Arten der Datenanalyse
In diesem Szenario weiß die VP, dass der Umsatz nicht wächst, aber diese einzige Beobachtung sagt ihr nicht, was als Nächstes zu tun ist. Jede Nachverfolgungsfrage erfordert eine andere Analysemethode. Fünf Analysearten wirken zusammen, um die Untersuchung von der anfänglichen Beobachtung zu einer konkreten Preisempfehlung zu führen.
Beschreibende Analysen: Was ist passiert?
Beschreibende Analysen quantifizieren, was passiert ist , ohne zu erklären, warum.
Für Tailwind Traders bedeutet dies, ein Dashboard zu erstellen, das den Gesamtumsatz nach Kanal und Produkt aufschlüsselt. Das Dashboard zeigt, dass der Online-Vertrieb fast die Hälfte des Gesamten Umsatzes mit social media als zweitgrößtem Kanal darstellt. Geschäfte und Verkaufsstellen tragen deutlich weniger bei. Monatliche Trends bestätigen die Sorge der VP: Der Umsatz schwankt saisonal, zeigt aber kein Gesamtwachstum an.
Die folgende Abbildung zeigt ein Vertriebs- und Marketingdashboard, das den Projektbeteiligten einen Überblick über die Leistung über Karten, Donutdiagramme, Balkendiagramme und Trendlinien über Kanäle und Produkte hinweg bietet.
Diagnoseanalysen: Warum ist dies geschehen?
Das Ziel ist es immer , von Symptom zu Ursache zu wechseln.
Das Dashboard bestätigte, dass der Umsatz nicht wächst, aber der VP muss jetzt wissen, was die Deals steuert, die geschlossen werden. Der Diagnoseprozess umfasst drei Schritte:
- Identifizieren Sie, was untersucht werden soll – die Abschlussquoten variieren je nach Produkt und Vertriebsteam erheblich.
- Sammeln Sie verwandte Daten – Rabattstufen, Produktkategorien, Kampagnentypen, Vertriebsbesitzer.
- Erkennen Sie das Muster – die Höhe der Rabatte hat den größten Einfluss darauf, ob ein Geschäftsabschluss zustande kommt, und verdreifacht die Wahrscheinlichkeit nahezu. Produkttyp und Vertriebsteam beeinflussen auch die Ergebnisse.
Diese Analyse zeigt einen tieferen Einblick: Das Team stützt sich möglicherweise auf einen starken Rabatt, um Deals zu schließen, was das Volumen steuert, aber die Margen erodiert.
Die folgende Abbildung zeigt ein Beispiel für ein visuelles Key Influencers-Element in Power BI. Diese Art visueller Elemente identifiziert automatisch, welche Faktoren am stärksten ein bestimmtes Ergebnis steuern, sie nach Auswirkungen bewerten und die Beziehung in einem Punktdiagramm anzeigen, sodass Sie das Muster visuell überprüfen können.
Predictive Analytics: Was wird als Nächstes wahrscheinlich passieren?
Predictive Analytics verwendet historische Muster, um zukünftige Ergebnisse zu schätzen , bevor sie stattfinden.
Da das Team nun versteht, was die Ergebnisse antreibt, möchte der VP wissen, wo der Umsatz in die Richtung geht. Das Team stellt den monatlichen Umsatz für die vergangenen zwei Jahre dar und fügt eine Prognose hinzu. Die Trendlinie zeigt einen leichten Abwärtstrend, und die Prognose deutet darauf hin, dass sich dieses Muster in den kommenden Monaten fortsetzt.
Die folgende Abbildung zeigt ein Liniendiagramm mit einer integrierten Prognose. Der grau schattierte Bereich zeigt auf Grundlage historischer Muster, wohin sich der Trend entwickelt, und bietet Teams einen visuellen Bereich wahrscheinlicher zukünftiger Werte.
Präskriptive Analyse: Was sollten wir tun?
Die Kernfrage lautet immer: "Wenn wir das dagegen tun, was ist das wahrscheinliche Ergebnis?"
Die Diagnoseanalyse ergab, dass schwere Rabattierungen zu Schließungen führen, aber die Margen verletzen, und die Prognose zeigt allmählich rückläufige Einnahmen. Der VP muss jetzt die richtige Preisstrategie bestimmen. Das Team modelliert die Auswirkungen von Preisanpassungen von einer Senkung um 10 % bis zu einer Erhöhung um 20 % und erkennt einen klaren Zielkonflikt: Preissenkungen steigern den Umsatz, schmälern jedoch den Gewinn, während moderate Erhöhungen um 7–10 % den Gewinn maximieren, bevor der Widerstand der Kunden dazu führt, dass beide Kennzahlen sinken.
Die folgende Abbildung zeigt ein Dual-Achsen-Diagramm, das den bereinigten Umsatz dem bereinigten Gewinn bei verschiedenen Preispunkten gegenüberstellt, wodurch Entscheidungsträger genau erkennen können, ab welchem Punkt das Verhältnis von vorteilhaft zu nachteilig kippt.
Kognitive Analysen: Was kann KI uns dabei helfen zu verstehen?
Kognitive Analysen beantworten Fragen, die eine Verarbeitung über die menschliche Kapazität hinaus erfordern, nicht nur schnellere Versionen der Arbeit, die Sie manuell erledigen könnten.
Tailwind Traders sammelt auch Tausende von Kundenrezensionen, Supporttickets und Social Media Erwähnungen. Kognitive Analytik nutzt KI, um diese unstrukturierten Daten in einem Umfang zu verarbeiten, den eine manuelle Analyse nicht erreichen kann – indem Feedback nach Themen und Stimmung kategorisiert, unerwartete Korrelationen über Hunderte von Variablen hinweg identifiziert und Muster aufdeckt, deren Erkennung Analysten deutlich mehr Zeit kosten würde.
KI in Der Analyse
Neben kognitiven Analysen als Methode helfen KI-Tools auch Analysten bei der effektiveren Arbeit über alle vier herkömmlichen Typen hinweg. KI kann anfängliche Datenzusammenfassungen generieren, vorschlagen, welche Faktoren untersucht, Anomalien erkannt und natürlichsprachliche Fragen in analytische Abfragen übersetzt werden sollen.
Die Rolle des Analysten bleibt in jedem Fall gleich: Vergewissern Sie sich, dass der richtige Analysetyp angewendet wird, überprüfen Sie, ob die Ausgabe die frage beantwortet, und bestimmen Sie, ob die Daten vertrauenswürdig genug sind, um zu handeln.
Tip
Blick auf das Szenario "Tailwind Traders": Der VP wollte verstehen, warum der Umsatz nicht wächst. Mit welchem Analysetyp würden Sie beginnen und welche würden Sie als Nächstes anwenden?