BLOG
Welches Potenzial steckt in Ihren Unternehmensdaten?
„Daten sind das neue Öl“. Dieses Sprichwort haben Sie vermutlich schon häufig gehört. Für viele kleine und mittlere Unternehmen (KMU) klingt das jedoch nach einem Thema für große Technologieunternehmen als nach einer realistischen Möglichkeit für den eigenen Betrieb. Oft besteht die Annahme: „Wir haben nicht genug Daten, kein Budget für Data Scientists und keine Zeit für komplexe Programmierprojekte.“ Dabei verfügen viele Unternehmen bereits über wertvolle Datenbestände, die im Arbeitsalltag ganz nebenbei entstehen. Ein interessantes Beispiel sind sogenannte Zeitreihendaten. Was sich hinter diesem Begriff verbirgt, welchen Nutzen Zeitreihenanalysen für KMU bieten können und wie sich erste Analysen auch ohne Programmierkenntnisse durchführen lassen, erfahren Sie in diesem Beitrag.
Was sind Zeitreihendaten?
Eine Zeitreihe ist eine Abfolge von Datenpunkten, die in einer zeitlichen Reihenfolge erfasst werden. Hinter diesem Begriff verbergen sich Daten, die in vielen Unternehmen bereits vorhanden sind. Typische Beispiele für Zeitreihen in KMU sind:
- tägliche Verkaufszahlen im Online-Shop oder Ladengeschäft,
- der Stromverbrauch von Maschinen und Anlagen,
- das Anrufaufkommen im Kundenservice,
- Lagerbestände wichtiger Rohstoffe oder Produkte und
- Produktionsmengen pro Schicht oder Tag.
Allen Beispielen gemeinsam ist, dass die Daten mit einem Zeitpunkt oder Zeitintervall verknüpft sind. Werden diese Daten nicht nur gespeichert, sondern gezielt ausgewertet, können Unternehmen Muster erkennen und ihre Entscheidungen datenbasiert treffen.
Welchen Nutzen kann die Zeitreihenanalyse für KMU bieten?
Die Analyse historischer Daten kann dabei helfen, wiederkehrende Muster, Trends oder saisonale Schwankungen zu erkennen. Daraus lassen sich automatisch Prognosen ableiten, die Unternehmen bei der Planung unterstützen können.
1. Energieverbrauch besser planen
In produzierenden Unternehmen entstehen häufig schwankende Energieverbräuche. Die Analyse historischer Verbrauchsdaten kann dabei helfen, Lastspitzen zu erkennen und deren Auftreten besser vorherzusagen. Auf dieser Grundlage lassen sich beispielsweise Produktionsabläufe anpassen oder Einsparpotenziale identifizieren.
2. Personalressourcen bedarfsgerecht einsetzen
Viele Unternehmen erleben regelmäßig wiederkehrende Spitzenzeiten, etwa zu bestimmten Wochentagen, Tageszeiten oder nach Feiertagen. Mithilfe historischer Daten können solche Muster sichtbar gemacht werden. Dies kann die Personaleinsatzplanung unterstützen und dazu beitragen, Wartezeiten für Kundinnen und Kunden zu reduzieren.
3. Lagerbestände optimieren
Eine bessere Einschätzung zukünftiger Bedarfe kann Unternehmen dabei helfen, Lagerbestände gezielter zu planen. Dadurch lässt sich vermeiden, dass unnötig Kapital im Lager gebunden wird oder wichtige Materialien kurzfristig fehlen.
Keine Programmierkenntnisse? Kein Problem!
Die technische Umsetzung von Zeitreihenanalysen war lange Zeit mit hohen Einstiegshürden verbunden. Heute stehen jedoch zahlreiche Werkzeuge zur Verfügung, die auch Anwenderinnen und Anwendern ohne Programmiererfahrung den Zugang erleichtern.
Low-Code- und No-Code-Plattformen wie KNIME Analytics Platform, Orange Data Mining oder RapidMiner bieten grafische Benutzeroberflächen, in denen Analyseprozesse visuell erstellt werden können. Anstatt Programmcode zu schreiben, werden einzelne Verarbeitungsschritte als Bausteine per Drag-and-Drop miteinander verbunden. Ein möglicher Ablauf könnte beispielsweise folgendermaßen aussehen:
1. Daten importieren
Historische Daten werden aus einer Excel-Datei oder einer CSV-Datei geladen.
2. Daten visualisieren
Liniendiagramme und Saisonplots helfen dabei, Trends, Ausreißer oder saisonale Muster zu erkennen.
3. Prognosemodell erstellen
Vorgefertigte Analysebausteine unterstützen bei der Erstellung von Prognosemodellen auf Basis historischer Daten.
4. Ergebnisse bewerten
Die erzeugten Prognosen werden hinsichtlich ihrer Plausibilität und Genauigkeit überprüft.
Worauf Unternehmen bei Zeitreihenanalysen achten sollten
Zeitreihenanalysen können wertvolle Entscheidungshilfen liefern. Die Qualität der Ergebnisse hängt jedoch maßgeblich von den verfügbaren Daten ab.
Folgende Aspekte sollten berücksichtigt werden:
- Sind ausreichend historische Daten vorhanden?
- Werden die Daten regelmäßig und konsistent erfasst?
- Gab es außergewöhnliche Ereignisse, die die Daten beeinflusst haben?
- Haben sich Geschäftsprozesse oder Rahmenbedingungen grundlegend verändert?
Zeitreihenanalysen liefern daher keine sicheren Vorhersagen, sondern Prognosen auf Basis vergangener Entwicklungen. Sie können Unternehmen dabei unterstützen, fundiertere Entscheidungen zu treffen, ersetzen jedoch nicht die fachliche Bewertung der Ergebnisse.
Wie Sie morgen mit Zeitreihen anfangen können
Der Einstieg in die Zeitreihenanalyse muss weder teuer noch aufwendig sein. Ein möglicher Weg könnte folgendermaßen aussehen:
- Identifizieren Sie einen Bereich, in dem Vorhersagen einen Mehrwert schaffen könnten, beispielsweise Energieverbrauch, Personalplanung oder Lagerhaltung.
- Exportieren Sie historische Daten aus Ihrem ERP-, Kassensystem oder einer anderen Unternehmenssoftware.
- Testen Sie ein kostenfreies Werkzeug wie die KNIME Analytics Platform.
- Nutzen Sie frei verfügbare Lernangebote wie Webinare von Mittelstand-Digital, Tutorials, Dokumentationen oder Community-Foren, um erste Erfahrungen zu sammeln.
Ansprechpartner
