MAG 1511 Management

Statische Reports sind nicht ausreichend

2015
Geschrieben von Jens Michels, Every Angle

Im Arbeitsalltag treffen wir täglich Dutzende von Entscheidungen. Viele davon auf Basis von Informationen wie Zeit oder Ort, oft aus dem Bauch heraus – schon allein, weil wir die Menge an Informationen nicht mehr sinnvoll verarbeiten können. Unternehmen implementieren für solche Fälle Informationssysteme. Doch auch diese decken die immer komplexeren Informationsbedarfe immer seltener ab.

Informationssysteme wie z. B. SAP ERP, BI, BW uvm. versorgen die Mitarbeiter mit Daten, die durch festgelegte KPIs zu relevanten und auswertbaren Informationen verknüpft werden.

Sie helfen uns, die tägliche Informationsflut zu kanalisieren und damit Entscheidungen basierend auf Fakten anstatt Emotionen zu fällen. Ein weiterer Vorteil ist, dass diese später für Dritte nachvollziehbar sind. Jede Unternehmens­ebene benötigt spezifische Informationen.

Wenn wir uns den Aufbau eines Unternehmens ansehen, stellen wir fest, dass die verschiedenen Unternehmensebenen unterschiedliche Informationen benötigen.

Winshuttle

Auf höherer Managementebene werden Soll- bzw. Plandaten mit Ist- oder historischen Daten in Aggregationen verglichen. Diese Informationsbedarfe werden in der Regel durch klassische BI-Implementierungen abgedeckt.

Auf operativer Ebene hingegen findet sich oft ein ganzer Zoo an Excel-Dateien, Access-Datenbanken oder spezifischen Reports. Sowohl die klassischen BI-Implementierungen als auch das Mosaik an Teil-Lösungen auf operativer Ebene messen in der Regel die Performance der Vergangenheit.

Das ist für die heutige, schnelllebige Zeit nicht mehr adäquat, brauchen wir doch eher eine Prognose für zukünftige Geschehnisse als einen Blick in den Rückspiegel.

Betrachtet man die Informationsbedarfe des mittleren Managements bzw. die auf operativer Ebene genauer, stellt man fest, dass diese eher horizontal über die komplette Wertschöpfungskette hinweg verlaufen.

Sie sind außerdem extrem variabel und oftmals auf unterster granularer Ebene angesiedelt – z. B. auf Positions- oder sogar Einteilungsebene im SAP-System.

Diese komplexen Informationsbedarfe werden von heutigen Systemen selten, und wenn, dann nur unter extrem hohem Aufwand abgedeckt. Die Schwierigkeit dabei liegt unter anderem in der Komplexität der Supply Chain in Verbindung mit sich ständig ändernden Anforderungen.

Statische Reports sind nicht ausreichend, denn kaum ist eine Information ermittelt, ergibt sich daraus die nächste Fragestellung. Daher muss ein solches Informationssystem extrem schnell und flexibel sein.

Der Teufel steckt im Detail

Analysen auf historischen Daten erlauben einen Blick zurück. Near-Realtime-Daten auf unterster granularer Ebene ermöglichen zusätzlich proaktive Ad-hoc-Entscheidungen, die auch Daten horizontal über die Wertschöpfungskette hinweg einbeziehen.

Um jedoch das volle Potenzial der Daten auszuschöpfen, muss man sie intelligent verknüpfen, um sie anschließend für Vorhersagen nutzen zu können.

Ein Beispiel: Täglich gibt es im Unternehmen neue unvorhergesehene Ereignisse wie z. B. verspätete Lieferungen durch den nächsten Bahnstreik. Die Frage ist, ob und welche Auswirkung die verspätete Lieferung auf die Value Chain (Fertigung, Verkauf) haben wird.

Hierzu muss man in der Lage sein, z. B. anhand des Lieferavis und der Bestellnummer direkt die entsprechenden Engpässe zu ermitteln; seien es Fertigungsaufträge, die auf das verspätete Material angewiesen sind, Verkaufsaufträge oder Ähnliches. Und dies unter Berücksichtigung der ggf. mehrstufigen Supply Chain mit all den Intercompany-Prozessen.

Korrelation reicht nicht, Kausalität ist gefragt

An dem oben genannten Beispiel wird deutlich, dass ein Blick in den Rückspiegel heutzutage nicht mehr ausreicht. Das bedeutet aber auch, dass man alle Belege auf unterster granularer Ebene (in SAP: Einteilungsebene) miteinander in einen kausalen Zusammenhang bringen muss.

Man kann ggf. ein Ereignis noch durch Korrelation vorhersagen, aber spätestens bei der Ursachenanalyse und der Vorhersage der Auswirkung über die komplette Wertschöpfungskette hinweg benötigt man den kausalen Zusammenhang.

Für eine End-to-End-Prozessanalyse in dieser Komplexität und mit diesem Datenvolumen ist eine „In-memory“-Momentaufnahme unverzichtbar.

IT hat oft nicht die Kapazität, die Informationsbedarfe der Fachbereiche schnell zu erfüllen. Dort gibt es oft nicht das entsprechende Know-how oder auch die Berechtigung, sich diese Informationen aus den Systemen zu beschaffen.

Und selbst wenn, wird dann 90 Prozent der Zeit für die Informationsbeschaffung und nur zehn Prozent für die Problemlösung aufgewendet.

Gefragt ist also ein echter Self-Service für den Fachbereich, bei dem ein Anwender nur zehn Prozent der Zeit für die Informationsbeschaffung benötigt und 90 Prozent seiner Zeit auf die Lösung des Problems verwenden kann. Hierzu sind zwei Dinge notwendig:

1. Dass ein solches Informationssystem klassische KPIs (wie Servicequalität, Liefertreue, OTIF) sowie Hunderte integrierte, kalkulierte Berechnungen (z. B. der Bedarf in/im der letzten Woche/Monat/Quartal oder den Wert des Überbestands) auf aktueller Datenbasis vorab erstellt.

2. Dass die Fachbereichsanwender diese Analysen schnell und einfach anpassen sowie komplexe Berechnungen über die gesamte Wertschöpfungskette durchführen können (z. B. den Prozentsatz der zugeordneten oder abhängigen Aufträge).

Fazit

Operative Business-Analysen richten sich an die Fachbereiche, die mithilfe von Ad-hoc-Analysen z. B. Lagerbestände senken und gleichzeitig das Service Level zum Endkunden steigern wollen.

Der Name verrät, dass die operative Ebene Entscheidungsgrundlagen erhält, auf deren Basis sie sofort in jeden beliebigen Ablauf eingreifen kann. Engpässe in der Wertschöpfungskette werden erkannt, bevor sie in der Praxis entstehen, Prozesse lahmlegen oder Verzögerungen bei Lieferungen auftreten.

Near-Realtime-Analysen befähigen Mitarbeiter, auf granularster Ebene schnell Entscheidungen in ihrem Wirkungsbereich zu treffen und Prozessengpässe zu verhindern.

Damit gelingt die Suche nach der Nadel im Heuhaufen: Unter Tausenden Datensätze finden Mitarbeiter die für ihren Aufgabenbereich maßgeblichen Datensätze sekundenschnell.

Every Angle bietet hierzu eine Plug-and-Play-Lösung für Kunden, die SAP im Einsatz haben. Dadurch, dass die Lösung das Customizing des SAP-Systems interpretiert, ist keine Modellierung nötig und das System ist in zwei Tagen einsatzbereit.

Über den Autor

Jens Michels, Every Angle

Jens Michels ist Geschäftsführer Every Angle Deutschland.

Hinterlassen Sie einen Kommentar