Aktuelles:

Sind Sie bereit für ein Analytics-Projekt?

24 März 2021

Die 7 Schritte zum Erfolg


Anforderungen für Analytics-Projekte sind äußerst spezifisch! Im Gegensatz zu anderen Projektarten müssen Projektverantwortliche besonders sorgfältig vorgehen, um relevanten Stakeholdern den Nutzen vor Augen zu führen. Da hier oftmals auch wenige Vergleichsprojekte im Unternehmen vorliegen, muss erst eine standardisierte Vorgehensweise erarbeitet werden. Mit unseren 7 Erfolgsfaktoren geben wir Ihnen einen ersten Anhaltspunkt, damit ihr Projekt zum Erfolg wird.

 

Das richtige Projektsetup bildet das Fundament für den späteren Projekterfolg

1. Klare Zielvorstellung & Projektumfang:
Legen Sie noch vor Projektbeginn fest, was Sie mit dem Projekt erreichen wollen. „Was soll verbessert bzw. welche neue Erkenntnis gewonnen werden?“, „Wer profitiert in welcher Form durch die Verbesserung?“ oder „Warum genau dieses Projekt?“ könnten Fragen sein, die Ihnen bei der Schaffung einer soliden Grundlage helfen (siehe auch hier). Hierbei kann neben der Orientierung an grundsätzlichen Markttrends insbesondere auch Bottom-up-Feedback Ihrer Mitarbeiterinnen und Mitarbeiter dabei helfen, den Rahmen mit dem größten Nutzen zu definieren.

2. Eindeutiges Commitment:
Gehen Sie davon aus, dass der Mehrwert eines Analytics-Projekts von Kolleginnen und Kollegen unterschiedlich wahrgenommen und verstanden wird. Nehmen Sie sich die notwendige Zeit, um wichtige Entscheidungsträger wie auch potenzielle Teammitglieder im Unternehmen an Bord zu holen. Ein tiefergehendes Hintergrundwissen sowie ein ausgeprägtes Verständnis der Zusammenhänge wirken sich positiv auf die Umsetzungsgeschwindigkeit aus.

3. Teammitglieder mit dem richtigen Skill Set:
Für die Durchführung eines Analytics-Projekts braucht es ein intelligentes Zusammenarbeiten von internen und gegebenenfalls externen Expertinnen und Experten. So können Sie bei gegebenem Ressourceneinsatz die optimale Systemlösung identifizieren und die Kommunikation mit anderen unternehmensinternen Systemen sicherstellen. Neben Data-Modeling-Skills-braucht es hier ein ausgeprägtes betriebswirtschaft-liches Verständnis, um in eine Vermittlerrolle zwischen den Abteilungen treten zu können. 

4. Sichtung der Datenbasis (intern & extern):
Bevor es nun mit der Umsetzung losgehen kann, müssen interne und externe Datenquellen gesichtet werden. Auf diese Weise stellen Sie fest, welche Daten vorhanden sind. Im weiteren Projektverlauf gilt es zudem die bestehenden Datenbanken genau zu überprüfen und gegebenenfalls auch zusätzliche Sicherungsmaßnahmen zu definieren, um die Daten in der notwendigen Qualität zur Verfügung zu stellen.

 

Die Planung sieht Feedback-Möglichkeiten und klare Verantwortungen vor 

5. Nachvollziehbare Planung:
Die Projektziele in ein klar strukturiertes Vorgehen zu übersetzen, trägt maßgeblich zur Steigerung Ihres Zielerreichungsgrads bei. Dies ist insbesondere für Analytics-Projekte der Fall, da diese oft mit neuen Anwendungen einhergehen und so nur auf wenige Vergleichsprojekte im Unternehmen zurückgegriffen werden kann. Bedenken Sie bei der Planung unbedingt vom Design bis zur Implementierung die spezifischen Anforderungen der Usergruppe mit. So gelingt auch die spätere Implementierung.

6. Klare Verantwortung:
Für eine erfolgreiche Umsetzung ist ein multidisziplinäres Team notwendig, ausgestattet mit den nötigen zeitlichen Ressourcen, um sich auf das Projekt fokussieren zu können. Das Team trägt die klare Verantwortung für den Fortschritt und das Ergebnis des Projekts, sowie für die Übergabe und Schulung bzw. weitere Betreuung der erarbeiteten Lösung.

7. Early Feedback:
Da bei Analytics-Projekten meist nicht im Vorhinein klar ist, wie das Endergebnis genau aussehen wird/soll, ist agiles Projektmanagement, z.B. nach SCRUM, von Vorteil. Die Einbindung von Key Userinnen und Key Usern sowie wichtigen Stakeholdern im Unternehmen sollte laufend und möglichst früh im Prozess passieren. So stellen Sie sicher, dass Feedback zum richtigen Zeitpunkt eingebracht werden kann, die Erwartungen an das Endprodukt abgestimmt sind und die Zielgrößen aus dem Projektmanagementdreieck (Zeit, Kosten & Qualität) eingehalten werden.

Zusammenfassung 

  • Bevor Sie ein Analytics-Projekt umsetzen, muss Ihnen klar sein, welches konkrete Problem Sie im Unternehmen lösen möchten.
  • Überprüfen Sie durch die Einbindung wichtiger Stakeholder, ob das Problem auch wert ist, gelöst zu werden bzw. wie und auf wen sich die Lösung des Problems auswirken wird.
  • Bauen Sie ein tiefgreifendes Verständnis für mögliche Systemlösungen durch die Einbindung von internen als auch externen Expertinnen und Experten auf und sichten Sie interne wie externe Datenquellen.
  • Setzen Sie einen abteilungsübergreifenden und arbeitsteiligen Projektplan mit klaren Verantwortungen auf, um die Umsetzung angreifbarer zu machen. Vermitteln Sie aktiv Hintergrundwissen an zukünftige Key Userinnen und Key User.
  • Erstellen Sie so früh wie möglich einen Prototyp und geben Sie den zukünftigen Key Userinnen und Key Usern die Möglichkeit, ihre Erfahrungen und ihr Feedback einzubringen.

 


Sie haben noch Fragen? Wir unterstützen Sie gerne. 

Markus Habernig


+43 5 70 375 - 1798
[email protected]

Stefan Holl

+43 5 70 375 - 8843
[email protected]