Big Data rettet uns alle! Big Data verrät uns heute schon, wo morgen das Big Business zu machen ist – denken viele. In Amerika haben die führenden Unternehmen begonnen, jede Menge sogenannter Data Scientists einzustellen. Auch hierzulande begeistert die Idee: Nimm alle deine Daten aus Unternehmen und Umfeld zusammen, schmeiß sie deiner IT auf den Tisch und erwarte ein Wunder!
Das kommt dann auch. Als blaues Wunder. Nämlich dann, wenn der Analyst sich wieder meldet und sagt: „Mit diesen Daten kann ich nichts anfangen.“ Weil sie Big sind, aber nicht Smart. Deshalb spricht der aufgeklärte Digitalist nicht von Big Data, sondern von Smart Data. Es reicht eben nicht, fünf Millionen Datensätze per Nürnberger Trichter in den Rechner zu stopfen und dann Wunder zu erwarten. Die IT’ler sind die ersten, die uns auf den entscheidenden Nachteil massenhafter, aber unspezifischer Datensammlungen hinweisen: Garbage in, garbage out. Big is not beautiful!
Smart ist das neue Big. Und smart bedeutet: Hinten bei der Analyse kann nicht herauskommen, was ich vorne bei der Datensammlung, besser: Datenselektion, versäumt habe. Beachtet man dieses Gebot der Spezifität der Daten, liefert Smart Data im Gegensatz zu Big Data tatsächlich bestechend präzise Vorhersagen von zum Beispiel Kundenerwartungen, Aufträgen und Kundenverhalten. Einige Supply Chain Manager nutzen das bereits.
So hat ein bekannter deutscher Versandhändler mit Hilfe der Predictive Analytics for Demand Planning die Präzision seiner Vorhersagen des Bestellaufkommens um beeindruckende 40 Prozent gesteigert. Wie wir alle wissen, ist das ein Quantensprung für Kapazitätsplanung, Disposition, Liefertreue (Out of Stock wird vermieden!) und damit Kundenzufriedenheit, Wettbewerbsvorteil und Nachfolgegeschäft. Zusatz-Bonus: Es treten viel weniger unerwartete Nachfrage-Peaks auf, weil man erwarten kann, was man vorhersagen kann. Dieser Zusammenhang bewirkt auch Wunder für das Supply Chain Risk Management.
Ein Risiko, das ich erwarte, ist nur ein halbes Risiko – wenn überhaupt. Am besten weiß das die Branche, die extrem viel mit Risiko zu tun hat: die Polizei. Das NYPD, die Polizei von New York, setzt seit einiger Zeit erfolgreich auf Predictive Policing. Dessen Algorithmus berechnet täglich die wahrscheinlichen Crime Hot Spots. Wenn der Einbrecher also mit Dietrich und Brechstange im Villenviertel auftaucht, erwartet ihn die Polizei bereits mit gezückten Handschellen. Auf diese Weise konnte auch die kalifornische Polizei die Anzahl der Einbrüche um 32 Prozent und die Zahl der Fahrzeugdiebstähle um 20 Prozent reduzieren. Diese Beispiele lassen sich perfekt aufs Business übertragen: Nichts, was ich heute vorhersehe, kann mich morgen überraschen. Und: Die Vorhersage von heute ist der Umsatz von morgen.
Es wird immer behauptet, dass niemand die Zukunft kenne. Das mag stimmen. Doch viel entscheidender ist: Wer sie besser vorhersagen kann, macht das bessere Geschäft.