Zwei große Herausforderungen stehen immer wieder im Weg: die data-Fragmentierung über isolierte Teams und Systeme hinweg und die falsche Ausrichtung der data-Logik und KPI-Definitionen. Diese Probleme bleiben oft unbemerkt, haben aber einen großen Einfluss auf den Erfolg jeder Dashboarding-Initiative.

In diesem Artikel erläutern wir diese Herausforderungen anhand einer realen Fallstudie und zeigen auf, wie fragmentierte data und inkonsistente Logik den größten Teil des Aufwands in BI-Projekten verursachen. Wir gehen auf die versteckte Backend-Arbeit ein, die erforderlich ist, auf die Hindernisse, auf die wir gestoßen sind, und auf die Strategien, die wir eingesetzt haben, um eine skalierbare Lösung für ein globales Automobilunternehmen zu liefern.

Die wichtigsten Herausforderungen: Fragmentiertes data und falsch ausgerichtete Logik

Zwei der größten Hindernisse bei der Erstellung von Unternehmens-Dashboards sind nicht technologischer, sondern struktureller Natur: fragmentierte data-Systeme und nicht abgestimmte Geschäftslogik.

Große Unternehmen sind oft so strukturiert, dass ein unabhängiges Arbeiten über Abteilungen, Geschäftsbereiche oder geografische Märkte hinweg gefördert wird. Dies mag zwar auf lokaler Ebene für Flexibilität sorgen, stellt jedoch eine große Herausforderung dar, wenn es darum geht, ein zentrales Berichtswesen aufzubauen, das sich über das gesamte Unternehmen erstreckt.

Laut der Umfrage von Accenture und MIT CDOIQ aus dem Jahr 2021 nannten 37% der Chief Data Officers eine isolierte Infrastruktur als die größte Herausforderung bei der Umsetzung ihrer data-Vision (Accenture, 2021). Bevor Berichte erstellt werden können, müssen die Teams zunächst feststellen, wo sich die data-Daten befinden, wem sie gehören, wie sie strukturiert sind und ob sie zuverlässig sind. In vielen Fällen kann allein das Auffinden des richtigen data-Sets ein wochenlanges Hin und Her zwischen den Abteilungen bedeuten.

Selbst wenn der data gesichert ist, tauchen oft tiefere Probleme bei der Anpassung auf. Verschiedene Teams oder Regionen verwenden oft leicht unterschiedliche Definitionen für ein und denselben KPI. Ein Team misst die wöchentlichen Konversionen vielleicht anhand von Benutzeraktionen, ein anderes anhand von Produktbestellungen. Ohne einheitliche Definitionen wird es schwierig, Dashboards zu erstellen, denen die Beteiligten vertrauen. Das Ergebnis ist oft ein Mangel an Vertrauen in die Zahlen und eine Abneigung, sich bei der Entscheidungsfindung auf das Dashboard zu verlassen.

Diese fragmentierte Landschaft macht auch die Vorbereitung von data zu einer schweren Aufgabe, lange bevor die Visualisierung beginnt. Das Bereinigen, Zusammenführen, Standardisieren und Umwandeln von rohem data in einen brauchbaren Zustand nimmt viel Zeit in Anspruch. Dies ist nicht nur eine technische Aufgabe. Oft müssen sich mehrere Teams auf die Logik hinter den Metriken und die Definitionen einigen, mit denen sie arbeiten. Ohne diese grundlegende Arbeit kann kein Dashboard zuverlässige Erkenntnisse liefern. Aber wenn sie richtig gemacht wird, ermöglicht sie skalierbare, vertrauenswürdige Berichte, auf die mehrere Teams getrost aufbauen können.

Fallstudie - Bereitstellung von Dashboards: der Weg zur Implementierung

ÜBERBLICK:

Für einen weltweit tätigen Automobilhersteller wurde Artefact mit der Erstellung zentraler Dashboards beauftragt, um die Berichterstattung in den verschiedenen Regionen zu verbessern. Das Ziel schien klar: Rationalisierung von Analysen und Einblicke in Echtzeit. Doch die Umsetzung in einer dezentralisierten Organisation erwies sich schnell als größere Herausforderung als ursprünglich erwartet.

CHALLENGE:

Das Geschäft des Unternehmens war nach Regionen organisiert und in lokale Märkte unterteilt, von denen jeder mit einem hohen Maß an Autonomie arbeitete. Dies führte nicht nur zu Unstimmigkeiten in den verwendeten Systemen, sondern auch in den Definitionen der Schlüsselkennzahlen selbst. Ein markantes Beispiel: Während ein Markt einen “Online-Verkauf” als den Moment definierte, in dem eine Bestellung auf der Website aufgegeben wurde, betrachtete ein benachbarter Markt einen Verkauf erst als solchen, wenn die Zahlung eingegangen war. Diese subtilen Unterschiede führten zu großen Lücken in der Berichterstattung, vor allem, wenn die Unternehmensleitung konsolidierte Ansichten auf regionaler Ebene benötigte. Welche Definition war richtig? Wie konnte der data aggregiert werden, ohne die Leistung falsch darzustellen?

LÖSUNG:
Um dieses Problem zu lösen, haben wir ein zentralisiert data platform die sicherstellte, dass alle Märkte und Regionen sich an gemeinsamen Definitionen und der data-Logik orientierten. Dazu musste jeder KPI bis zu seiner ursprünglichen data-Quelle zurückverfolgt und mit den lokalen Teams zusammengearbeitet werden, um die Methoden zu vereinheitlichen. Das Ergebnis war nicht nur ein Dashboard, sondern ein grundlegender Wandel in der Art und Weise, wie das Unternehmen sein data behandelte und ihm vertraute, was eine skalierbare, genaue Berichterstattung über Teams und Regionen hinweg ermöglichte.

Wichtige Erfolgsfaktoren und Erfahrungen

Aus den Herausforderungen ergaben sich mehrere Erfolgsfaktoren, die dazu beitrugen, das Projekt zum Abschluss zu bringen:

  • Automatisierung der data-Erfassung: Der manuelle Aufwand für die Bearbeitung von Excel-Dateien und Pivot-Tabellen entfällt und die Verfügbarkeit von data in Echtzeit wird sichergestellt.
  • Zentralisierte Analytik: Konsolidiertes data in einem einzigen Dashboard, das nahtlose funktionsübergreifende Einblicke ermöglicht.
  • Beschleunigte Berichtsfunktionen: Die Zeit für die Erstellung von Berichten wurde von einem Tag auf eine Stunde reduziert.

Lektionen gelernt:

  • Ausrichtung von Backend und Frontend ist entscheidend: Die technischen Anforderungen haben sich im Laufe des Projekts oft geändert, was die Notwendigkeit einer frühzeitigen Abstimmung zwischen der data-Entwicklung und dem Design des Armaturenbretts unterstreicht.
  • Einschränkungen der Werkzeuge können Ihre Lösung beeinflussen: Die BI-Plattform eines Drittanbieters war nur begrenzt anpassbar, was kreative Umgehungslösungen und die Steuerung der Erwartungen der Interessengruppen erforderte.
  • Change Management ist Teil des Jobs: Viele Mitarbeiter zögerten, von Excel wegzukommen, was die Notwendigkeit proaktiver Schulungen, Unterstützung und klarer Kommunikation unterstreicht, um die Akzeptanz zu fördern.

Die Rolle von Artefact bei der Lösung dieser Herausforderungen

Wir von Artefact sind darauf spezialisiert, diese Herausforderungen zu meistern, indem wir die Zusammenarbeit fördern, data Konsistenz gewährleisten und wirkungsvolle BI-Lösungen liefern. Bei diesem Projekt hat unser Team mehrere Abteilungen erfolgreich zusammengeführt, um:

  • KPI-Definitionen standardisieren: Wir erleichterten die Diskussionen zwischen den Teams, um einen allgemein akzeptierten Satz von Leistungsindikatoren zu erstellen.
  • Unify Data Formatierung: Unsere Experten haben die data-Strukturen in den verschiedenen Regionen gestrafft und Inkonsistenzen beseitigt, die die Analyse zuvor behindert hatten.
  • Silos aufbrechen: Durch die Integration von data-Quellen in eine zentrale Plattform haben wir Einblicke in Echtzeit und Transparenz für alle Teams ermöglicht.
  • Liefern Sie eine skalierbare Lösung: Wir haben eine Single Source of Truth-Plattform mit über 20 dynamischen Dashboards entwickelt, die den Stakeholdern intuitive Echtzeit-Berichtstools bietet.
  • Adoption & Ausbildung: Sobald die Berichtsmöglichkeiten festgelegt waren, organisierten wir eine Reihe von Schulungen, um sicherzustellen, dass die Tools angenommen und in die täglichen Aktivitäten der Beteiligten integriert wurden.

Indem wir das Fachwissen von Artefact nutzten, haben wir den Ansatz des Unternehmens auf data umgestellt und ihm dabei geholfen, über die fragmentierte Berichterstattung hinaus zu einem wirklich integrierten Analyse-Ökosystem zu gelangen.

Abschließende Gedanken: Der Aufbau von Analyse- und Berichtsfunktionen beginnt mit dem Aufbau der richtigen data foundation

In großen Unternehmen sind die größten Hindernisse für effektive Dashboards selten visueller oder technischer Natur, sondern struktureller Natur. Fragmentierte Systeme, inkonsistente KPI-Definitionen und isolierte Teams schaffen eine Komplexität, die kein Front-End-Tool allein lösen kann.

Wie dieses Projekt gezeigt hat, erfordert die Lösung dieser Herausforderungen mehr als nur die Bereitstellung von Werkzeugen. Es erfordert eine abteilungsübergreifende Abstimmung, ein gemeinsames Verständnis der data-Logik und die Verpflichtung, ein starkes data foundations aufzubauen, bevor ein einziges Diagramm erstellt wird. Der größte Teil des Aufwands liegt im Backend, aber dieser Aufwand zahlt sich aus, da er skalierbare Dashboards ermöglicht, denen die Teams vertrauen, die sie annehmen und die sie nutzen, um echte Entscheidungen zu treffen.

Für Unternehmen, die ihre Analysefähigkeiten ausbauen möchten, ist die Botschaft klar: Investieren Sie in die harte Arbeit der Vereinheitlichung und Vorbereitung Ihrer data. Sobald das erledigt ist, sind die Dashboards der einfache Teil.