So automatisieren Sie Berichte (und stellen wertvolle Erkenntnisse bereit)

So automatisieren Sie Berichte (und stellen wertvolle Erkenntnisse bereit)

Wenn Sie zu den 247 Millionen fortgeschrittenen und professionellen Excel-Anwenderinnen und -Anwendern in der Welt gehören, haben Sie wahrscheinlich Excel genutzt, um sehr zeitaufwendige und manuelle Berichtsprozesse teilweise zu automatisieren. Zahlreiche Funktionen, Formeln, Skripte und andere Features stehen Ihnen zur Verfügung.

SQL, APIs und andere Services helfen da ebenfalls.

Aber liefern die von Ihnen erstellten Berichte die Informationen und Erkenntnisse, die man benötigt, um datenbasierte Entscheidungen zu treffen? Oder handelt es sich nur um Ad-hoc-Anfragen, die eine simple Frage beantworten sollen?

Und können Sie sie effizient und dynamisch automatisieren, den Prozess anschließend replizieren und an andere Personen weitergeben, die dann schnell Ergebnisse replizieren und in automatische Erkenntnisse umwandeln können?

Eine Checkliste für automatisierte Berichte

Damit Ihre Berichte Sie bei der Entscheidungsfindung unterstützen können, müssen sie die folgenden Fragen beantworten können:

1. Was ist passiert?
2. Warum ist es passiert?
3. Was könnten wir als Nächstes tun?
4. Was sollten wir als Nächstes tun?

Die Erstellung von Berichten, die all diese Fragen beantworten, ist jedoch schwierig, wenn Prozesse manuell sind, nicht einfach angepasst werden können und weitere Analysen erforderlich sind, um die erforderlichen Informationen zu erhalten.

Aus diesen Gründen liefern die meisten Berichte nur Informationen für den ersten Schritt des Entscheidungsprozesses, und viele Analystinnen und Analysten werden damit beauftragt, Berichte und Dashboards zu erstellen, die lediglich beschreibende Analysen bieten.

Aber der Status quo ist nur selten der beste Weg. Wenn Sie Berichte erstellen können, die dabei helfen, Fragen in allen Phasen des Entscheidungsfindungsprozesses zu beantworten, dann warten goldene Zeiten auf Sie.

Sprechen wir darüber, warum die Berichte (und Dashboards), die Sie jetzt erstellen, diese Informationen nicht liefern und was Sie tun können, um das zu beheben.

Warum die meisten Berichte (und Dashboards) nicht ausreichen

Berichte und Dashboards sind die beiden Haupttypen der Berichterstellung, die Unternehmen zur Verfolgung von KPIs und anderen Metriken einsetzen. Die meisten beantworten leistungsbezogene Fragen, z. B. wie sehr sich eine bestimmte Kennzahl im Jahres- oder Quartalsvergleich verändert hat.

Diese Art von Business Intelligence eignet sich gut, um das allgemeine Wachstum oder den Rückgang der Leistung einer KPI zu verstehen – und für den ersten Schritt des Entscheidungsfindungsprozesses, bei dem es darum geht, die Ergebnisse zu verstehen.

Sie hilft jedoch nur wenig bei allen anderen Schritten des datengesteuerten Entscheidungsprozesses.

Sehen wir uns einmal an, warum das so ist.

Der datengesteuerte Entscheidungsprozess

1. Die Ergebnisse verstehen
2. Die Ergebnisse interpretieren
3. Die Ergebnisse nutzen, um mögliche weitere Schritte zu bestimmen
4. Die beste Option wählen

1. Die Ergebnisse verstehen

Dabei handelt es sich in der Regel um Fragen, die mit Ja, Nein, einer Zahl, einem Wort oder einem Satz beantwortet werden können.

• Wie stark ist der Umsatz nach oben oder unten gegangen?
• Was war das Ergebnis unserer letzten Kampagne?
• Erreichen wir unsere Jahresziele?

Diese Informationen zu kennen, erfordert einen allgemeinen Überblick über die Daten. Berichte und Dashboards eignen sich dafür sehr gut.

2. Die Ergebnisse interpretieren

Bei diesem Schritt beginnt man, „Warum“-Fragen zu stellen.

• Warum ist der Umsatz nach oben oder unten gegangen?
• Warum hat unsere kürzlich durchgeführte Kampagne funktioniert oder nicht?
• Warum haben wir unsere Jahresziele erreicht oder nicht?

Um dies zu verstehen, müssen Sie die Daten hinter den Ergebnissen untersuchen. Sie können diese Informationen mit in Excel integrierten Berichten und Dashboards finden. Dennoch benötigt man dafür Zeit, Excel-Kenntnisse und weitere Analysen – von Ihnen und den Personen, die Excel nutzen.

3. Die Ergebnisse nutzen, um mögliche weitere Schritte zu bestimmen

In Schritt 3 wird über alle möglichen Maßnahmen nachgedacht, die ergriffen werden könnten, um Veränderungen zu ermöglichen; es werden also „Was könnte“-Fragen gestellt.

• Was könnte den Umsatz steigern?
• Was könnte die Kampagnenleistung steigern?
• Was könnten wir tun, um unsere Ziele in diesem Jahr zu erreichen?

Um die Antworten auf diese Fragen zu verstehen, sind Predictive Analytics erforderlich, die Vertrauensscores und Koeffizienten liefern. Dies ist in Excel mit kleineren Datasets möglich, aber die Tabellenkalkulationssoftware ist nicht für große oder komplexe Datasets ausgelegt.

Dieser Prozess erfordert zudem die Vorbereitung der Daten, wobei Automatisierung schneller und effizienter ist, vor allem in einem Workflow. Automatisierte Workflows ermöglichen es Ihnen und anderen, die einzelnen Schritte eines Prozesses nachzuverfolgen. Sie können sie verwenden, um einfach herauszufinden, wie Daten geändert wurden, was bei manueller Untersuchung von Zellen und Formeln in einer Tabelle eine mühsame Aufgabe ist.

4. Die beste Option wählen

Bei diesem Schritt haben Entscheider:innen mehrere mögliche Optionen zur Auswahl. Was sie bestimmen können wollen, ist die beste Handlungsmöglichkeit. Hier werden „Was sollte“-Fragen gestellt.

• Was sollten wir unternehmen, um den Umsatz zu steigern?
• Was bzw. welche Kampagnen sollten wir fortsetzen oder als Nächstes durchführen?
• Was sollten wir tun, um unsere Jahresziele zu erreichen?

Um die beste Option zu ermitteln, ist Prescriptive Analytics erforderlich. Auch das ist in Excel möglich, wenn Sie kleine Datasets verwenden, mit großen jedoch nicht.

Verbesserung des Berichterstellungsprozesses

Jetzt, da Sie wissen, welche Art von Informationen alle benötigen, gibt es drei Dinge, die Sie tun können, um den Berichterstellungsprozess zu verbessern.

Jeder Bericht, den Sie erstellen, sollte folgende Kriterien erfüllen:

1. Er sollte einfach zu verstehen sein.
2. Leicht zu teilen
3. Er sollte in Self-Service genutzt werden können.

So hilft jedes der drei Kriterien beim Entscheidungsprozess, um umsetzbare Erkenntnisse zu liefern.

Einfach zu verstehen

Alle Teammitglieder sollten in der Lage sein, das Folgende zu verstehen:

• Performance, ohne fragen zu müssen: „Wonach suche ich überhaupt?“
• Welche Faktoren zu den Ergebnissen geführt haben
• Welche Faktoren künftige Performance am stärksten beeinflussen könnten
• Die beste Entscheidung in jeder Situation, um Ergebnisse zu erzielen

Leicht zu teilen

Alle Teammitglieder sollten zu Folgendem in der Lage sein:

• Berichte mit allen teilen, die die Daten benötigen, um Entscheidungen zu treffen
• Compliance gewährleisten und sensible/personenbezogene Daten bei der Anzeige schützen
• Angepasste Berichte für Regionen, Partner und Dritte
• Berichte an Auditoren oder andere weitergeben, die über die Berechtigung zum Anfordern von Daten verfügen

Er sollte in Self-Service genutzt werden können.

Alle Teammitglieder sollten in der Lage sein, Berichte zu den folgenden Zwecken zu verwenden:

• Angepasste Erkenntnisse erzeugen, ohne über technisches Fachwissen verfügen zu müssen
• Daten abfragen und herausfinden, welche Faktoren zur Performance beigetragen haben
• Fragen zu den bestmöglichen Optionen beantworten, ohne dass Ad-hoc-Anfragen erforderlich sind
• Erklären, warum eine bestimmte Aktion die beste Lösung für ein Problem ist

Wechsel von Excel zu automatisierten Tools für die Berichterstellung

Excel hat sich zwar in den letzten Jahrzehnten bei Data Analysts bewährt, kann aber nicht mit den modernen Analysen und Geschäftsdaten Schritt halten, die viele Unternehmen benötigen.

Als Dashboard-Tool benötigt es mehr Verarbeitungsleistung, um große Datasets zu handhaben. Es hat offensichtliche Schwachstellen bei der Einhaltung der Datenkonformität. Und es war nie dafür gedacht, Berichte einfach teilen zu können.

Was sollten Sie also stattdessen verwenden?

Nun, es gibt viele Optionen, aber hier ist eine Checkliste, anhand derer Sie eine Option auswählen können, die alles abdeckt, was wir besprochen haben.

Checkliste für automatisierte Berichterstellung

• Importiert und aggregiert Daten aus allen Quellen, die Sie jetzt oder künftig verwenden, z. B. ERPs, Data Warehouses und mehr
• Liest und verarbeitet alle Datentypen, die Sie jetzt oder künftig verwenden, und enthält Echtzeitinformationen
• Lässt sich mit anderen Analysetools und Datenquellen integrieren
• Automatisiert Analyseprozesse wie Vorbereiten, Zusammenführen, Bereinigen, Analyse, Advanced Analytics, Machine Learning, Data Science, Prognosen und vieles mehr
• Exportiert Daten in Visualisierungsdienste, die Sie verwenden, wie Tableau und andere
• Bietet Funktionen für geplante Berichte
• Zentralisiert Datenbestände, darunter Datasets, Workflows und Berichte
• Ermöglicht Zugriffskontrollen, um sicherzustellen, dass nur Personen mit der entsprechenden Berechtigung auf bestimmte Daten zugreifen können
• Bietet eine klare Datenherkunft für Auditing und mehr
• Bietet interaktive Visualisierungen, Reporting-Dashboards und vieles mehr, das Beschäftigte mit unterschiedlichem Erfahrungs- und Kenntnisstand nutzen können
• Ermittelt automatisch Erkenntnisse für Entscheider:innen
• Bietet sowohl Cloud- als auch On-Premise-Optionen
• Ermöglicht Lernen mit intuitiven Benutzeroberflächen, einfacher Erlernbarkeit und Ressourcen
• Befähigt und ermöglicht es allen, es als Teil des Entscheidungsprozesses zu nutzen

Der neue Berichterstellungsprozess in Aktion

Nachdem wir nun alle Informationen behandelt haben, die Sie in einen Bericht aufnehmen sollten, wie dieser bei der Entscheidungsfindung hilft und was Sie von einer Analysesoftware benötigen, um Sie dabei zu unterstützen, sehen wir uns ein kurzes, wenn auch simples Beispiel für diesen Prozess in der Praxis an.

Dafür sehen wir uns ein hypothetisches Beispiel für Geschäftsleistung an, das über den Verkauf eines neuen Küchengeräts berichtet, das die Vorbereitung des Abendessens beschleunigt.

1. Die Ergebnisse verstehen

Sie beginnen damit, verschiedene Geschäftsberichte für die letzten Verkäufe von Produkt XYZ zu untersuchen. Dazu gehören Vertriebsberichte, Marketingberichte, Berichte über Paid Social Media und vieles mehr.

Anstatt mit der Verarbeitung der Daten zu beginnen, um einen einzigen Bericht zu erstellen, nehmen Sie die nächsten Fragen vorweg, die Stakeholder stellen könnten, wie z. B.:

• Welche Faktoren trugen zum Anstieg oder Rückgang des Absatzes von XYZ bei?
• Welche Maßnahmen könnte das Unternehmen ergreifen, um den Absatz von XYZ zu steigern?
• Welche Maßnahmen sollte Ihr Unternehmen ergreifen, um das gewünschte Ergebnis zu erzielen?

Da Sie Tools zur Berichtsautomatisierung verwenden können, um die Datenvorbereitung und -analyse zu automatisieren, verbringen Sie mehr Zeit damit, nach zusätzlichen Informationen zu suchen, die Ihre Analyse bereichern können.

Sie durchsuchen einen zentralen Hub oder ein Repository mit allen Datasets, die Ihnen bei der Beantwortung dieser Fragen helfen könnten, wie z. B. bisherige Performance, Marketing- und Vertriebskampagnen usw. Sie suchen auch nach externen Datenquellen, wie Wetter, Wirtschaftsfaktoren, Umfragen und mehr, die Ihre Berichte bereichern könnten.

Sobald Sie alles haben, was Sie benötigen, automatisieren Sie den Prozess in einem Analyseautomatisierung-Tool, das die Datasets für Sie vorbereitet oder die Daten sogar in ein automatisiertes Dashboard hochlädt. Anschließend laden Sie die Daten in eine Software hoch, die automatisch Erkenntnisse für alle Benutzer:innen generiert.

Die Software verwendet im Idealfall KI und kann automatisch Anomalien, Ausreißer und Trends für alle Benutzer:innen zum Vorschein bringen. Sie generiert automatisch Berichte und liefert die Ergebnisse an Sie und alle anderen, die sie benötigen. Dies ist besonders dann hilfreich, wenn Ihre automatisierten Analysen mit regelmäßig aktualisierten Datenquellen integriert werden.

Sie können die Ergebnisse auch mit Daten von Drittanbietern anreichern und mithilfe von Machine Learning nach Korrelationen von Angebot, Preisgestaltung, Kampagnenbemühungen und mehr suchen.

2. Die Ergebnisse interpretieren

An dieser Stelle beginnen die Leute, Fragen zu stellen. Der Absatz von XYZ ist in Region A gestiegen, in Region B hingegen gesunken.

Da die von Ihnen verwendete Software automatisch Erkenntnisse generiert, können einige Personen diese weiter untersuchen und die Faktoren identifizieren, die zu einem Umsatzanstieg in Region A geführt haben. Aber vielleicht benötigen sie weitere Informationen, um herauszufinden, was zu dem Rückgang in Region B geführt hat

Sie müssen nicht mehr zurückgehen und Ihre Excel-Datenbank, -Berichte und -Dashboards bearbeiten, sondern können nach neuen Daten suchen und diese einfach in Ihren automatisierten Workflow integrieren, der sie dann in die von Ihnen verwendete automatisierte Berichterstellungssoftware einspeist.

Sie können Ihr CRM-System anpassen, um Daten zu erfassen, Tabellen anzupassen und Daten direkt in Ihr Cloud Data Warehouse zu übertragen. Um die Datenanalyse zu vereinfachen, können Sie auch Beispiel-Datasets nehmen, statt alle Daten aus einem Cloud Data Warehouse zu ziehen. So sparen Sie Zeit und Geld.

Typischerweise benötigen Sie einen Data Engineer, um all dies zu ermöglichen, aber mit Automatisierung wird es zu Self-Service.

Deswegen werden Sie in der Lage sein, eine größere Korrelation zwischen Ihren Daten zu finden, und vielleicht stellt Ihr Unternehmen fest, dass eine bestimmte Werbekampagne mit einem höheren Absatz in Region A, aber nicht in Region B korrelierte.

3. Mögliche weitere Schritte bestimmen

Da Ihr Unternehmen nun weiß, dass eine Werbekampagne den Umsatz in Region A gesteigert hat, wird nun wild darüber spekuliert, welche Werbekampagne durchgeführt werden soll.

Normalerweise beginnt man mit der Präsentation von Ideen, aber jetzt können Sie Predictive Analytics durchführen, um einzugrenzen, welche Faktoren einer Werbekampagne den Absatz am meisten steigern könnten.

Zu diesem Zeitpunkt könnten Sie eine Umfrage in Region B durchführen und diese Ergebnisse nutzen, um zu bestimmen, welche Werbekampagne durchgeführt werden soll. Oder Sie können Ihre Daten analysieren, um die leistungsstärkste Werbekampagne zu finden, die Sie in der Vergangenheit in dieser Region durchgeführt haben.

Ganz gleich, welchen Ansatz Sie wählen, treffen Sie die Entscheidung anhand von Daten, indem Sie alle Datasets erfassen, die Ihnen zur Verfügung stehen, und die Vorbereitung dieser Daten für Machine Learning automatisieren.

Sie finden heraus, dass die Werbeanzeigen, die in Region B am besten funktioniert haben:

1. Rabatte und Einsparungen enthalten
2. Kürzer als 15 Sekunden sind
3. Seiten und Videos anzeigen, die sich explizit auf Mahlzeiten beziehen, die jeder Mensch in unter 20 Minuten zubereiten kann

4. Die beste Option wählen

Jetzt müssen Sie nur noch ein paar Anzeigenkampagnen erstellen, sie so gut wie möglich für Machine Learning vorbereiten und eine präskriptive Analyse durchführen.

Ihr Unternehmen erstellt drei Anzeigenkonzepte, und Sie stellen fest, dass das Werbekonzept C die höchste prognostizierte Chance hat, den Umsatz zu steigern.

Teams entwickeln eine Werbekampagne, führen sie aus und warten auf die Ergebnisse.

Fazit

Natürlich ist der Berichtsprozess nie so einfach oder sauber wie im obigen hypothetischen Beispiel. Das Beispiel vermittelt Ihnen aber hoffentlich eine Vorstellung davon, wie der Berichterstellungs- und Entscheidungsprozess aussehen könnte.

Excel ist zwar ein wunderbares Tool zur Erstellung einfacher Datenvisualisierungen, Dashboards und Berichte, es ist jedoch begrenzt in der Menge der Daten, die verarbeitet werden können, und in der Geschwindigkeit, in der neue Informationen hinzugefügt und analysiert werden können.

Um den Berichterstellungsprozess zu verbessern und einen datengesteuerten Entscheidungsprozess zu ermöglichen, müssen Sie nach Möglichkeiten suchen, um so viele Datenanalyseschritte wie möglich zu automatisieren. Dadurch haben Sie mehr Zeit, die Fragen zu stellen, die zu Erkenntnissen führen, und die Daten zu finden, die Sie für Ihre Entscheidungen benötigen.

Erfahren Sie, wie Alteryx Auto Insights den Berichterstellungsprozess automatisiert und die Informationen zum Vorschein bringt, die Ihr Unternehmen benötigt, um Geschäftsentscheidungen zu treffen.