Business Analytics & Competitive Intelligence Lernzettel PDF

Definition Business Intelligence (BI) ​ Deskriptiv ○​ Historische, aktuelle und prädiktive Ansichten von Geschäftsabläufen ​ Was passiert innerhalb einer Organisation? ​ Ziel: Unterstützung einer besseren Entscheidungsfindung Definition Business Analytics (BA) ​ Statistische...

Definition Business Intelligence (BI) ​ Deskriptiv ○​ Historische, aktuelle und prädiktive Ansichten von Geschäftsabläufen ​ Was passiert innerhalb einer Organisation? ​ Ziel: Unterstützung einer besseren Entscheidungsfindung Definition Business Analytics (BA) ​ Statistische Methoden ○​ Warum ist es geschehen? Was wird in Zukunft geschehen? ​ Prädiktive und präskriptive Analysen Definition Competitive Intelligence (CI) ​ Sammlung und Analyse von Infos über Konkurrenten, Markttrends und Umfeld ​ Marktchancen aufdecken, Risiken minimieren Ähnlichkeiten zwischen BI, BA und CI ​ Datengestützt ○​ Alle drei sind Datengestützt ​ Analytische Prozesse ○​ Alle drei sammeln Daten und analysieren diese, um Erkenntnisse zu gewinnen ​ Strategischer Wert ○​ Alle drei tragen dazu bei, Strategien zu entwickeln, die Leistung und Wettbewerbsfähigkeit verbessern Unterschiede zwischen BI, BA und CI ​ BI → Intern ○​ Fundament ○​ Was ist passiert? ​ BA → Intern ○​ Baut auf BI auf, trifft Vorhersagen ○​ Warum ist es passiert?​ Was wird passieren? ​ CI → Extern ○​ Ergänzt BI und BA um eine externe Perspektive ○​ Wettbewerbslandschaft verstehen ○​ Was tun andere?​ Wie wirkt sich das Umfeld äußere Umfeld auf uns aus? Datenverlauf 1 Information Cycle -​ Wo kommen die Daten her? -​ Welche Rollen sind involviert? Definition Evidenzbasiert ​ Systematischer Ansatz zur Entscheidungsfindung, bei dem die besten verfügb. Erkenntnisse zur Verbesserung der Managementpraktiken genutzt werden ​ Komplexes Geschäftsumfeld: Zunehmender Wettbewerb, Globalisierung und technischer Fortschritt ​ Herausforderungen: Informationsüberflutung, Unsicherheit und schneller Wandel ​ Vorteile EBM: ○​ Verbessert Entscheidungsqualität ○​ Verringert Abhängigkeit von persönlichen Geschichten oder Biassen ○​ Verbessert Rechenschaftspflicht und Transparenz CI Analytics: Wie war das Vorgehen? (1. Workshop) 1.​ Vorlage erstellen der zu sammelnden Daten 2.​ Wie kann man die Daten effizient erfassen? 3.​ Datenerfassung automatisieren Welche Funktion hat das Data Collection Template? ​ Daten in strukturierter Form darstellen ​ Standardisierung ​ Zentralisierung, Qualität 4 Sources of Evidence ​ Wissenschaftlich ○​ Empirische Forschungsstudien ​ Organisatorisch ○​ Daten und Informationen, die innerhalb der Organisation generiert werden ​ Erfahrung ○​ Einblicke und Fachwissen aus persönlicher Erfahrung von Fachleuten ​ Stakeholder ○​ Vorlieben, Werte und Bedenken der von den Entscheidungen Betroffenen Wie nutzt man die 4 Sources? ​ Ganzheitlicher Ansatz ○​ Kombination aller Quellen führt zu fundierten Entscheidungen 2  ○​ Abwägung der Relevanz und Zuverlässigkeit der Quellen 1.​ Fragen stellen 2.​ Erfassen 3.​ Beurteilen 4.​ Zusammenfassen 5.​ Anwendung 6.​ Bewertung PICO Framework ​ Instrument zur Formulierung gezielter und beantwortbar Fragen beim EBM ​ P - Population ○​ Spezifische Gruppe von Menschen, auf den sich die Frage bezieht ​ I - Intervention ○​ Maßnahme, Strategie oder Intervention, die in Betracht gezogen wird, um das Problem zu lösen ​ C - Comparison ○​ Alternative zur Intervention, z. B. eine andere Strategie, keine Intervention oder derzeitige Standardpraxis ​ O - Outcome ○​ Gewünschte Ergebnisse oder Wirkung, die von der Intervention erwartet werden ​ Zweck und Nutzen: ○​ Strukturierte Frageformulierung ○​ Effiziente Literaturrecherche ​ Durch Schlüsselbegriffe ○​ Kritische Würdigung ​ Hilft bei Bewertung der Anwendbarkeit Definition SBTi ​ “Science Based Targets initiative” ​ Unternehmensziele mit Klimawissenschaft in Einklang bringen ​ Ziele für die Reduzierung von Treibhausgasemissionen ​ Ehrgeizige Klimamaßnahmen im privaten Sektor ​ Ziel: Wissenschaftlich fundierte Emissionsreduktionsziele ​ Unternehmen verpflichten sich öffentlich Organizational decision-making process gut für den Cycle am Ende (Ein paar Elemente können) ​ Beziehen sich auf systematische Methoden und Verfahren ○​ die Probleme oder Chancen erkennen sollen, Informationen analysieren, Alternativen bewerten und Maßnahmen auszuwählen und umzusetzen ​ Wichtige Komponenten: ○​ Identifizierung und Definition des Problems ​ Erkennen: Diskrepanz zwischen aktuellem Stand und gewünschten Zielen ​ Klären: Klare Definition des Problems ○​ Sammeln von Informationen ​ Datenerhebung: Beschaffung der Daten ○​ Analyse 3  ​ Interpretation von Daten Szenarien ​ Systematisch konstruierte Erzählungen oder Modelle, die plausible und vielfältige Zukünfte beschreiben ​ Ziel: Strategische Planung und Entscheidungsfindung verbessern, indem ein breites Spektrum an zukünftigen Zuständen in Betracht gezogen wird ​ Wissenschaftliche Grundlagen ○​ Systemorientiertes Denken ○​ Zukunftsstudien ○​ Wahrscheinlichkeitsrechnung ○​ Strategisches Management ○​ Verhaltenswissenschaften ​ Komponenten: ○​ Treibende Kräfte ○​ Kritische Unwägbarkeiten ○​ Plausible Erzählungen ○​ Zeithorizonte ​ Zweck und Nutzen ○​ Strategische Planung (Wobei das nur Planung ist) ○​ Risikomanagement ○​ Innovation und Identifizierung von Chancen ○​ Bessere Entscheidungsfindung ​ Arten von Geschäftsszenarien ○​ Sondierungsszenarien ​ Beginnen mit der Gegenwart und erkunden mögliche Zukünfte anhand von Trends und Entwicklungen ○​ Normative Szenarien ​ Beginnen mit einem gewünschten zukünftigen Zustand und arbeiten rückwärts, um Maßnahmen zu ermitteln, die dazu führen, dass Zielzustand erreicht wird ○​ Vorausschauende Szenarien ​ Bestimmte Ereignisse oder Veränderungen antizipieren ​ Herausforderungen ○​ Einschränkung der Daten ○​ Komplexität der Variablen ○​ Überbetonung der Plausibilität Strategic Thinking as Seeing (Um was anderes erklären zu können) 4  ​ Strategieentwicklung durch Kombination von Rückblick, Übersicht, Detailarbeit, Kreativität und visionärem Denken ​ Ziel: Zukünftige Welt schaffen, die durch neue Perspektiven und innovative Ansätze geprägt ist Fallacies ​ Survivorship Bias ○​ Ziehen von Schlussfolgerungen aus einem unvollständigen Datensatz, weil diese Daten einige Auswahlkriterien überlebt haben ○​ Welche Daten hat man nicht? ○​ Flugzeug mit zerschossenen Flügeln → Was verstärken? ​ False Causality ○​ Fälschliche Annahme, wenn zwei Ereignisse zusammen auftreten, dass das eine das andere verursacht haben muss ○​ Anzahl von Piraten ←→ Temperatur ​ Gerrymandering ○​ Praxis der absichtlichen Manipulation der Grenzen politischer Bezirke, um das Ergebnis einer Wahl zu beeinflussen Business Analyse ​ Datenanalyse kann aus verschiedenen Blickwinkeln erfolgen, die jeweils einen bestimmten Zweck erfüllen ​ Umwandlung von Rohdaten in aussagekräftige Erkenntnisse und fundierte Entscheidungen ​ Verständnis historischer Muster → Prinzipien durchgehen → Prognose zukünftiger Ergebnisse Deskriptive Analyse ​ Interpretation historischer Daten ​ Aufzeigen, was geschehen ist, ohne Vorhersagen zu treffen oder tiefere Ursachen aufzudecken ​ Schafft Klarheit über Trends, Muster und Korrelationen Induktive Analyse ​ Ableitung von allgemeinen Regeln und Beziehungen aus Datenproben 5  ​ Untersuchung, warum Muster auftreten durch statistische Schlüsse und Hypothesentests ​ Können beobachtete Trends verallgemeinert werden? Prädiktive Analyse ​ Nutzt historische Daten und Muster, um zukünftige Ergebnisse vorherzusagen ​ Einsatz von maschinellen Lernen, Regressionsmodelle wird beschrieben und prognostiziert, was geschehen wird Intelligence Cycle ​ Bietet einen strukturierten Rahmen für die Umwandlung von Rohdaten in verwertbare Erkenntnisse ​ Planung ○​ Welche Informationen brauchen wir (KITs), und welche Fragen müssen wir stellen, um diese zu bekommen (KIQs) ○​ KITs ​ Interessensgebiete (“Aufkommende KI-Vorschriften”) ○​ KIQs ​ Gezielte Abfragen(“Welche neuen KI-Compliance-Standards werden unsere Produktentwicklung beeinflussen?”) ○​ Grundlage, indem geklärt wird, was man wissen muss, strategische Prioritäten festgelegt und klare Fragen zur Aufklärung gestellt werden ​ Informationsbeschaffung ○​ Auf Grundlage von KITs und KIQs werden Quellen ausgewählt ○​ Qualität > Quantität ​ Verarbeitung ○​ Gesammelte Daten werden auf Gültigkeit geprüft ○​ Kohärente Wissensbasis ​ Interpretation ○​ Analyse von Mustern ○​ Bedeutung von Daten extrahieren ​ Verbreitung ○​ Bereitstellung umsetzbarer Infos ○​ Schlussfolgerungen und Empfehlungen werden präsentiert ​ Entscheidung und Feedback ○​ Treffen der Entscheidung + Feedback für die Zukunft ​ EBM sorgt in jedem Schritt des Intelligence Cycle für eine evidenzbasierte, objektive und fundierte Herangehensweise 6 01 Introduction Business Intelligence: (Interne Daten) Techniken und Anwendungen zur Sammlung, Integration, Analyse und Präsentation von Geschäftsinformationen, primär für deskriptive Analysen, um historische und aktuelle Geschäftstrends zu verstehen. Business Analytics: (Interne und externe Daten) Statistische und prädiktive Analysen zur Identifikation von Mustern, Ursachen und Zukunftsprognosen; unterstützt Entscheidungen mit prädiktiven und präskriptiven Ansätzen. Competitive Intelligence: (Externe Daten) Systematische Sammlung und Analyse externer Daten zu Wettbewerbern und Markttrends, um strategische Entscheidungen zu unterstützen und Wettbewerbsvorteile zu erzielen. Zusammenhänge zwischen BI, BA, CI: - BI liefert historische Daten und Einblicke, die BA mit prädiktiven Modellen erweitert. - CI ergänzt BI und BA, indem es externe Daten berücksichtigt, um strategische Entscheidungen zu untermauern. - BI beantwortet „Was ist passiert?“, BA „Warum ist es passiert?“ und „Was wird passieren?“, während CI auf „Was machen andere?“ abzielt​ - Nutzen: Strategische Wertsteigerung und Verbesserung der Wettbewerbsfähigkeit Summary of Relationships: 03 Evidence-based management Definition: EBM ist ein systematischer Ansatz zur Entscheidungsfindung, der die besten verfügbaren wissenschaftlichen Erkenntnisse und Daten nutzt, um Managementpraktiken zu verbessern. -> Basiert auf empirischen Daten und systematischen Analysen Warum ist EBM wichtig?: - Komplexe Business Umgebung (Wettbewerb, Globalisierung, Technologischer Fortschritt) - Schwieriger Entscheidungsprozess (Information overload, schnelle Veränderungen) - Vorteile: Besser Qualität von Entscheidungen, Weniger emotionaler bias, mehr Transparent - Traditionelle Methoden sind eher emotional und Intuitions Gesteuert Four Sources of EBM: Entscheidungen basierend auf… -​ Scientific Evidence: Basierend auf empirischen Forschungsergebnissen -​ Organizational Evidence: Daten und Informationen aus der eigenen Organisation -​ Experiential Evidence: Insights, Wissen und Expertise von Fachleuten -​ Stakeholder Evidence: Basierend auf Interessen und Erwartungen der Stakeholder 7 Six Steps of Evidence Based Decision Making: 1. Asking: Die richtigen Fragen formulieren, um den Fokus der Untersuchung zu bestimmen (Bspw. PICO) 2. Acquiring: Relevante Fakten sammeln 3. Appraising: Die gesammelten Daten kritisch hinterfragen und validieren 4. Aggregating: Zusammenfassung der Datenerhebung + ggf. Visualisierung 5. Applying: Evidence in den Entscheidungsprozess implementieren 6. Assessing: Review + Bewertung der Ergebnisse PICO Framework: (Für Step 1: Asking) Definition: Hilft bei der Formulierung klarer und beantwortbarer Fragen und erleichtert so die Suche nach relevanter Evidenz und damit die Entscheidungsfindung P - Population ○​ Spezifische Gruppe von Menschen, auf die sich die Frage bezieht I - Intervention ○​ Maßnahme oder Strategie, die in Betracht gezogen wird, um das Problem zu lösen C - Comparison ○​ Alternative zur Intervention, z. B. eine andere Strategie, keine Intervention oder derzeitige Standard Praxis O - Outcome ○​ Gewünschte Ergebnisse oder Wirkung, die von der Intervention erwartet werden 04 SBTi-Science Based Targets Definition: Die SBTi ist eine Initiative, die Unternehmen unterstützt, wissenschaftsbasierte Ziele zur Reduzierung von Treibhausgasemissionen festzulegen, um die Erderwärmung gemäß dem Pariser Abkommen zu begrenzen. Ziele: -​ Ausrichtung von Unternehmenszielen in der Klimawissenschaft. -​ Reduziert Risiken durch Klimawandel. -​ Verbessert die Wettbewerbsfähigkeit durch Nachhaltigkeitsstrategien. -​ Baut Vertrauen bei Stakeholdern durch Transparenz auf. Schlüsselkomponenten: Commitment: Unternehmen verpflichten sich öffentlich, Ziele festzulegen. Zielentwicklung: Berechnung der Emissionsreduktionsziele nach SBTI-Kriterien. Validierung: Prüfung der Ziele durch die SBTi. Kommunikation: Bekanntmachung und Integration der Ziele in Strategien. Berichterstattung: Regelmäßiges Monitoring und Berichtswesen. Link zu EBM: -​ Wissenschaftliche Grundlage: Ziele basieren auf neuesten Klimadaten. -​ Datengetriebene Entscheidungen: Analyse von Emissionsdaten zur Ableitung von Maßnahmen. -​ Stakeholder-Engagement: Berücksichtigung von Anforderungen und Erwartungen von Investoren, Kunden und Regulierungsbehörden. 8 05 Organizational decision-making processes Definition: Organisatorische Entscheidungsprozesse sind systematische Methoden, um Probleme oder Chancen zu identifizieren, Informationen zu analysieren, Alternativen zu bewerten und Maßnahmen zu ergreifen, die strategischen Zielen entsprechen Phasen von Entscheidungsprozessen: 1.​ Problemidentifikation: Erkennen von Diskrepanzen zwischen Ist- und Soll-Zustand. 2.​ Datensammlung & Analyse: Beschaffung und Interpretation relevanter Informatione 3.​ Generierung von Alternativen: Entwicklung möglicher Lösungen. 4.​ Bewertung und Auswahl: Vergleich von Alternativen anhand definierter Kriterien. 5.​ Umsetzung: Planung und Zuweisung von Ressourcen. 6.​ Überwachung und Bewertung: Kontrolle der Ergebnisse und Feedback-Schleifen. Arten von Entscheidungen: Strategische Entscheidungen: Langfristig, mit hohem Einfluss (z. B. Markt- oder Technologieentscheidungen). Taktische Entscheidungen: Mittelfristig, Übersetzung strategischer Ziele in Pläne (z. B. Budgetierung). Operative Entscheidungen: Kurzfristig, für tägliche Abläufe (z. B. Ressourcenverteilung). Einflüsse auf Entscheidungen: Kultur: Werte und Normen innerhalb der Organisation. Information: Verfügbarkeit und Qualität von Daten. Führung: Entscheidungsstil und Kompetenz der Führungskräfte. Externe Einflüsse: Marktbedingungen, Regulierung, Technologien. Risikobereitschaft: Umgang mit Unsicherheiten und Risiken. Modelle: Rationales Modell: Systematische Analyse zur Maximierung von Ergebnissen. Begrenzte Rationalität: Berücksichtigt Informations- und Zeitbeschränkungen. Intuitives Modell: Entscheidungen basierend auf Erfahrung und Bauchgefühl. Partizipatives Modell: Einbindung von Stakeholdern zur Erhöhung der Akzeptanz. Garbage-Can-Modell: Chaotische Prozesse, die auf zufälligen Zusammenhängen basieren. 06 Szenarien Definition: Szenarien sind plausible und systematisch entwickelte Zukunftsbilder, die mögliche Entwicklungen und deren Auswirkungen auf eine Organisation beschreiben. Szenarien schaffen einen Rahmen, um Unsicherheiten zu verstehen, Strategien zu testen und Organisationen auf vielfältige zukünftige Entwicklungen vorzubereiten. Relevanz: - Strategische Planung und Entscheidungsfindung verbessern, indem ein breites Spektrum an zukünftigen Zuständen in Betracht gezogen wird - Reduzieren Überraschungen und Risiken. - Helfen, langfristige Chancen und Herausforderungen zu antizipieren. Komponenten: 1. Treiber: Zentrale Einflussfaktoren wie technologische Innovationen oder Markttrends. 2. Kritische Unsicherheiten: Faktoren mit unklarem Ausgang, die großen Einfluss haben. 3. Plausible Narrative: Logische Geschichten, die beschreiben, wie sich die Zukunft entwickeln könnte. 9 Nutzen: - Ermöglichen flexible und robuste Strategien. - Fördern Innovation durch die Erforschung alternativer Zukünfte. - Identifizieren potenzielle Risiken und Chancen. - Analyse potenzieller Risiken und Auswirkungen. - Bieten Vorwarnsignale für unerwartete Entwicklungen. - Erleichtern die Vorbereitung auf Extremsituationen (z. B. Black-Swan-Ereignisse). Arten: Explorative Szenarien: Beschreiben mögliche Zukünfte basierend auf aktuellen Trends. Normative Szenarien: Zeigen gewünschte zukünftige Zustände und Wege dorthin. Antizipative Szenarien: Fokussieren auf spezifische Ereignisse oder Veränderungen, wie technologische Durchbrüche. 07 Systematizität Definition: Systematizität bedeutet, dass etwas klar und organisiert ist. In der Wissenschaft bedeutet es, dass Wissen systematisch aufgebaut, untersucht und dargestellt wird, um es verlässlich und nachvollziehbar zu machen. 08 Fallacies Definition: Fallacies sind Denkfehler oder Fehlschlüsse, die zu falschen oder unlogischen Argumenten führen können. Sie treten oft in Diskussionen, Datenanalysen oder Entscheidungsprozessen auf. 1. Survivorship Bias:​ Konzentriert sich nur auf erfolgreiche Fälle (z. B. überlebende Flugzeuge) und ignoriert fehlgeschlagene Beispiele, was zu verzerrten Schlussfolgerungen führt. 2. False Causality:​ Nimmt fälschlicherweise an, dass ein Ereignis das andere verursacht hat, nur weil sie zusammen auftreten, obwohl es keine Kausalität gibt. 3. Gerrymandering:​ Manipulation von Grenzen (z. B. Wahlbezirke), um Ergebnisse zu beeinflussen. In der Datenanalyse passiert Ähnliches durch willkürliche Datengruppierung (z. B. MAUP-Problem). 4. Simpson's Paradox:​ Ein Trend, der in mehreren Gruppen sichtbar ist, verschwindet oder kehrt sich um, wenn die Gruppen zusammengefasst werden. 5. Sampling Bias:​ Verzerrung durch nicht repräsentative Stichproben, wodurch die Ergebnisse nicht auf die gesamte Population übertragbar sind. 6. Cherry Picking:​ Auswahl von nur den Daten, die das eigene Argument stützen, während widersprüchliche Informationen ignoriert werden. 10 12 Back to the Basics Business Analysis: Prozess der Untersuchung von Geschäftsdaten und -prozessen, um Probleme zu identifizieren, Chancen zu entdecken und fundierte Entscheidungen zu treffen. Arten: Descriptive Analysis: Deskriptive Analyse fasst vergangene Daten zusammen, um zu verstehen, was passiert ist. Beispiel: Ein Unternehmen analysiert die Verkaufszahlen der letzten Monate, um Trends zu erkennen. Inductive Analysis: Induktive Analyse nutzt Daten, um allgemeine Prinzipien / Zusammenhänge zu entdecken. Beispiel: Ein Unternehmen testet, ob eine Rabattaktion die Verkaufszahlen steigert. Predictive Analysis: Prädiktive Analyse verwendet historische Daten, um zukünftige Ereignisse vorherzusagen. Beispiel: Eine Einzelhandelskette prognostiziert, welche Produkte in der nächsten Saison beliebt sein werden. Intelligence Cycle: Ein strukturierter Prozess, um Rohdaten in umsetzbare Erkenntnisse zu verwandeln. Schritte: 1. Planung: Strategische Informationsbedarfe definieren und spezifische Fragen formulieren, die beantwortet werden sollen. (Welche Informationen brauchen wir und wie müssen wir Fragen formulieren um diese zu bekommen) 2. Datensammlung: Relevante Datenquellen identifizieren und die benötigten Informationen sammeln, z. B. aus Berichten oder Experteninterviews. 3. Datenverarbeitung: Die gesammelten Daten werden aufbereitet, kategorisiert und in einem strukturierten Format gespeichert, um sie für die Analyse zugänglich zu machen. 4. Analyse: Die analysierten Daten werden interpretiert, um Muster, Kausalitäten und strategische Implikationen zu erkennen. 5. Verbreitung: Erkenntnisse und Empfehlungen werden in klaren Berichten, Dashboards oder Präsentationen an die Entscheidungsträger weitergegeben. 6. Feedback: Entscheidungsträger bewerten die bereitgestellten Informationen und geben Rückmeldungen, um zukünftige Analysen zu verbessern. → EBM sorgt in jedem Schritt des Intelligence Cycle für eine evidenzbasierte, objektive und fundierte Herangehensweise. 11