Data Analytics (Teil 2): Tools für den datenbasierten Unternehmenserfolg
Aus Massendaten strukturierte Erkenntnisse gewinnen, um Prozesse,
Produkte und Services zu optimieren: Data-Analytics-Tools wollen Unternehmen
helfen, im Zeitalter der Digitalisierung wettbewerbsfähig zu bleiben. In Teil 2
unter der Lupe: Qlik, SAP und Tableau.
In Teil 1 dieses Beitrages blickten wir auf die Lösungen (#1) Board, (#2) Google Data Studio und (#3) Microsoft Power BI. Hier kommen drei weitere Kandidaten:
Einen ersten Einblick bietet dieses Kurz-Video des Anbieters:
Vorteile der
SAP-Welt: Viele Unternehmen nutzen bereits SAP-Produkte, was die Kompatibilität
(= verschiedene Software-Lösungen lassen sich verknüpfen...) und die
Interoperabilität (= ...und arbeiten dann auch zusammen) erleichtert.
Nachteile der SAP-Welt: In Sachen Benutzerfreundlichkeit gewinnt das Walldorfer Unternehmen selten Preise. Auch ist die Produkt-Kommunikation äußerst holprig: Während es dem US-Konkurrenten Microsoft gut gelingt, seine Produktwelt knackig zu benennen und integriert zu beschreiben ("Microsoft Dynamics 365"), wirkt das SAP-Angebot oft wie ein Sammelsurium unübersichtlicher und sperrig klingender Einzellösungen, die den Charme einer Steuererklärung versprühen (R/3, S/4HANA).
Preisangaben konnte ich keine auf der Website finden. Die Erfahrung zeigt: Günstig wird es bei SAP nicht.
Taugt die Analytics-Lösungen von SAP? Findet es selbst heraus, einen Blick wert ist sie definitiv. Auf sap.com könnt ihr ein Demo anfordern.
Aktuell
(2020) verknüpft Tableau seine Tools mit dem Salesforce-Angebot, um
KI-Funktionalitäten anbieten zu können.
|
|
(Grafik
/
Pixabay-Lizenz) |
In Teil 1 dieses Beitrages blickten wir auf die Lösungen (#1) Board, (#2) Google Data Studio und (#3) Microsoft Power BI. Hier kommen drei weitere Kandidaten:
Data-Analytics-Tool #4: Qlik
Das in Schweden gegründete und mittlerweile in den USA ansässige Software-Unternehmen QlikTech will (Zitat) "multi-cloudbasierte End-to-End-Lösungen für Datenintegration und Analyse" bieten, um "aus Rohdaten überzeugende Ergebnisse" zu machen.Fokus-Branchen von Qlik (der Name spricht sich "Klick", nicht "Kju-Lick"):
- Gesundheitswesen
- Finanzdienstleistungen
- Einzelhandel
- Fertigung
- Hightech
- Öffentlicher Sektor
- Energie und Versorgung
- Kommunikation
- Life Sciences
- Verbraucherprodukte
Auf
qlik.com gibt es einen Überblick zu den Kosten sowie eine
Gratis-Test-Version.
Data-Analytics-Tool #5: SAP
Der baden-württembergische Software-Riese SAP bietet mit "Analytics" ein dreigeteiltes Angebot:- Data Warehousing: sämtliche Daten-Typen verwalten.
- Business Intelligence: auf Daten-Analyse-Tools zugreifen.
- Kooperative Unternehmensplanung: Geschäftsbereichen die Zusammenarbeit in Echtzeit ermöglichen, Daten-Silos eliminieren, Pläne vereinheitlichen und Prozesse aufeinander abstimmen.
- Mit Daten Geschäftswert erzeugen
- Analyseprozesse optimieren
- weitergehende Erkenntnisse gewinnen
- aus Erkenntnissen Aktionen ableiten
- Entscheidungen visualisieren
Nachteile der SAP-Welt: In Sachen Benutzerfreundlichkeit gewinnt das Walldorfer Unternehmen selten Preise. Auch ist die Produkt-Kommunikation äußerst holprig: Während es dem US-Konkurrenten Microsoft gut gelingt, seine Produktwelt knackig zu benennen und integriert zu beschreiben ("Microsoft Dynamics 365"), wirkt das SAP-Angebot oft wie ein Sammelsurium unübersichtlicher und sperrig klingender Einzellösungen, die den Charme einer Steuererklärung versprühen (R/3, S/4HANA).
Preisangaben konnte ich keine auf der Website finden. Die Erfahrung zeigt: Günstig wird es bei SAP nicht.
Taugt die Analytics-Lösungen von SAP? Findet es selbst heraus, einen Blick wert ist sie definitiv. Auf sap.com könnt ihr ein Demo anfordern.
Data-Analytics-Tool #6: Tableau
Tableau Software ist ein US-Software-Anbieter von Visualisierungs-Tools.
Das Unternehmen wurde 2003 aus der Stanford University ausgegründet.
2019 übernahm Salesforce (weltweiter Marktführer im Bereich Kundenbeziehungsmanagement-Software) das Unternehmen.
Die Produktpalette von Tableau Software:
Mehr im Kurz-Video des Anbieters:
2019 übernahm Salesforce (weltweiter Marktführer im Bereich Kundenbeziehungsmanagement-Software) das Unternehmen.
Die Produktpalette von Tableau Software:
- "tableau Desktop" und "tableau Public" verknüpfen Daten per Drag & Drop.
- Auswertungen können in Dashboards zusammengestellt und miteinander verknüpft werden.
- Das browserbasierte "tableau Server" ermöglicht es integriert in das Data-Warehouse, große Datenmengen zu analysieren.
- relationale Datenbanken
- OLAP-Würfel
- Cloud-Datenbanken
- Tabellen
Fokus-Branchen von Tableau:
- Kommunikation, Medien und Technologie
- Energie und Ressourcen
- Finanzdienstleistungen
- Gesundheitswesen und Biowissenschaften
- Fertigung
- Öffentlicher Sektor
- Einzelhandel und Konsumgüter
- Dienstleistungen
- Touristik und Verkehrswesen
Auf tableau.com gibt es einen Preis-Überblick sowie eine kostenlose Test-Version.
Tipp 1: Stellt sicher, dass es in eurem Unternehmen eine entwickelte Daten-Strategie und Daten-Analyse-Kompetenz gibt. Ist das nicht der Fall, wäre der Kauf einer Data-Analytics-Lösung gleichbedeutend mit dem Stechen in See ohne Nautik-Kenntnisse und ohne Kompass (Chaos-Reise oder gar Schiffbruch vorprogrammiert).
Tipp 2: Checkt einzelne Data-Analytics-Lösungen hinsichtlich der Frage, ob sie Expertise in eurer Branche besitzen. Weiterhin wichtig: Sind Anbieter und Lösung so aufgestellt, dass es sie voraussichtlich auch noch in zehn Jahren gibt – und können sie auch technologische Trends und Datenschutz-Kriterien berücksichtigen (z. B. Software-as-a-Service-Betrieb, Künstliche Intelligenz, DSGVO-Konformität)?
Tipp 3: Prüft vorab, ob eure engere Auswahl an Data-Analytics-Tools mit der bestehenden Software-Architektur eures Unternehmens kompatibel und interoperabel ist. Kompatibilität bedeutet, dass verschiedene Software-Lösungen miteinander verknüpfbar sind. Interoperabilität bedeutet, dass die verknüpften Software-Lösungen auch reibungslos miteinander arbeiten.
In vielen Unternehmen herrscht eine so genannte Legacy-IT, eine über Jahrzehnte gewachsene Architektur aus Software-Elementen. Eine Data-Analytics-Lösung muss fähig sein, hier problemlos andocken zu können.
Tipp 4: Berücksichtigt bei all euren Überlegungen stets die Personen, die innerhalb eures Unternehmens mit dem Data-Analytics-Tool arbeiten sollen. Die funktional tollste Lösung bringt nichts, wenn die Zielgruppe (= Anwender in eurem Unternehmen) nicht damit arbeiten will oder kann.
Tipp 5: Nutzt intensiv und ausgiebig kostenlose Demo-Versionen der Anbieter, um ein Gefühl für die Lösung zu bekommen. Sammelt hierbei auch das Feedback eurer Mitarbeiterinnen und Mitarbeiter ein.
Tipp 6: Trefft eine Vorauswahl passender IT-Dienstleister, die euch dabei unterstützen können, das Data-Analytics-Tool eurer Wahl in eurem Unternehmen a) einzuführen, b) zu betreiben und c) zu nutzen. Neben fachlicher Kompetenz und bezahlbaren Preisen ist hier auch das Zwischenmenschliche entscheidend: Projekte scheitern selten an fachlich-methodischen oder technischen Turbulenzen, häufig aber an kommunikativen Problemen.
Soweit meine Tipps rund um das Thema "Einführung einer Data-Analytics-Lösung". Ihr habt bereits Erfahrungen damit sammeln können? Dann teilt sie bitte in den Kommentaren.
Links-Tipps:
Data-Analytics-Tools: Wie finde ich das passende Produkt?
Soweit eine kleine Auswahl an Software-Lösungen zur Daten-Analyse. Das Angebot ist groß und wird weiter wachsen. Wie findet ihr heraus, welche Lösung für euer Unternehmen optimal ist?Tipp 1: Stellt sicher, dass es in eurem Unternehmen eine entwickelte Daten-Strategie und Daten-Analyse-Kompetenz gibt. Ist das nicht der Fall, wäre der Kauf einer Data-Analytics-Lösung gleichbedeutend mit dem Stechen in See ohne Nautik-Kenntnisse und ohne Kompass (Chaos-Reise oder gar Schiffbruch vorprogrammiert).
Tipp 2: Checkt einzelne Data-Analytics-Lösungen hinsichtlich der Frage, ob sie Expertise in eurer Branche besitzen. Weiterhin wichtig: Sind Anbieter und Lösung so aufgestellt, dass es sie voraussichtlich auch noch in zehn Jahren gibt – und können sie auch technologische Trends und Datenschutz-Kriterien berücksichtigen (z. B. Software-as-a-Service-Betrieb, Künstliche Intelligenz, DSGVO-Konformität)?
Tipp 3: Prüft vorab, ob eure engere Auswahl an Data-Analytics-Tools mit der bestehenden Software-Architektur eures Unternehmens kompatibel und interoperabel ist. Kompatibilität bedeutet, dass verschiedene Software-Lösungen miteinander verknüpfbar sind. Interoperabilität bedeutet, dass die verknüpften Software-Lösungen auch reibungslos miteinander arbeiten.
In vielen Unternehmen herrscht eine so genannte Legacy-IT, eine über Jahrzehnte gewachsene Architektur aus Software-Elementen. Eine Data-Analytics-Lösung muss fähig sein, hier problemlos andocken zu können.
Tipp 4: Berücksichtigt bei all euren Überlegungen stets die Personen, die innerhalb eures Unternehmens mit dem Data-Analytics-Tool arbeiten sollen. Die funktional tollste Lösung bringt nichts, wenn die Zielgruppe (= Anwender in eurem Unternehmen) nicht damit arbeiten will oder kann.
Tipp 5: Nutzt intensiv und ausgiebig kostenlose Demo-Versionen der Anbieter, um ein Gefühl für die Lösung zu bekommen. Sammelt hierbei auch das Feedback eurer Mitarbeiterinnen und Mitarbeiter ein.
Tipp 6: Trefft eine Vorauswahl passender IT-Dienstleister, die euch dabei unterstützen können, das Data-Analytics-Tool eurer Wahl in eurem Unternehmen a) einzuführen, b) zu betreiben und c) zu nutzen. Neben fachlicher Kompetenz und bezahlbaren Preisen ist hier auch das Zwischenmenschliche entscheidend: Projekte scheitern selten an fachlich-methodischen oder technischen Turbulenzen, häufig aber an kommunikativen Problemen.
Soweit meine Tipps rund um das Thema "Einführung einer Data-Analytics-Lösung". Ihr habt bereits Erfahrungen damit sammeln können? Dann teilt sie bitte in den Kommentaren.
Links-Tipps:
- Data Analytics (Teil 1): Board, Google Data Studio & Microsoft Power BI
- Digitale Transformation in der Praxis: Die Daten
- Digitalisierung 2020: Wie gelingt die datengetriebene Wertschöpfung?
Kommentare