Datengesteuerte Analysetools für die Lieferkette sind nicht genug

Praktiker der Lieferkettenanalyse können viel von der Kundenanalyse lernen. Die beiden Bereiche basieren auf ähnlichen Geschäftsgrundlagen. Wir stellen fest, dass Daten und datengesteuerte Entscheidungshilfen nicht ausreichen. Die größten Schwierigkeiten bei Supply Chain oder Customer Analytics liegen in den kulturellen Praktiken der Unternehmen.

Der folgende Artikel wurde von Maz Iqbal verfasst, der seine wertvolle Perspektive aus der Sicht der Kundenanalyse darlegt.

Auf LinkedIn teilt Don Peppers seine Sichtweise, wie man mit Daten bessere Entscheidungen treffen kann. Das hat mich zum Nachdenken gebracht, und ich möchte mit Ihnen teilen, was mir dabei aufgefallen ist. Warum sollten Sie meinen Ausführungen zuhören? Ich habe einen wissenschaftlichen Hintergrund (BSc Applied Physics). Ich habe mich als Wirtschaftsprüfer qualifiziert und war an der Erstellung aller Arten von Berichten für Manager beteiligt und habe gesehen, was sie damit gemacht oder nicht gemacht haben. In jüngerer Zeit war ich Leiter eines Unternehmens für Data Mining und prädiktive Analysen. Lassen Sie uns beginnen.

Daten und datengestützte Entscheidungshilfen reichen nicht aus

Ja, es gibt eine Datenflut, und diese Flut wird immer schneller kleiner. Groß genug und schnell genug, um den eingängigen Namen Big Data zu erhalten. Was dabei vergessen wird, ist der Aufwand, der nötig ist, um diese Daten für den Zweck der Modellierung fit zu machen. Das ist keine einfache und billige Aufgabe. Aber sie ist machbar, wenn man genügend Ressourcen dafür einsetzt.

Ja, es gibt alle möglichen Werkzeuge, um Muster in diesen Daten zu finden. Und in den Händen der richtigen Leute (mit statistischer Ausbildung und Geschäftssinn) können diese Werkzeuge genutzt werden, um Daten in wertvolle (umsetzbare) Erkenntnisse zu verwandeln.

Das ist nicht so einfach, wie es klingt. Warum? Weil es an diesen statistisch geschulten und denkenden Menschen mangelt: Amateure reichen nicht aus, man braucht Experten, um zwischen Gold und Narrengold zu unterscheiden - mit genügend Daten kann man so gut wie jedes Muster finden. Statistisches Wissen allein reicht nicht aus, man muss es mit Geschäftssinn kombinieren. Gehen wir dennoch davon aus, dass wir diese Einschränkung überwinden können.

Die eigentliche Herausforderung bei der datengesteuerten Entscheidungsfindung in Unternehmen sind die kulturellen Praktiken. Wir verfügen nicht über die kulturellen Praktiken, die den Raum für eine datengesteuerte Entscheidungsfindung schaffen, damit diese auftauchen und gedeihen kann. Ein Denker, der viel klüger ist als ich, hat seine Weisheit bereits geteilt, ich lade Sie ein, zuzuhören:

"Denn von der Einsicht in die Methode hängt der wissenschaftliche Geist ab: und wenn diese Methoden verloren gehen, dann können alle Ergebnisse der Wissenschaft einen neuen Triumph des Aberglaubens und des Unsinns nicht verhindern. Kluge Menschen mögen von den Ergebnissen der Wissenschaft so viel lernen, wie sie wollen - dennoch wird man in ihren Gesprächen und vor allem in ihren Hypothesen immer bemerken, dass ihnen der wissenschaftliche Geist fehlt; sie haben nicht das ausgeprägte Misstrauen gegenüber den Irrwegen des Denkens, das durch lange Schulung tief in der Seele eines jeden wissenschaftlichen Menschen verwurzelt ist. Sie begnügen sich damit, überhaupt eine Hypothese zu irgendeiner Sache zu finden; dann sind sie Feuer und Flamme dafür und meinen, das sei genug ........ Wenn etwas unerklärt ist, erhitzen sie sich über den ersten Gedanken, der ihnen in den Sinn kommt und wie eine Erklärung aussieht...."

- Nietzsche (Menschlich, allzumenschlich)

Mir kommt der Gedanke, dass die wissenschaftliche Methode in der Unternehmenswelt nie Einzug gehalten hat. Lassen Sie die rationalistische Ideologie beiseite und schauen Sie sich genau an, was in der Wirtschaft vor sich geht und wie Entscheidungen getroffen werden. Ich behaupte, Sie werden feststellen, dass Nietzsches eindringliche Einsicht in den Zustand des Menschen heute noch genauso wahr ist wie zu der Zeit, als er sie äußerte. Die Praxis der Entscheidungsfindung in jeder Organisation, mit der ich je in Berührung gekommen bin, ist nicht wissenschaftlich: Sie folgt nicht der wissenschaftlichen Methode.

Im Gegenteil, Manager treffen Entscheidungen, die mit ihrer Intuition, ihren Vorurteilen und ihrem Eigeninteresse übereinstimmen. Es ist so selten, dass ich einen Manager (und eine Organisation) treffe, der/die Entscheidungen nach der wissenschaftlichen Methode trifft, dass ich, wenn dies geschieht, erstaunt bin. Es ist die gleiche Art von Unerwartetheit, wie wenn man bei einem Ligaspiel eine Flitzerin über das Fußballfeld rennen sieht.

Was sind die Herausforderungen bei der Umsetzung datengesteuerter Entscheidungsprozesse in Unternehmen?

Technologen haben eine Gabe. Welche Gabe? Die Gabe, das Wesen des Menschen nicht tief genug zu verstehen. In Ermangelung dieses Verständnisses können sie sich (selbstbewusst) hinstellen und die Tugenden und Vorteile der Technologie predigen. Wenn das Leben so einfach wäre.

Die Wahrheit ist für diejenigen von uns attraktiv, die nicht mit den Konsequenzen der Wahrheit konfrontiert sind. Datengestützte Entscheidungsfindung klingt großartig für diejenigen von uns, die datengestützte Instrumente und Dienstleistungen verkaufen (und damit ihren Lebensunterhalt verdienen und hoffen, reich zu werden).

Die Herausforderung bei der Einführung datengestützter Entscheidungsfindungsmethoden besteht darin, dass sie den Status quo stören. Wenn man den Status quo stört, hat man es mit den Mächtigen zu tun, die von diesem Status quo profitieren. Denken Sie an Sokrates:

"Das Wesen dessen, was Sokrates tat, machte ihn zu einem störenden und subversiven Einfluss. Er lehrte die Menschen, alles in Frage zu stellen, und entlarvte die Ignoranz von Personen, die Macht und Autorität ausübten. Er wurde sehr geliebt, aber auch sehr gehasst .... Am Ende verhafteten ihn die Behörden wegen .... und weil er nicht an die Götter der Stadt glaubte. Er wurde vor Gericht gestellt und zum Tode verurteilt..."

- Bryan Magee, Professor

 

Hüten Sie sich davor, erfolgreich eine Kultur der datengestützten Entscheidungsfindung einzuführen!

Mit ausreichendem Engagement und Investitionen können Sie eine datengestützte Entscheidungskultur einführen. So wie es die Leute bei Tesco getan haben. Und wenn Sie Ihre Entscheidungen auf der Grundlage von Daten über Ihre Kunden, Ihre Geschäfte und Ihre Produkte treffen, können Sie alle Ihre Konkurrenten ausstechen, wie verrückt wachsen und satte Gewinne erzielen. Wieder und wieder und wieder. Dann kommt der Tag der Abrechnung - wenn Sie mit den Fehlern konfrontiert werden, die es mit sich bringt, Entscheidungen ausschließlich auf der Grundlage von Daten zu treffen.

Tesco geht es nicht so gut. Dem Unternehmen geht es schon seit mehreren Jahren nicht mehr so gut - 2012 gab es sogar seine erste Gewinnwarnung überhaupt. Wie ist der aktuelle Stand der Dinge? Tesco hat in der ersten Hälfte dieses Jahres einen Gewinnrückgang von 23,5 % verzeichnet. Was hat Tesco unternommen, um mit dieser Situation umzugehen? So steht es im Artikel:

Letztes Jahr kündigte Tesco an, 1 Milliarde Pfund für die Verbesserung seiner Filialen im Vereinigten Königreich auszugebenund in die Modernisierung der Läden, das Produktsortiment, mehr Personal sowie in sein Online-Angebot zu investieren.

Die datengestützte Entscheidungsfindung weist eine Reihe von Mängeln auf. Zum einen geht die datengestützte Entscheidungsfindung davon aus, dass die Zukunft eine Fortsetzung der Vergangenheit sein wird. Das ist in etwa so, als würde man sagen, dass alle Schwäne, denen wir bisher begegnet sind, weiß waren, also sollten wir für weiße Schwäne planen. Und dann, eines Tages, taucht der schwarze Schwan auf! Die Rezession und das veränderte Verbraucherverhalten, das sich aus dieser Rezession ergab, war der schwarze Schwan für Tesco.

Außerdem wage ich die Vermutung, dass die Leute bei Tesco in ihrer Anbetung der datengesteuerten Entscheidungsfindung die Dimensionen vergessen haben, die wichtig sind, aber nicht in die Daten und die Vorhersagemodelle eingespeist wurden. Welche Dimensionen? Zum Beispiel die Erfahrungen der Kunden beim Einkaufen in Tesco-Märkten: zu wenig Personal, unzufriedenes Personal, Geschäfte, die von Tag zu Tag veralteter aussehen, die Qualität der Produkte...

Es sieht so aus, als hätten die Leute bei Tesco die weisen Worte eines meiner Vorbilder nicht beherzigt:

Nicht alles, was zählt, kann gezählt werden, und nicht alles, was gezählt werden kann, zählt.

- Einstein

Dieser Artikel über "Überlegungen zu Big Data, Customer Analytics und Data Driven Business" wurde von Maz Iqbal verfasst, einem Experten, der sich dafür einsetzt, Führungskräfte, Teams und Organisationen dabei zu unterstützen, durch die Schaffung von Mehrwert für Kunden und die Bereicherung des Lebens aller Beteiligten erfolgreich zu sein. Seine Website lautet http://thecustomerblog.co.uk/.