Die Herausforderungen verhandeln, um den ROI zu erreichen

Das Ziel von Operational Analytics

Kurz gesagt, Operational Analytics sollte in der Lage sein, relevante Analysen auf der Ebene zu liefern, auf der Ihr Unternehmen tatsächlich arbeitet. Nicht zusammenfassend, sondern detailliert. In der Praxis bedeutet dies, dass Sie Ihre Projekte, Produkte oder SKUs, Kunden, Lager, Vertriebsmitarbeiter und vieles mehr verstehen und Rentabilitätsanalysen über alle Datendimensionen hinweg durchführen können.

Die Herausforderung besteht darin, dass Sie möglicherweise nicht genau wissen, welche Analysen vom ersten Tag an durchgeführt werden müssen (sobald die Endbenutzer eine Analyse erhalten, wollen sie immer mehr!) Ein flexibles und allumfassendes Datenmodell kann erforderlich sein, selbst wenn Sie aus praktischen Gründen später einfachere Analysen abspalten - siehe Navigation hochdimensionaler Daten weiter unten. Denken Sie an einen agilen Ansatz mit der ständigen Möglichkeit zur Flexibilität und Veränderung, wenn neue Anforderungen auftauchen.

Planung vs. Analyse - der Datenunterschied - ein Wort der Warnung

An dieser Stelle ist es wichtig, darauf hinzuweisen, dass ein operativer Analysewürfel, vielleicht mit 20 oder mehr Dimensionen, KEIN Planungswürfel ist - die beiden Anforderungen sind sehr unterschiedlich. Ich habe mit Unternehmen zusammengearbeitet, die versucht haben, ihre Vertriebsmitarbeiter auf einer detaillierten operativen Ebene planen zu lassen - zum Beispiel für jede SKU (20.000), für jeden Kunden, jede Verkaufsstelle, jedes Lager, jede Region, jede Marke, jedes Ursprungsunternehmen, jedes Industriesegment, jede Zeit und vieles mehr. Dies ist ein Alptraum für den Handelsvertreter und eine potenzielle Risikoquelle, da es praktisch unmöglich ist, den richtigen Platz für die Daten zu finden.

Eine Strategie, die ich verfolgt habe, besteht darin, einen einfachen Planungswürfel zu erstellen, der mit allen realen Kombinationen von Plandaten vorbesetzt ist (ich nenne dies Planungsknoten - jeder Planungsknoten stellt eine

eine einzelne reale Kombination aus vielen anderen Dimensionen). Dadurch erhält der Vertreter die genauen Datenpunkte, in die er die Plandaten bei SKU, Planungsknoten und Zeit einfügen muss, was den Planungsprozess enorm vereinfacht. Anschließend kann die CPM-Software diese Daten den detaillierten Cubes zuordnen. Je mehr Automatisierung Sie in eine CPM-Lösung bringen können, desto besser. Bei Prophix verwenden wir den Detailed Planning Manager für genau diesen Zweck.

Finance Breakout - Den Buchhaltern die Kontrolle entreißen, indem man einen Mehrwert schafft

Eine meiner ursprünglichen Herausforderungen bestand also darin, die Finanzabteilung, die in der Regel Eigentümer der CPM-Lösungen ist, dazu zu bringen, eine breitere Nutzung der Lösung zuzulassen. Der effektivste Weg, dies zu erreichen, besteht darin, den Daten, die sie bereits sammeln, einen Mehrwert im Namen von Genauigkeit und Detailgenauigkeit zu bieten. Normalerweise sieht die Finanzabteilung in der Gewinn- und Verlustrechnung nur zusammengefasste operative Daten. Durch die Möglichkeit, in einige der wichtigsten GuV-Zeilen (wie z. B. Verkauf) einzudringen und eine detaillierte Kundenrentabilität zu erhalten, oder durch einen Würfel, der ihnen die Differenz zwischen erwartetem und tatsächlichem Lieferdatum pro Rechnung und Kunde anzeigt, können Finanzdirektoren und ihre Mitarbeiter einen enormen Einblick in die Genauigkeit ihres Planungsprozesses gewinnen. Auch eine proaktive Ausreißeranalyse ist möglich, indem monatliche Probleme mithilfe automatisierter Berichte direkt an die Finanzabteilung weitergeleitet werden.

Es besteht keine Notwendigkeit, die operativen Cubes direkt mit den Finanz-Cubes zu verbinden, wenn Sie das nicht wollen - auch wenn einige CPM-Tools Ihnen sagen, dass Sie viele Cubes direkt miteinander verbinden können, gibt es selten einen guten Business Case; es ist besser, sie nach Prozessen zu verbinden (d.h. bei Bedarf zu aktualisieren statt live), um die Leistung sowohl für die Finanzen als auch für die operativen Bereiche sicherzustellen. Betriebsdaten ändern sich oft viel schneller als Finanzdaten, oder sie werden einfach täglich benötigt.

Finanzen vs. IT - wo liegt die Verantwortung?

Man könnte es auch so formulieren: "Wer sollte sich um CPM-Systeme kümmern, die IT oder das Unternehmen?". Die Herausforderung besteht darin, dass die IT-Abteilung über technisch fähige Mitarbeiter verfügt, die zwar über Datenbank- und Systemerfahrung verfügen, aber in der Regel wenig Zeit haben und eher für das gesamte Unternehmen als für einen einzelnen Bereich zuständig sind. Die Fachabteilungen sind Experten in ihrem Bereich, aber in der Regel keine Systemexperten, und sie haben ebenfalls wenig Zeit.

Die erfolgreichsten Projekte, die ich erlebt habe, haben eine Reihe von Ressourcen des Unternehmens kombiniert:

1. Geschäftsanwender - die Geschäftsanwender müssen kontinuierlich einbezogen werden, um sicherzustellen, dass sie das künftige System annehmen.

2. Benutzeranforderungen - das Unternehmen muss die Kontrolle über den Umfang haben; scheuen Sie sich nicht, aktuelle Prozesse zu überdenken, anstatt eine neue Version dessen zu erstellen, was Sie bereits haben.

3. Projektmanagement - auch wenn der Anbieter die Implementierung projektiert, müssen Sie Ihre Beteiligung projektieren - Sie sollten an jedem Projekt beteiligt sein, um sicherzustellen, dass Sie die Lösung in Zukunft verwalten können.

4. IT - Die IT-Abteilung muss sich beteiligen, um Ihnen die Infrastruktur und den Support für das Projekt zur Verfügung zu stellen.

Realistischerweise werden Sie also entweder für das Projekt oder auf permanenter Basis ein multidisziplinäres Team oder ein "Kompetenzzentrum" auf der Grundlage eines Shared-Service-Modells einrichten, das die Lösung unterstützt. CPM-Lösungen müssen sich mit dem sich verändernden Unternehmen weiterentwickeln, und dieses Team wird dazu in der Lage sein.

Navigation in hochdimensionalen Daten - Strategien für Endbenutzer

Eine der Herausforderungen bei hochdimensionalen Daten ist die Navigation für die Endbenutzer. Die Möglichkeit, Ihre Daten nach Tag, Artikel, Kunde und 10 weiteren Dimensionen zu analysieren, ist sehr leistungsfähig, führt aber letztendlich zu vielen leeren Zellen oder Null-Daten, da die Sparsamkeit bis in den Milliardstel Prozentbereich oder weniger gefüllter Zellen reicht.

Letztendlich geht es darum, den Zugriff des Benutzers auf die Daten zu kontrollieren oder die jedem Benutzer zur Verfügung gestellten Daten zu begrenzen. Das klingt vielleicht gleich, aber es gibt einen feinen Unterschied.

Ausgehend von einem einzigen großen Datenwürfel können Sie mit einem umfassenden Sicherheitsmodell, das auf Gruppen basiert, die Daten in diesem Würfel einschränken, die den Endbenutzern zur Verfügung stehen. Ein gruppenbasiertes Sicherheitsmodell ist in der Regel "additiv" (d. h., wenn ein Benutzer Mitglied in mehr als einer Gruppe ist, erhält er den Zugriff von beiden Gruppen zusammen). Auf diese Weise können Sie Gruppen für den Zugriff auf Produkte, Kunden, Regionen, Versionen, Abteilungen oder andere Bereiche einrichten und dann den Benutzern mehrere Gruppen zuweisen, um ihren Zugriff zu definieren. Wenn Benutzer unterschiedliche Zugriffsrechte benötigen, können sie einfach zu Gruppen hinzugefügt oder aus ihnen entfernt werden, und Sie können sogar eine Gruppe für Lese-/Nur-Lese-/Schreibzugriff einrichten, um den Datenzugriff schnell zu gewähren oder zu entfernen. Letztendlich können Sie so ein komplexes oder einfaches Sicherheitsmodell haben, wie Sie möchten.

Bei der zweiten Methode werden aus dem Master-Cube Unter-Cubes erstellt, die viel weniger Dimensionen und Daten haben können. Der Vorteil der Erstellung kleinerer Würfel kann in der Leistung, Einfachheit und Flexibilität liegen. In Produkten wie Prophix ist die Erstellung eines kleinen Cubes mit einer Teilmenge von Daten eine einfache Aufgabe für Geschäftsanwender, so dass Cubes ad-hoc erstellt und entfernt werden können. Einige größere Einzelhandelsmodelle haben tägliche Würfel, wöchentliche Würfel, periodische Würfel für Lager- und Verkaufsinformationen, die auf den unterschiedlichen Bedürfnissen der Benutzer basieren. Auch hier hängt die tatsächliche Implementierung von Ihren Bedürfnissen ab.

-

Zusammenfassend lässt sich also sagen: Tun Sie es! Machen Sie sich mit der Politik vertraut, verstehen Sie, was Sie erreichen wollen, und entwerfen Sie Ihre Modelle so, dass sie die Daten für die Benutzer auf benutzerfreundliche und leistungsstarke Weise bereitstellen.