie heute. Dashboards sind allgegenwärtig, Self-Service sind weit verbreitet, und Unternehmen investieren weiterhin in Analyseinitiativen.

Trotz dieses Zugangs haben viele Analyseteams nach wie vor Schwierigkeiten, verlässliche Antworten auf geschäftliche Fragen zu liefern. Die Herausforderung ergibt sich daraus, dass ein besserer Zugang zu Daten zu mehr Fragen führt.

Ein dashboard beispielsweise, dass die Kundenabwanderung im letzten Monat um 3 % gestiegen ist. Das wirft fast sofort weitere Fragen auf:

• Welche Kunden sind abgewandert?
• Was haben sie gemeinsam?
• Ist die Abwanderungsrate in allen Regionen gestiegen?
• Spielte der Preis eine Rolle?
• Gewinnen Wettbewerber Marktanteile hinzu?
• Welche Maßnahmen sollten wir ergreifen?

Jede einzelne Frage ist an sich nicht weiter bedeutend. In ihrer Gesamtheit können sie jedoch einen erheblichen Teil der Arbeitszeit eines Analysten in Anspruch nehmen und zu noch weiteren Fragen führen. Das Ergebnis ist ein kontinuierlicher Strom von Ad-hoc-Anfragen, die wertvolle Arbeitszeit der Analysten beanspruchen und die Betriebskosten unbemerkt in die Höhe treiben.

Unternehmen konzentrieren sich in der Regel auf die sichtbaren Kosten der Analytik, übersehen dabei jedoch die versteckten Kosten von Ad-hoc-Anfragen. Mit steigendem Analysebedarf wird die Arbeitszeit der Analysten zunehmend durch sich wiederholende Fragen, die Erstellung von Berichten und Recherchearbeiten beansprucht, was zu Engpässen führt, die sich nur schwer skalieren lassen.

Der Anstieg der Nachfrage nach Ad-hoc-Analysen

Jahrelang wurde erwartet, dass Self-Service die Analytik demokratisieren würde. Die Theorie war einfach: Man gewährt den Nutzern Zugriff auf Dashboards und Berichte, damit sie ihre Fragen selbst beantworten können, ohne auf Spezialisten angewiesen zu sein.

In der Praxis sieht die Situation jedoch anders aus. Dashboards eignen sich hervorragend zur Überwachung bekannter Kennzahlen und zur Verfolgung der Leistung im Vergleich zu festgelegten Zielen. Die Herausforderung besteht darin, dass Unternehmen selten nach vordefinierten Fragen arbeiten.

Führungskräfte möchten unerwartete Veränderungen nachvollziehen oder tiefere Einblicke in Trends gewinnen. Vertriebsleiter möchten aufkommende Risiken erkennen. Marketingteams möchten die Leistung von Kampagnen messen.

Diese Fragen erfordern eine eingehende Betrachtung, Untersuchung und Einordnung in den Kontext, die Dashboards allein nicht leisten können. Daher wenden sich Geschäftsanwender weiterhin an die Analyseteams, um Antworten zu erhalten.

Die Herausforderung besteht darin, dass es bei dieser „einen Frage“ selten dabei bleibt. Eine Bitte um Erläuterung der Kundenabwanderung kann zu Fragen hinsichtlich der geografischen Verteilung, der Kundensegmente, der Produktnutzung, der Preisgestaltung oder des Wettbewerbsdrucks führen. Jede Antwort eröffnet neue Untersuchungsansätze, wodurch sich der Aufwand für die Analyse erhöht.

Versteckte Kosten summieren sich schnell

Da Unternehmen zunehmend auf Daten angewiesen sind, steigt die Nachfrage nach Analysen weiter an. Viele Analyseteams haben Mühe, mit dieser Entwicklung Schritt zu halten, was zu Engpässen führt, die Entscheidungsfindung Unternehmen verlangsamen.

Im Laufe der Zeit führen Ad-hoc-Anfragen zu erheblichen Ineffizienzen und versteckten Kosten. Häufige Beispiele hierfür sind:

• Kontextwechsel. Analysten wechseln häufig zwischen Projekten und Datensätzen hin und her. Ständiger Kontextwechsel mindert die Produktivität und erschwert es, sich auf strategische Prioritäten zu konzentrieren.
• Verzögerung bei wertschöpfenden Aufgaben. Viele Analytics-Teams verbringen viel Zeit damit, wiederkehrende Fragen zu beantworten. Dadurch bleibt weniger Zeit für Initiativen wie die Entwicklung neuer Datenprodukte, die Verbesserung der Governance, die Optimierung von KI-Modellen oder die Unterstützung langfristiger Geschäftsziele.
• Längere Antwortzeiten. Mit steigendem Anfragenaufkommen wachsen die Rückstände. Geschäftsanwender warten länger auf Antworten, was Entscheidungsfindung verlangsamt Entscheidungsfindung die Agilität einschränkt.
• Burnout bei Analysten. Erfahrene Analysten können in sich wiederholende Abläufe bei der Erstellung von Berichten und routinemäßigen Untersuchungen geraten. Dies kann zu Frustration, Desinteresse und Fluktuation führen.
• Steigende Kosten. Unternehmen reagieren oft auf steigende Nachfrage mit Personalaufstockung. Dies mag zwar vorübergehend Abhilfe schaffen, löst jedoch selten das zugrunde liegende Problem und ist keine skalierbar Lösung.

Eine einzelne Anfrage führt selten zu Störungen. Das Problem besteht darin, ein ständig wachsendes Volumen an Anfragen zu bewältigen, das sich schnell summiert und dazu führt, dass Analysten ihre Arbeit unterbrechen müssen, um relevante Daten zu suchen, Annahmen zu überprüfen, Analysen durchzuführen und die Ergebnisse weiterzugeben.

Warum Dashboards allein das Problem nicht lösen können

Dashboards sind darauf ausgelegt, bekannte Fragen zu beantworten, doch das reicht mittlerweile nicht mehr aus. Geschäftsanwender benötigen zunehmend die Möglichkeit,:

• Stellen Sie Folgefragen.
• Führen Sie eine Ursachenanalyse durch.
• Neue Datenschnitte analysieren.
• Den geschäftlichen Kontext verstehen.
• Sehen Sie sich an, wie die Antworten generiert werden.

Ein dashboard beispielsweise zeigen, dass die Kundenabwanderung im letzten Monat zugenommen hat. Was es jedoch nicht erklären kann, ist, warum dies geschehen ist, und es bietet auch keine Orientierung für die nächste Phase der Untersuchung.

Dadurch ergibt sich ein typisches Muster: Eine Führungskraft sieht sich ein dashboard an, erkennt ein Problem und stellt sofort Folgefragen: Was hat sich geändert? Was hat die Änderung verursacht? Handelt es sich um einen Einzelfall oder um ein weit verbreitetes Phänomen? Welche Kunden sind am stärksten betroffen? Wie sollten die Entscheidungsträger nun weiter vorgehen?

An dieser Stelle landen die neuen Anfragen oft beim Analyseteam. Selbst Unternehmen, die umfangreich dashboard , sehen sich mit einem stetigen Strom von Folgeanfragen konfrontiert, da Geschäftsanwender nicht nur Visualisierungen, sondern auch Erklärungen, Hintergrundinformationen und tiefergehende Analysen benötigen. 

Die Herausforderung der Skalierung

Wenn der Bedarf an Analysen die Kapazitäten übersteigt, verfolgen Unternehmen in der Regel eine von drei Strategien:

1. Stellen Sie mehr Analysten ein.
2. Erstellen Sie weitere Dashboards.
3. Die Berichtsprozesse und Governance-Strukturen ausbauen.

Jeder dieser Ansätze bietet kurzfristige Vorteile. Was sie jedoch nicht leisten, ist, die Lücke zwischen Nachfrage und Kapazität grundlegend zu schließen.

Da Unternehmen immer mehr Daten erzeugen und immer mehr Mitarbeiter zu Datennutzern werden, übersteigt die Nachfrage nach Analysen die Skalierbarkeit der Analyseteams. Dies stellt die Verantwortlichen für Business Intelligence und Analytik vor eine schwierige Situation.

Ganz gleich, wie effizient ein Team auch wird – es gibt eine Obergrenze dafür, wie viele Anfragen es bearbeiten kann. Irgendwann benötigen Unternehmen eine Möglichkeit, ihre Analysekapazitäten zu erhöhen, ohne die Mitarbeiterzahl im gleichen Maße aufzustocken.

Ein anderer Ansatz für unternehmensweite Analysen

Das Ziel vieler Unternehmen ist es, den Zeitaufwand zu reduzieren, den Analysten für die Beantwortung sich wiederholender Fragen aufwenden, damit sie sich auf wertschöpfendere Aufgaben konzentrieren können. Tools zur Konversationsanalyse sind ein Schritt in diese Richtung. Sie ermöglichen es Geschäftsanwendern aller Qualifikationsstufen, Fragen im Dialog zu stellen, Daten eigenständig zu erkunden und Probleme selbstständig zu untersuchen.

Diese Tools können Teile des Analyse-Workflows automatisieren, darunter:

• Datenexploration.
• Investigative Analytik.
• Wiederkehrende Analyse.
• Erkenntnis .
• Erstellung von Berichten.
• Zusammenfassungen.

Die effektivsten Lösungen gehen über einfache Frage-und-Antwort-Funktionen hinaus. Sie überwachen kontinuierlich die Geschäftsleistung, erkennen aussagekräftige Veränderungen (wie Anomalien oder Trends) und machen automatisch Erkenntnisse sichtbar, die Aufmerksamkeit erfordern.

Dadurch wird die Analyse von einem reaktiven zu einem proaktiven Prozess. Anstatt auf Fragen zu warten, können Unternehmen wichtige Veränderungen schnell erkennen und mehr Mitarbeitern die Möglichkeit geben, Daten eigenständig zu untersuchen.

Das Ergebnis sind Entscheidungsfindung schnellere Entscheidungsfindung, weniger Engpässe und ein höherer geschäftlicher Nutzen aus den Investitionen in Analyselösungen. 

Wie Geschäftsanwender mit ihren Daten interagieren können

Ad-hoc-Anfragen sind eigentlich ein Zeichen für Erfolg. Sie zeigen, dass die Menschen Daten nutzen wollen, um bessere Entscheidungen zu treffen. Die Herausforderung besteht darin, diesem Bedarf gerecht zu werden, ohne die Analyseteams zu überfordern.

Unternehmen, die ihre Analysekapazitäten effektiv ausbauen, sind besser in der Lage,Entscheidungsfindung data-driven Entscheidungsfindung Unternehmen zu fördern. Sie werden über Dashboards und herkömmliche Berichterstattung hinausgehen, indem sie Fähigkeiten mehr Teams und Nutzer ausweiten.

Actian AI Analyst macht dies durch Konversationsanalysen, geplante Auswertungen und automatisierte Fähigkeiten möglich, Fähigkeiten die Analysekapazität erweitern, ohne die Arbeitsbelastung der Analyseteams zu erhöhen.

Über den Autor

Über Actian Germany GmbH

Actian ermöglicht es Unternehmen, Daten in großem Umfang sicher verwalten zu steuern. Unternehmen vertrauen auf Datenmanagement Data-Intelligence-Lösungen von Actian, um komplexe Datenumgebungen zu optimieren und die Bereitstellung von KI-fähigen Daten zu beschleunigen. Die auf Flexibilität ausgelegten Lösungen von Actian lassen sich nahtlos integrieren und arbeiten zuverlässig in On-Premises, Cloud und Hybridumgebungen. Erfahren Sie mehr über Actian, den Daten- und KI-Geschäftsbereich von HCL Software, unter actian.com.