Business Analytics verfolgt das Ziel der Datenveredelung in Bezug auf relevante Fragestellungen, um so vom „was war, warum?“ zum „was wird sein?“ zu gelangen.
Der Einsatz von Digital Analytics erlaubt es den Unternehmen, sich IT-gestützt durch quantitative, statistische und vorhersage- orientierte Analysen deutlich flexibler in ihren Märkten zu bewegen. Agile Methoden können dabei helfen, Business Analytics noch schneller und wirkungsvoller im Unternehmen zum Einsatz zu bringen.
Agile Analytics hilft so Ressourcen zu sparen und sich iterativ dem Ziel zu nähern. Das aber erfordert eine enge Zusammenarbeit aller Beteiligten.
Agile Analytics sollte folgende Komponenten berücksichtigen:
- Strategie: Trennung von Produkt/ Marketing/ Customer Analytics als Self-Service in interdisziplinären Teams und dem klassischen Unternehmensreporting auf Basis eines Data Warehouse um so qualitätsgesicherte zentrale Unternehmens-KPI frei von unbekannter Datenqualität zu halten.
- Technik: Auswahl geeigneter Tools und Technologien für eine konkrete Fragestellung, anhand vorgegebener Architektur und dem zur Verfügung stehenden finanziellen und zeitlichen Rahmen.
- Actionable Insights: Einsatz von statistischen Methoden und mathematischen Modellen in kurzen Iterationen, Bewertung der Ergebnisse und permanente Verbesserung im Business-Kontext.
- Continuous Delivery: kontinuierliche Weiterentwicklung anhand geschäftlicher Fragestellungen als Treiber für neue analytische Ansätze. Hypothesen werden zeitnah überprüft und anhand der vorhandenen Daten bestätigt oder widerlegt. Das Ziel sind kurze Wege und Release Zyklen.
- Automatisierung: alle wiederkehrenden Prozesse sollen automatisiert werden, so werden Ressourcen für die Entwicklung neuer Features frei.
„Do the smallest, simplest thing necessary to continue supporting business users.“
Erfolgsfaktor Team-Setup:
Viele Firmen sind im Bereich der Softwareentwicklung bereits auf agile Methoden umgestiegen. Wer hier bereits Erfahrung mit Frameworks wir Scrum oder Kanban hat, sollte nun prüfen ob es gelingt seine Spezialisten wie Business Analysts, Data Scientists, ETL- und BI-Developer in diese Teams zu integrieren. Diese co-located (Scrum) Teams sind dann neben der Produktentwicklung auch für die Data Governance bzw. Data Quality gegenüber dem zentralen Unternehmens-Reporting/Controlling verantwortlich.
Weiterlesen:
- Agile Analytics: Rollen und Aufgaben innerhalb der Organisation
- Agile Analytics: Management Framework
- Agile Analytics: A Value-Driven Approach to Business Intelligence and Data Warehousing
- Future Digital Business
- Agile Analytics: What It Is, and 10 Best Practices for Using It
- Big Data Agile Analytics by Ken Collier