Autorenname: assbi

/ / Kennzahlen

Maschinenauslastung

Was bedeutet das? Die Kapazitätsauslastung bezieht sich darauf, wie viel von der Produktionskapazität einer Fabrik derzeit genutzt wird. Die Kennzahl gibt an, wie viel von der potenziellen Produktionsleistung eines Fertigungsbetriebs erreicht wird, und umfasst alles von der Maschinenkapazität bis zur Auslastung der verfügbaren Ressourcen. Warum ist das wichtig? Die Kennzahl zur Kapazitätsauslastung ist sowohl für die Messung der Effizienz eines Unternehmens in Bezug auf die Nutzung seiner Ressourcen als auch für die Planung für die Zukunft von entscheidender Bedeutung. Auf der einen Seite kann die Verwendung der Kapazitätsauslastung in Ihrer Fertigungsanalyse Bereiche aufzeigen, in denen Ihre Produktionslinie verschwenderisch oder ineffizient ist, weil sie den potenziellen Output nicht maximiert. Auf der anderen Seite kann eine niedrige Kapazitätsauslastung auch darauf hinweisen, dass Ressourcen über- oder unterverteilt sind, was zu einer besseren Entscheidungsfindung hinsichtlich der Bestell- und langfristigen Nutzungsstrategie führt. Sie können die Kapazitätsauslastung auch in verschiedenen Bereichen nutzen, z. B. zur Bestimmung von Überstunden, Personalbedarf und sogar zur Bewertung von Wartungskosten. Wie messen Sie den KPI? Die Kapazitätsauslastung wird gemessen, indem die in einem bestimmten Zeitraum genutzte Gesamtkapazität durch die Gesamtproduktionskapazität oder die optimalen Werte geteilt und mit 100 multipliziert wird. Welche Quellen würden Sie verwenden, um den KPI zu messen? Um Ihren Kapazitätsauslastungsgrad zu erfassen, müssen Sie Daten aus verschiedenen Quellen messen. An erster Stelle steht die Erfassung von Daten, die sich auf Ihre Ressourcenkapazität beziehen – Einkaufsberichte, Bestandszu- und -abgänge, Zykluszeiten und Produktionskapazität. Zusätzlich sollten Sie auch Daten in Bezug auf Ihren tatsächlichen Output messen, einschließlich der Bruttoproduktionszahlen, des Ressourcenverbrauchs und des gesamten Materialinputs gegenüber dem Output. Ein Beispiel… Nehmen wir an, dass Ihre Fabrik in letzter Zeit unterdurchschnittliche Leistungen erbringt, obwohl Ihre Messwerte darauf hindeuten, dass Sie mit oder nahe der vollen Kapazität arbeiten sollten. Es kann mehrere Ursachen für das Problem geben, die von langen Zykluszeiten bis hin zu schlechter Nutzung oder Zuweisung von Rohstoffen und Ressourcen reichen. Der erste Schritt zur Lösung des Problems besteht darin, das optimale Niveau, auf dem Ihre Fabrik arbeiten sollte, zu ermitteln und dieses Ergebnis mit dem aktuellen Produktionsniveau zu vergleichen. Die Bestimmung der Effizienz zeigt Ihnen die richtige Richtung. Von dort aus können Sie diesen KPI mit anderen wie Zykluszeiten und Produktionskosten kombinieren, um festzustellen, wo Verschwendung auftritt und wie Sie diese so sinnvoll wie möglich beseitigen können. Welche Benchmarks/Indikatoren sollte ich verwenden? Einige nützliche Indikatoren sind:

  • Zykluszeiten
  • Ressourcenauslastung
  • Produktivität
  • Gesamtleistung
maschinenauslastung berechnen, maschinenauslastungsgrad, maschinenauslastung excel, maschinenauslastung englisch, maschinenauslastung formel, maschinenauslastung kennzahl, maschinenauslastung definition, maschinenauslastungsermittlung, maschinenauslastung excel vorlage, maschinenauslastung berechnen excel,nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Fehlerdichte · Wartungskosten · Data Warehouse

/ / Kennzahlen

Steuerbare Eingangsmetriken

Ich gebe es zu: Ich bin ein wenig besessen von Amazons Konzept der steuerbaren Eingangsmetriken. Die Idee selbst scheint trivial einfach. „Und?“ Ich höre Sie schon sagen. „Ist steuerbare Input-Metrik nicht nur eine schicke Umschreibung für ‚Frühindikator‘? Und ist es nicht nur eine weitere Sache, die Sie bereits tun sollten, wenn Sie Ihre OKRs festlegen?“ Dies sind gute Punkte. Aber sie sind weitgehend orthogonal zu der Denkweise, zu der die steuerbare Input-Metrik Sie zwingt. Ich würde behaupten, dass steuerbare Input-Metriken die Art von Idee sind, die an der Oberfläche trivial erscheint, aber dann die Art und Weise verändert, wie Sie über Daten denken, sobald Sie sie in die Praxis umsetzen. Und ich würde sogar so weit gehen zu sagen, dass sie die Art und Weise, wie ich über operative Strenge denke, grundlegend verändert hat. Einen Vorgeschmack darauf möchte ich Ihnen in diesem Blogbeitrag geben. Lassen Sie uns also beginnen. Probieren Sie es aus Der Schlüssel, um die Nuancen dieser Idee zu verstehen, ist der Versuch, kontrollierbare Input-Metriken für Ihr eigenes Unternehmen zu finden. Machen Sie mir Mut. Denken Sie an einen Geschäftsprozess, an dem Sie beteiligt sind. Denken Sie nun an die Metriken, die Sie messen könnten, wenn Sie diesen Prozess instrumentieren. Wenn Sie so sind wie ich, würden Sie an solche Metriken denken: Vertrieb: Anzahl der abgeschlossenen Geschäfte. Marketing: Blog-Traffic oder die Anzahl der neuen Newsletter-Abonnenten pro Woche. Software-Engineering: Anzahl der neuen Funktionen, die pro Zeitperiode ausgeliefert werden. Kundensupport: Umfrageergebnisse nach der Kundenbetreuung / NPS. Und so weiter. Die Chancen stehen gut, dass die Metriken, die Sie auswählen, Output-Metriken sein werden – also Ergebnisse, die Sie für das Unternehmen wollen, über die Sie aber nur indirekt Kontrolle haben. Nehmen Sie zum Beispiel den Blog-Traffic. Angenommen, Ihr Ziel ist es, den Blog-Traffic innerhalb der nächsten sechs Monate um das Doppelte zu steigern. Was würden Sie tun? Mehr Gastbeiträge schreiben? Mehr SEO betreiben? Ihre Website-Struktur auf Vordermann bringen? Versuchen, mehrere Beiträge viral gehen zu lassen? Die wahrscheinliche Antwort ist, dass Sie all diese Dinge versuchen werden, aber mit dem Verständnis, dass Sie eine Verzögerung von Ihren Bemühungen erfahren werden. Bei SEO-bezogenen Verbesserungen zum Beispiel kann das durchaus eine sechsmonatige Lücke zwischen Aktion und Ergebnissen sein. Und deshalb ist es nicht gut genug, Output-Metriken zu messen. Es ist nicht gut genug, wenn Sie Ihre Mitarbeiter motivieren wollen, und es ist sicherlich nicht gut genug, wenn Sie bei Amazon arbeiten. Wie Colin Bryar es ausdrückt: Wenn Sie ein guter Operator sein wollen, müssen Sie ein konkretes Verständnis der Faktoren haben, über die Sie Kontrolle haben und die direkt zu der Output-Metrik beitragen, die Ihnen wichtig ist. Und Sie müssen das messen. Er argumentiert: „Die besten Betreiber, die ich gesehen habe, wissen ganz genau, dass sie die gewünschten Ergebnisse erhalten, wenn sie diese Knöpfe drücken oder diese Hebel auf die richtige Weise drehen. Sie verstehen diesen Prozess durch und durch.“ Diese Input-Metriken sind in der Regel kundenbezogen. „Ist das Kundenerlebnis in dieser Woche besser als in der letzten Woche? Das ist schwieriger herauszufinden, als es klingt. Also überwacht man 10 oder 20 verschiedene Dinge, man experimentiert ein wenig“, sagt Bryar. „Messen Sie tagein, tagaus – ein großartiger Betreiber misst immer, damit er genau weiß, was passiert. Wenn Sie etwas nicht messen, wird es schief gehen.“ Was Sie messen wollen, sind kontrollierbare Input-Metriken – Dinge, von denen Sie wissen, dass Sie sie heute verbessern können, die in den nächsten Monaten zu Veränderungen der gewünschten Output-Metrik führen würden. Diese Input-Metriken neigen dazu, Anreize für das Verhalten zu schaffen, wenn Sie sie als Organisationsziele aufstellen. Also, zum Beispiel Für den Vertrieb messen Sie die Anzahl der Antworten/Interaktionen von einzelnen Personen, die Ihrer idealen Persona entsprechen. (Die angestrebte Output-Metrik hier: Anzahl der abgeschlossenen Geschäfte). Für das Marketing: % der Blog-Posts mit einem in den Text eingebetteten benutzerdefinierten Incentive-E-Mail-Formular. (Die angestrebte Output-Kennzahl hier: Anzahl der neuen E-Mail-Abonnenten). Für die Softwareentwicklung: Mittlere Zeit vom Commit bis zur Bereitstellung. (Die angestrebte Output-Kennzahl hier: Anzahl der neuen Funktionen, die pro Zeitperiode ausgeliefert werden). Für den Kundensupport: % der Tickets, die innerhalb von 3 Tagen geschlossen werden. (Die angestrebte Output-Metrik hier: NPS). Die Schlüsseleigenschaft vieler dieser Metriken ist, dass Sie innehalten und sagen: „Moment mal, ich glaube nicht, dass diese Metriken zu den Ergebnissen führen, die wir wollen / ich glaube nicht, dass diese Metriken für uns funktionieren würden.“ Und das ist der ganze Punkt. Eine steuerbare Input-Metrik ist per Definition ein paar Schichten vor Ihrer gewünschten Output-Metrik, und Sie müssten untersuchen, ob eine feste Beziehung zwischen den beiden besteht. Noch wichtiger ist, dass eine steuerbare Input-Metrik zu einer sofortigen Verhaltensänderung in Ihrem Team führen sollte, und Sie sollten Angst haben, dass dies zu einer Art von falsch ausgerichteten Anreizen führen könnte. (Denken Sie an eine dysfunktionale Situation à la Goodhart’s Law). Amazon argumentiert, dass dies durchaus zu erwarten ist, weshalb Sie eine Phase des Ausprobierens durchlaufen müssen, um zu sehen, ob die Input-Metrik zu den gewünschten Ergebnissen führt. Ein großer Teil meiner Zusammenfassung von Working Backwards sprach über Amazons Prozess für die Auswahl kontrollierbarer Input-Metriken. Sie nannten es „den Metrik-Lebenszyklus durchlaufen“, und sie nannten ihren Metrik-Auswahlprozess DMAIC, oder „Definieren, Messen, Analysieren, Verbessern und Steuern“. So: Ich hoffe, Sie sind noch bei mir. Ich hoffe, Sie haben versucht, eine plausible Input-Metrik für Ihren Geschäftsprozess auszuwählen, zusammen mit einer dazu passenden Output-Metrik, die sie beeinflussen soll. Um Sie noch ein wenig zu provozieren: Versuchen Sie, eine Reihe von verschiedenen Prozessen in Ihrem Unternehmen durchzugehen. Fragen Sie für jeden Geschäftsprozess: Was ist das gewünschte Verhalten, das wir hier wollen? (Für das Datenteam könnte das z. B. sein: Wir wollen den Prozentsatz der Geschäftsentscheidungen, die auf der Grundlage von Daten getroffen werden, erhöhen). Was ist unsere Output-Metrik dafür, und wie instrumentieren wir sie? (Wie wollen Sie erfassen, ob Entscheidungen mit Daten getroffen werden oder nicht?) Was ist unsere Input-Metrik? Ein möglicher Kandidat ist: % der internen Berichte, auf die mindestens einmal pro Woche zugegriffen wird – sei es über ein Dashboard oder eine gelesene E-Mail. Bereiten Sie sich nun darauf vor, den DMAIC-Trial-and-Error-Prozess zu durchlaufen, den Amazon anwendet, um zu überprüfen, ob Ihre gewählte Input-Metrik tatsächlich die Output-Metrik beeinflusst. Spülen und wiederholen Sie dies für den Rest der Prozesse, die Sie in Ihrem Kopf bearbeiten möchten.

Warum ist das so wichtig?

Kehren wir also zu meiner ursprünglichen Frage zurück: Warum ist das wichtig? Und warum finde ich die Idee so tiefgründig? Wir werden nicht gelehrt, so zu denken Die einfache Antwort ist, dass uns nicht beigebracht wird, so zu denken. Wenn die Leute sagen: „Wir müssen datenorientierter sein“, nehmen wir sofort an: „Oh, wir müssen unsere Geschäftsergebnisse messen“. Und so messen wir Dinge wie die Anzahl der abgeschlossenen Geschäfte, oder Kohortenbindungsraten, oder Umsatzwachstum, oder die Anzahl der Blogbesucher. Dies sind alles Output-Metriken – und obwohl sie wichtig sind, sind sie auch nicht besonders umsetzbar. Amazon argumentiert, dass es nicht ausreicht, seine Output-Metriken zu kennen. Tatsächlich gehen sie sogar noch weiter und sagen, dass Sie Ihren Output-Metriken nicht viel Aufmerksamkeit schenken sollten; Sie sollten den kontrollierbaren Input-Metriken Aufmerksamkeit schenken, von denen Sie wissen, dass sie diese Output-Metriken beeinflussen werden. Es ist eine ganz andere Sache, wenn z. B. Ihr Kundensupport-Team weiß, dass seine Leistungsboni an eine Kombination aus NPS und „% der innerhalb von 3 Tagen geschlossenen Support-Tickets“ gebunden sind. Wenn Sie einen klaren Zusammenhang zwischen Ersterem und Letzterem aufgezeigt haben, dann wird jeder im Team einen Anreiz haben, Prozessverbesserungen zu entwickeln, um diesen Prozentsatz zu erhöhen! Natürlich gibt es potenzielle Probleme mit diesem Ansatz. Aber Amazon hat eine Reihe von Techniken entwickelt, um falsch ausgerichtete Anreize zu verhindern: Jede Metrik hat einen Eigentümer, und von jedem Eigentümer der Metrik wird erwartet, dass er versteht, was eine normale Abweichung und was eine Anomalie ist. Die Metriken werden von einer unabhängigen Abteilung (Finanzen) überprüft, was verhindert, dass die Geschäftsinhaber die Metriken manipulieren oder Metriken heraussuchen, die sie gut aussehen lassen. Metriken werden jede Woche im Rahmen des Weekly Business Review Meetings überprüft. (Dies geschieht fraktal – von der obersten Ebene bis hinunter zu den einzelnen Teams). Die Finanzabteilung informiert sowohl die Führung als auch die Geschäftsinhaber darüber, wie sie ihre Jahresziele verfolgen, sowohl bei den Input- als auch bei den Output-Kennzahlen. Von den Führungskräften und Geschäftsinhabern wird erwartet, dass sie die Effektivität jeder Kennzahl kritisch bewerten und sie ändern oder entfernen dürfen, wenn sie nicht mehr nützlich sind. Die Eigentümer der Metriken müssen einen Prozess für die Überprüfung jeder Metrik haben, um sicherzustellen, dass sie das misst, was sie messen soll. Der Audit-Prozess wird in regelmäßigen Abständen ausgelöst. Was ich damit sagen will, ist, dass Amazon Metriken als fein abgestimmte operative Waffe einsetzt – und dass das Unternehmen aus der Perspektive der Anreizgestaltung versteht, welche Macht gut konzipierte Metriken über das Verhalten der Organisation haben können. In der Welt der Business Intelligence verbringen wir oft Zeit damit, über coole neue Tools oder neue Pipelining-Tricks oder Daten-Unit-Tests oder „Notebooks, nicht Dashboards! Aber nichts davon ist von Bedeutung, wenn Ihre Organisation nicht für eine datengesteuerte Entscheidungsfindung eingerichtet ist. Amazon führte seine ursprünglichen Metrik-Meetings mit Stapeln von bedrucktem Papier durch. Und das in den frühen 2000er Jahren, als spaltenförmige Datenspeicher noch in den Kinderschuhen steckten und OLAP-Würfel noch die Norm waren. Und es war erfolgreicher als in den kühnsten Träumen. Also: Was haben wir selbst zu sagen?nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Amazon Kennzahlen | So misst sich Amazon selbst – Buch: Working Backwards · Die vier Ausprägungen des Goodharts Gesetz · Data Warehouse

/ / Kennzahlen

Produktionskosten

Definition

Die Produktionskosten (englisch: production costs) beziehen sich auf alle Ausgaben, die Sie bei der Herstellung einer Einheit Ihres Produkts tätigen müssen. Dazu gehören die verschiedenen Komponenten, die in die Produktion einfließen, wie z. B. Arbeitskräfte, Roh- und Hilfsstoffe und andere Gemeinkosten des Unternehmens. Im Allgemeinen gehören dazu auch die Kosten, die durch Steuern und andere Gebühren, wie z. B. Lizenzgebühren, entstehen.

Warum ist das wichtig?

Das Verständnis der Kosten, die Ihrem Unternehmen bei der Produktion einer einzelnen Einheit entstehen, ist entscheidend für die Verbesserung der Abläufe und Senkung der Gemeinkosten. Die Zusammenführung von Produktionsdaten in ein –neudeutsch– „Manufacturing Analytics Dashboard“  ermöglicht es durch Produktionskosten-KPIs Unternehmens- oder Produktionsbereiche zu ermitteln, die zu teuer sind, und zu verstehen, wie sich die Kosten im Laufe der Zeit verändern (z.B. Einkaufspreise, Preis an den Weltmärkten, oder saisonale Produktion und Ressourcen).

Zusätzlich können Produktionskosten-KPIs mithin sehr granular sein und sich auf die Kosten von Komponenten für einzelne Produkte konzentrieren. Die Kostenherkunft zu verstehen ist ein grundlegender Aspekt zur Beurteilung und wird traditionell von Controllern und Ingenieuren mit zwei Brillen betrachtet. Der Königsweg ist hier der Mittelweg aus Reduzieren und Optimieren aus Sicht der technischen und betriebswirtschaftlichen Warte.

Wie messen Sie die Produktionskosten?

Produktionskosten auf breiter Ebene werden gemessen, indem die Gesamtsumme aller Kosten wie Rohmaterial, Arbeit (Mensch, Maschine) und Gemeinkosten beinhalten. Auf einer Produkt-zu-Produkt-Basis können sie auch die Kosten für jede Komponente enthalten, aus der ein fertiges Produkt besteht.

Welche Quellen würden Sie verwenden, um den KPI zu messen?

Um die Produktionskosten zu verfolgen, können Sie Daten von Mitarbeitergehältern, Einkaufskosten für Rohstoffe und Komponenten, Rechts- und Steuerausgaben und andere Gemeinkosten sammeln. Zusätzlich sollten Sie auch die Erlöse pro Produkt und die Gesamterlöse überwachen.

Als Beispiel

Nehmen wir an, Ihre Fabrik produziert seit mehreren Jahren die gleichen Artikel, aber die Gewinnspannen sind in letzter Zeit geringer geworden, obwohl die Produktionsprozesse und die Nachfrage relativ stabil geblieben sind. Einer der ersten Bereiche, in dem Sie Ihre abnehmenden Erträge untersuchen sollten, sind die Materialkosten. Die Kosten für Komponenten und Rohmaterialien können sich je nach Knappheit, saisonalen Veränderungen oder externen wirtschaftlichen Kräften ändern. Sie könnten feststellen, dass derselbe Lieferant, der Sie mit Komponenten versorgt hat, kürzlich seine Preise erhöht hat oder dass die Herstellung eines bestimmten Produkts einfach nicht mehr rentabel ist. Wenn Sie diese Kosten verstehen, können Sie klügere Entscheidungen darüber treffen, wie Sie Ihre Produktionsabläufe anpassen und sich auf zukünftige Veränderungen vorbereiten.

Welche Benchmarks/Indikatoren sollte ich verwenden?

Einige nützliche Indikatoren sind:

  • Rohmaterialkosten
  • Aggregierte Produktionskosten
  • Produktionskosten im Zeitverlauf

produktionskosten gold, produktionskosten berechnen, produktionskosten kleidung, produktionskosten tatort, produktionskostenfunktion, produktionskosten avatar, produktionskosten tv werbung, produktionskosten von filmen, produktionskosten cyberpunk 2077, produktionskosten senken maßnahmen,

nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Fehlerdichte · Produktionsvolumen · Data Warehouse

/ / Software, Business Intelligence, Datenanreicherung, Datenaufbereitung

Excel Best Practices

Im IT-Umfeld ist es gelegentlich üblich zu diskutieren ob es in Ordnung ist, klassische Tabellenkalkulationsprogramme (Excel, Numbers, Calc, …) in der Arbeit mit Daten zu verwenden. Diplomatisch korrekt ist, dass sie in bestimmten Anwendungsfällen, wie der explorativen Datenanalyse und schnellen „Wegwerfarbeiten“ großartig sind, besonders für den Laien.

Excel kommt von Exzellenz

Eigentlich. In Anbetracht der enormen Bedeutung von Excel in nahezu jeder Branche, die Sie sich vorstellen können, ist der „richtige Umgang mit Excel“ von enormer Bedeutung. Es gibt viele gut dokumentierte Fälle von Excel-Fehlern, die zu verschiedenen Arten von Katastrophen führen. Ich werde hier nicht mit Links zu solchen Katastrophen langweilen, die Sie in Ihrer Lieblingssuchmaschine leicht finden können, sondern verweise auf die European Spreadsheet Risks Interest Group, eine Gruppe von Leuten, die zusammenkommen, um Konferenzen (!) zu veranstalten und Papiere darüber zu überprüfen, wie man es vermeiden kann, sein Unternehmen durch Tabellenkalkulationspannen zu ruinieren.

Was ist also ein guter Wissensstand in diesem Bereich?

Angesichts der Tatsache, dass es viele brillante Köpfe gibt, die sich intensiv mit dem Problem der Vermeidung von Fehlern in Tabellenkalkulationen beschäftigen, gibt es einige gute Referenzen, die man sich ansehen sollte. Die wahrscheinlich beste Referenz (auf die ich gestoßen bin) ist ein Artikel von Broman und Woo aus The American Statistician aus dem Jahr 2018, „Data Organization in Spreadhseets“. Darin werden viele gute Regeln für die Verwendung von Tabellenkalkulationen zum Sammeln, Speichern und Analysieren von Daten beschrieben.

Einige gemeinsame Themen

Ich empfehle dringend, sich die beiden oben genannten Referenzen anzuschauen, um mehr zu erfahren, aber ich fasse einige Themen zusammen, die mir aufgefallen sind
  • Verwenden Sie NIEMALS Farb-/Texteffekte, um aussagekräftige Daten anzuzeigen – dafür gibt es zwar viele Gründe, aber der wichtigste ist wohl, dass man nicht (einfach) eine Formel schreiben kann, die „wenn grün, dann 1“ ausdrückt.
  • Eine Kopfzeile für jede Datentabelle, und verwenden Sie bitte gute (verständliche, eindeutige usw.) Namen für die Felder
  • Ein Datenelement pro Zelle, kein „Brooklyn, NY 11223“ für „Stadt Staat PLZ“ in einer einzigen Zelle
  • Eine Zeile pro Datenpunkt, keine leeren Zellen in der Tabelle
  • Verwenden Sie Verknüpfungsschlüssel, um mehrere Tabellen miteinander zu verbinden.
  • ISO 8601 für Datumsangaben (2021-12-31)
    • Generell macht man sich in der IT das Leben leichter wenn Zeitstempel mit IS 8601 formatiert werden, da kann man nämlich zeitlich sortieren..
  • Konsistente Dateneingabe (Leerzeichen, Rechtschreibung, Großschreibung usw.), Verwendung der Validierungswerkzeuge zur Durchsetzung solcher Regeln
  • Formeln sollten konsistent für die gesamte Spalte/Zeile ohne Änderung gelten, keine einmalig geänderte Formel für Zeile 46
  • Behalten Sie die Rohdaten bei, ändern Sie sie nicht, verwende einen neuen Reiter.

Was müssen Sie also noch hinzufügen?

Ich wollte damit beginnen, die verschiedenen Themen unter den allgemeinen Kategorien zu klassifizieren, auf die sie abzielen: Macken in Excel (wie die Sache mit dem Datum), Vermeidung menschlicher Fehler, Vermeidung von Anti-Patterns usw. Aber wenn ich weiter darüber nachdenke, denke ich, dass eine solche Klassifizierung ein bisschen zu abstrakt wäre, um einem neuen Excel-Benutzer zu helfen, unentdeckte Probleme zu vermeiden. Wenn Sie daran interessiert sind, gibt es zum Glück ganze Abhandlungen, wie diese von Powell, Baker und Lawson aus dem Jahr 2008, die viele verschiedene Arten von Tabellenkalkulationsfehlern untersuchen und klassifizieren. Stattdessen gibt es meiner Meinung nach mindestens eine weitere Möglichkeit, Tabellenkalkulationen zu betrachten: Die Regeln zur Fehlervermeidung unterscheiden sich je nachdem, was Sie tun. Tabellenkalkulationen werden für eine Vielzahl von Datenaufgaben verwendet – Eingabe, Speicherung, Ad-hoc-Analyse, „verpacktes“ Analysewerkzeug und sogar gemeinsame Nutzung/Zusammenarbeit. Nicht jede Regel ist für alles relevant. Das allgemeine Motto „Menschen vor Fehlern bewahren“ bleibt bestehen, aber der Schwerpunkt verschiebt sich. Bei der Dateneingabe und -speicherung sind Sie vor allem daran interessiert, bestimmte Probleme zu vermeiden. Menschliche Fehler bei der Dateneingabe lassen sich durch Datenvalidierungstools verhindern. Die Sicherstellung, dass Ihre Daten „aufgeräumt“ sind (im R-Sinn von „aufgeräumten Daten“), in sauberen Ein-Zeilen-pro-Datenpunkt, mit Verbindungsschlüsseln über Tabellen hinweg, ist wichtig für die Speicherung und Pflege von Daten für die zukünftige Verwendung. Ich denke, dass sich die meisten Anleitungen zur Vermeidung von Tabellenkalkulationsproblemen auf diesen Teil der Dateneingabe/Speicherung konzentrieren. Da dies der häufigste Aspekt bei der Verwendung von Tabellenkalkulationen ist, liegt es auf der Hand, dass dies bei jedem Projekt in gewissem Maße der Fall ist. Daher wird er bei Fehlern natürlich stärker ins Gewicht fallen. Wenn die gemeinsame Nutzung und die Zusammenarbeit zu einem größeren Anliegen werden, müssen Sie sich mit der Frage auseinandersetzen, wie Sie sicherstellen können, dass andere Menschen sehen können, wo die Maschinen stehen“. Tabellenkalkulationen neigen dazu, die zugrunde liegende Maschinerie (die Formeln und Referenzen) standardmäßig zu verbergen. Es muss sichergestellt werden, dass jeder an ähnlichen Stellen nachschaut und erkennen kann, was geändert werden kann und was nicht. An dieser Stelle werden oft Konventionen über die Platzierung von Dingen, die Erstellung von Datenwörterbüchern und die Verwendung von Farben zur Hervorhebung von Dingen eingeführt.   Die Verwendungszwecke ändern sich ein wenig, wenn man zur Ad-hoc-Analyse übergeht. Jetzt ist es sehr wichtig, dass Sie Ihre Rohdaten in Ruhe lassen und einen Analysepfad auf Papier hinterlassen, der klar dokumentiert, wie Sie von den Rohdaten zur endgültigen Analyse gelangen. Es ist auch viel wichtiger, dass Sie organisiert bleiben und wissen, wann Sie Berechnungen in separate Arbeitsblätter auslagern müssen. Sie müssen sich auch Gedanken über die Speicherung von Formelparametern an gut sichtbaren Stellen machen (oft farblich hervorgehoben, um sie zu betonen!). Sie müssen auch Artefakte an leicht zu findenden Stellen ablegen, Parameter sollten sich in der Nähe des oberen und linken Randes befinden, Formeln müssen in einer Spalte der Datentabelle konsistent sein usw. Auch der Teil mit den aufgeräumten Daten beginnt in der Analysephase zu scheitern, da Sie schließlich anfangen müssen, Daten zu gruppieren, zu filtern und in formatierten Diagrammen und Tabellen zusammenzufassen. Die Dinge werden immer individueller, um den besonderen Anforderungen der Analyse- und Präsentationsschicht gerecht zu werden. Wenn Sie sich dann in den Bereich der „Tabellenkalkulation als verpacktes Analyseprodukt“ vorwagen, was in einem Beratungskontext ziemlich häufig vorkommt, haben Sie noch mehr Bedenken, dass Kunden eine Tabellenkalkulation versehentlich ändern/zerstören. Jetzt müssen Sie Dinge wie das Sperren von Blättern und Zellen einsetzen, um Missgeschicke zu verhindern. VBA und Skripte werden in diesem Bereich immer häufiger eingesetzt, und jetzt muss man sicherstellen, dass diese Dinge ordnungsgemäß dokumentiert sind, damit jeder, der die Tabelle pflegen will, auch nach Code suchen kann, der nicht sofort ersichtlich ist. Ehrlich gesagt wird über diese Phase der Tabellenkalkulation nicht allzu viel diskutiert, weil die Fähigkeiten, die man braucht, um diesen Punkt zu erreichen, weniger verbreitet sind. Wenn Sie VBA-Code für das Front-End Ihrer Tabellenkalkulation schreiben, befinden Sie sich bereits in einer neuen Dimension des Wahnsinns. Wie bei den meisten Dingen bietet der Eintritt in eine neue Dimension nur noch mehr Freiheitsgrade, um Probleme zu verursachen. Jetzt können Sie ganz einfach Programmierfehler einbauen, da Sie Zugang zu einer vollständigen Turing-Sprache haben. (Okay, ab 2021 sind auch die Excel-Formeln selbst Turing-komplett, so dass Sie auch auf diese Weise Fehler machen können. Siehe Tweet unten.) Und schließlich, nach dem Stadium des „paketierten Analyseprodukts“ für fortgeschrittene Tabellenkalkulationen (und oft auch schon davor), erreicht man einen Punkt der Komplexität, an dem die Antwort auf die Frage, wie man Probleme mit Tabellenkalkulationen minimieren kann, lautet: „Keine Tabellenkalkulationen mehr verwenden“. Oft wird diese Entscheidung getroffen, weil es für alle besser ist, eine echte Datenbank statt einer Tabellenkalkulation zu verwenden. Manchmal liegt es daran, dass man nicht mehr mit Excel-Formeln seltsame Geschäftslogik nachbilden möchte und es besser wäre, Produktionscode für diese Dinge zu verwenden. In anderen Fällen liegt es daran, dass Sie die Daten gemeinsam nutzen wollen oder dass sie mehreren Nutzern zur Verfügung stehen sollen. Sehr oft liegt es daran, dass der heiligen Excel-Datei etwas Tragisches zugestoßen ist und Daten auf tragische Weise verloren gegangen sind, und es gibt eine Motivation, es „richtig“ zu machen, jetzt, da klar ist, wie wichtig die Datei war. Idealerweise sollte man die Entscheidung treffen, bevor die Tragödie zuschlägt, aber die Menschen neigen dazu, den Status quo beizubehalten. finale-Version.54.echtjetzt.xlsxnn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Dashboard Sichtbarkeit · Controllingsoftware · Steuerbare Eingangsmetriken

/ / BI-Begriffe, Unternehmenssteuerung

Costcenter versus Profitcenter

Cost Center (Kostenstelle)

  • Hauptziel: Ein Cost Center ist eine Abteilung oder ein Bereich innerhalb eines Unternehmens, der keine direkten Umsätze erwirtschaftet. Sein Hauptziel ist es, die ihm zugewiesenen Aufgaben innerhalb eines vorgegebenen Budgets zu erfüllen und die Kosten zu kontrollieren und zu minimieren.
  • Verantwortung: Die Leitung eines Cost Centers ist für die Einhaltung des Budgets und die Effizienz der Kosten verantwortlich, nicht jedoch für die Erzielung von Gewinnen.
  • Messung des Erfolgs: Der Erfolg eines Cost Centers wird daran gemessen, wie gut es seine Kosten im Griff hat, sein Budget einhält und die geforderten Leistungen (oft interner Natur) in der gewünschten Qualität erbringt.
  • Beispiele: Typische Beispiele für Cost Center sind Abteilungen wie die Buchhaltung, die Personalabteilung, die IT-Abteilung, die Forschungs- und Entwicklungsabteilung oder der Kundendienst (obwohl dieser manchmal auch als Profit Center geführt werden kann). Diese Abteilungen verursachen Kosten, sind aber notwendig für den Gesamtbetrieb des Unternehmens.

Profit Center (Gewinnzentrum)

  • Hauptziel: Ein Profit Center ist eine Unternehmenseinheit, die sowohl für ihre Kosten als auch für ihre Erträge (Umsätze) verantwortlich ist. Das Hauptziel ist die Maximierung des Gewinns.
  • Verantwortung: Die Leitung eines Profit Centers hat eine weitergehende Verantwortung. Sie muss nicht nur die Kosten im Blick haben, sondern auch aktiv dafür sorgen, dass Umsätze generiert werden, die die Kosten übersteigen und somit einen Gewinn für das Unternehmen erwirtschaften. Profit Center agieren oft wie eigenständige kleine Unternehmen innerhalb des Gesamtunternehmens.
  • Messung des Erfolgs: Der Erfolg eines Profit Centers wird direkt an seinem Ergebnis gemessen, also am erzielten Gewinn oder Deckungsbeitrag.
  • Beispiele: Beispiele für Profit Center können Produktlinien, Geschäftsbereiche, einzelne Filialen oder Vertriebsregionen sein. Diese Einheiten haben oft direkten Marktzugang und können ihre Leistung direkt in Form von Verkaufszahlen und erwirtschafteten Gewinnen messen.

Zusammenfassend lässt sich sagen:

Merkmal Cost Center Profit Center
Hauptfokus Kostenkontrolle, Einhaltung des Budgets Gewinnmaximierung
Umsatzerzielung Nein (oder nur indirekt) Ja, direkte Umsatzerzielung
Verantwortung Kosten Kosten und Erträge (Gewinn)
Erfolgsmessung Einhaltung von Budgets, Kosteneffizienz Erzielter Gewinn, Deckungsbeitrag
Orientierung Intern auf unterstützende Funktionen Extern auf den Markt und Kunden

Die Entscheidung, ob eine Abteilung als Cost Center oder Profit Center geführt wird, hängt von der Strategie und der Struktur des Unternehmens ab. Beide Konzepte dienen dazu, die Verantwortlichkeiten klar zuzuordnen und die Leistung der einzelnen Bereiche besser steuern und bewerten zu können.

nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Dashboard als spezialisiertes Werkzeug · Jedox Berater für Ihren Erfolg · Steuerbare Eingangsmetriken

/ / Software, Unternehmenssteuerung

Controllingsoftware

Controlling ist ein Managementfunktion, die darauf abzielt, das Erreichen von Unternehmenszielen zu unterstützen und zu überwachen. Dazu werden verschiedene Instrumente und Methoden eingesetzt, um die Leistung des Unternehmens zu messen und zu analysieren. Controlling umfasst verschiedene Aufgabenbereiche, die sich in zwei Hauptbereiche gliedern lassen: Planung und Steuerung.

Planung

Die Planung beinhaltet die Festlegung von Unternehmenszielen und die Erstellung von Maßnahmenplänen, um diese Ziele zu erreichen. Dazu werden Finanzpläne erstellt, die festlegen, wie das Unternehmen in Zukunft finanziell aufgestellt sein soll. Auch die Erstellung von Budgets, die festlegen, wie viel Geld für bestimmte Aktivitäten bereitgestellt werden soll, gehört zur Planung.

Steuerung

Die Steuerung beinhaltet die Überwachung und Analyse der Leistung des Unternehmens, um sicherzustellen, dass die Unternehmensziele erreicht werden. Dazu werden verschiedene Kennzahlen und Indikatoren verwendet, die Auskunft darüber geben, wie das Unternehmen im Vergleich zu den festgelegten Zielen abschneidet. Auf Basis dieser Analyse werden gegebenenfalls Korrekturmaßnahmen ergriffen, um das Unternehmen wieder auf Kurs zu bringen.

Controllingsoftware

Controlling spielt eine wichtige Rolle in der Unternehmensführung, da es dazu beiträgt, dass das Unternehmen auf Kurs bleibt und seine Ziele erreicht. Es ist daher wichtig, dass das Controlling systematisch und regelmäßig durchgeführt wird, um sicherzustellen, dass das Unternehmen auf einem erfolgreichen Weg bleibt. Da die Datenmengen stetig zunehmen, ist ein professionelles Controlling ohne Software heutzutage nicht mehr möglich.

Excel als Basis und Klassiker

Excel ist ein mächtiges Werkzeug, das von vielen Unternehmen als Controlling-Software eingesetzt wird. Hier sind einige der Vorteile von Excel als Controlling-Software:
  1. Verfügbarkeit: Excel ist auf den meisten Computern verfügbar und wird von den meisten Menschen beherrscht, was die Einführung und Nutzung erleichtert.
  2. Flexibilität: Excel bietet eine Vielzahl von Funktionen und Werkzeugen, die es ermöglichen, Finanzdaten zu integrieren, zu analysieren und zu visualisieren. Es gibt auch viele Vorlagen und Add-Ons, die die Funktionalität von Excel erweitern und es an die Bedürfnisse eines Unternehmens anpassen.
  3. Kosten: Excel ist kostenlos und wird standardmäßig auf vielen Computern installiert, was die Kosten für die Einführung und Nutzung gering hält.
  4. Integration mit anderen Anwendungen: Excel kann leicht mit anderen Anwendungen integriert werden, wodurch die Möglichkeiten der Analyse und Visualisierung von Finanzdaten erweitert werden.
  5. Benutzerfreundlichkeit: Excel ist einfach zu bedienen und bietet eine Vielzahl von Hilfsmitteln und Anleitungen lassen sich einfach googeln.

Jedox

Jedox ist eine leistungsstarke Business Intelligence- und Controlling-Software, die es Unternehmen ermöglicht, ihre Daten zu integrieren, zu analysieren und zu visualisieren. Die Software bietet leistungsstarke Funktionen für die Planung und Budgetierung, die Konsolidierung von Finanzdaten und die Erstellung von Analysen und Berichten. Der große Vorteil bei der Berichtserstellung ist die Anlehnung an Excel und dessen Funktionen. Hier kann der Fachbereich schnell selbständig ohne die IT ein funktionales Reportingsystem aufbauen und selbst pflegen.

SAP Business Planning and Consolidation (BPC)

SAP BPC ist eine leistungsstarke Software für die Planung, Budgetierung und Konsolidierung von Finanzdaten. Die Software bietet eine Reihe von Werkzeugen, mit denen Unternehmen ihre Finanzdaten integrieren, analysieren und visualisieren können, um so bessere Entscheidungen treffen zu können.

Oracle Hyperion

Oracle Hyperion ist eine leistungsstarke Software für die Planung, Budgetierung und Konsolidierung von Finanzdaten. Die Software bietet eine Vielzahl von Werkzeugen, mit denen Unternehmen ihre Finanzdaten integrieren, analysieren und visualisieren können, um so bessere Entscheidungen treffen zu können.

IBM Cognos

IBM Cognos ist eine leistungsstarke Business Intelligence-Software, die es Unternehmen ermöglicht, ihre Daten zu integrieren, zu analysieren und zu visualisieren. Die Software bietet leistungsstarke Funktionen für die Erstellung von Analysen und Berichten und ist besonders für große Unternehmen geeignet.

Microsoft Power BI

Microsoft Power BI ist eine leistungsstarke Business Intelligence-Software, die es Unternehmen ermöglicht, ihre Daten zu integrieren, zu analysieren und zu visualisieren. Die Software bietet eine Vielzahl von Werkzeugen, mit denen Unternehmen ihre Daten analysieren und Dashboards erstellen können. Es ist wichtig zu beachten, dass jedes Unternehmen individuelle Anforderungen hat und daher möglicherweise eine andere Software besser geeignet sein könnte. Es empfiehlt sich daher, die eigenen Bedürfnisse sorgfältig zu überdenken und dann die beste Lösung für das Unternehmen zu wählen.nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Beste Open-Source ETL Tools für die Datenintegration · Excel Best Practices · Steuerbare Eingangsmetriken

/ / Jedox, Business Intelligence

Jedox Berater für Ihren Erfolg

Business Intelligence, kurz BI, ist eine Sammlung von Methoden, Technologien und Anwendungen, die es Unternehmen ermöglichen, ihre Daten zu sammeln, zu analysieren und zu visualisieren, um so bessere Entscheidungen treffen zu können. Durch die Nutzung von BI können Unternehmen ihre Geschäftsprozesse optimieren, Risiken minimieren und Wettbewerbsvorteile erlangen.

Jedox Berater

Ein Jedox Berater ist eine Person, die speziell dafür ausgebildet wurde, Unternehmen bei der Einführung und Nutzung von Jedox, einer Business Intelligence-Software, zu unterstützen. Jedox ist eine leistungsstarke Plattform, die es Unternehmen ermöglicht, ihre Daten zu integrieren, zu analysieren und zu visualisieren, um so bessere Entscheidungen treffen zu können. Ein Jedox Berater bietet Unternehmen eine Vielzahl von Vorteilen:
  1. Expertise: Ein Jedox Berater verfügt über umfangreiches Wissen und Erfahrung in der Nutzung von Jedox und kann Unternehmen bei der Einführung und Nutzung der Software unterstützen.
  2. Zeitersparnis: Ein Jedox Berater kann Unternehmen dabei helfen, wertvolle Zeit und Ressourcen zu sparen, indem er sie bei der Einführung und Nutzung von Jedox unterstützt.
  3. Kostenersparnis: Ein Jedox Berater kann Unternehmen dabei helfen, Kosten zu minimieren, indem er sie bei der Einführung und Nutzung von Jedox unterstützt. Durch die Nutzung von Jedox können Unternehmen ihre Geschäftsprozesse optimieren und so Kosten einsparen.
  4. Verbesserung der Entscheidungsfindung: Ein Jedox Berater kann Unternehmen dabei helfen, ihre Daten zu integrieren, zu analysieren und zu visualisieren, um so bessere Entscheidungen treffen zu können. Durch die Nutzung von Jedox können Unternehmen ihre Geschäftsprozesse optimieren und so ihre Wettbewerbsfähigkeit verbessern.
Insgesamt bietet ein Jedox Berater Unternehmen eine Vielzahl von Vorteilen bei der Einführung und Nutzung von Jedox.

Jedox Freelancer

Es gibt zusätzliche Gründe zu den oben genannten, warum ein Jedox Freelancer möglicherweise die bessere Wahl sein könnte als ein Jedox Berater:
  1. Kosten: Freelancer sind meistens als Beratungsunternehmen, da sie keine festen Personalkosten und Overhead-Kosten haben. Dies kann für Unternehmen, die auf der Suche nach kostengünstigen Lösungen sind, von Vorteil sein.
  2. Flexibilität: Freelancer sind in der Regel flexibler als Beratungsunternehmen und können schneller auf die Bedürfnisse eines Unternehmens reagieren. Sie können auch auf Projektbasis arbeiten, was für Unternehmen von Vorteil sein kann, die nur gelegentlich Unterstützung bei der Nutzung von Jedox benötigen.
  3. Spezialisierung: Freelancer sind häufig spezialisierter als Beratungsunternehmen und können daher tiefgreifendes Wissen und Erfahrung in einem bestimmten Bereich bieten. Dies kann für Unternehmen von Vorteil sein, die spezifische Unterstützung bei der Nutzung von Jedox benötigen.
  4. Persönlicher Ansatz: Freelancer arbeiten in der Regel direkt mit den Kunden zusammen und können daher einen persönlicheren Ansatz bieten als Beratungsunternehmen. Dies kann für Unternehmen von Vorteil sein, die eine engere Zusammenarbeit mit ihren Beratern wünschen.
Es ist wichtig zu beachten, dass jedes Unternehmen individuelle Anforderungen hat und daher möglicherweise ein Berater oder Freelancer besser geeignet sein könnte. Es empfiehlt sich daher, die eigenen Bedürfnisse sorgfältig zu überdenken und dann die beste Lösung für das Unternehmen zu wählen.nn

Weiterführende Artikel

n

Weiterführende Artikel

Weiterlesen: Data Warehouse (DWH) · Business Intelligence Software · Steuerbare Eingangsmetriken

/ / Business Intelligence

Dashboard Sichtbarkeit

Ein Dashboard für den Anwender

Der häufigste Grund, den ich gehört habe, um die Einrichtung eines Dashboards zu rechtfertigen, ist eine Variante von „wir brauchen das, weil [Mitarbeiter] dann die Kennzahlen jederzeit einsehen kann“. Die Theorie besagt, dass der Analyst nun, da die Zahlen und Diagramme auf einem Dashboard zur Selbstbedienung zur Verfügung stehen, sich anderen Aufgaben widmen kann, während die Teams den Finger am Puls des Geschäfts haben wie nie zuvor. In der winterlichen Jahreszeit verlangsamen sich die Geschäftstätigkeit und andere Aktivitäten. Die Zahl der Menschen, die sich für ein Dashboard interessieren und eine Kennzahl im Auge behalten, ist auf dem niedrigsten Stand des Jahres. Und doch gehen die Geschäfte und das Leben an sich weiter wie bisher. Wenn Sie Zugang zu den Daten über die Seitenaufrufe von Dashboards haben oder einfach nur feststellen, dass der Datencache immer veraltet ist, können Sie leicht feststellen, dass die große Mehrheit der Dashboards nicht angesehen wird. Einmal habe ich beobachtet, wie eine wichtige Änderung an das Data Warehouse übermittelt wurde und mehr als die Hälfte der Dashboards einiger Teams kaputt gingen, ohne dass dies jemandem aufgefallen wäre. Mit diesem Wissen im Hinterkopf sind die meisten Leute der Meinung, dass ein solches Dashboard gar nicht erst hätte existieren müssen. Welchen Wert kann man schließlich schaffen, wenn das Tool nie bis selten von der vorgesehenen Zielgruppe genutzt wird? Wenn der Datenverantwortliche dann auch noch Zeit und Mühe aufwenden muss, um das Dashboard zu pflegen, wird die Sache schlimmer. Im Großen und Ganzen stimme ich mit dieser Einschätzung überein. Es ist nie gut, wenn man sich die Mühe macht, etwas zu entwickeln, das nicht genutzt wird. Aber die meisten Dinge sind nicht so einfach, und so habe ich in letzter Zeit darüber nachgedacht, ob es überhaupt einen Wert hat, eine Reihe von selten (oder nie) genutzten Dashboards herumliegen zu haben.

Warum werden die meisten Dashboards übersehen?

Es gibt viele Faktoren, die dazu führen, dass Menschen lernen Dashboards zu ignorieren. Die enthaltenen Informationen können sich über Tage hinweg wiederholen und die Menschen langweilen sich. Sie sind nicht relevant für das, woran sie gerade arbeiten. Sie sind schwer auffindbar und sie vergessen, wo sie sich befinden. Und so weiter. Ich glaube das größte Problem ist, dass die Zahlen und Diagramme auf einem Dashboard nur selten eine direkte persönliche Bedeutung für die Benutzer haben. Es gibt zich andere Dinge zu tun, und wenn das Dashboard nicht direkt mit der eigenen Leistung oder Vergütung zu tun hat, gibt es wahrscheinlich wichtigere Dinge, auf die man schaut. Die Wahrscheinlichkeit, dass Menschen die Aktienkurse überprüfen, ist größer, wenn sie die Aktien tatsächlich besitzen (und somit von ihnen profitieren). Selbst wenn man es gut meint und weiß, dass eine Kennzahl wichtig ist, wie z. B. der Umsatz des Unternehmens/der Abteilung/der lokalen Gruppe, so ist es doch sehr selten, dass es jemandem gelingt, die Überprüfung eines Dashboards oder das Lesen einer automatisierten E-Mail zu einer dauerhaften Gewohnheit zu machen. Menschen sind nun einmal so. Ohne eine externe Motivationsquelle werden Dashboards und andere Selbstbedienungstools in der Regel vergessen.

Bringen Sie externe Motivation ins Spiel

Wie kann man am besten von außen motivieren, sich ein Dashboard anzusehen? Meiner Erfahrung nach sollte man ein Treffen in den Kalender der Mitarbeiter eintragen, um die Kennzahlen auf dem Dashboard zu überprüfen und zu diskutieren. Das schafft einen starken Zwang, sich das Ding anzusehen, und es schafft auch eine Situation, in der man sich nicht frei bewegen und so tun kann, als würde man sich das Dashboard ansehen – es gibt überall Zeugen. Das ist wie das Teilen von Hausaufgaben in der Schule. Der Wert besteht darin, dass jetzt Diskussionen über die Daten stattfinden. Das bedeutet, dass wir uns gelegentlich der Tatsache stellen müssen, dass es uns vielleicht egal ist, ob eine Kennzahl nach oben oder unten geht oder ganz einfach schwankt. Es bedeutet, dass wir uns vielleicht eingestehen müssen, dass unsere Kennzahlen uns nichts sagen und wir etwas ändern müssen. Das Dashboard ist zufällig der Ausgangspunkt für all diese Diskussionen. Auf diese Weise werden Pläne und Entscheidungen getroffen. Ich schlage also vor, eine sehr teure Sitzung mit mehreren Beteiligten zu veranstalten, um die Existenz eines Dashboards zu rechtfertigen. Denn wenn ein solches Dashboard wichtig genug ist, um es zu erstellen und zu pflegen, dann sollte es auch so viel Wert schaffen, dass sich ein solches Treffen lohnt. Wenn wir wirklich der Meinung sind, dass ein Team die Konversionsrate des Anmeldetrichters für Benutzer überwachen muss, die die Website von Flugzeugen aus nutzen, dann sollten wir uns Zeit nehmen, um diese Bemühungen zu verfolgen. Andernfalls brauchen wir das Dashboard wahrscheinlich nicht zu erstellen, und es hilft, die Gesamtzahl in Schach zu halten. Das ist natürlich ein extremes Beispiel, aber ich habe eine Reihe solcher Sitzungen erlebt, die ziemlich gut gelaufen sind. Wenn sich schließlich herausstellt, dass das Dashboard nicht mehr relevant ist, haben Sie ein klares Signal, das Dashboard abzuschalten.

Der andere, ruhigere Anwendungsfall – Dashboards als Rückfallebene

Mir fällt noch ein anderer, weniger aufregender Grund für die Existenz bestimmter Dashboards ein. Sie fungieren als magische Konserven für Analysen, auf die Analysten in der Zukunft zurückgreifen können. Es ist wie mit der Dose gebackener Bohnen, die Sie hinten in der Speisekammer stehen haben. Sie ist wahrscheinlich gut und nützlich, könnte aber in den letzten drei Jahren verdorben sein und kann Ihnen auf unerwartete Weise das Leben retten. Selbst wenn niemand sonst jemals ein Dashboard verwenden wird, wird sich der Analyst, der es erstellt hat, höchstwahrscheinlich daran erinnern, dass ein solches Dashboard existiert und welche Fragen es beantworten kann. Wenn dann eine relevante Frage auftaucht (was unweigerlich der Fall ist), ist der Analyst oft die erste Person, die sich daran erinnert und das Dashboard zur Verwendung herauszieht. Selbst wenn das Dashboard durch verschiedene Änderungen der Datenquellen beschädigt wurde, können oft einige Teile der Methodik gerettet und aktualisiert werden, um sie an die modernen Systeme anzupassen. Selbst wenn man einige Dinge korrigieren muss, ist das wahrscheinlich eine größere Zeitersparnis, als wenn man eine Analyse von Grund auf neu machen muss. Sollten wir uns mit der Herstellung esoterischer Konserven beschäftigen? Eigentlich nicht. Der allgemeine Ratschlag, sich zu weigern, Dashboards zu erstellen, ist in der Regel richtig. Aber obwohl wir diesen Rat befolgen, uns dagegen wehren und versuchen, die Erstellung von Dashboards auf ein Minimum zu reduzieren, ist es unvermeidlich, dass wir jedes Jahr ein paar Dashboards zum Wegwerfen erstellen. Sei es, weil der organisatorische Druck zu groß ist oder weil es zu dem Zeitpunkt eine gute Idee zu sein schien, wir werden es tun. Ich möchte sagen, dass selbst diese Bemühungen einen gewissen Wert haben. Es ist nicht alles reine Verschwendung. Daher schlage ich vor, dass wir uns jedes Mal, wenn wir ein Armaturenbrett erstellen, das auf der Strecke bleibt, eine Minute Zeit nehmen und es absichtlich für unsere Zukunft schön verpacken. Es kostet nicht viel Mühe, irgendwo im Hintergrund ein paar Kommentare anzubringen, nur für den Fall, dass wir uns die Sache noch einmal ansehen. Es sind vielleicht keine schmackhaften Daten, aber sie erfüllen ihren Zweck.

Weiterlesen: Beste Open-Source ETL Tools für die Datenintegration · Datensilos: Was sind sie und wie geht man mit ihnen um? · Steuerbare Eingangsmetriken

/ / Business Intelligence, Unternehmenssteuerung

Dashboard als spezialisiertes Werkzeug

Aufgabe Nr. 3: Das spezialisierte Werkzeug

Das Dashboard ist ein spezifisches Werkzeug, das für einen bestimmten Zweck und für nichts anderes verwendet wird

Einsatzhäufigkeit im Alltag

Ausgehend von Aufgabe Nr. 2 gibt es eine Reihe von spezifischen Dashboards, die nur selten benutzt werden und für einen sehr engen Zweck bestimmt sind. Ein Beispiel hierfür wäre ein Dashboard, das für die (einmalige) Analyse einer ganz bestimmten Art von Betrugsmuster verwendet wird. Ein solches Dashboard würde die meisten Tage ignoriert werden, bis ein Vorfall gemeldet wird und wir die vergangene Analyse in Form eines Dashboards zur Überprüfung hervorholen müssen. Ein Beispiel aus der Praxis ist vielleicht eine Brandmeldezentrale (seltene Anforderung). Sie bieten Zugang zu verschiedenen Funktionen im Zusammenhang mit der Brandbekämpfung (Berichte darüber, welche Brandmeldeanlagen ausgelöst wurden, wo sich das Feuer möglicherweise befindet, Kontrolle über verschiedene Systeme usw.) und werden nur von einer kleinen Gruppe hochqualifizierter Personen und nur wenige Male im Jahr benutzt (meist bei regelmäßigen Inspektionen, Tests und im tatsächlichen Notfall). In der übrigen Zeit werden diese Dashboards von allen ignoriert. Für beide oben genannten Szenarien kann man die Dashboarderstellung als Fehlschlag einstufen, wenn man die Einsatzhäufigkeit mit der Nützlichkeit gleichsetzt. Doch in den wenigen Fällen, in denen sie existieren, sind sie sehr nützlich. Manchmal sind sie sehr raffiniert und gut gewartet (wie die Brandmeldezentralen), manchmal sind sie rudimentär skizzenhaft. Das Problem dieser selten genutzten spezialisieren Dashboards ist, dass sie in der Anforderungshäufigkeit überschätzt wurden. Für den Dashboardersteller ist es dann häufig versenkte Zeit und Ressourcen. Für den  Nutzer des Dashboards ergibt sich aus der Seltenheit der Anforderung das Problem, sich im Falle des Falles an dieses Dashboard zu erinnern.

Alternativen zu verwaisten Dashboards

Warnmeldungen für alle!

Ein häufiger Versuch, einen Teil der Arbeit, die Dashboards leisten, zu ersetzen, besteht darin, von einem „Pull“-Framework, bei dem die Mitarbeiter den Datenfluss selbst initiieren müssen (wozu sie nicht motiviert sind), zu einem „Push“-Framework überzugehen, bei dem die Mitarbeiter benachrichtigt werden, wenn sie einer Kennzahl Aufmerksamkeit schenken müssen. Die meisten dieser Lösungen fallen unter verschiedene Formen der „Alarmierung“ und „Anomalieerkennung„. Im Bereich Machine Learning ist dies derzeit ein aktiver Forschungsbereich, vor allem, weil wir all diese Dashboards haben, die wir loswerden müssen.

Das Push-System

Das größte Problem bei solchen Push-Systemen ist, dass es sich um ein extrem schwieriges Problem handelt und richtige Entscheidungen nicht immer von der Datenlage mitgetragen werden. Man benötigt ein System, das sich historische Werte ansieht und bewertet ob der nächste eingehende Wert anormal genug ist, um einen Menschen für die Klärung zu alarmieren. Es gibt viele Methoden, um dies zu erreichen, aber allgemeine Algorithmen können nicht die kontextabhängigen Nuancen erfassen, die Menschen verwenden. Mein Auto hat einen Spurhalteassistenten, der piepst, wenn ich kurz davor bin, die Spur zu verlassen, und das funktioniert im Allgemeinen gut. Aber auf bestimmten, sehr schmalen Straßen piept er auch ständig, und er geht auf jeden Fall los, wenn ich die Spur wechsle/ausfahre, ohne den Blinker zu setzen. Er kann einfach nicht wissen, was ich vorhabe, und warnt mich daher zu stark. Als Reaktion darauf habe ich gelernt zu wissen, wann ich es einfach ignorieren muss. Mit der Zeit und den Fortschritten der KI/ML werden wir diese Technik sicher noch verbessern. Ich habe noch nicht gesehen, was der aktuelle Stand der Technik für dieses Problem leisten kann. Aber solange ich nicht in der Lage bin, diese hochmoderne Technik für meine zufällige Dashboard-Metrik rechtzeitig für mein nächstes Meeting zum Laufen zu bringen, habe ich keine Energie, sie zu lernen.

Machen Sie jeden mit Daten vertraut

Die ganze „Selbstbedienungs“-Dashboard-Sache neigt dazu, aus sehr menschlichen Gründen zu scheitern. Die Nutzer, die die Daten erhalten, sind häufig nicht wirklich in der Lage, sich selbst zu bedienen. Auch wenn dies wie ein hoffnungsloses Problem erscheinen mag, ist es tatsächlich möglich, große Teile einer Organisation so zu schulen, dass sie die Fähigkeiten (und die Umgebung) besitzen, die für die Selbstbedienung und die Teilnahme an der Analyse erforderlich sind. Es erfordert nur eine Menge Arbeit, Organisation und die Bereitschaft aller Beteiligten, sich zu schulen und zu lernen. Doch es ist machbar. Wenn Sie Zugang zu einem datenkundigen Team haben, können Sie die Schleusen für die Selbstbedienung sogar noch weiter öffnen und den Mitarbeitern Zugang zu APIs und Analysedatensätzen geben, mit denen sie spielen können. Theoretisch ist dies das, was bestimmte BI-Tools wie Tableau, PowerBI, Qlik, Looker oder Jedox bieten, vorausgesetzt, Sie haben Zugang zu Menschen, die diese Tools nutzen können.

Weniger zufällige Versuche und mehr spezialisierte Tools

Ich halte sehr viel von spezialisierten Ansichten, denn die Dinge entwickeln sich in der Regel besser, wenn wir Artefakte absichtlich und nicht durch blinden Zufall schaffen. Das bedeutet, dass wir (und damit meine ich mich selbst) uns viel besser darüber im Klaren sein müssen, dass ich ein Dashboard-Tool entwickle, bei dem der einzige wirkliche Nutzer mein zukünftiges Ich sein wird, wenn jemand mit einer ähnlichen Frage zurückkommt. Wenn ich mir das von vornherein versinnbildliche, wirkt es sich das darauf  aus wie ich das Dashboard benenne und speichere, sowie auf die Art der Funktionen und Erklärungen, die ich aufnehmen werde. Am Anfang wird es roh und grob sein, mit den spezifischen Anforderungen wird es dann komplementär und intuitiv.

Aufgaben und Lösungen durch Dashboards

Ich bezweifle, dass ich es geschafft habe, alle möglichen Aufgaben aufzuzählen, die von Dashboards im Laufe der Jahre verlangt wurden. Aber es scheint so zu sein, dass wir, wenn wir aufschlüsseln, was wir eigentlich erreichen wollen, nicht viele Dashboards übrig bleiben.
  • Für spezielle Aufgaben gibt es spezielle Lösungen,
  • ganzheitliche Sichten wahren den Überblick.
  Weitere Teile der Serie: Aufgabe Nr. 1: Situationsbewusstsein Aufgabe Nr.2 : Zugang und flexible Erkundung von Daten      

Weiterlesen: Excel Best Practices · Costcenter versus Profitcenter · Steuerbare Eingangsmetriken

/ / Business Intelligence, Unternehmenssteuerung

Dashboard – Zugang und Erkundung der Daten

Dashboard Aufgabe Nr. 2 – Zugang und flexible Erkundung der Daten

Unterschiedlicher Personengruppen wollen einen „Selbstbedienungs“-Zugang zu Entscheidungsinformationen um individuell Handeln können

Diese Aufgabe überschneidet sich in gewisser Weise mit Aufgabe Nr. 1. Der Grundgedanke beim self-serivce Ansatz eines Dashboards ist es, den Menschen Raum zu geben, Sachverhalte selbst zu erforschen, einzuordnen und zu entdecken. Je nach Personengruppe ist eine unterschiedliche Darstellung der Daten sinnvoll, da andere Fragestellungen beantwortet werden sollen. Die Frage, was genau „Selbstbedienung“ in einem Daten-/Informationskontext bedeutet ist nicht ganz klar. Vereinfacht kann man ein entgegengesetztes Spektrum einsetzen:
  1. Menschen, die den Zugang zu Daten hätten nutzen können um eine Katastrophe abzuwenden, hatten ihn nicht zur Verfügung (z.B. Hochwasser 2021 im Ahrtal) und
  2. Menschen, die den Zugang zu Daten missbrauchen, um Handlungen zu unterlassen (Katastrophenschutz für das Ahrtal).
Per se ist ein Dashboard weder gut noch schlecht, manche wollen die Datenlage auch nicht akzeptieren. Hierbei gibt es eine Reihe von Problemen mit self-service Dashboards:
  • Die Daten befinden sich nicht auf der „richtigen Flughöhe“ des Berichtempfängers. Sie sind entweder zu allgemein oder zu detailliert. Die Hinzufügung von Steuerelementen, mit denen die Benutzer die Dinge anpassen können, macht die Erstellung und Bedienung in der Regel (exponentiell) komplexer.
  • Die Erstellung und Pflege von granularen Dashboards kann ein langfristiges Unterfangen werden.
  • Die Mitarbeiter müssen darin geschult werden, wie sie das Dashboard effektiv nutzen können. Es muss ihnen beigebracht werden, was normal und was unnormal ist und was das Dashboard aussagen kann bzw. nicht aussagen kann.
Zu guter letzt ist die Erstellung einer komplexes Datengrundlage ein iterrativer Prozess, der niemals abgeschlossen ist. Unterschiedliche Anforderungen an Interpretationsfähigkeit, Zeitebenen und Granularität können sich mit der Zeit wandeln, von der Aufbereitung hin bis zur Bedeutung.

Dashboards erfolgreich machen

Aus meiner Erfahrung heraus ist der beste Weg um ein selbst zu bedienendes Dashboard erfolgreich zu etablieren, es für den Berichtsempfänger, d.h. für ein bestimmtes Team oder bestimmtes datenkundiges Mitglied eines Teams Maßzuschneidern. Das widerspricht dem Kerngedanken, dass sich Stakeholder ihre Daten selbständig zusammenklicken können. Allerdings hat die Praxis gezeigt, dass es meistens eine einmalige Geschichte ist und die Vergleichbarkeit der Daten verloren geht, wenn die Daten mit unterschiedlichen Maßstäben dargestellt werden. Sinnvoller ist es die Anforderungen bei einer Person oder Team zu sammeln. Daraus lässt sich ein Datenmodell erstellen das allen Stakeholder nützt und den betriebswirtschaftlichen Austausch fördert anstatt ihn zu verletzten. So kann die ganzheitliche Datengrundlage aus verschiedenen Blickwinkeln betrachtet und genutzt werden. Aufgabe Nr. 1: Situationsbewusstsein Aufgabe Nr. 3: spezialisiertes Werkzeug  

Weiterlesen: Das Dashboard als Status quo · Jedox Berater für Ihren Erfolg · Steuerbare Eingangsmetriken

Nach oben scrollen