Prioritäten richtig setzen

So können Sie Analyseprojekte nach ihrer Wichtigkeit priorisieren.

Auf einen Blick

  • Prioritäten für Analyseprojekte können sich nach dem messbaren geschäftlichen Nutzen richten.

  • IT-Entscheider können mit kleineren Projekten beginnen sich praktische, vernünftige Ziele setzen.

  • Jedes erfolgreiche Projekt bringt Möglichkeiten mit sich, die wiederverwendet werden können, um die Effizienz späterer Arbeiten zu verbessern.

author-image

By

2011 begann ein kleines Team in der IT-Abteilung von Intel, nach Möglichkeiten einer genaueren Voraussage der Rechenanforderungen für das Testen von Chipdesigns zu suchen.

Durch die Kenntnis, wann bestimmte ressourcenhungrige Verarbeitungsschritte an der Reihe sind und wie viel Arbeitsspeicher jeder Test benötigt, könnte Intel sein großes Rechenservernetz effizienter nutzen und mehr parallele Tests einplanen, ohne an die Grenzen der Speicher- und der Verarbeitungskapazität zu stoßen.

Es stand viel auf dem Spiel: Je 1 Prozent Effizienzsteigerung würde Intel 1 Million USD/Jahr sparen. Das fünfköpfige Team arbeitete insgesamt sechs Monate daran, ausgeklügelte Analyseverfahren auf Daten von Testsimulationen anzuwenden. Dabei erkannte das Team Verbesserungsmöglichkeiten im Designprozess, die mit mehr als 10 Millionen USD/Jahr zu Buche schlugen.

Das mittlerweile als Advanced-Analytics-Gruppe bekannte Team wurde seither geradezu überschwemmt mit Projektanträgen – und das, obwohl die Gruppe auf rund 100 Mitglieder angewachsen ist. Um den vorgeschlagenen Projekten Prioritäten zuzuweisen, wird neben anderen Faktoren analysiert, wie stark der Rückhalt seitens der Fachabteilung und deren Mitwirkung ist, wie viel hochwertige Daten verfügbar sind und wie umfangreich und weitreichend die potenziellen Auswirkungen sind.

Projekte, die das Team gegenwärtig für wert erachtet, weiter verfolgt zu werden, könnten ein Jahr in Anspruch nehmen und noch viel größere finanzielle Vorteile bringen als das Projekt mit der Chipdesign-Simulation.

Die Forderung nach hoher Rendite der Projekte „macht sehr deutlich, dass wir einen Nutzen in dieser Größenordnung erwarten“, sagt Moty Fania, Principal Engineer für die Big-Data-Analyse bei Intel IT.

Die Arbeit des Teams beinhaltet allerdings immer noch viel Nachforschen und Experimentieren. „Wenn wir uns die Daten zum ersten Mal ansehen, haben wir fast immer schon eine Vermutung im Hinterkopf“, so Moty Fania weiter. „Aber manchmal findet man in den Daten einen anderen Indikator, den man nicht erwartet hatte, und der wird dann wichtig.“

Doch manchmal erkennst Du dann etwas, das Du so nicht erwartet hättest, und genau das wird der zentrale Gegenstand.

Moty Fania, Chef-Ingenieur von Intel IT für Big-Data-Analyse

2. Das wirkliche Problem: Die Frage, auf die das Analyseteam eine Antwort finden will, muss zum Geschäftsbereich passen. Sich der Problematik zu widmen, erfordert auch das Verständnis dafür, wie sich irgendeine Lösung in die bestehenden Geschäftsprozesse, Systeme und Personalstruktur der Organisation einfügt.

In diesem Fall orientierte sich die Problemstellung perfekt an der Vorgabe für die Organisation, den Umsatz zu steigern. Die Topmanager verpflichteten sich, notwendige Änderungen der Geschäftsprozesse vorzunehmen.

3. Daten. Das Analyseteam muss feststellen, ob genügend hochwertige Daten vorliegen, die das Analyseprojekt machbar und lohnend erscheinen lassen.

Das Team führte ein Pilotprojekt für ein geografisches Gebiet der Inside-Sales-Organisation durch, von dem die Manager wussten, dass hochwertige Daten vorlagen. Erfolgreiche Tests mit diesen Daten zeigten, dass das Analyseprojekt die Erwartungen erfüllte, was die Arbeiten an der Aufwertung der Datenqualität für andere Gebiete rechtfertigte.

4. Ressourcen. In Zusammenarbeit mit der unterstützenden Organisation muss das Analyseteam beurteilen, welche Personen, Kenntnisse, Tools und Verarbeitungskapazitäten für eine erfolgreiche Durchführung des Projekts gebraucht werden und ob sie verfügbar sind.

Die Analytics-Gruppe hatte ein Team parat, das mit der Inside-Sales-Abteilung zusammenarbeitete. Und Vertriebsleiter stellten dem Analyseteam Personal zur Verfügung.

5. Zeit. Das Analyseteam sollte beurteilen, ob es innerhalb eines gewünschten Zeitrahmens Resultate für das Projekt erzielen kann. Der Nutzen für die Organisation sollte möglichst schnell unter Beweis gestellt werden.

Bei dem Inside-Sales-Beispiel erbrachte ein Pilotprojekt innerhalb kurzer Zeit gute Ergebnisse. Dies rechtfertigte die Mehrarbeit für ein größeres Datenvolumen.

In vielen Fällen beginnen die Überlegungen rund um eine Strategie, die wir schließlich optimieren und die uns dann zu einer vollkommen neuen Lösung führt.

Chen Admati,Leiter für erweiterte Analyse bei Intel

Ergebnisse erfassen, und am Ball bleiben

Bei Meetings, sagt Chen Admati, entwickelten Sales-Manager und Analyseexperten einen Plan. Sie prophezeiten, dass ein Algorithmus mit maschinellem Lernen ihnen helfen könnte, das Feld der erfolgversprechendsten potenziellen Kunden zu verkleinern und ihre Werbebotschaften für den Chipverkauf auf die Bedürfnisse dieser Unternehmen auszurichten, um letzten Endes Intels Geschäftsergebnis zu verbessern.

Die Advanced-Analytics-Gruppe entwickelte einen Algorithmus, der aus einer Menge von 10 000 Wiederverkäufern die 1000 besten Interessenten heraussuchte.

Er half dem Team auch dabei, spezifische Gesprächsthemen für Verkäufer zu entwickeln, individuell für jeden Interessenten an dessen Bedürfnissen orientiert. Der eine mag recht empfänglich sein, was Chips für Server anbelangt, während ein anderer vielleicht Netzwerkhardware benötigt.

Ausgestattet mit priorisierten Listen von Kunden, die angerufen werden sollen und mit individuellen Argumenten für jeden Anruf, steigerte das Online-Sales-Team seinen Umsatz 2014 um mehr als 76 Mio. USD. (Intels Finanzabteilung verfolgt und validiert die Ergebnisse, die Analyseprojekten zugeschrieben werden, was die Überprüfbarkeit ermöglicht und die Genauigkeit von Rentabilitätsprognosen für künftige Projekte verbessert.)

Auch wenn das Projekt technisch abgeschlossen ist, sagt Chen Admati, hält die Advanced-Analytics-Gruppe regelmäßig Rücksprache mit dem Online-Sales-Team.

„In vielen Fällen beginnt das Gespräch mit einem Thema, und wir gehen dann zu einem anderen über und zum Schluss kommen wir zu einer anderen Lösung“, fügt sie hinzu. „Man lernt den Geschäftsbereich, den man unterstützt, näher kennen und erfährt, wie Entscheidungen getroffen werden und wie man auf die Menschen einwirken kann. Die Priorisierung von Projekten ändert sich aufgrund dessen.“