Zwei große Herausforderungen stehen immer wieder im Weg: die data über verschiedene Teams und Systeme hinweg und die falsche Ausrichtung von data und KPI-Definitionen. Diese Probleme bleiben oft unsichtbar, haben aber einen tiefgreifenden Einfluss auf den Erfolg jeder Dashboarding-Initiative.

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

Die zentralen Herausforderungen: Fragmentierte data und nicht abgestimmte Logik

Zwei der größten Hindernisse bei der Erstellung von Unternehmens-Dashboards sind nicht technologischer, sondern struktureller Natur: fragmentierte data 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 siloartige Infrastruktur als größte Herausforderung bei der Umsetzung ihrer data (Accenture, 2021). Bevor Berichte erstellt werden können, müssen die Teams zunächst feststellen, wo sich die data befinden, wem sie gehören, wie sie strukturiert sind und ob sie zuverlässig sind. In vielen Fällen kann allein das Auffinden des richtigen Datensatzes ein wochenlanges Hin und Her zwischen den Abteilungen bedeuten.

Selbst wenn die data gesichert sind, ergeben sich oft tiefer gehende Abstimmungsprobleme. Verschiedene Teams oder Regionen verwenden oft leicht unterschiedliche Definitionen für ein und denselben KPI. Ein Team misst vielleicht die wöchentlichen Konversionen auf der Grundlage von Benutzeraktionen, während ein anderes Team sie anhand von Produktbestellungen verfolgt. 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 data zu einer schweren Aufgabe, lange bevor die Visualisierung beginnt. Das Bereinigen, Zusammenführen, Standardisieren und Umwandeln von 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. Wenn sie jedoch richtig gemacht wird, ermöglicht sie skalierbare, zuverlässige Berichte, auf die mehrere Teams vertrauensvoll aufbauen können.

Fallstudie - Bereitstellung von Dashboards: der Weg zur Umsetzung

ÜBERBLICK:

Für einen weltweit tätigen Automobilhersteller wurde Artefact mit der Erstellung zentraler Dashboards beauftragt, um das Berichtswesen in allen Regionen zu verbessern. Während das Ziel klar schien, die Analytik zu rationalisieren und Echtzeit-Einsichten zu liefern, erwies sich die Umsetzung in einer dezentralisierten Organisation schnell als größere Herausforderung als ursprünglich erwartet.

HERAUSFORDERUNG:

Das Geschäft des Unternehmens war nach Regionen organisiert und in lokale Märkte unterteilt, die jeweils mit einem hohen Maß an Autonomie arbeiteten. 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 feinen Unterschiede führten zu großen Lücken in der Berichterstattung, vor allem, wenn die Unternehmensleitung konsolidierte Ansichten auf regionaler Ebene benötigte. Welche Definition war richtig? Wie konnten die data aggregiert werden, ohne die Leistung falsch darzustellen?

LÖSUNG:
Um dieses Problem zu lösen, implementierten wir eine zentrale data , die sicherstellte, dass sich alle Märkte und Regionen an gemeinsamen Definitionen und data orientierten. Dazu musste jeder KPI bis zu seiner ursprünglichen data 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 mit seinen data umging und ihnen vertraute, was eine skalierbare, genaue Berichterstattung über Teams und Regionen hinweg ermöglichte.

Wichtige Erfolgsfaktoren und Erfahrungen

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

  • Automatisierung der data : Der manuelle Aufwand für die Bearbeitung von Excel-Dateien und Pivot-Tabellen entfällt und die data sind in Echtzeit verfügbar.
  • Zentralisierte Analytik: Konsolidierte 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:

  • Die Abstimmung zwischen Backend und Frontend ist entscheidend: Die technischen Anforderungen entwickelten sich oft während des Projekts, was die Notwendigkeit einer frühzeitigen Abstimmung zwischen data und Dashboard-Design unterstreicht.
  • Einschränkungen des Tools können Ihre Lösung beeinflussen: Die BI-Plattform eines Drittanbieters war nur begrenzt anpassbar, was kreative Umgehungslösungen und die Steuerung der Erwartungen der Interessengruppen erforderte.
  • Veränderungsmanagement ist Teil der Arbeit: Viele Mitarbeiter zögerten, von Excel wegzukommen, was die Notwendigkeit proaktiver Schulungen, Unterstützung und klarer Kommunikation unterstreicht, um die Akzeptanz zu fördern.

Die Rolle von Artefactbei der Bewältigung dieser Herausforderungen

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

  • Standardisierung der KPI-Definitionen: Wir förderten Diskussionen zwischen den Teams, um einen allgemein akzeptierten Satz von Leistungsindikatoren zu erstellen.
  • Vereinheitlichung der Data : Unsere Experten haben die data in den verschiedenen Regionen gestrafft und Inkonsistenzen beseitigt, die zuvor die Analyse behinderten.
  • Aufbrechen von Silos: Durch die Integration von data in eine zentrale Plattform ermöglichten wir Echtzeiteinblicke und Transparenz in allen Teams.
  • Bereitstellung einer skalierbaren Lösung: Wir haben eine Single-Source-of-Truth-Plattform mit über 20 dynamischen Dashboards entwickelt, die den Beteiligten intuitive Echtzeit-Berichtstools bietet.
  • Einführung und Schulung: Sobald die Berichterstattungsmöglichkeiten festgelegt waren, organisierten wir eine Reihe von Schulungen, um sicherzustellen, dass die Instrumente angenommen und in die täglichen Aktivitäten der Beteiligten integriert wurden.

Durch die Nutzung des Fachwissens von Artefacthaben wir die Herangehensweise des Unternehmens an data verändert und es dabei unterstützt, von einer fragmentierten Berichterstattung zu einem wirklich integrierten Analyse-Ökosystem überzugehen.

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

In großen Unternehmen sind die größten Hindernisse für effektive Dashboards selten visuell oder technisch, sondern strukturell bedingt. Fragmentierte Systeme, inkonsistente KPI-Definitionen und isolierte Teams schaffen ein Maß an Komplexität, das kein Front-End-Tool allein lösen kann.

Wie dieses Projekt gezeigt hat, erfordert die Bewältigung dieser Herausforderungen mehr als nur Werkzeuge. Es erfordert eine abteilungsübergreifende Abstimmung, ein gemeinsames Verständnis der data und ein Engagement für den Aufbau solider data , 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 wollen, ist die Botschaft klar: Investieren Sie in die harte Arbeit der Vereinheitlichung und Aufbereitung Ihrer data. Sobald das erledigt ist, sind die Dashboards der einfache Teil.