Auf der Grundlage von präzisen Umsatzprognosen kann der Drogeriehändler dm seinen Mitarbeitereinsatz auf Tagesebene in allen Filialen exakt planen, kein Mitarbeiter zu viel ist im Einsatz und keiner zu wenig. Kaufland konnte die Produktion in die Prozesskette integrieren und noch enger mit der Absatzplanung verzahnen, das führte zu einer höheren Produktverfügbarkeit. Zu hohe Lagerbestände sind auch beim Stuttgarter Warenhaus Breuninger kein Thema mehr.

Wie machen sie das?

Die Lösung liegt in den beiden viel zitierten Worten „Big Data“. Der Begriff steht für die Fähigkeit, enorme Datenmengen aus unterschiedlichsten Quellen zu sammeln, zu strukturieren und in sehr hoher Geschwindigkeit nahezu in Echtzeit auszuwerten. Mit Big-Data-Techniken und -Services lassen sich Zusammenhänge und Muster erkennen und dadurch bessere Vorhersagen für die Zukunft treffen.

Die Einsatzgebiete von Big Data umfassen alle Bereiche, in denen größere Datenmengen verarbeitet werden: von betriebswirtschaftlichen Anwendungen über die wissenschaftliche Forschung bis zur Medizin, derzeit am häufigsten im Marketing und im Vertrieb. Händler erstellen etwa Absatzprognosen für Wochen im Voraus und optimieren daraufhin die Preise. Im Bereich Finanzen, Buchhaltung und Controlling können Daten damit wesentlich schneller ausgewertet und Empfehlungen für die Geschäftsführung gegeben werden. Logistiker nutzen sie, um ihre Lieferprozesse zu optimieren und ihre Flotten effizienter zu managen. Fertigungsunternehmen lasten ihre Maschinen und Mitarbeiter besser aus. Banken und Versicherungen entwickeln maßgeschneiderte Angebote für ihre Kunden – mit dem geringsten Risiko für sie.

In Kombination mit anderen Technologien wie Cloud Computing oder mobilen Anwendungen entstehen im Zeichen von Big Data zahlreiche neue Online-Dienste, die von Start-ups oder etablierten Unternehmen auf den Markt gebracht werden. In Kombination mit anderen Technologien wie Cloud Computing oder mobilen Anwendungen entstehen im Zeichen von Big Data zahlreiche neue Online-Dienste, die von Start-ups oder etablierten Unternehmen auf den Markt gebracht werden. (© 2016 iStock)

Wer Big Data nutzen will, benötigt zuerst einmal Daten – Stammdaten, Produktionsdaten, Transaktionsdaten – je mehr und je strukturierter, desto besser ist die Qualität der Vorhersagen. „Technisch gesehen benötigen sie dafür am besten eine durchgehend digitalisierte Prozesskette, in der diese Daten nicht mehr in irgendwelchen Silos verschwinden, sondern für valide Prognosen wertbringend genutzt werden“, erklärt Michael Feindt, Gründer und Chief Scientific Advisor von Blue Yonder, einer Tochter des Hamburger Unternehmens Otto, die sich auf Big Data spezialisiert hat.

Gerade im Handel ist es überlebensnotwendig geworden, neue Technologien einzusetzen, um die steigenden Kundenanforderungen zu erfüllen und sich vom Wettbewerb abzusetzen. „Händler setzen vor allem auf Machine-learning Algorithmen auf Basis ihrer Daten, um beispielsweise ihre Warendisposition, Preise und auch Kundenansprache zu optimieren. Wichtige operative Entscheidungen können so automatisiert werden.

"Wer hier nicht mitzieht, wird auf Dauer in diesem Wettbewerb nicht überlebensfähig sein."

Michael Feindt

Chief Scientific Advisor von Blue Yonder

MF-Profil MF-Profil (© 2016 Blue Yonder)

Die Otto-Tochter hat sich auf Big-Data-Lösungen für den Handel spezialisiert. Otto selbst konnte mithilfe der Software bereits seine Retouren deutlich reduzieren. Dazu wurden große Datenmengen aus unterschiedlichen Quellen miteinander verknüpft und Zusammenhänge aufgezeigt. Beispielsweise trugen bessere Erklärungen im Online-Shop und eine Bestellunterstützung sowie kürzere Lieferzeiten zur Senkung der Retourenquote bei.

Auch für den Monheimer Katalogdistributor für Elektronikteile Schukat Electronic etwa sind die konstante Lieferfähigkeit und Schnelligkeit in der Bearbeitung von Bestellungen überlebenswichtig. Voraussetzung dafür ist ein effizientes Lager-, Liefer- und Bestellmanagement. Dafür setzt das Unternehmen heute die In-Memory-Datenbank SAP HANA und die Big-Data-Software Celonis Process Mining ein. Bei der Auswahl der Software waren sowohl der Chef als auch die Anwender mit im Boot. „Anhand der gewonnenen Daten können wir unsere Vertriebsprozesse besser steuern und beschleunigen“ erklärt Thomas Reichmann, Prozessverantwortlicher bei Schukat.

"Das größte Potenzial von Big Data liegt in der Entwicklung neuer Geschäftsmodelle."

Dr. Mathias Weber

Bereichsleiter IT-Services beim Berliner Digitalverband Bitkom

In Kombination mit anderen Technologien wie Cloud Computing oder mobilen Anwendungen entstehen zahlreiche neue Online-Dienste, die von Start-ups oder etablierten Unternehmen auf den Markt gebracht werden. Ein Beispiel dafür ist das Hamburger Start-up Kreditech. Es vergibt Kleinkredite nach Big-Data-Scoring. Dabei errechnet ein selbstlernender Algorithmus die Wahrscheinlichkeit, wie zuverlässig ein Kreditnehmer seine Raten bezahlen wird. Bei der Berechnung greift die Software auf alle verfügbaren Daten zu: Facebook-Profile, Amazon-Einkäufe, eBay-Bewertungen, Handydaten und vieles mehr. Insgesamt werden 15.000 Parameter in gerade einmal 35 Sekunden abgefragt und ausgewertet. Dazu muss der Kreditnehmer aus datenschutzrechtlichen Gründen natürlich sein Einverständnis geben.

Ob neues Geschäftsmodell oder Optimierung des bestehenden: Schnelligkeit ist Trumpf. „Unternehmen sollten am besten gleich damit beginnen, die Fragen zu analysieren, die der Markt an sie stellt, und daraus einen Business Case auf der Basis ihrer Unternehmensdaten zu entwerfen. Die Antwort auf den Business Case oder die Lieferung von automatisierten Entscheidungen übernehmen dann Algorithmen. Sie optimieren die Geschäftsprozesse und wirken sich unmittelbar positiv auf Profit und Umsatz aus. Daten sind das neue Öl!“, betont Michael Feindt von Blue Yonder.