Business Intelligence vs. Artificial Intelligence-basierte Analysen

Der Unterschied zwischen Business Intelligence (BI) und Self-Service BI (SSBI) und warum KI-basierte Predictive Sales Analytics Anwendungen (wie Qymatix) keine klassischen Self-Service BI Lösungen sind.

2018 sagte Carlie J. Idoine, Research Director bei Gartner: „Der Trend der Digitalisierung treibt die Nachfrage nach Analysen in allen Bereichen der modernen Wirtschaft und Verwaltung.“

Das stimmt. Nicht nur große Unternehmen und Big Player, sondern auch immer mehr KMU haben den Wert von Datenanalysen schon längst erkannt: Datengestützte Entscheidungen zur Erreichung der Unternehmensziele.

Und genau das ist auch Sinn und Zweck von BI-Anwendungen. BI Systeme sammeln Daten, bereiten sie auf, analysieren und visualisieren sie.

In den Anfängen von BI (ca. 1990), galt der Einsatz einer solchen Software als enormer Wettbewerbsvorteil.

Heute – in Zeiten von Big Data – ist es eher eine Voraussetzung, um wettbewerbsfähig zu bleiben. In den letzten 30 Jahren hat sich die Welt verändert und so auch die Anforderungen der Unternehmen an eine Datenanalysesoftware.

Nicht nur das Top-Management entscheidet aufgrund von Daten, sondern jede Abteilung möchte individuelle und auf die eigenen Abteilungsziele angepasste Analysen. Somit bahnt sich der Weg von BI über Self-Service BI bis hin zu Qymatix.

Lassen Sie uns die drei Anwendungen genauer anschauen und diskutieren.

Business Intelligence Systeme

BI ist nicht nur eine Software, es ist ein ganzes und komplexes System, das sich über die gesamte Führungsebene und Management erstreckt. Durch eine solche Systemlandschaft möchte man alle Unternehmensdaten aus operativen Systemen zusammenführen und verknüpfen. BI-Anwendungen vermeiden sog. „Datensilos“ (also einzelne, getrennte Datensätze) und ermöglichen somit umfassende abteilungsübergreifende Auswertungen.

Die Vorteile von BI-Systemen sind unverkennbar:

IT-Spezialisten sind dazu in der Lage, sehr umfangreiche und je nach Anforderungen angepasste Analysen zu erstellen. Unterschiedliche Datenquell-Systeme können zusammengeführt und die Auswertung der Daten kann Unternehmensweit bereitgestellt werden. Können BI-Anwendungen also auf separate Datenquellen zugreifen und diese vereinen, eignen sie sich sehr gut zur Unterstützung des strategischen und operativen Führungsmanagements.

Wie erwartet, folgt jetzt ein „aber“.

BI-Systeme sind so komplex, dass die Nutzung nur von IT-Spezialisten mit tieferen Kenntnissen in Statistik und Datenmanagement möglich ist. Hinzu kommt, dass nicht mehr „nur“ das obere Management Datenanalysen fordert, sondern jede Abteilung braucht Analysen und Abfragen nach abteilungsspezifischen Kriterien.

B2B-Business Intelligence: Datenanalysen werden immer abteilungsspezifischer und detailreicher.

Die Notwendigkeit eines gleichberechtigten Zugriffs auf Analysen im gesamten Unternehmen und die zunehmende Komplexität des BI-Systems führen zu längeren Wartezeiten bei der Einrichtung, Konfiguration und beim Zugang zu Informationen.

Natürlich spielen die Kosten auch eine Rolle. Hohe Entwicklungs-, Weiterentwicklungs- und Personalkosten entstehen bei der Implementierung und Bedienung eines solch komplexen Systems.

Self-Service Business Intelligence

Self-Service BI (SSBI) soll den Hauptnachteil von umfassenden BI Systemen ausgleichen: Es ermöglicht nämlich Anwendern selbst Berichte und Analysen, ohne die Hilfe eines IT-Spezialisten, zu erstellen.

Dadurch werden IT-Abteilungen entlastet und abteilungsspezifische Auswertungen können die Abteilungen selbst tätigen. Sie müssen nicht warten bis „jemand aus der IT“ Zeit dafür findet.

SSBI-Programme, wie Tableau, Qlick oder Power BI von Microsoft, werben mit intuitiv bedienbaren Analyse- und Visualisierungstools, wofür keine tieferen technischen Kenntnisse notwendig sind. Da Microsoft Office aus den Unternehmen kaum wegzudenken und allgemein bekannt ist, orientieren sich viele SSBI-Anbieter an Excel und Access ähnlichen Funktionen.

Jedoch gilt auch hier: Die Analysen müssen immer noch von jemandem erstellt werden. Zwar nicht mehr von der IT, sondern innerhalb der eigenen Abteilung und auch nicht mehr so kompliziert – trotzdem muss es getan werden.

Und wer kennt das nicht, man beschäftigt sich tagtäglich mit Excel (oder ähnlichen Tabellenkalkulations-Programmen) und plötzlich funktioniert irgendeine Funktion nicht so wie sie soll. Am Ende des Tages ist es geschafft und das Ziel ist erreicht, jedoch hat es eine ordentliche Portion Zeit und Nerven gekostet.

Egal wie intuitiv die Self-Service BI-Anwendungen sind und wieviel Ähnlichkeiten sie mit allgemein bekannten Tools wie Excel haben, es wird immer Zeit kosten Datenanalysen zu erstellen.

Für Abteilungen aus dem Finanzbereich ist das vermutlich überhaupt kein Problem. Dort wird sowieso mit Zahlen und Daten jongliert und die Mitarbeiter haben Spaß daran.

Im Vertrieb sieht das jedoch meistens anders aus. Hier liegt die wahre Leidenschaft bei der Kunden Kommunikation und Interaktion. Natürlich weiß jeder Vertriebler, dass Kundendaten unverzichtbare Informationen enthalten und Datenanalysen zur Vorbereitung von Kundengesprächen oder anderen Kommunikationsmaßnahmen sehr wichtig sind. Reportings und Analysen sind daher in den Vertriebsabteilungen eher ein notwendiges Übel.

WIE FUNKTIONIERT EINE PREDICTIVE SALES SOFTWARE?

Artificial Intelligence-basierte Predictive Sales Analytics, wie Qymatix.

Die oben beschriebenen Schwächen sind der Grund für die Einführung von auf KI-basierender, automatischer Analysesoftware, wie z.B. der Qymatix Predictive Sales Software. Darüber hinaus ist die Software im Falle von Qymatix speziell auf den B2B-Vertrieb zugeschnitten, eine weitere Spezialisierung auf einen zunehmend fragmentierten Markt für KI-Software.

Allerdings kann Qymatix nicht als klassisches Self-Service Tool gesehen werden, denn durch künstliche Intelligenz und Machine Learning erstellt ein Algorithmus die Datenanalysen von selbst. Die Ergebnisse werden auf Dashboards im CRM-System sichtbar gemacht und die Vertriebsleiter erhalten konkrete Handlungsempfehlungen, wie z.B.: „Achten Sie auf Kunde X, Y und Z. Diese könnten abwandern.“

Qymatix hat sich genau auf die Bedürfnisse im B2B Vertrieb spezialisiert und verwendet Predictive Analytics in Bezug auf vier konkrete Anwendungsfelder:

Pricing Analytics: Die Pricing Analysen decken frühzeitig Widersprüche und Optimierungsmöglichkeiten auf. So können Preissetzungspotenziale je Kunde ermittelt werden, dies gibt Ihrem Vertriebsteam Verhandlungssicherheit in Preisverhandlungen.

Churn Risk Prediction: Mit Hilfe einer erweiterten prognostischen Analysefunktion kann Qymatix Sie auf die Kunden hinweisen, die zukünftig mit einer höheren Wahrscheinlichkeit abwandern werden.

Diese Anwendung des maschinellen Lernens in Bezug auf die Kundenabwanderung hilft Ihnen dabei, „harte“ und „weiche“ Kundenabwanderung zu verhindern. Besonders dann, wenn Sie viele Kunden und Produkte im Blick behalten müssen.

Cross-Selling: Mit Hilfe von künstlicher Intelligenz erstellt Ihnen Qymatix eine detaillierte Warenkorbanalyse auf Basis Ihrer ERP- und CRM-Verkaufsdaten.

Qymatix Predictive Sales Analytics verwendet ein Set von Data-Mining-Methoden, um die Wahrscheinlichkeit eines zukünftigen Cross-Sellings in Ihrer Kundendatenbank zu ermitteln und vorherzusagen.

Lead-Scoring: Das effektive Bearbeiten eingehender Leads und Interessenten ist ein kritischster Aspekt im B2B-Vertrieb. Ohne ein intelligentes Pipeline-Management wird schnell Zeit und Geld verschwendet indem Sie Leads nachjagen, die noch nicht abschlussreif sind.

BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE

Business Intelligence vs. Artificial Intelligence Analysen – Fazit

Das Anfangszitat von Carlie J. Idoine endet folgendermaßen:

„Die rasanten Fortschritte in den Bereichen künstliche Intelligenz, Internet der Dinge und SaaS (Cloud) Analytik und BI-Plattformen machen es für Nicht-Spezialisten einfacher und kostengünstiger als je zuvor, effektive Analysen durchzuführen und ihre Entscheidungsfindung besser zu informieren.“

Genau diese Aussage lässt sich 1:1 auf die Entwicklung von BI über SSBI bis hin zu Qymatix übertragen. Denn dieser Weg stellt eine fortlaufende Spezialisierung auf individuelle Abteilungswünsche dar.

BI sind komplexe Systeme über das ganze Unternehmen hinweg. Keine Analyse ist für dieses System zu aufwendig und es benötigt fähige IT-Fachkräfte zur Nutzung.

SSBI Softwares sind einfacher gestaltet und jede Abteilung kann ihre eigenen Analysen erstellen.

Qymatix ist auf den B2B-Vertrieb und auf dessen individuelle Ziele spezialisiert. Ist die Software implementiert und sind die Algorithmen mit Daten trainiert, bekommen Vertriebsleiter sofort konkrete Ergebnisse und Handlungsempfehlungen. Eigenhändige Analysen fallen komplett weg.

 

ICH MÖCHTE WISSEN WIE DIE PREDICTIVE SALES SOFTWARE FUNKTIONIERT.

---

Literaturnachweis:

Goram, M. (2017): Embedded Analytics versus Business Intelligence Hg.: Computerwoche

Litzel, N. (2016): Was ist Business Intelligence – BI? Hg.: Big Data Insider

Stamford, C. (2018): Gartner Says Self-Service Analytics and BI Users Will Produce More Analysis Than Data Scientists Will by 2019? Hg.: Gartner
Auch interessant über BI:

Business Intelligence Software & Lösungen im Vertrieb: Make or buy?