BESCHREIBUNG
In dieser Episode des DIGITAL BREAKFAST PODCAST, dreht sich alles um die Bedeutung von Analytics und Datenstrategien für richtige Entscheidungen in Unternehmen. Die Gäste von Thomas Barsch, Peter Rother und Lars Eberhardt, teilen ihre Einsichten und Erfahrungen aus der Welt der IT-Projekteinführung und Unternehmenssoftware. Sie diskutieren darüber, wie Analytics dazu beitragen kann, die Projektfortschritte transparent zu machen und echten Mehrwert für die Gesamtsteuerung und Rentabilität von Unternehmen zu schaffen. Außerdem erfahren Sie, wie man schrittweise vorgehen kann, um den Einsatz von Analytics in Unternehmen effektiv voranzutreiben.
AUFZEICHNUNG
TRANSKRIPT
Lars Eberhardt [00:00:00]:
Transparenz steht über allem, weil das der Einstieg ist. Also erst wenn ich Transparenz über meine gesamte Situation, über meine Prozesse und über meine Systeme habe, kann ich eigentlich wirklich Mehrwert aus der Digitalisierung ziehen.
Thomas Barsch [00:00:15]:
Grüße, einen wunderschönen guten Morgen. Ich darf euch recht herzlich begrüßen zu einer weiteren Episode des Digital Breakfast Podcast. Heute sprechen wir über Leute, die nicht wissen, was sie tun oder Leute, die wissen, was sie tun. Und wenn euch das interessiert, bleibt dran.
Thomas Barsch [00:01:59]:
Ja, hallo! Einen wunderschönen guten Morgen, Lars! Einen wunderschönen guten Morgen, Peter! Schön, dass ihr da seid. Ich freue mich vor allen Dingen, weil ihr in meiner Wahrnehmung ein hochaktuelles, relevantes Thema an Bord habt, was glaube ich viele noch nicht kennen, immer noch nicht kennen. Und dadurch, dass sie es nicht kennen, wissen sie auch nicht, wie sie es nutzen können. Und das kurz zu machen, wir sprechen heute sehr, sehr stark über Analytics und was man damit machen kann.
Thomas Barsch [00:02:54]:
Aber gehen wir mal einen Schritt zurück. Vielleicht sagt er einfach noch mal ein bisschen was zu euch, wer möchte starten? Peter, komm oder Lars.
Peter Rother [00:03:01]:
Ja, ich starte mal. Thomas, vielen Dank für deine Einführung. Das ist ein spannendes Thema, tatsächlich. Ja, zu meiner Person. Also nach meinem Studium der Betriebswirtschaftslehre an der Universität München mit Schwerpunkt Operations Research und Statistik, habe ich mich schon sehr früh damit begonnen, mich mit Datenanalyse und mit datengetriebenen Geschäftsmodellen zu beschäftigen. Ein wesentlicher Teil meiner ganzen Vita war dann eine 15-jährige Tätigkeit bei einer sehr großen englischen Anwaltskanzlei, der Kanzlei Linklaters mit etwa 3000 Anwälten, wo ich schon früh mich mit dem Themen Business-Analyse, Business-Prozesse und ja auch Benchmarking beschäftigt habe. Vor etwa zehn Jahren habe ich mich dann selbstständig gemacht und vor etwa drei, vier Jahren zusammen mit Lars ein Geschäftsmodell entwickelt, wo ich diese Möglichkeiten, die so große Firmen bereits hatten, mit Datenmodellen, mit großen Business-Analyse-Tools zu arbeiten, jetzt und auch für kleinere Unternehmen möglich sind. Und ja, das hat uns letztendlich zusammengebracht, den Lars und mich, halt Unternehmen zu helfen im Bereich Business Intelligence und Business Analytics, den Firmen dort zu helfen.
Lars Eberhardt [00:04:17]:
Okay, super. Lars? Ja, sehr gerne. Also nochmal vielen Dank für die Einladung, Thomas. Ich habe einen wirtschaftsingenieurstechnischen Hintergrund. Da habe ich damals die Fachrichtung Elektrotechnik gehabt und habe mich eigentlich von vornherein für den Bereich Software auch sehr stark interessiert. Habe dann nochmal einen Master in Projektmanagement gemacht und habe dann auch so ein bisschen gestartet, indem ich bei IT-Projekteinführungen, ERP-Systeme, Sage-Systeme für den Einkauf, sagen wir mal, als technischer Konsultant tätig war. Also ich habe dort schon Berichte geschrieben, habe schon kleine Makros programmiert, habe aber auch mal schon Datenbanken mit SQL bearbeitet und so weiter und habe dann entschieden für mich, dass ich ja vielleicht als Selbstständiger besser durch die Welt komme, weil ich dann vielleicht das Gefühl habe, dass mehr hängen bleibt für mich und dass meine Leistung anders honoriert wird und habe mich dann mit der Firma Inside Solutions mit drei anderen zusammen, also wir waren zu viert, haben gegründet und haben dort Individualsoftware angeboten. Das habe ich ungefähr sieben Jahre lang gemacht, habe dann festgestellt, dass so ein bisschen halt, das ist vielleicht auch ganz normal bei vier Leuten, wenn man so ganz am Anfang auch startet, dass die paar Differenzen entstanden sind, auch wohin man will.
Lars Eberhardt [00:05:19]:
Und habe dann für mich entschieden, dass ich gerne aussteigen würde, weil ich mich nur noch auf den Bereich Hochtechnologie, also nur noch mit den Hochtechnologien beschäftigen möchte, also RPA, BI und KI. Und Das war jetzt nicht so die Vorstellung der anderen Gesellschaft. Dann habe ich meine Anteile quasi verkauft, bin dort ausgestiegen und habe die PDJ gegründet. Neben der PDJ habe ich dann zu der damaligen Zeit noch einen gewissen Einstieg in der Forschung gehabt, indem ich in der Technischen Hochschule in Würzburg-Schweinfurt das ERP- und BI-Labor unterstütze bei externen Forschungsprojekten.
Thomas Barsch [00:05:51]:
Okay, alles klar, super. Sag mal, was heißt die Abkürzung?
Lars Eberhardt [00:05:55]:
Du meinst BI jetzt?
Thomas Barsch [00:05:56]:
Nein, BI, ich kann auch sagen Business Digitalization, nein, PDJ.
Lars Eberhardt [00:05:59]:
Ach so, PDJ, Das steht für Prozess Digitalisierung jetzt. Das ist so, wenn man recht spontan ein neues Logo braucht und vielleicht einen neuen Namen braucht und dann kann es manchmal passieren, dass man nicht allzu kreativ ist. Ich habe mir immer gedacht, ach, mach mal nochmal einen guten Namen, wo man gutes Marketing drauf kriegt. Habe dann aber festgestellt, wenn man es abkürzt auf PDJ, dann ist es vielleicht gar nicht ganz so schlecht. Klappt bei anderen ja auch ganz
Thomas Barsch [00:06:18]:
gut. Also ich finde es auch ganz gut. Wenn man es einmal gehört hat, dann weiß man es auch. Also dann behält man das. Okay. Ja, vielen Dank für die Einblicke. Gehen wir mal einen Schritt weiter. Was sind denn so in der Regel die Herausforderungen, die ihr löst, die euch jetzt auf euch zukommen.
Thomas Barsch [00:06:32]:
Was sind so Herausforderungen für euer Geschäft, was ihr macht?
Lars Eberhardt [00:06:35]:
Ja, das kann ich vielleicht mal beantworten. In allererster Linie haben wir es ja mit Firmen zu tun, die irgendwo an der Schwelle zur Digitalisierung stehen. Manche sind schon einen Ticken weiter, aber viele starten jetzt einfach und sagen, okay, wir stellen fest, dass wir langsam, also wir haben schon Systeme eingeführt, das ist klar, das hat wohl jeder, man hat EAP-Systeme etc. Also wir haben eine relativ breit gestreute Landschaft, wir haben vielleicht noch Maschinen in der Produktion stehen etc. Und wir kommen jetzt einfach zu dem Punkt, wo wir feststellen, dass wir Insellösungen haben, aber im Ganzen eigentlich die Transparenz nicht zusammenbekommen. Und das ist ja auch aus wissenschaftlicher Sicht eigentlich, wenn man sich mit dem Digitalisierungsthema jetzt beschäftigt, ein ganz, ganz wichtiger Punkt. Also es ist eigentlich immer diese Transparenz steht über allem, weil das der Einstieg ist. Also erst wenn ich Transparenz über meine gesamte Situation, über meine Prozesse und über meine Systeme habe, kann ich eigentlich wirklich Mehrwert aus der Digitalisierung ziehen.
Lars Eberhardt [00:07:25]:
Und das ist genau der Punkt, wo wir dann auch ins Spiel kommen und wo wir einsteigen, indem wir den Leuten helfen, diese Einzelsystemen, vielleicht auch Maschinedaten etc. Sinnvoll zusammenzubringen und eben mit BI-Lösungen dann zu Transparenz zu kommen und, sag ich mal, in der Spitze dann, wenn das geschaffen ist, auch Mehrwert und neue Produkte zu schaffen, auch mit
Peter Rother [00:07:43]:
KI. Ja, möchte ich vielleicht noch hinzufügen. Ich sehe dann auch so die Herausforderungen, dass die Unternehmen glauben, dass sie immer so mit Mammutprojekten zu tun haben, dass man gleich alles auf einmal ändern muss. Das führt dann in der Regel zu Widerständen, Gegenveränderungen innerhalb der Firma. Dann werden Punkte wie Datenschutz, Sicherheitsbedenken etc. Angebracht. Man denkt immer über komplexe Integrationsprozesse und alles das sind für mich eben auch Herausforderungen, die wir also sehen in den Unternehmen, denen wir quasi dann wiederum mit versuchen, mit einer simplen Erklärung und der Transparenz eben zu entgegnen und zu sagen, ja, wo fangen wir jetzt eigentlich an?
Thomas Barsch [00:08:27]:
Ja, das ist auch so meine Wahrnehmung. Projekte sind so groß und dann, wenn sie größer sind, desto schneller werden sie tot geredet und dann passiert gar nichts und das ist natürlich das Schlimmste. Eins ist klar, man braucht natürlich eine Datenstrategie. Wo will man hin? Also das wäre jetzt die nächste Frage gewesen, was sind so die Zielsetzungen? Ich habe gesagt Transparenz, können wir vielleicht gleich noch mal darüber reden, über die Zielsetzung letztendlich Und dann gibt es immer wieder diese Showstopper und das ist natürlich eine Katastrophe. Anstatt einfach mal klein anzufangen mit einem System, das nächste System drauf, dann werden die Anwender auch in gewisser Weise mitgenommen und dann kommen schon die ersten Anregungen, ach, wir hätten gerne noch das und das oder wir hätten noch gerne das. Und dann dockt man quasi dann auch, ich sage jetzt mal so bedarfsgerecht, die Systeme an. Aber was ich jetzt ganz wichtig finde, klar, kleinen Anfang. Und Das ist ja, glaube ich, auch so die Philosophie von euch, kleinen Anfang, aber durch den Anfang nicht den Blick fürs große Ganze verlieren, dann in eine Sackgasse zu gehen.
Thomas Barsch [00:09:24]:
Also ich kann natürlich auch was kleine Inseln machen, aber ich gehe in eine Sackgasse und ein System implementieren, was die Anforderungen von morgen, ich sage mal, schon sieht und vielleicht schon umsetzen kann. Und dann baut man halt ein Case nach dem anderen auf. So jetzt mal als kleine Anmerkung von mir. Gehen wir mal auf die Zielsetzung. Also du hast transparent. Ich bin jetzt mal Doktor Besserwisser und sag okay, was ich auch immer wichtig finde, ist natürlich auch da, wo es geht oder zumindest das Ziel im Auge haben, Real-Time, also dass man die Daten in Echtzeit natürlich dann hat. Ich weiß, das geht auch nicht immer, aber das ist auf jeden Fall ein Ziel, was man verfolgen sollte. Was seht ihr noch für Ziele bei solchen Einführungen, bei solchen Projekten? Was soll besser werden?
Lars Eberhardt [00:10:06]:
Ja, also ich aus meiner Sicht, natürlich als Ingenieur muss ich immer sagen, Realtime ist natürlich ein sehr dehnbarer Begriff, aber das finde ich einen ganz, ganz wichtigen Punkt auf jeden Fall. Und zwar muss man sich das so vorstellen. Realtime heißt ja im Endeffekt nur, dass die Daten zur richtigen Zeit am richtigen Ort sind. So würde ich das mal sagen. Also wenn ich zum Beispiel meinen Kunden gegenüber Transparenz schaffen möchte, auch da hätten wir wieder das Transparenz, dann ist es eben wichtig, wenn die jetzt, sage ich mal, heute die Stunden geschrieben werden, dass ich eben morgen vielleicht als Kunde auch schon über die Transparenz in der Lage bin, zu sehen, wie laufen meine Projekte, was ist bis jetzt angefallen, etc. Da muss ich aber vielleicht auch nicht sekündlich die Daten irgendwo hinschicken. In der Produktion sieht es dann vielleicht schon anders aus. Und das ist eben ganz klar ein wichtiger Punkt.
Lars Eberhardt [00:10:45]:
Was ich aber auch denke, ist Kommunikation. Also eine Digitalisierung hilft auch ein Stück weit, einfach Kommunikation zu schaffen und Hürden abzubauen. Gerade jetzt mit dem Homeoffice etc. Viele Leute verlieren einfach auch den Überblick. Man trifft sich nicht mehr so oft und gerade wenn es in eine hohe Komplexität geht, Das haben wir jetzt auch. Wir haben eine Welt, die ist immer mehr auch. Es gibt diesen schönen Begriff WUKA. Alles wird einfach schnelllebiger, komplizierter.
Lars Eberhardt [00:11:08]:
Und da haben wir im Endeffekt auf jeden Fall auch mit so einer Lösung eine super Sache, weil man dann weiß, worüber man spricht. Also auch da, klar, das geht wieder auch in den Bereich Transparenz. Ich finde Transparenz halt so ein guter Überbegriff, aber das finde ich einen ganz wichtigen Punkt, dass man die Kommunikation auch stärkt, weil man dann eine klare Basis hat, über die man eben auch reden kann und es ist immer derselbe Ansatzpunkt. Ich weiß nicht, Peter, was ist bei dir vielleicht noch?
Peter Rother [00:11:30]:
Ja, ich meine, Real-Time oder Transparenz ist wichtig, aber ich denke, man muss immer so ein bisschen in so einem Projekt nochmal so einen Schritt zurückgehen. Die Frage ist doch immer, welche Daten brauche ich in der Zukunft? Also das ist oft so eine Frage, die wir den Unternehmen stellen. Und dann schauen wir oft in ratlose Gesichter, weil wir wissen genau, dass eben diese Frage entscheidend ist, weil wir versuchen ja Daten zu sammeln, Datenqualität zu verbessern, die Daten zu transformieren etc. Also diese ganzen Prozesse. Aber wir wissen auch ganz genau, solche Sachen zu erreichen, also diese Real-Time-Sachen zu erreichen, braucht es einen gewissen Vorlauf. Und dieser wird ja oft unterschätzt. Also wir brauchen einfach Zeit. Wir brauchen eben diese Ressourcen vor allen Dingen auch bei den Leuten.
Peter Rother [00:12:18]:
Und bevor wir überhaupt zu diesen Fragen kommen, können wir das Real-Time machen oder können wir das Just-In-Time machen? Machen wir das monatlich? Können wir eine Analyse fahren, die früher einmal im Monat war, jetzt täglich? Alles das, was wir Prozesse, die wir dann quasi dann implementieren im Unternehmen. Und das ist natürlich Voraussetzung, ist dann eben diese Transparenz, die wir dann schaffen in den Daten vor allen Dingen und dann natürlich auch in den jeweiligen Geschäftsprozessen und Modellen.
Thomas Barsch [00:12:43]:
Also, ja, Lars, erstmal du.
Lars Eberhardt [00:12:47]:
Nee, alles gut, super. Ich hätte einen wichtigen Punkt noch ergänzen. Es ist auch ganz gut, wenn man sich die Bälle ein wenig zuspielen kann. Ja, das würde ich sagen, ist vielleicht so das aller erhabenste Ziel. Das haben nur viele gar nicht im Blick, nämlich zu sagen, dass man nicht nur eine Digitalisierungsstrategie fährt, sondern eben dadurch auch ganz neue Geschäftsmodelle entstehen können. Also ich kann dann über so eine digitale Transparenz wirklich als erhabenstes Ziel am Ende auch ganz neue digitale Geschäftsmodelle und Strategien haben, die mein ganzes Unternehmen auch, sagt man mal, auf den Fliegens drehen. Das haben wir dann auch vielleicht das eine oder andere Beispiel heute noch dabei.
Thomas Barsch [00:13:18]:
Ja klar, also wenn ich unterwegs bin, dann entstehen vielleicht dann auf einmal digitale Produkte auch, weil ich einfach in der Lage bin, das jetzt zu tun. Das, was früher undenkbar war. Spannend, spannend. Also Zielsetzung haben wir jetzt. Wir hatten ja schon im Vorgespräch auch mal so ein bisschen über das Thema Use Case geredet. Vielleicht sprechen wir gerade noch mal über ein Use Case, also was ihr schon implementiert habt, also wie die Reihenfolge war. Also was habt ihr vorgefunden und wie habt ihr dann quasi das umgesetzt?
Peter Rother [00:13:45]:
Ja, fange ich vielleicht wieder an. Also ein Use Case, den wir ganz früh angefangen haben, war quasi die Digitalisierung einer ERP-Lösung in Richtung eines Data Warehousing. Also weg von der reinen zweidimensionalen Betrachtungsweise hin zu einem Datenwürfel, zu einer multidimensionalen Ansicht auf Daten. Welche Schritte, hast du gefragt, sind da notwendig? Ich meine, das ist halt so der klassische Prozess einer Datentransformation, des einer Datenanalytik. Also zunächst mal geht es halt los mit Datensammeln schlichtweg einfach. Also wir sammeln die Daten dieses ERP-Systems, dann haben wir da natürlich schon relativ gute Qualität, weil dieses ERP-System natürlich bestimmte Vorgaben hat und wenn da anschleifen. Diese Qualität gilt es aber trotzdem immer noch weiter zu verbessern in Richtung dem, was wir dann brauchen. Also Datenqualität, Datenaufbereitung ist halt ein wichtiger Punkt.
Peter Rother [00:14:43]:
Und dann eben gehen wir mit den Firmen und fragen, was wollt ihr denn eigentlich? Was wollt ihr denn erreichen? Wollt ihr mehr Umsatz machen? Wollt ihr Rentabilität steigern? Wollt ihr mehr Kommunikation mit dem Kunden? Wollt ihr mehr automatisieren? Was wollt ihr automatisieren? Und dann kommen wir halt in den Punkt der Datentransformation, wo wir dann quasi sagen, okay, aus den Daten, die wir haben, bauen wir jetzt ganz coole Datenmodelle und diese Modelle könnt ihr dann wie so ein Kubikwürfel hin und her bauen und habt dann immer die richtigen Ergebnisse. Und dann kommt halt der nächste Schritt, und das ist ja auch ein Thema heute, ist dann eben die Visualisierung dieser Daten. Und wir bauen dann quasi interaktive Dashboards, also Lösungen, mit denen dann die Mitarbeiter dann tatsächlich auch arbeiten können, die halt einfach dann ermöglichen, auch andere Geschäftsprozesse und Modelle zu ermöglichen. Also das ist so unser erster Schritt, den wir machen. Wenn wir dann da sind, dann geht es in den nächsten Schritt, den wir vielleicht dann ein bisschen später besprechen.
Lars Eberhardt [00:15:45]:
Genau. Und vielleicht, wenn man das mal ein bisschen noch konkretisiert auch, wie läuft so was ab? Sehr, sehr häufig ist es so, dass wir einen Ersttermin mit dem Kunden machen, natürlich erstmal eine Vorabsprache, auch wie sieht die ganze Landschaft aus, wie der Peter gesagt hat, wo soll es eigentlich hingehen. Im Normalfall wollen die Kunden eine andere Art von Reporting machen. Und man startet dann auch mit einem Workshop. Das ist einfach ganz wichtig. Man muss sich anschauen, wie sehen die Daten aus? Wie gut kommt man schon an die Systeme? Hat man da schon eine Anbindung? Was gibt es für Schnittstellen an den Systemen? Das macht dann schon Sinn, dass man sich auch mal wegsperrt. Und Man muss eben auch den Prozess sehr stark überfragen. Also das heißt, man muss auch gucken, ob der Prozess wirklich schon in der Lage ist, digitalisiert zu werden oder ob man vielleicht auch manchmal im Prozess noch das eine oder andere verbessern muss, das eine oder andere Rädchen drehen muss, damit man am Ende dann halt auch wirklich davon profitiert.
Lars Eberhardt [00:16:31]:
Es bringt ja relativ wenig, wenn ich jetzt zum Beispiel, ich mache mal ein klasses Beispiel, das wäre jetzt eine Stundeneingabe zum Beispiel in so einem Zeiterfassungssystem und die Daten werden einmal am Wochenende von den Mitarbeitern am Freitag, bevor sie ausstechen müssen sie, oder was heißt ausstechen, dann wäre es ja getrackt, aber du weißt, was ich meine. Am Freitag ist die Vorgabe von der Firma, sie müssen die Daten dort quasi eingeben. Wir würden aber gerne unseren Kunden zukünftig tagesaktuellen Einblick in unsere Produktionen sozusagen geben und in die angefallenen Kosten. Dann ist das sicherlich irgendwas, was sich auf gewisse Weise auch widerspricht. Und das muss man manchmal vielleicht auch erstmal rausarbeiten und klarmachen. Also oft ist es auch so, dass man nochmal einen gewissen digitalen Change auch bei den Ressourcen selbst nochmal benötigt. Und teilweise ist es auch so, dass wir halt dann gefragt werden, ob wir Dinge ermöglichen können oder Sachen, die dann total spannend wären. Und da stellen wir einfach fest, dass die Daten an solchen noch nicht ausreichen.
Lars Eberhardt [00:17:22]:
Also es kann auch durchaus mal sein, dass man da nochmal den Schritt zurück machen muss und muss sagen, okay, da ist das alles super, aber ihr habt noch nicht die Daten im System, die ihr eigentlich benötigen würdet. Also zum Beispiel eine Unterscheidung nach Branchen. Die Kunden sind aber nie nach Branchen sortiert worden. Jetzt muss man sich halt überlegen, jetzt könnte man es vielleicht mit KI machen. Dann hat man schon mal ein super aufwändiges KI-Projekt. Vielleicht ist es da aber einfach besser, wenn man sagt, wenn ich zukünftig so eine Transparenz- oder Detailtiefe haben möchte, dann macht es total Sinn, dass ich diese Detailtiefe auch erstmal in meinem Primärsystem einfach einbringe und zukünftig mehr noch zu diesem Kunden an Informationen sammle, weil ich einfach weiß, für welchen Zweck. Das ist halt auch sehr häufig was, was in diesen Workshops als erster kleiner Showstopper schon mal auftritt, wo man dann auch ein bisschen eher Digitalisierungsberater ist als jetzt vielleicht noch der, der das Doing macht.
Thomas Barsch [00:18:06]:
Ja, ich kenne das jetzt aus dem Marketingvertrieb. Da spricht man dann von Enrichment, Lead Enrichment, dass man quasi dann sehr, sehr einfache Daten, also zum Beispiel jetzt die E-Mail-Adresse, kann angereichert werden mit 32 Datenfeldern. Und sowas könnte ich ja quasi auch dann implementieren, dass ich sage, okay, erster Step, wir reichern die Bestandsdaten an und in Zukunft wird das automatisch bei der Erfassung, werden die anderen Daten auch, ich sag jetzt mal, gesaugt und angereichert. Und dann kann ich natürlich auch saubere Statistik über alle Felder dann fahren. Also ich denke jetzt hier schon wieder sehr pragmatisch an Lookalikes, dass ich also Auswertungen fahren kann. Wie viel von unseren besten Kunden gibt es denn da draußen noch? So als ein Beispiel.
Peter Rother [00:18:46]:
Genau, ich meine, Enrichment ist auch für uns natürlich immer ein Thema. Wir nennen es dann halt Data Enrichment, wo wir dann halt einfach die eigenen Daten, die wir dann, wie der Lars vorhin sagte, dann vielleicht schon qualitativ verbessert haben, aber dann noch weiter ergänzen, beispielsweise durch externe Daten. Das können dann Statistikdaten, je nach Branche, also im Anwaltsbereich gibt es dann halt auch eine ganze Reihe von Statistikinstituten, die Daten für diese Zwecke sammeln, ob das Arbeitsamtdaten sind oder Arbeitsmarktdaten oder keine Ahnung, alles das. Und da haben wir auch dann tatsächlich dann diese konkreten Verbesserungs- oder neuen Geschäftsmodelle, die durch dieses Enrichment dann die Firmen dazu befähigen, auf einmal Dinge zu tun, die sie vorher mit ihrem zweidimensionalen ERP-System gar nicht angedacht haben. Also das ist ein ganz, ganz wesentlicher Aspekt, weil wir dann ganz, ganz viele individuelle, tolle Dinge machen können, ganz coole Anwendungen schaffen können und vor allen Dingen dann beispielsweise auch Kunden integrieren können in diese Modelle, weil wir ja schon einen gesicherten Datenbestand haben und somit auch den Kunden verlässlich genau sagen können, was für Informationen wir ihnen weitergeben. Und diese Informationen sind dann Konkurrent, egal, wenn ich mehrere Niederlassungen habe zum Beispiel, dann ist es egal, ob die Hamburger Niederlassung mit dem Kunden spricht oder die Frankfurter Niederlassung. Beide arbeiten mit dem selben Datenbestand und das macht die Sache so cool aus meiner Sicht.
Lars Eberhardt [00:20:15]:
Ja, Auch eine Transparenz über die Gesellschaft zu schaffen. Also ich bin immer wieder bei dem Punkt Transparenz. Du entschuldigst, Thomas. Das ist für uns so ein großes Thema halt, aber das haben wir auch schon erlebt, also mit mehreren Standorten. Und dann ist es so, dass eigentlich jeder seinen Jahresabschluss macht und man bringt die Zahlen dann schon zusammen. Aber allein dort sind schon unterschiedliche Buchhaltungsideen hinterlegt. Die Frage, wann und wie werden die Kosten erfasst, etc. Also das heißt, da überhaupt eine Vergleichbarkeit schon im Konzern oder in der größeren Struktur herzustellen, kann es unter Umständen auch schon ein Rieseneinblick sein.
Lars Eberhardt [00:20:46]:
Also wir haben das jetzt auch so wie gesagt bei einem Kunden zum Beispiel gehabt mit fünf Standorten, wo es so war, dass die fünf Standorte im Prinzip zwar immer gedacht haben, sie reden vom selben, am Ende haben wir aber festgestellt, dass es da doch einfach auch enorme Unterschiede gab, wie diese Zahlen zustande kommen. Am Ende des Tages vielleicht, wenn nach zwei Jahren dann der vollständige Abschluss stattgefunden hat, haben die Zahlen schon gepasst, weil die Buchhaltung dann sehr ähnlich ist. Aber das aus dem Laufenden heraus war einfach auch eine Fehlinterpretation. Und da haben wir auch viel Transparenz geschaffen und den Leuten auch wirklich geholfen, vielleicht wieder auch die Kommunikation zu verstärken, weil dem einen war ja klar, dass vielleicht was fehlinterpretiert wird und das führt natürlich auch zu Reibung. Und so hat man natürlich eine viel bessere gemeinsame Basis, sich auch als Gesamtunternehmen ganz anders aufzustellen und zu steuern.
Thomas Barsch [00:21:29]:
Ja gut, ihr habt es ja schon mal angesprochen, Benchmark auch. Ich kann ja gucken, soll ja niemand runterbuttern oder so, sondern was machen die einfach besser? Ja, was kann ich von den anderen lernen, dann auch bessere Marktfähigkeit zu haben? Jetzt habe ich noch mal eine Frage. Wir haben jetzt so gesprochen über, was sind jetzt so die großen Phasen? Ihr habt gesagt, okay, ihr macht quasi so ein Workshop, es gibt eine Implementierung und wie geht es jetzt weiter? Wie überführt man das in den Betrieb? Also gerade jetzt dann auch am Anfang hat man vielleicht eher statische Daten, auch Testläufe zu machen. Vielleicht könnt ihr da nochmal ein bisschen was dazu sagen. Wie geht's denn dann weiter, wenn ihr quasi die Daten aufbereitet habt? Wie geht's dann weiter?
Lars Eberhardt [00:22:07]:
Ja, man kann das ja vielleicht mal jetzt mit dem System, das wir sehr häufig einsetzen, zu Analytics. Das sind wir mittlerweile auch Vertriebspartner für die DACH-Region. Und da ist es so, dass wir also super gut gesteuerte Möglichkeiten haben, die Daten auch automatisiert dann einlaufen zu lassen. Also das heißt, man baut eben statisch im System noch die ganzen Auswertungen auf, aber die Daten kann man dann über eine Data Bridge zum Beispiel, wenn es jetzt die Cloud geht, mal die Daten auf dem eigenen Server legen, kann man die über die Data Bridge eben nach oben pumpen und das funktioniert automatisiert. Also das heißt, es ist ein relativ einfacher Prozess. Man kann es dort anlegen, man kann die Datenverbindung anlegen und einstellen, zum Beispiel, dass jeden Tag 8 Uhr die Daten transportiert werden. Dasselbe geht bei dem On-Premise-Produkt auch. Da ist es sogar noch ein Ticken einfacher.
Lars Eberhardt [00:22:47]:
Da brauche ich die BridgeNet, da ist es quasi direkt implementiert, weil die Dinge zusammengehören. Also da holt sich die Datenbank die Daten und dann stehen die am nächsten Tag oder wie auch immer, solange es halt dauert, die zu übertragen. Das kann man beschleunigen, ist immer eine Frage der Kosten auch. Mit einem einfachen Server dauert es vielleicht einen Ticken länger, aber wenn ich es über Nacht mache und am nächsten Tag erst brauche, ist es ja auch vollkommen legitim. Und dann kann ich dort also quasi, wenn die Daten einmal sauber aufbereitet sind, zum Beispiel aus dem Data Warehouse holen und einfach per Mausklick übertragen. Das funktioniert dann eigentlich in dem BI-System ganz wunderbar.
Thomas Barsch [00:23:18]:
Also das ist jetzt auch nochmal so ein Thema, was ja immer mitschwingt, sind immer Schnittstellen. Könnt ihr da noch ein bisschen was zu sagen? Also das zu Analytics. Was gibt es da schon für Schnittstellen? Ich muss vielleicht das ein oder andere sogar selber bauen, aber meiner Wahrnehmung nach sollte es idealerweise die Ausnahme sein. Was gibt es denn da schon? Welche Systeme kann ich denn zum Beispiel andocken?
Lars Eberhardt [00:23:39]:
Ja, also da kann ich vielleicht auch gleich nochmal kurz was dazu sagen. Und zwar, soweit ich habe jetzt vorhin mal abgezählt, aktuell sind es 84 vorhandene Datenverbindungen. Das ist ja schon mal ein bisschen was. Da gehören die Klassiker dazu, man findet auf jeden Fall schon mal sämtliche Marketinggeschichten, also von HubSpot über Google, Facebook etc. Also die ganzen Social-Media-Sachen, die kann ich anbinden, ich kann den ganzen Stall von Zooprodukten intern anbinden, Das ist ja auch schon mal einiges, weil da recht viel angeboten wird. Und ich habe natürlich schon Verbindung zu den klassischen Datenbanken, also die ganzen MySQL oder Postgres-Datenbanken, die Microsoft-SQL-Datenbanken, aber genauso zu Oracle-Datenbanken. Also das heißt, Im Normalfall finden sich in den Integrationen selbst schon die meisten gängigen Systeme. Manchmal gibt es ein paar spezielle Sachen.
Lars Eberhardt [00:24:22]:
Was weiß ich, wenn ich jetzt mit einem Vanilla Kaffee oder so irgendwo in der Produktion mir Daten von den Maschinen ziehe oder so, dann muss ich halt unter Umständen gerade in so einem Environment auch nochmal eine Schnittstelle schaffen, hin zum Beispiel zu einem Data Warehouse. Da läuft dann eine Postgres-Datenbank und die wiederum kriege ich super angebunden ans System.
Thomas Barsch [00:24:39]:
Ich sage mal 80-20-Regel. Das ist ja immer das Wichtige, einfach auch dann Resultate zu bekommen. Und Ich muss ja nicht mit dem Exoten anfangen, sondern wo ich mir auch die besten Resultate vornehme oder wo die besten Resultate rauskommen. Ja, hochspannend. Wir haben vorhin über die Anwender gesprochen. Ich muss eine kleine Anekdote erzählen. Ich hoffe, das hat eine Nachwirkung für mich. Ich musste früher tatsächlich so ein Reporting machen.
Thomas Barsch [00:25:03]:
Als Assistent der Geschäftsleitung musste man Reporting machen. Und ich hatte so den Eindruck, das liest keine Sau. Und ich habe einfach irgendwann das Reporting nicht mehr gemacht. Und es ist niemandem aufgefallen. Da hatte ich ein bisschen weniger Arbeit. War natürlich sehr frech, war sehr frech und provokativ, aber das war ja genau das, was ich vermutet hatte. Da werden irgendwelche PDFs erzeugt monatlich und so weiter und keiner schaut rein. Deswegen bin ich auch so getriggert mit dem Thema Echtzeit oder auch weiteres Thema.
Thomas Barsch [00:25:32]:
Wir haben ja auch schon mal im Vorgespräch so ein bisschen angeprissen, Selbstservice. Also wie kann sich der Anwender sein Cockpit selber bauen? Wie kompliziert ist so was? Also das wäre zum Beispiel nochmal, glaube ich, eine ganz spannende Frage, auch für die Zuhörer, weil jeder kennt es. Ich gucke drauf, ach, das brauche ich doch gar nicht. Ich hätte doch viel lieber das und das. Gibt es da eine Möglichkeit, da dann auf Anwenderebene zum Beispiel auch selber Einstellungen zu machen?
Peter Rother [00:25:57]:
Ja, also zum einen bietet natürlich Zoho Analytics den Self-Service-ETL-Prozess an. Also man kann mit Bordmitteln hier quasi Self-Service betreiben. Das heißt, man kann sich die Umgebung so einrichten, wie man es möchte. Wir sehen im ersten Schritt, dass die Leute damit möglicherweise überfordert sind. Unsere Strategie ist, dass wir zunächst einmal, und das ist sehr wichtig, finde ich, die Mitarbeiter schulen. Das heißt, dass sie grundsätzlich mit der Bedienung dieses Data Warehouse, dieses Datenwürfels sicher sind. Im Gegensatz zu deinem Beispiel, dass die Leute das gar nicht lesen, wegwerfen, dass das Arbeit umsonst ist, haben wir eine andere Erfahrung mit digitalen Transformationsprozessen. Insofern, als die Rentabilität der Einzelnen beispielsweise in einer Anwaltskanzlei der einzelnen Anwälte, steigt.
Peter Rother [00:26:51]:
Und die Anwälte oder Partner, die das nicht nutzen, die bekommen das dann irgendwann mal hautnah zu spüren. Und also da kommt auch so ein gewisser Druck von innen, der also nicht dazu dient, jetzt dieses Ding wegzuwerfen oder gar nicht zu lesen, sondern eben zu nutzen. Und der nächste Schritt ist dann eben diese Self-Service-Komponenten, die das Tool bietet, wo wir dann vielleicht als Berater dann nur noch beratend zur Verfügung stehen, aber dann das Doing quasi in dem Unternehmen selbst dann schon gemacht wird. Das zweite ist eben, es gibt dann nicht nur diesen Self-Service, sondern wir gehen ja heute ja weiter. Wir haben ja künstliche Intelligenzmöglichkeiten, das heißt entweder über die Eingabe in der Tastatur oder sogar jetzt auch schon mit Sprache die Systeme quasi dazu zu bringen, uns Dinge zu zeigen, die wir halt vorher einem Programmierer haben machen lassen. Also diese Möglichkeiten gibt es. Und das führt natürlich, wie gesagt, zu einer weiteren Rentabilitätsverbesserung im Unternehmen. Ja, das sind jetzt mal so die ersten großen Baustellen, die wir bearbeiten.
Lars Eberhardt [00:28:03]:
Ich kann vielleicht noch ergänzen. Also das, was der Peter gesagt hat, trifft genau den Zeitgeist. Man sieht es auch mit den ganzen Chat-Modellen und so, dass eben die Interaktion mit Sprache heute auf einem sehr, sehr hohen Niveau funktioniert. Und was wir eben tun, ist, wir verbinden die Lösungen, die wir haben, mit diesen Optionen, sodass es sicherlich jetzt noch ein bisschen zukünftig auch, weil wir das jetzt grade auch erst so am Aufbauen und Testen sind, aber zukünftig soll es so sein, dass mit einer sauberen, gut geführten Datenstruktur, wo am Ende so viele Systeme wie benötigt werden, normiert angebunden sind, Derjenige, der die Daten braucht, durch Spracheingabe sagen kann, was er gerne sehen würde. Das wird auch eine Grenze haben am Anfang und das wird daran liegen, dass es halt auch sehr komplexe Dinge vielleicht gibt. Also ist klar, man kann eine Frage unendlich komplex stellen, aber gerade eben auch einfache Fragen, wo ich vielleicht nur in Meetings, so gerade mal eine Übersicht bräuchte, welche Projekte hat eigentlich oder sind in den letzten drei Jahren von den Mitarbeitern eigentlich bearbeitet worden oder sowas. Und dann vielleicht nochmal, wie viel Gewinn haben wir mit den Projekten gemacht und das vielleicht noch durch die Stunden. Das sind dann einfach Auswertungen, die ich mir dann halt on the fly herholen kann.
Lars Eberhardt [00:29:03]:
Und das ist das, wo es natürlich hingehen soll und was natürlich diesen Self-Service nochmal auf ein ganz anderes Level auch hebt, denke ich.
Thomas Barsch [00:29:09]:
Da bin ich jetzt natürlich wieder ein bisschen vorgesprecht, ja, weil das sind ja dann eher so, wie heißen sie so schön, High Performer. Also die High Performer werden das mit Sicherheit nutzen. Und jetzt kommt jetzt das, was Peter auch gesagt hat. Das war ja bei den Anwälten genauso. Es gibt High Performer, die nutzen das, die werden immer besser. Und die anderen werden immer mehr abgehangen. Trotzdem denke ich, eine ganz, ganz spannende Perspektive. Ich sage immer so jetzt auch provokativ, wir hatten ja so ein bisschen mal so, denn sie wissen nicht, was sie tun.
Thomas Barsch [00:29:34]:
Und wenn ich jetzt dann das nicht weglasse, ich weiß, was ich tue und immer schlauer werde auch durch die Auswertungen und weiß, was ist jetzt das Beste, was ich jetzt anschließend tun sollte. Also was ist jetzt die Umsetzung aus meinen Daten, was kann ich da für Schlüsse ziehen oder was kriege ich sogar für Vorschläge. Also ich bin der Meinung, es ist ein riesen Boost und es gibt neue Möglichkeiten. Viele Firmen wissen es nicht und können wahrscheinlich gar nicht glauben, was da möglich ist. Das ist so vielleicht nochmal so ein Statement oder eine Frage an euch. Wie ist da so die Wahrnehmung? Wie reagieren die Leute dann da drauf, wenn sie das mal sehen, was alles geht?
Lars Eberhardt [00:30:11]:
Ja, also ich kann es ja vielleicht mal an dem Use Case auch orientieren, den wir heute mitgebracht haben. Wie man jetzt schon gehört hat, war der aus dem anwaltlichen Bereich. Es ist ja so gewesen, dass man am Anfang gedacht hat, wir kriegen jetzt einfach nur ein bisschen verbessertes Reporting. Und man hat gar nicht verstanden, was es bedeutet, einen 3D-Datenwürfel eigentlich zu haben. Und wir haben uns dann auch recht schnell darauf geeinigt. Also Wir hatten auch angefangen, erst mal recht viele Berichte machen. Das war dann alles noch geschickt. Das war ganz cool.
Lars Eberhardt [00:30:34]:
Man konnte in die Daten reinfliegen, etc. Man war recht schnell festgestellt, dass eigentlich der wirkliche Game Changer für die Geschäftsführung eine einheitliche, einfache Übersichtsseite ist, wo die allerwichtigsten Kennzahlen drauf sind. Da guckt man dann auch gerne jeden Tag drauf. Und dann gibt es eben detailliertere Ansichten. Und das Coole ist eigentlich, dass diese detaillierteren Ansichten gar nicht so sehr für die Geschäftsführung interessant sind, sondern für die Mitarbeiter. Und das sind die, die im Reporting normalerweise sowieso nicht durchsichtig waren. Das heißt, wir haben quasi für jeden Anwalt und sein enthaltenes Team quasi ganz eigene Ansichten gebaut, wo die Zahlen und Möglichkeiten drin sind und er kann sich dort auch bewegen. Das heißt, er kann einfach auf die Grafik klicken, kann sagen, ach, verfeinere mir das, also zum Beispiel jetzt Umsatz in diesem Quartal oder offene Rechnung in diesem Quartal und dann kann er einfach draufklicken und sagen, zeig mir die Kunden an, zeig mir das Mandat an und so weiter und kann also immer weiter in die Daten reinfliegen.
Lars Eberhardt [00:31:22]:
Und er kann dann zum Beispiel auch sagen, da haben wir aber vier unproduktive Stunden und dann kann er zum Beispiel sagen, das ist ja auch klar, also relativieren, zum Beispiel zeig mir an welchem Wochentag die Daten entstanden sind. Und das kann jetzt der Endanwender machen. Und niemand würde jetzt so eine Auswertung, also da müsste ich dann schon speziell anfragen, da würde ich zwei Wochen warten. Also normal niemand fragt ja, an was für einem Tag, Wochentag haben die unproduktiven Stunden stattgefunden. Das kann man sich fragen, aber dann würde man speziell aufbauen, das würde nur die Geschäftsführung machen. Aber die Geschäftsführung ist meistens nicht derjenige, dem das Ding nachgeht, sondern es sind die Anwender. Und wir haben es jetzt eben geschafft, dass alle Anwender jetzt ihr eigener Datenzugang haben und sich dort mit ihren eigenen Daten quasi selbst kontrollieren. Und das war natürlich schon ein richtiger Wow-Effekt, weil die Personen waren so weit weg davon, diese Form von Transparenz über die eigene Arbeit auch zu haben und auch über das eigene Team, dass das natürlich zu einer wirklichen Veränderung auch geführt hat in der Art, wie man im Unternehmen arbeitet.
Lars Eberhardt [00:32:14]:
So dass es heute, also am Anfang war es sicherlich so, wenn mal irgendwie, also ist klar, es kann auch mal ein technischer Fehler vorliegen, wenn mal die Daten nicht gleich gekommen sind, dann haben wir das halt behoben und es hat sich dann recht schnell dahin entwickelt, dass wir schon so, unser Übertrag funktioniert so, dass neun die neuen Daten dort sind, immer gesichert. Außer es passiert was und meistens neun Uhr zwei oder neun Uhr drei hatten wir schon die ersten Anrufe, dass wohl wahrscheinlich irgendwas nicht geklappt hätte und die Daten sind nicht aktuell und ob wir nicht mal schauen könnten. Und das ist natürlich schon auch was, wo wir wirkliche Freude daran hatten, zu sehen, wie enorm diese Daten jetzt auch im Unternehmen eingesetzt werden und auch helfen zu steuern.
Thomas Barsch [00:32:49]:
Du hast gerade etwas angesprochen. Wir haben festgestellt, die Besprechungen mit der Geschäftsführung wurden immer länger. Die wurden immer länger, man hat sich in klein klein verstrickt und so weiter. Man musste in den verschiedenen Systemen das Fenster wechseln am Beamer. Jetzt gehen wir in dieses System, jetzt gucken wir uns das an, jetzt gucken wir uns das an. Nachdem wir das dann auch online gemacht haben, war es natürlich noch blöder. Dann habe ich gesagt, wir müssen jetzt was ändern. Und dann haben wir tatsächlich so ein One-Pager entwickelt.
Thomas Barsch [00:33:22]:
Also gerade für dieses Geschäftsführer-Meeting, was einmal im Monat stattgefunden hat. Das haben wir dann, also wie du es beschrieben hast, wir haben einmal eine Seite, ohne dass man quasi, ja man konnte ein bisschen runterblättern, aber es war wirklich in Anführungszeichen eine DIN A4-Seite, nicht mehr. Und da waren die wesentlichen Daten drauf und da haben wir dann auch so eine Regelung getroffen, also wenn was Neues drauf kommt, da muss was anderes weichen, wirklich diesen Fokus zu behalten. Und das, was du auch geschrieben hast, man konnte natürlich dann drill down tiefer bis auf den einzelnen Stundennachweis oder auf den einzelnen Auftrag runter, aber das war dann auch eine andere Ebene. Und das halte ich für extrem wichtig, weil das natürlich die Performance extrem beschleunigt, weil die Besprechungen sind kürzer, weil man spricht halt dann nur über die Dinge, die aus dem Rahmen fallen. Das sieht man ja dann visuell dargestellt. Wo es jetzt Ausreißer gibt, kann dann ganz, ganz konkret auch Maßnahmen ableiten. Also das ist für mich eins der wesentlichen Dinge.
Thomas Barsch [00:34:24]:
Und ansonsten navigiere ich blind im Nebel.
Lars Eberhardt [00:34:27]:
Ja, das ist vielleicht ein ganz gutes Bild.
Peter Rother [00:34:30]:
Wenn sie wissen, was sie tun. Ich meine, der Punkt ist aus meiner Sicht heraus, weil das, was wir jetzt beschrieben haben, das ist ja, sagen wir mal, das erste Ziel, das wir haben. Also, dass man zunächst mal eben dazu kommt, wie du jetzt beschreibst, dass ich irgendeinen One-Pager habe, der möglicherweise heute machbar, Eine Kanzlei macht das ja auch schon, die tagesaktuell ist. Also die müssen das gar nicht erst vorbereiten, sondern die setzen sich halt in ihr Meeting hinein, wenn da die große Runde spricht, die Partnerrunde. Und dann ist tatsächlich dann irgendwo ein Fernseher, irgendwo läuft da und werden halt die aktuellen Mandatendaten eingespeist, die mit Stand von gestern. Also das ist, sagen wir mal, so state of the art inzwischen, würden wir das nennen, wenn wir so ein Projekt mal begonnen haben. Der zweite Punkt ist eben, mit dem Appetit kommt der Hunger. Und das ist genau der Punkt, wo wir dann sagen, Data Enrichment.
Peter Rother [00:35:21]:
Also wie können wir neue Prozesse, neue Modelle für euch bauen, die mit Anreicherung von Daten, an die ihr bis jetzt noch gar nicht gedacht habt, weil das viel zu komplex war, viel zu kompliziert war. Wie können wir mit eben diesen zusätzlichen Daten neue Geschäftsmodelle bauen? Holen wir uns die Daten von externen Quellen? Das können zum Beispiel auch Daten von Mandanten sein oder von Kunden, dass quasi wir mit Low-Code-Lösungen kleine Applikationen bauen, wo Kunden uns Daten liefern, die wir matchen mit unserem Data Warehouse und externen Daten und somit zu wesentlich rentableren Geschäftsprozessen kommen. Wir haben einen Fall, da haben wir ein Geschäftsmodell, einen Prozess entwickelt, der hat vorher Monate gedauert, den haben wir auf einen Tag zusammen gedampft. Und das sind dann natürlich die Game Changer. Also das ist dann tatsächlich, wo dann auch der Seniore Unternehmenschef dann sagt, da passiert ja tatsächlich etwas Neues und etwas, was uns voranbringt und etwas, was uns gegenüber der Konkurrenz unterscheidet. Der frühe Vogel fängt den Wurm, sag ich immer. Und das ist halt so der Punkt, wo wir versuchen, die Unternehmen zu begeistern für dieses Thema. Und ja, mit diesem Use Case, den wir eben jetzt auch hatten oder haben.
Peter Rother [00:36:46]:
Also wir haben mehrere Use Cases, aber ich glaube, wir haben jetzt so die klassische Vorgehensweise mal beschrieben und wo es dann eigentlich weitergeht.
Thomas Barsch [00:36:54]:
Super. Wir haben ja noch mehr vor. Das heißt, wir haben am 19.09. Haben wir euch ja dann auch live und in Farbe beim Digital Breakfast. Da werden wir nochmal das Thema auch natürlich visuell darstellen. Wir können darüber diskutieren, wir können Fragen stellen. Ich freue mich riesig drauf. Vielleicht zum Abschluss nochmal Finger in die Wunde.
Thomas Barsch [00:37:14]:
Was sind so die größten Showstopper? Was sind die größten Probleme beim Thema Analytics-Einführung?
Lars Eberhardt [00:37:22]:
Ja, da kann ich vielleicht mal den Anfang machen. Also ich sehe immer einen riesen Showstopper auch da drin. Das wäre auch so ein bisschen schon so ein Stück weit auch ein guter Tipp. Wir haben das heute schon mal besprochen, nämlich dieses Thema, ich möchte irgendwie auf dem Greenfield diese finalen Lösungen schon aufskizieren. Das heißt, ich mache mir irgendwelche Gedanken über super coole KI-Anwendungen und irgendwelche ganz neuen digitalen Geschäftsmodelle oder sowas, habe aber noch quasi die zehn Schritte davor überhaupt nicht gemacht. Und das ist ein Riesenproblem. Ich verliere mich dann auch einfach in so einem Projekt, weil das bläht sich auf. Da haben wir auf der einen Seite Summen, die dann wirklich schwierig abzurufen sind.
Lars Eberhardt [00:37:58]:
Dann weiß man ja aus der digitalen Welt, da erzähle ich dir aber bestimmt nichts Neues. Es ist halt auch immer so, wir sind halt keine Maschinenbauer und es ist schon so, dass die Dinge komplex sind und es ist nicht immer alles 100 Prozent berechenbar. Also sprich, es kommen auch mal der ein oder andere technische Widerstand, wo was nicht funktioniert, wo dann vielleicht erst später festgestellt wird, dass die Datenqualität nicht passt. Da kann in so einem komplexen Projekt schnell ein Mehraufwand anfallen. Deswegen ist es aus meiner Sicht viel schlauer, was du vorhin schon betont hast, sich zu sagen, okay, wir haben durch dieses Topic noch nicht angefangen, sondern wir starten jetzt mal, wir nehmen ein System her, binden es auf eine einfache Art und Weise an, machen unsere Daten zauber, machen darauf die ersten wirklich coolen Auswertungen, so richtig den Wow-Effekt. Und dann schauen wir mal, was wir noch alles haben. Wichtig ist aus meiner Sicht bloß, dass man nicht den Fehler macht, sag ich mal, auf die falschen Lösungen zu setzen. Das ist ganz wichtig.
Lars Eberhardt [00:38:49]:
Also, man muss einfach schon von vornherein eine professionelle Lösung, die am Ende auch für das End-Konstrukt noch funktioniert, aufbauen. Aber ich muss nicht sofort mit dem Data-Warehouse starten. Ich kann auch einen zweiten Schritt dann wechseln und sagen, wow, jetzt habe ich zwei, drei Systeme und jetzt hole ich mir ein Data Warehouse, mache einen gescheiten ETL-Prozess. Das sage ich vielleicht nochmal Extract, Transfer und Load. Also das bedeutet immer, die Daten in Verbindung setzen. Dann hat man sozusagen Flussdaten, die sich immer bewegen. Das könnten Rechnungen sein, es könnten Stunden sein, Maschinedaten, also Daten, die einfach quasi innerhalb des Betriebes ständig produziert werden und außenrum platziert man dann die Dimensionen. Also das ist so was wie, welche Maschine ist es und irgendwelche Metadaten, wie was war der Einkaufswert von der Maschine und so weiter.
Lars Eberhardt [00:39:27]:
Das sind dann die Dimensionen. Und später, und die baut man auch nur einmal auf und platziert die auf allen Flussdaten, so wie man sie haben möchte. Und darauf kann man dann sogenannte Data Stars bauen, mit denen man dann die Einblicke schafft. Aber das muss nicht unbedingt der allererste Schritt sein. Und das ist eben genau der springende Punkt. Man muss einfach mal anfangen. Und da sehe ich immer einen riesen Barrier, weil man riesen Projekte aufruft und die haben dann entsprechende Summen, Komplexität und würden auch interne Ressourcen benötigen. Und am Ende sagt man dann halt ja, das können wir jetzt nicht.
Lars Eberhardt [00:39:54]:
Wir leben halt doch auch oft in der Operativen. Also ist fast in jedem Betrieb so. Keiner hat Zeit, sich da halt nen, sagen wir mal, über Jahre gehenden Digitalisierungsprojekt jetzt also, als, verstehst du, wie ich mein? Es ist besser, man macht es in kleine Häppchen. Das wird der aktuellen Zeit wesentlich gerechter und dann kommt man auch viel schneller zu guten Ergebnissen.
Thomas Barsch [00:40:12]:
Wow, jetzt haben wir ziemlich lange gequatscht, aber ich fand es hochspannend. Also wirklich super interessant und ich freue mich auch schon sehr auf unser Digital Breakfast. Ja, also an alle Zuhörer, bitte merkt euch das vor, am 19.9. Ihr könnt euch bereits anmelden, wenn ihr wollt, wenn der Podcast live geht, dann über alle Kanäle. Also wir sind LinkedIn Live oder bei uns auf der Homepage. Vielen, vielen herzlichen Dank für eure Einblicke, für eure Statements. War sehr, sehr spannend. Ich wünsche euch eine gute Zeit.
Thomas Barsch [00:40:40]:
Genießt noch ein bisschen den Sommer und wir sehen und hören uns am 19.09. Beim Digital Breakfast. Danke, dass ihr da wart. Danke dir.
Peter Rother [00:40:48]:
Vielen Dank, Thomas.