Für Telekommunikationsprovider und andere Player im CME-Segment ist die Ära der Künstlichen Intelligenz (KI) längst angebrochen. Ob zur Optimierung des Kundenservices, der Auswertung mobiler Nutzerdaten oder bei visionären Anwendungsfällen wie selbstorganisierten Netzen: KI-Initiativen sind integraler Bestandteil der Strategie von Telekommunikationsprovidern geworden. Die Ambition, geschäftlichen Mehrwert durch die Anwendung datengetriebener Methoden zu generieren oder ganze Geschäftsbereiche zu transformieren, wird bereits vielerorts vorangetrieben. Umsatzwachstum, Kundenwert, Innovation oder Risikomanagement bilden dabei die zentralen Nutzenversprechen.

Telekommunikationsanbieter sehen sich dabei einer paradoxen Situation gegenübergestellt: Während mobile Endgeräte, Netzdaten und Kundeninteraktionen immer mehr Daten generieren, die es ihnen ermöglichen, Kunden, Markt und das allgemeine Geschäftsumfeld besser zu verstehen, wird ihr Geschäftsumfeld gleichzeitig immer komplexer und volatiler.

Wir sind der Überzeugung, dass Wettbewerbsvorteile dort generiert werden, wo Technologie, Menschen und geschäftliches Know How zusammentreffen. Damit das Potenzial großer Datenmengen entfesselt werden kann, müssen D&A-Lösungen tief in den Prozessen und Arbeitsweisen verwoben werden. Unsere Projektteams bei BearingPoint bringen mit einer langjährigen Projekt- und Industrieerfahrung sowie der Kombination von Business Know How mit technischer Expertise die Voraussetzungen, um Ihr Unternehmen erfolgreich auf Ihrer Reise Richtung datengetriebenes Unternehmen zu navigieren.

Drei typische Fallstricke bei D&A-Projekten

Unsere langjährige Zusammenarbeit mit unseren Kunden im Bereich Communications, Media & Entertainment zeigt, dass Projekte im Bereich Data & Analytics häufig mit drei typischen Problemstellungen kämpfen.

Fehlender Dialog zwischen IT und Business

In der Unternehmenspraxis finden sich häufig zwei typische Vorgehensmodelle für datengetriebene Initiativen. Oft werden D&A-Projekte aus dem IT-Department gesteuert, die in der Regel nicht über das notwendige Business Know How verfügen. In der Folge fokussieren sich diese Projekte häufig zu stark auf technologische Aspekte und vernachlässigen den konkreten geschäftlichen Mehrwert. Wenn auf der anderen Seite reine Business Departments KI-Projekte durchsteuern, mündet dies nicht selten in einer Unterschätzung der technischen Komplexität  und verheerenden Folgen für die Projektplanung. Ein interdisziplinäres Projektteam und die Einbindung von „Übersetzern“ ist daher für den Projekterfolg elementar.

Fehlende Erfolgskennzahlen zur Bewertung der D&A-Initiative

Laut einer Gartner-Studie nutzen nur 15 % der Data & Analytics-Strategien konkrete Erfolgskennzahlen – mit der Folge, dass die Projekte oft nicht den erhofften Nutzen bringen. Tatsächlich ist die Definition klarer KPIs häufig der Schwierigkeit geschuldet, den konkreten und isolierten Nutzen von Data & Analytics-Initiativen zu messen. Die Kopplung an ROI oder ähnliche KPIs sollte jedoch zentrale Voraussetzung für den Projektstart und ein entsprechendes Execcutive Buy In. Geeignete KPIs sollten zu Projektbeginn festgelegt werden.

Verharren in veralteten Wasserfall-Projektorganisationen

Ein weiterer Trugschluss ist der Versuch, klassische Wasserfallplanung auf den Bereich Data & Analytics übertragen zu wollen. Datengetriebene Projekte – gerade im Bereich KI – bringen durch ihren naturgemäß eher experimentellen Charakter eine hohe Unsicherheit und Dynamik mit sich. Dies steht in der Regel im direkten Kontrast zu den Anforderungen der Führungsetagen mit einem Wunsch nach Planungssicherheit und langfristig definierten Meilensteinen. In einem solch volatilen Projektumfeld haben sich agile Methoden bewährt, die regelmäßige Feedbackloops mit den relevanten Stakeholdern beinhalten und bei veränderten Rahmenbedingungen schnell gegensteuern können. Gleichzeitig wird so eine enge Kopplung an den Nutzen der End User ermöglicht.

BearingPoint unterstützt Ihre D&A-Initiative durch ein wertbasiertes Vorgehensmodell

Unsere langjährige Projekterfahrung zeigt, dass zu Beginn datengetriebener Projekte der Nutzen für ein Unternehmen klar definiert werden muss. Hierfür haben wir auf Basis unser Erfahrungen ein wertbasiertes Vorgehensmodell entwickelt, in dessem Zentrum genau der Gedanke steht, sich datengetriebenen Projekten immer vom geschäftlichen Nutzen ausgehend zu nähern. Die detaillierte Datenanalyse sollte erst nach der Definition konkreter Fragestellungen bzw. Möglichkeiten zur Entscheidungsunterstützung erfolgen.

Basierend auf strategischer Zielsetzung identifizieren wir zunächst in Zusammenarbeit mit Ihnen wertversprechende Anwendungsfälle und evaluieren im Nachgang Machbarkeit und  geschäftlichen Mehrwert. Schließlich definieren wir mit den relevanten Stakeholdern ein Zielbild – beispielsweise in Form eines User Front Ends. Im Rahmen der Implementierung erfolgen dann Phasen der Datenanalyse, Modellentwicklung und Evaluation des generierten Mehrwerts.

Unsere Service Offerings im Bereich D&A: BearingPoint unterstützt Sie bei jedem Schritt auf dem Weg zu einer datengetriebenen Organisation

Ob bei einem KI-Strategieworkshop zur Identifizierung von Use Cases, der Entwicklung eines Proof of Concept für ein abteilungsübergreifendes Dashboard oder der Ende-zu-Ende-Implementierung – unsere Experten unterstützen Sie an jedem Punkt Ihrer KI-Reise und helfen Ihnen die Lücke zwischen KI-Strategien und dem operativen Tagesschäft zu schließen. Unser D&A-Angebot bündeln wir im Rahmen von fünf Service Offerings – beraten Sie aber auch jederzeit gern bei individuellen Anfragen. Sprechen Sie uns gern an!

Advanced Analytics & Machine Learning

  • Entwicklung von Analyse, Algorithmen und statistischen Modellen, um wertvolle Insights aus strukturierten und unstrukturierten Daten zu generieren
  • End-to-End Deployment von D&A-Use Cases
  • Automatisierte Entscheidungsunterstützung durch KI-Applikationen

Visual Analytics & Business Intelligence

  • Beratung bei Vendor Selection & BI-Architektur
  • Entwicklungen von Dashboards mit BI-Lösungen wie Power BI, Tableau, Qliksense

Data Management & Architecture

  • Datensammlung, Exploration und Vorbereitung als Fundament für vertrauenswürdiges BI & Analytics
  • Management von strukturierten und unstrukturierten Daten mithilfe neuer Technologien
  • Design & Aufbau von Data Analytics Architekturen im Bereich ETL, Data Pipelines, on-premise oder cloudbasiert

Data & Analytics Strategy

  • Entwicklung von Data & Analytics Visionen, Strategien und Operating Models
  • Data & Analytics Use Case Identifizierung
  • Data & Analytics Maturity Assessments

Data Governance

  • Data Governance Maturity Assessment
  • Strategie und Roadmapentwicklung zur organisationsweiten Sicherstellung von Datenqualität, Datenkonsistenz und Datenzugriff
  • Definition und organisationsweite Implementierung konsistenter Data Governance-Prozesse und -Richtlinien

Wünschen Sie weitere Informationen?

Wenn Sie mehr Informationen zu diesem Thema wünschen, wenden Sie sich bitte an unsere Experten, die gern von Ihnen hören.

  • Marcel Tietjen
    Kontakt
Suche
Toggle location