Beispiel #1: Wie steigern wir Effizienz und Transparenz unserer Excel-basierten Planung?


Was haben betriebliche Funktionen wie Einkauf, Logistik, Marketing, Verkauf, Produktionsplanung und Controlling gemeinsam? Richtig: Eines der unverzichtbaren Arbeitsinstrumente ist Microsoft Excel. Es ist intuitiv, flexibel und dank seiner Verbreitung müssen neue Arbeitskollegen nicht erst in seinem Gebrauch geschult werden.

Excel hat jedoch den gewichtigen Nachteil, dass es bezüglich Effizienz und Transparenz mit spezialisierter Planungssoftware nicht mithalten kann. Die folgenden Punkte lassen sich kaum oder dann nur unter grossem Aufwand in Excel implementieren: Vermeidung von Fehlmanipulation, Multi-User-Fähigkeit, Definition von Workflows oder Logging von User-Aktionen. AnalytixGroup bietet Lösungen, welche es erlauben, auf Excel zu basieren und gleichzeitig dessen Nachteile zu beheben.

Erforderliche Lösungskompetenzen


Business Administration | Business Analysis | Planning | Jedox | Microsoft Excel | Sage | SAP

Beispiel #2: Wir wollen Unternehmensdaten nicht nur anzeigen, sondern auch analysieren.


Richtige Entscheidungen setzen die richtige Entscheidungsgrundlage voraus. Häufig werden dem Entscheidungsträger die benötigten Informationen in Form starrer Reports zur Verfügung gestellt. Was früher nicht anders möglich war und heute bei wenig datenaffinen Personen immer noch Sinn macht, ist für anspruchsvolle Entscheidungstätigkeiten nicht mehr genügend.

Jeder Entscheidungsträger arbeitet anders und jede Entscheidung ist einzigartig. Daher ist es wichtig, Werkzeuge zur Verfügung zu haben, welche erstens ganz verschiedene Perspektiven auf die Daten erlauben, zweitens ein exploratives Erkunden ermöglichen und drittens die Möglichkeit zur Kollaboration bieten.

Erforderliche Lösungskompetenzen


Business Administration | Business Intelligence | Data Warehouse | ETL | Reporting | QlikView | Sage | SAP | SQL

Beispiel #3: Unser Problem: Manuelles Dokumentenmanagement.


Nebst der Revolution des menschlichen Zusammenlebens und anderer Visionen, welche die Informationstechnologie gerne für sich reklamiert, ist sie doch vor allem dazu da, dem Menschen mühsame und zeitaufwändige Arbeiten abzunehmen. Im betrieblichen Alltag fällt zum Beispiel das manuelle Dokumentenmanagement in diese Kategorie: Erfassen von Daten, deren Übertragen von Dokument A nach Dokument B oder das Auffinden abgelegter Information.

Obwohl es für die Digitalisierung des Dokumentenmanagements bestehende Software gibt, kommt man um unternehmensspezifische Anpassungen nicht herum.

Erforderliche Lösungskompetenzen


Requirements Engineering | Software Engineering | C# | HTML | Java | .Net | XML

Beispiel #4: Wie lässt sich Qualität beurteilen?


Die im internationalen Vergleich hohen Preise schweizerischer Produkte lassen sich nur mit überragender Qualität rechtfertigen. Die Gewährleistung einer hohen Qualität von Gütern und Dienstleistungen erfordert Messungen und da dies häufig nicht bei allen Outputeinheiten möglich ist, behilft man sich mit Stichproben. Aber welcher Anteil des Outputs muss untersucht werden, damit einerseits nicht zu wenige (Qualitätsproblem) und andererseits auch nicht zu viele (Ineffizienz) Stichproben erhoben werden? Solche Fragestellungen fallen in den Bereich der Statistik und die Erfahrung zeigt, dass in vielen Unternehmen das statistische Wissen nicht vorhanden ist, um eine effiziente Qualitätskontrolle durchzuführen.

Erforderliche Lösungskompetenzen


Statistical Analysis | R | SPSS | Stata

Beispiel #5: Wie erkennen wir zeitnah Risiken?


Ein Risiko, welchem alle Firmen ausgesetzt sind, ist das Reputationsrisiko. Im Zeitalter der sozialen Medien können sich kritische Kommentare schnell zu einem Flächenbrand entwickeln, welcher die Reputation massiv schädigen kann. Andere Risiken sind eher branchenspezifisch. So können in der Reisebranche gewisse Ereignisse wie Streiks oder Naturkatastrophen zu einem Chaos führen. Diese Aussage trifft auch auf die Logistikbranche zu.

Damit derartige Risiken frühzeitig erkannt und zeitnah reagiert werden kann, muss auf externe Daten zurückgegriffen werden, wie beispielsweise soziale Netzwerke oder Wetterdaten. Diese Daten liegen erstens in grossen Mengen vor, sind zweitens häufig unstrukturiert (zum Beispiel Texte) und müssen drittens mit hoher Geschwindigkeit verarbeitet werden.

Erforderliche Lösungskompetenzen


Big Data | Business Analysis | Data Mining | Data Science | Text Mining | Web Spidering | Hadoop | HTML | SQL

Beispiel #6: Vernachlässigen wir die geografischen Aspekte unserer Daten?


Bekanntlich ist die visuelle Darstellung von Sachverhalten förderlich für deren Verständnis. Und genau darum geht es hier: Durch Abbildung der geografischen Aspekte von Daten auf Kartenmaterial zu einer visuellen Darstellung und damit zu besseren und schnelleren Entscheidungen zu gelangen.

Eine Versicherung lässt sich die von ihr versicherten Gebäude auf einer Gefahrenkarte darstellen. Ein Immobilienunternehmen illustriert geplante, sich im Bau befindliche und fertiggestellte Neubauten der Konkurrenz. Ein Detailhändler stellt fest, dass seine Kundschaft in der Nähe von Bahnhöfen wohnt und schaltet seine Werbung entsprechend dort. Dies sind alles Beispiele für den Mehrwert geografischer Aspekte.

Erforderliche Lösungskompetenzen


Geographic Information Systems | GeoQlik | QGIS

Beispiel #7: Wie optimieren wir unsere Supply Chain?


In den Bereichen Supply Chain, Einkauf, Logistik und Produktionsplanung sind viele Fragestellungen so komplex, dass sie sich nicht durch Intuition oder simple Dreisätze lösen lassen. Hierzu wurden von der Mathematik und der Betriebswirtschaft Methoden entwickelt, welche unter dem Begriff Operations Research zusammengefasst werden. Für gewisse Aufgabenstellungen lässt sich eine optimale Lösung berechnen, für andere wird mittels Simulation ein Optimum gefunden.

Wie wirken sich verschiedene Lagerhaltungsparameter entlang einer Supply Chain auf Kosten und Lieferfähigkeit aus? Dies ist eine Fragestellung, welche mittels Simulation beantwortet werden kann. Auf welcher Fabrikationsstrasse soll welches Produkt gefertigt werden? Hier bietet sich die Methode der Linearen Optimierung an.

Erforderliche Lösungskompetenzen


Business Administration | Business Analysis | Operations Research | Simulation | ExtendSim | Microsoft Excel

Beispiel #8: Wie lassen sich Geschäftsprozesse mittels IT besser unterstützen?


Informationstechnologie erlaubt die Steigerung von Effektivität und Effizienz über alle Branchen und betrieblichen Funktionsbereiche hinweg. Die Herausforderung besteht darin, den Überblick über die Möglichkeiten der Informationstechnologie zu haben, um die passende Lösung zur Behebung einer wahrgenommenen Soll-Ist-Abweichung zu finden. Oder noch schwieriger: Überhaupt zu erkennen, dass der momentane Zustand in der eigenen Unternehmung nicht das Optimum darstellt und die IT Möglichkeiten bietet, bestehende Grenzen hinauszuschieben.

Erforderliche Lösungskompetenzen


Business Administration | Business Analysis | Requirements Engineering

Beispiel #9: Wir benötigen Unterstützung bei der Umsetzung eines IT-Projekts.


Mit IT-Projekten werden gemeinhin Budget- und Terminüberschreitungen assoziiert. Das muss nicht sein, denn das Risiko von Überschreitungen lässt sich massiv senken, wenn ein angemessenes Projektmanagement etabliert wird, und zwar de facto und nicht nur dem Namen nach. Beim Projektmanagement zu sparen, zahlt sich nicht aus. Falls Sie vor der Umsetzung eines IT-Projekts stehen und eine vom Dienstleister und Ihren im Tagesgeschäft absorbierten Mitarbeitern unabhängige Projektleitung benötigen, dann steht Ihnen AnalytixGroup mit professionellen Projektleitern zur Seite.

Erforderliche Lösungskompetenzen


Business Administration | Business Analysis | Project Management | Requirements Engineering

Beispiel #10: Agieren statt reagieren?


Es ist zwar unmöglich, die Zukunft vorherzusehen, immerhin jedoch lassen sich den möglichen Zukunftsszenarien Wahrscheinlichkeiten zuweisen. Wenn heute Ersatzteile von Liften oder Lokomotiven ausgewechselt werden, bevor sie ausfallen oder wenn Kunden identifiziert werden, bei welchen eine hohe Absprunggefahr besteht, dann geht es genau um dieses Thema: Die Analyse von Vergangenheit und Gegenwart und darauf aufbauend die Prognose zukünftiger Ereignisse. Das ist seit jeher die Domäne der Statistik, jedoch haben sich auf diesem Gebiet die Möglichkeiten in den letzten Jahren durch die Entwicklung der Informationstechnologie massiv erweitert.

Erforderliche Lösungskompetenzen


Data Mining | Data Science | Predictive Analytics | Statistical Analysis | R | SPSS | Stata

  •   AnalytixGroup AG
         Lyssachstrasse 111
         3400 Burgdorf
         SWITZERLAND