Datenbanktechnologie zur Verbesserung finanzieller KPIs

Wenn es um Datenerfassungs- und Analysesysteme geht, geben die meisten Analysten der Fertigungsindustrie schlechte Leistungsbewertungen. Sie sagen, dass die Fertigungsindustrie in Bezug auf die effektive Nutzung von Daten und Datenbankinfrastrukturen 5, 10 oder sogar 20 Jahre hinter anderen Branchen zurückliegt. Was kann die Fertigungsindustrie tun, um diese Lücke zu schließen? Und wie kann eine bessere Nutzung von Daten den Herstellern helfen, ihre finanziellen Ziele in dieser Wirtschaftslage zu erreichen?

Experte zu diesem Thema ist Alex Ladd, CEO von MindStream Analytics. Mit seiner strategischen Ausrichtung hat er Unternehmen wie Bayer, Boston Scientific und Sara Lee dabei unterstützt, die Erkenntnisse zu gewinnen, die sie zur Erreichung ihrer finanziellen Wettbewerbsziele benötigen.

Wie hat sich die Datenbanktechnologie verändert?

Alexander Ladd: In den letzten Jahren hat es enorme technologische Veränderungen gegeben, insbesondere im Bereich Daten. Die Datenmengen sind heute so viel größer als früher. Ich bin mir nicht sicher, wie viele Menschen mit Begriffen wie OLAP und Cubes vertraut sind. Diese begannen als Möglichkeit, eine Reihe von Daten zu bündeln und zu aggregieren, um sie dann aufzuschlüsseln und einer eingehenden Analyse zu unterziehen. Vor etwa zehn Jahren kam dann die Möglichkeit hinzu, diese Cubes besser zu integrieren – ich würde das als eine Art relationale Datenbank für detailliertere Datenebenen bezeichnen. Dadurch ist die Interaktion zwischen beiden viel stärker geworden. Und in den letzten fünf Jahren kam dann meiner Meinung nach eher maschinelles Lernen hinzu.

Die Entwicklung der Datenbanktechnologien für Hersteller verlief also wie folgt: Man konnte seine Daten in einer Art Cube zusammenfassen, um Einblicke in mögliche Probleme zu gewinnen und hier Effizienzsteigerungen zu erzielen. Die nächste Frage ist dann aber, wie man diese Probleme behebt. Denn man muss genau jedes einzelne Element, das diese Probleme verursacht, herausarbeiten, um mögliche Lösungen zu finden.

Operative Kennzahlen und Finanzkennzahlen müssen miteinander verknüpft werden

Leah Archibald: Hinken Fertigungsunternehmen bei der Nutzung neuer Datenbanktechnologien hinter anderen Branchen hinterher?

Alexander Ladd: Das ist lustig, denn wenn man sich die operative Seite ansieht, sieht man tatsächlich viel Hightech-Fertigung. KI wird im Fertigungsprozess häufig eingesetzt, aber nicht unbedingt in der Analyse. Das Corporate Performance Management beginnt im Büro des CFO. Und wenn man zu Stahlherstellern geht, arbeiten die Mitarbeiter im Büro des CFO mit Excel.

Leah Archibald: Es gibt also eine Diskrepanz zwischen den hochrangigen Finanzkennzahlen des Unternehmens und dem operativen Geschäft. Und genau diese Lücke muss geschlossen werden, um den ROI der gesamten Infrastruktur zu maximieren.

Alexander Ladd: Nicht immer verfügen Unternehmen über ein gutes ROI-Messsystem, was wiederum auf die Integration der operativen Daten in die Finanzdaten zurückzuführen ist. Sie sagen dann vielleicht: „Oh, wir haben ein neues Tool gekauft, das unsere Effizienz steigern wird“, aber wie hoch ist der ROI dafür? Wie wirkt sich das auf die Gesamtkosten eines Produkts aus? Ohne die Integration der Betriebs- und Finanzdaten wissen die meisten Unternehmen das nicht.

Leah Archibald: Wie sieht eine gute Lösung aus?

Alexander Ladd: Man muss in der Lage sein, alle Daten zu erfassen. Und die Datenerfassung bringt an sich schon eine Menge Probleme mit sich. Man spricht von Qualität: Datenqualität statt Datenintegration. Und ich halte das für einen berechtigten Punkt, denn es gibt unzählige Unternehmen, die behaupten, dass sie alle ihre Systeme integriert haben, aber dann haben sie ein 30-köpfiges Team, das nur damit beschäftigt ist, alle Probleme bei der Datenintegration zu beheben.

Und dann kommt die nächste Frage: Kann man die Daten so zusammenfassen, dass alle sie als aussagekräftig anerkennen? Man spricht von Stammdatenverwaltung und ähnlichen Dingen. Sind wir uns alle einig, dass dies eine Produktfamilie ist und das eine andere? Und dann ist meine wichtigste Frage: Kann das System die Daten auf jeder Ebene mit der entsprechenden Granularität wiedergeben, und stimmen die Informationen über alle Ebenen hinweg überein?

Daten sind der Anfang der Geschichte, aber um etwas Sinnvolles zu haben, muss man die Geschichte erzählen können. Und wenn man ein gutes Tool hat, mit dem man die Geschichte erzählen kann, ist das einfach enorm wichtig. Man muss in der Lage sein, die Daten so darzustellen, dass sie für jeden einzelnen sinnvoll sind. Jede Abteilung und jede Rolle innerhalb des Unternehmens muss die Daten so verstehen, wie sie für sie relevant sind.

Verknüpfung der operativen Leistung mit finanziellen KPIs

Leah Archibald: Das ist etwas, was Finanzdienstleister wirklich gut können. Wie können Hersteller ihre Daten nutzen, um wichtige Informationen zu finanziellen KPIs zu erhalten?

Alexander Ladd: Was bestimmte Erkenntnisse angeht, sprechen wir davon, Daten zu aggregieren, aber Sie sollten auch in der Lage sein, Ihre KPIs zu aggregieren. Diese Top-Level-KPIs sind Ihr verbindendes Element. Was sind alle Ihre KPIs und wie fließen sie in dieser Organisationsstruktur nach oben und unten? Wenn Sie die Analyse wirklich durchgeführt haben, dann verfügen Sie über einsetzbare KPIs, die jeder in der Organisation sehen, überprüfen und als richtig erkennen kann.

Leah Archibald: Verändert KI diesen Prozess grundlegend?

Alexander Ladd: KI verändert unsere Arbeit insofern, als wir in der Lage sein sollten, die Lösung schneller umzusetzen. Außerdem ermöglicht sie uns, weiter zu gehen. Ein weiterer Aspekt der KI, über den nicht so viel gesprochen wird, ist das Change Management. Wenn man diese Tools erhält, besteht eine der größten Hürden immer darin, die Mitarbeiter in ihrer Anwendung zu schulen. KI kann den Lernprozess beschleunigen, sodass man nicht drei Tage lang sitzen und lernen muss, wie man eine neue Software verwendet. Das bedeutet, dass KI uns die Einführung dieser neuen Systeme erleichtern kann.