Einsatz von KPIs in einem erfolgreichen Business-Intelligence-System

Dieser Text ist ein Auszug aus dem zweiten Kapitel „The Value of Business Intelligence“ des Buches „Business Intelligence: The Savvy Manager's Guide“ von David Loshin. Loshin ist President von Knowledge Integrity, einer Beratungsfirma mit Schwerpunkt Business Intelligence (BI) und Daten-Management. In diesem Kapitel erklärt er, wie Leistungskennzahlen (Key Performance Indicators KPIs) das Messen der BI- und Analyseleistung unterstützen. Er beschäftigt sich auch mit der Herausforderung, Leistung in Bezug auf Unternehmensziele zu definieren und zu messen. Zudem erklärt er, wie Unternehmen durch „verwertbares Wissen“ Mehrwert aus einem erfolgreichen Business Intelligence System erhalten.

Unternehmen erhalten mit der Sammlung von KPIs eine konzeptionelle Scorecard zur Messung, Dokumentation und Steuerung ihrer Aktivitäten. Diese stellt eine Verbindung mit verschiedenen Geschäftsaktivitäten her. Grundsätzlich ist es möglich, eine große Anzahl von KPIs für die Leistungsmessung zu definieren und diese mit verschiedenen BI-Analysetätigkeiten zu verknüpfen.

Mit einem Business-Intelligence-Tool lassen sich die geschäftlichen Definitionen dieser Kennzahlen erfassen, als Teil der Wissensdatenbank des Unternehmens verwalten und in einem Dashboard visualisieren, das dem Management als Basis für Entscheidungen dient. 

Das BI-Dashboard stellt die Ergebnisse der Analyse, die für die Konfiguration der Kennzahlen notwendig sind, in einer prägnanten, leicht verständlichen Grafik dar. Dabei ist auch eine hierarchische Suche und Abfrage (Drill-Down) möglich. Daher zeigt das BI-Dashboard nicht nur die ausgewählten KPIs in Echtzeit, sondern setzt auch direkte Verknüpfungen zu den BI-Komponenten, die den Drill-Down ermöglichen.

Mit Blick auf einige ausgewählte Performance-Metriken kann man Geschäftsanwender dazu bringen, ihre Abfrage- und Berichtsanforderungen zu bewerten sowie zu bestimmen, welche bereits bestehenden Datensätze diese Anforderungen bereits in welchem Ausmaß erfüllen. Auch die Kategorisierung der für die Wertschöpfung des Unternehmens entscheidenden Treiber unterstützt den BI-Prozess, da sie zur Klärung der allgemeinen Unternehmensziele sowie der damit verbundenen Performance-Metriken und Indikatoren beiträgt.

Dass ein integriertes BI-Framework die Geschäftslage verbessert, ist bei weitem nicht nur eine Frage der Technologie. Gefragt sind zudem wichtige Mitarbeiter im Unternehmen. Sie müssen angeben, was sie unter „Leistung“ verstehen und wie sie diese wahrnehmen, sollten die Leistungsparameter liefern, realistische Ziele definieren und die entsprechenden Tools für die Information der Entscheider nutzen. 

Mit Hilfe dieser Maßnahmen lässt sich bewerten, messen und kontrollieren, inwieweit das Unternehmen seine Ziele erfüllt. Zudem ist es möglich, spezifische Programme zu entwickeln, um diese Schlüsselkategorien zu verbessern. Betrachten Sie folgende Beispiele:

• Höhere Umsätze über Kundenprofile und gezieltes Marketing: BI-Berichte und Analysen bieten eine Übersicht der Transaktionen und anderer Interaktionen des Kunden. Daraus lassen sich individuelle Kundenprofile erstellen, die demografische, psychografische und Verhaltensdaten jedes einzelnen Nutzers enthalten. Dadurch lassen sich Kunden mit ähnlichen Attributen und Vorlieben in eine Vielzahl von Clustern segmentieren. Diese Kategorisierung der Kunden bildet die Basis für effiziente, zielgerichtete Marketing- und Vertriebsmaßnahmen, die Umsatz, Profitabilität und auch die Kundenzufriedenheit erhöhen.

• Risiko-Management durch Identifizierung von Betrug, Missbrauch und Sicherheitslücken: Betrug erfolgt häufig durch die Ausnutzung von systemischen Szenarien. Daher werden bei der Betrugserkennung (Fraud Detection) vorherrschende Muster analysiert, die in bestimmten Szenarien immer wieder auftreten.  Hier lässt sich auch analysieren, ob die ausgelieferten Produkte und Dienstleistungen tatsächlich an die entsprechenden Kunden verkauft wurden (im Rahmen ihrer Verträge und Vereinbarungen). Dadurch können Unternehmen auch Umsatzeinbußen erkennen.
• Höhere Kundenzufriedenheit durch Profilierung, Personalisierung und Kundenwert-Analyse: Die so genannte Customer-Lifetime-Value-Analyse berechnet die Rentabilität eines Kunden über die gesamte Dauer der Kundenbeziehung. In diese Rechnung gehen neben den Kosten für Werbung und Verwaltung des Kunden auch die erwarteten Umsätze ein. Detaillierte Kundenprofile mit individuellen Vorlieben und Bestellhistorie ermöglichen beispielsweise gezielte Informationen mit relevanten Inhalten. Damit steigt auch die Zufriedenheit des Kunden. Kundenprofile lassen sich zudem in alle Interaktionen integrieren. Auf diese Weise kann zum Beispiel ein Service-Mitarbeiter im Call Center beim Anruf eines Kunden besser auf seine Wünsche und Eigenarten eingehen, Probleme schneller lösen und möglicherweise sogar den Umsatz erhöhen.
• Analyse der Ausgaben erhöht Produktivität beim Einkauf: Die Analyse der Ausgaben umfasst die Sammlung, Standardisierung und Kategorisierung des Produkteinkaufs sowie der Daten der Lieferanten. Damit wollen Unternehmen folgende Ziele erreichen: Auswahl des zuverlässigsten Anbieters, Straffung der Prozesse für RFP  (Request for Proposal, Angebotsanfrage) und Beschaffung, Senkung der Kosten sowie eine höhere Planungssicherheit, Berechenbarkeit und Effizienz in der Lieferkette.

Jedes dieser Beispiele lässt sich sowohl aus der operativen als auch der strategischen Business-Perspektive betrachten. Die operative Sicht gibt Einblicke in die bestehenden Verhältnisse und Leistungen und vergleicht die bestehenden Aktivitäten mit den Erwartungen. Die strategische Perspektive bewertet, wie und in welchem Ausmaß sich jede potenzielle Messgröße auf den künftigen Wert des Unternehmens auswirkt.