Mit Big Data zu mehr Nachhaltigkeit

Predictive Analytics & Big Data meets Sustainability Balanced Scorecard

  Sie möchten Ihr Angebot besser auf die aktuelle Kundennachfrage ausrichten oder schon bevor ein Kunde Abwanderungsgedanken hegt, davon erfahren? Predictive Analytics kombiniert mit Big Data soll das ermöglichen. Vielleicht denken Sie jetzt: was haben Predicitive Analytics und Big Data mit einer Sustainability Balanced Scorecard (SBSC) zu tun? Was ist eine Sustainability Balanced Scorecard (SBSC)?

Die traditionelle BSC ist ein Strategieumsetzungs-Tool, das die Vision des Unternehmens in einzelne Ziele, Messzahlen und Maßnahmen zerlegt.

Aufbauend auf der traditionellen BSC ist nun das Ziel einer SBSC, alle drei Säulen der Nachhaltigkeit – Ökonomie, Ökologie und Soziales – gleichermaßen in die erfolgreiche Umsetzung von Strategien zu integrieren. Die vier konventionellen Perspektiven (Finanzen, Kunden, interne Prozesse und Potential) der traditionellen BSC werden um eine Nachhaltigkeitsperspektive erweitert. Dadurch soll die Unternehmensperformance in allen drei Nachhaltigkeitsdimensionen gleichermaßen verbessert und somit starke unternehmerische Nachhaltigkeitsbeiträge erreicht werden. Zur Erinnerung – Sie können Ihre Nachhaltigkeitsvision nur steuern, wenn Sie sie auch messen!

Welche Vorteile bringt die Verknüpfung von Predictive Analytics und BigData mit einer Sustainability Balanced Scorecard?

Verbesserte Steuerbarkeit des Unternehmens
In einer SBSC treffen ökonomische, ökologische und soziale Daten aufeinander. Maschinendaten, Wetterdaten, Umweltdaten, Geodaten, Daten aus sozialen Netzwerken, Trackingdaten, technische Daten uvm. sollen in die Unternehmenssteuerung einbezogen werden. Diese BigData-Vielfalt gilt es effizient zu analysieren und zu nutzen. Will ein Unternehmen nicht nur Daten aus der Vergangenheit erhalten, sondern auch wissen, wie sich diese Daten zukünftig entwickeln könnten, ist der Einsatz von Predictive Analytics notwendig. Stehen Daten in Echtzeit zur Verfügung, kann das Unternehmen noch besser gesteuert und Prognosen können besser berechnet werden.

Ausnutzen der Datenvielfalt zur Verbesserung der Entscheidungsqualität
Bedingt durch die zunehmende Dynamik im Unternehmensumfeld und Geschwindigkeit, in der Informationen zur Verfügung stehen, suchen immer mehr Unternehmen nach Möglichkeiten den Entscheidungsprozess zu rationalisieren und zu verbessern. Der Einsatz von Predictive Analytics bietet die Möglichkeit, Anomalien und wie Systeme zusammenarbeiten, rasch zu erkennen und soll somit die Entscheidungsqualität im Unternehmen erhöhen. Händler können zum Beispiel ihre Bestellmengen optimal an der Kundennachfrage ausrichten und so ihre Lagerbestände optimieren. Produktionsunternehmen sollen noch besser mögliche Störungen im Produktionsprozess vorhersagen und dadurch rechtzeitig gezielte Gegenmaßnahmen einleiten können.

Verbesserte Prognosen und schnellere Reaktionen auf Umweltveränderungen
Die Zusammenführung unterschiedlicher Daten aus vielen verschiedenen Bereichen ermöglicht, Prognosen noch genauer treffen zu können. Damit soll eine noch schnellere Reaktion auf Umweltveränderungen erreicht, Produktionsprozesse optimiert und Kundenangebote stetig verbessert werden. Gelingt es einem Unternehmen, die Daten zielgerichtet zu analysieren und für die strategischen Ziele in der SBSC nutzbar zu machen, können Wettbewerbsvorteile generiert werden.

Höhere Qualität der Key Performance Indicators (KPI’s) und Strategy Map
Die Identifikation der strategischen KPI’s ist eine der größten Herausforderung bei der Entwicklung einer SBSC. Strategische KPI’s müssen dynamisch sein und in Echtzeit, oder nahezu Echtzeit, verfügbar gemacht werden. Predictive Analytics spielt bei der Festlegung und Berechnung der KPI’s eine bedeutende Rolle und kann die Qualität enorm verbessern, indem es zukünftige Richtungen prognostiziert. Durch real-time KPI Monitoring werden Ist- und Planwerte der einzelnen Ziele noch verlässlicher und robuster.

In weiterer Folge soll die Strategy Map (Ursache-/Wirkungskette) eine neue Qualität erreichen, indem der Zusammenhang zwischen einzelner KPI’s verschiedener Perspektiven (Kunden, Nachhaltigkeit, ...) noch exakter gemessen wird, beispielsweise der Einfluss eines Mitarbeiterentwicklungsprogramms auf die Kundenzufriedenheit oder die Auswirkung eines neuen ISO Zertifikats auf den Produktionsprozess.

Fazit

Datenmenge und -vielfalt, bzw. das Tempo, in dem Daten entstehen, steigen rasant. Unternehmen müssen sich mit dieser neuen Herausforderung auseinandersetzen und auch die Management-Tools dahingehend ausrichten. In Hinsicht auf die SBSC gilt es die strategischen KPI’s herauszufiltern und zu analysieren. Dabei kann der Einsatz von Predictive Analytics und BigData die Entscheidungsqualität im Unternehmen erheblich verbessern und die Erreichung der Nachhaltigkeitsvision wesentlich unterstützen.

Autor: Tobias Mayr