Self-Service benennt hier im Allgemeinen den Ansatz, dass Anwender selbstständig Ergebnisse erzeugen und diese nicht nur in sich abgeschlossen zur Ansicht bereitgestellt bekommen.
Da im Unternehmensalltag zunehmend Geschwindigkeit am Markt und in der Leistungserstellung zählt und Firmen daher auf Datenanalysen angewiesen sind, werden heute Transaktions- und demografische Daten, Daten zu Kundeninteraktionen sowie Vertriebs- und Marketingbemühungen ausgewertet. Dieser Wandel trifft aber auf eine IT-Abteilung, die in der Regel durch die Sicherstellung des Tagesgeschäfts limitiert ist und kleine oder große Anforderungen nicht ohne Weiteres zeitnah umsetzen kann, sodass in Abteilungen wie Vertrieb, Marketing und Finanzen die Anzahl von Datenanalysten zugenommen hat und weiterhin zunimmt.
Ob diese nun Business Analyst, Data Analyst oder Data Scientist genannt werden – sie alle haben die Aufgabe, Daten vorzubereiten und zu verwenden, um spezifische Geschäftsfragen zu beantworten. Zusätzlich zu diesen dedizierten Datenprofis gibt es auch eine wachsende Zahl von Gelegenheitsanalysten, die weniger auf spezialisierte Analysen angewiesen sind, aber nun Werkzeuge erfordern, mit denen sie selbst im Sinne des Self-Service analytisch handeln können. Dabei zeigt sich aber, dass die wachsende Anzahl (selbst)ernannter und zufälliger Datenanalysten mehr und mehr unterschiedliche Werkzeuge einsetzt.
Daraus resultieren auch Auswirkungen organisatorischer Natur, da einerseits zu klären ist, wie weit der Self-Service eigentlich gehen soll, sodass Datenintegrationsaspekte sowie Berechtigungsund Governance-Konzepte relevant sind. Darüber hinaus sollte festgelegt werden, welche technische, algorithmische und fachliche Ausbildung für die eigenhändige Datenanalyse vorausgesetzt wird. Andererseits wirkt sich die Vielzahl der verfügbaren Werkzeuge und insbesondere die Dynamik des Open-Source-Segments ebenso auf die IT-Architektur eines Unternehmens aus und damit auch auf das Zusammenspiel zwischen IT- und Fachabteilung. Wer soll dann wie die Verantwortung übernehmen, um den Ansprüchen einer Dezentralisierung gerecht zu werden und die Effektivität im Gesamtsystem Unternehmen zu steigern?
Ebendiese Frage brachte mich auf den gewählten Titel: Nimm du ihn, ich hab’ ihn auch nicht. So oder so ist Analytics immer nur eine Phase im Entscheidungsprozess. Ohne eine gelebte und effektive Entscheidungskultur kann auch Self-Service Analytics keinen Beitrag leisten. Wenn die digitale Transformation und die Autonomisierung der Anwender einen Mehrwert für die tägliche Arbeit und das gesamte Unternehmen bringen sollen, dann muss zum einen geprüft werden, welche Arten und Werkzeuge der Datenanalyse eingeführt werden sollen. Zum anderen müssen die Mitarbeitenden entsprechend ausgebildet werden.
Ich freue mich, die hier skizzierten Themen im vorliegenden Heft in die Diskussion zu geben und so den Status quo des Self-Service in Unternehmen zu beleuchten, entstehende Spannungsfelder aufzuzeigen und auch Auswirkungen präsent zu machen, die im Kontext der Self-Service Business Intelligence und Analytics relevant sind. Wir freuen uns auf Ihre Meinung, Ihre Erfahrungen und den gemeinsamen Austausch.
