Die Entscheidungen in mittelständigen Unternehmen werden auch heute noch sehr stark auf Basis von Erfahrungswerten getroffen. Das Informationszeitalter in dem wir seit Jahrzehnten leben, wird dort erst jetzt Realität. Digitale Daten nehmen in einer rasanten Menge zu und verdoppeln sich laut einer Studie alle 2 Jahre.
Dadurch gewinnt der Rohstoff „Information“ eine immer größer werdende Bedeutung und wird neben Arbeitskraft, Ressourcen und Kapital als „vierter Produktionsfaktor“ genannt. Um wettbewerbsfähig zu bleiben, sind Unternehmen gezwungen sich mit diesen Daten zu beschäftigen, und das um mehr als nur ihr Tagesgeschäft abzuwickeln und Kennzahlen daraus zu berechnen.
Beschränkt sich die Datenbearbeitung nur auf das Tagesgeschäft, werden nicht alle Potentiale die in den Datenansammlungen stecken genutzt. Stimmt die Datenqualität und liegen die Daten in einer entsprechend umfangreichen Menge vor, so lassen sich diese Aufzeichnung auf ihre Entwicklungen hin analysieren. Diese Vorgehensweise wird mit dem Schlagwort Predictive Analytics beschrieben, bei dem Trends aufgrund historischer Daten berechnet werden.
Solche Vorhersagen können anschließend in die Bewertung der Risiken eines Unternehmens einfließen. Denn für gewöhnlich werden Risiken nach Erfahrung und Bauchgefühl geschätzt. Hat man aber Daten, die eindeutig eine Prozessentwicklung aufzeigen, die die Unternehmensziele gefährden, so kann das Risiko entsprechend besser eingeschätzt und Maßnahmen eingeleitet werden. Die Datenanalyse soll also einen Blick in die Zukunft wagen und den Entscheidungsträgern mithilfe einer Prognose das Bewerten der Unternehmensrisiken erleichtern.
In dem Vortrag werden u.a. praktische Erkenntnisse aus der Erstellung einer Bachelorarbeit in einem mittelständischen Unternehmen dargestellt, die Herr Grening mit Unterstützung von Herrn Müller und der Betreuung von Prof. Herde erstellt hat.