Es gibt eigentlich nichts, das man mithilfe von Analytics nicht prognostizieren könnte. Und auch der Genauigkeit sind dabei kaum Grenzen gesetzt. Aber nicht für jeden Zweck sind die genauesten Prognosen die besten. Ein „gutes“ Analytics-Projekt ist dasjenige, dessen Prognosegenauigkeit Ihrem Ziel angemessen ist

Es gibt eigentlich nichts, das man mithilfe von Analytics nicht prognostizieren könnte. Und auch der Genauigkeit sind dabei kaum Grenzen gesetzt. Aber nicht für jeden Zweck sind die genauesten Prognosen die besten. Ein „gutes“ Analytics-Projekt ist dasjenige, dessen Prognosegenauigkeit Ihrem Ziel angemessen ist. Um ein Analytics-Projekt aufzusetzen, das sich auch lohnt, sollten Sie also von Anfang an wissen, welches Ziel Sie damit verfolgen. Und über noch ein paar Dinge mehr sollten Sie sich im Klaren sein:

Definieren Sie die Handlung, die Sie durch Ihre Analyse auslösen oder verändern möchten.

… Denn das ist letztlich Sinn und Zweck eines jeden Analytics-Projekts: Handlungen auszulösen oder bestehende Prozesse zu optimieren. Wenn Sie das Ziel haben, die Effizienz Ihrer Direktmailings zu verbessern, also Kosten zu sparen und die Rücklaufquote zu verbessern, dann sollten Sie darauf bedacht sein, die Zielgruppe auf vielversprechende Kontakte einzugrenzen. So schicken Sie Ihr Informationsmaterial zum großen Teil nur noch an tatsächliche Interessenten.

Nehmen Sie die Geschäftsprozesse Ihres Unternehmens ins Visier, hinter denen sich ein großes Volumen verbirgt.

… Bei sehr kostenintensiven Prozessen beispielsweise bringt schon eine Verbesserung um wenige Prozentpunkten deutliche Einsparungen.

Legen Sie im Vorfeld das „Gut genug“-Kriterium fest.

… Damit ist der Punkt gemeint, an dem Sie Ihr Analysemodell nicht noch weiter verfeinern müssen, etwa weil Sie damit mindestens die Refinanzierung der Projektkosten erreichen werden.

Diesen Punkt identifizieren Sie mit einer Confusion Matrix. Sie sagt Ihnen, wie viele „Treffer“ Sie mit Ihrem Mailing landen werden (tatsächliche Interessenten angeschrieben) und wie viele „Fehlschüsse“ zu erwarten sind (nicht Interessierte angeschrieben oder Interessenten nicht angeschrieben). Und sie sagt Ihnen, wie viele Kosten und wie viel Gewinn damit jeweils verbunden ist.

Dazu müssen Sie alle mit dem Analytics-Projekt in Verbindung stehenden Geschäftsvorfälle monetär bewerten: Wie viel kostet der Druck meiner Werbeflyer? Wie viel Umsatz mache ich mit einer abgeschlossenen Police? Wie viel Umsatz entgeht mir, wenn ich einen wahrscheinlichen Interessenten nicht erreiche? Berücksichtigen Sie auch immaterielle Gegenstände wie Imageverlust.

Bleiben Sie nicht in den technischen Bedingungen des Modells stecken. Involvieren Sie die Fachbereiche!

… Sie überblicken die wirtschaftlichen Zusammenhänge besser als die IT-Abteilung.

Mit ihnen gemeinsam erreichen Sie viel einfacher eine monetäre Bewertung der Geschäftsvorfälle.

Achten sie früh auf die Verwendung der richtigen Daten in der richtigen Qualität.

… Stellen Sie sich vor, Sie analysieren einen Prozess und kommen zu einem Ergebnis, das Sie dazu führt, ihn vollkommen umzugestalten. Und im Nachhinein finden Sie heraus, dass Sie die Analyse mit ungenügenden, verzerrten Daten durchgeführt haben. Dann wird Ihr neuer Prozess auf falschen Grundlagen beruhen.

Neuen Kommentar schreiben

Ihre E-Mail Adresse wird nicht veröffentlicht.

NEUESTE BEITRÄGE

Die drei größten Softwaretest-Mythen
05.06.2023

Die drei größten Softwaretest-Mythen

Sören Schmock

Softwaretests sind ein sehr wichtiger Bestandteil des Softwareentwicklungsprozesses, um die Qualität, Funktionalität und Sicherheit von Softwareprodukten zu gewährleisten. Doch wie bei vielen anderen Bereichen der Technik gibt es auch hier einige Mythen, die sich hartnäckig halten und die Arbeit der Tester erschweren oder sogar gefährden können. In diesem Blogbeitrag möchte ich drei der größten Softwaretest-Mythen aufdecken und erklären, warum sie nicht stimmen.

Expertise
Einführung von Protegrity - Ein Kundenprojektbericht
31.05.2023

Einführung von Protegrity - Ein Kundenprojektbericht

Leon Geitmann

Im Juli 2022 begann offiziell das Kundenprojekt „Einführung Protegrity“. Über die nächsten 6 Monate wurde dabei die neue Softwarekomponente Protegrity in die bestehende Infrastruktur eines IT-Dienstleisters im Bankenbereich implementiert. Worum es sich bei Protegrity handelt, warum es eingeführt wurde und wie dieses Projekt in etwa ablief, möchte ich in einem kurzen Projektbericht teilen.

Expertise
Welche Hürden gibt es bei Testdatengeneratoren im Softwaretest?
30.05.2023

Welche Hürden gibt es bei Testdatengeneratoren im Softwaretest?

Sören Schmock

Testdatengeneratoren sind Werkzeuge, die automatisch Daten erzeugen, die für den Softwaretest verwendet werden können. Sie können nützlich sein, um große Mengen von Daten zu erzeugen, die bestimmte Anforderungen erfüllen, wie z. B. Format, Typ oder Bereich. Allerdings eignen sich Testdatengeneratoren noch immer nur sehr bedingt für den Softwaretest.

Expertise