3.3.3 Nachweis von Business Value der Lösungen

Meist existiert in Unternehmen gerade im Zeitalter von Big Data eine Vielzahl von Daten, die kaum noch zu überblicken ist. Oft werden wichtige Daten auf Abteilungsebene produziert und dort als Schatz gehütet (z.B. in einem Excel Sheet auf dem Laptop eines Mitarbeiters) und stehen damit nicht zu Auswertung zur Verfügung. Dennoch ist es nicht vordringlich wichtig möglichst viele Daten in die Auswertung einfließen zu lassen, um ein gutes Ergebnis zu erhalten, sondern die richtigen Daten auszuwählen, die für die Fragestellung relevant sind und deren Qualität sicherzustellen. Moderne Software-Tools und Plattformen können hierbei wie in Kapitel 3.2erwähnt unterstützen, wichtig für den Erfolg eines Projektes ist allerdings die Gefahren zu kennen und daraufhin die richtigen Spielregeln in der Organisation zu definieren[1].

Zusammenfassend lässt sich festhalten, dass die Analyse von Daten in sehr vielen Fällen helfen kann, zu besseren Geschäftsentscheidungen zu kommen, aber auch zahlreiche Gefahren birgt, denen man sich bewusst sein muss, um mit Data Science erfolgreich zu werden.

Wie West et.al. in einem Artikel zum Entscheidungsprozess in der Neuentwicklung von Produkten darstellten, liefert hier die Datenwissenschaft nicht immer die besten Ergebnisse. Die Autoren machen ihre These an dem Entscheidungsprozess der Verlage fest, die die erfolgreiche Roman Serie ‚Harry Potter‘ herausbrachte[2].

Durch die reine Betrachtung der Marktanalyse und der Kundenwünsche wäre eine sinnvolle Entscheidung nicht möglich gewesen, da hierzu keine Daten aus der Vergangenheit vorlagen, weil die Romanserie eine Innovation darstellte. Wie hätten die Verleger vorhersagen können, dass diese Serie, die eigentlich für Kinder geschrieben wurde auch eine solch hohe Resonanz bei Erwachsenen auslöst.

Eine ähnliche Situation für Prognosen stellte sich in der Wirtschaft zu Beginn der Corona Pandemie dar. Da es bisher in der jüngeren Geschichte keine vergleichbare Situation gab, lagen auch keine historischen Daten vor, aufgrund derer fundierte Entscheidungen hätten getroffen werden können. In solchen Fällen helfen Intuition und heuristische Methoden, die versuchen die Problemlösung durch Fokussierung auf mögliche Risiken abseits von der Datenlage zu lenken, zu besseren und schnelleren Entscheidungen.

Ein Beispiel dafür ist die Entscheidung einiger Manager in Produktionsbetrieben zu Beginn der Pandemie in 2020 die Lagerbestände zu erhöhen. Die meisten Unternehmen haben eher den umgekehrten Weg gewählt, da sie mit einem massiven Einbruch der Auftragslage durch die Ausbreitung von COVID-19 rechneten. Aufgrund der Datenlage der zu diesem Zeitpunkt aktuellen Wirtschaftsindikatoren, könnte man diese Entscheidung auch als richtig betrachten. Im Laufe der Zeit stellte sich allerdings heraus, dass die Erhöhung der Lagerbestände in vielen Bereichen, die bessere war, da durch die Pandemie die Lieferketten gestört wurden und der sich rasch entwickelnde Ressourcenmangel bei Rohstoffen und Vorprodukten sich dadurch noch verstärkte. Als nach dem ersten Einbruch zu Beginn der Pandemie in 2020 die Nachfrage im späteren Verlauf wieder anstieg, waren viele Firmen nicht mehr in der Lage aufgrund fehlender Rohstoffe zu liefern. Hätte zum Beispiel der Motorsägenhersteller Stihl zu diesem Zeitpunkt seine Lagerbestände nicht erhöht, wäre er nicht in der Lage gewesen die Kundennachfrage zu befriedigen, als diese wieder deutlich anstieg[3].

[1]

vgl. Christian Scholz, 2016

[2] West et.al., 2020

[3] Martin Buchenau, 2021