Wat is AI? Nú is de tijd om met kunstmatige intelligentie te beginnen

Ik zag laatst een filmpje op YouTube over een oude zandmijn waar een aantal jonge schatzoekers een enorme amethist opgroeven. Dat wil ik ook, dacht ik, op avontuur uit en zo’n mooie paarse edelsteen vinden.

Maar waar vind je dat nou? Makkelijk, vraag het aan Siri!

En ze wist het nog ook, ergens in Brazilië …

Wat is AI

Dankzij het wereldwijde succes van chatbots zoals Siri, Google Assistant of Amazon Alexa, staat de ontwikkeling van deze door kunstmatige intelligentie (KI) gedreven ‘conversational interfaces’ bij veel bedrijven hoog op de agenda.

De reikwijdte van AI gaat echter veel verder dan alleen chatbots of natural language processing. Terwijl grote reuzen zoals Google en Amazon al een paar stappen voorliggen in het gebruik van kunstmatige intelligentie, zouden kleine en middelgrote bedrijven ook aandacht moeten besteden aan het bepalen van een AI-bedrijfsstrategie en de ontwikkeling van geschikte toepassingen voor hún organisatie.

Toch worden er nog veel vraagtekens achter deze nieuwe technologie gezet, zowel van ethische als juridische aard. Wat is AI precies? Waarmee kan je als bedrijf beginnen om een AI-strategie te bepalen?  Hoe bepaal je op welke bedrijfsonderdelen AI kan worden toegepast? Nú is de tijd om dit uit te zoeken.

Wat is AI?

Artificiële intelligentie, ofwel kunstmatige intelligentie, is niet één technologie, maar het raakt vele disciplines. Gartner geeft de volgende definitie:

Wat is AI? AI is het toepassen van geavanceerde en op logica gebaseerde analysetechnieken, waaronder machine learning, om gebeurtenissen te interpreteren, beslissingen te ondersteunen en automatiseren en actie te ondernemen.

Nauw verbonden met AI zijn de volgende subcategorieën:

  • Machine learning
  • Deep learning
  • Neurale netwerken

Wat is AI: machine learning

Machine learning verwijst naar algoritmes die zichzelf, zonder begeleiding, verbeteren. Een machine learning algoritme neemt data en input op en geeft dan een output. Vervolgens past het algoritme zich automatisch aan op basis van de juistheid van de output.

Tot nu toe deden computers alleen dat waarvoor ze geprogrammeerd waren, dankzij kunstmatige intelligentie kunnen computers nu zelf leren van hun ervaringen en zelf hun algoritmes verbeteren.

Wat is AI: deep learning en neurale netwerken

Deep learning en neurale netwerken zijn algoritmes die patronen herkennen tijdens het verwerken van grote hoeveelheden gegevens. Deepak Argawal, de VP of Artificial Intelligence bij LinkedIn verduidelijkt op LinkedIn hoe deep learning werkt. Naast het lezen van patronen kunnen neurale netwerken inzicht geven in de hiërarchische structuur van data, door laag voor laag patronen te analyseren en met elkaar te verbinden, wat mensen helpt om verbanden te leggen en patronen te begrijpen.

AI en human augmentation

Zo verrijkt AI-technologie onze besluitvorming en interacties. Dit wordt ook wel human augmentation genoemd. AI kan namelijk veel sneller informatie classificeren dan mensen en gemakkelijker voorspellingen doen uit grote aantallen gegevens.

Voorbeelden van toepassingen van AI

Een goed voorbeeld van human augmentation is het gebruik van AI in klantrelatiebeheer.

Een werknemer die in 2019 een CRM-systeem gebruikt, heeft niet alleen toegang tot basiscontactinformatie van zijn klanten en leads, maar ook tot zijn of haar sociale-mediaprofielen en gedetailleerde statistieken over elke interactie die de lead met het bedrijf heeft gehad.

Het is nogal veel gevraagd aan een verkoper om al deze informatie door te nemen en te bepalen hoe deze data op de beste manier kan worden gebruikt in de communicatie met de klant. Verkopers zijn goed in verkopen en niet per se goed in het analyseren van data.

Dit is waar AI ingezet kan worden. Het doel van AI in CRM is om het analysegedeelte uit handen te nemen van de verkoper en de AI-technologie aanbevelingen en voorspellingen te laten doen over klanten en leads op basis van alle data die het systeem over die persoon heeft verzameld.

Andere voorbeelden kunnen worden gevonden in de gezondheidszorg waar AI helpt bij de diagnose van vroege kankeropsporing. In de advocatuur kan AI-technologie advocaten bijstaan bij het sneller vinden van belangrijke wetspassages en aangeven hoe advocaten deze in andere zaken hebben gebruikt, en ontleden hoe bepaalde rechters denken en schrijven.

Wat heb je nodig om met AI te beginnen?

AI-software is een eerste vereiste. Er bestaat pure AI-software, oftewel het algoritme zelf. Het is dan aan het bedrijf om te bepalen welke data het wil gebruiken om het algoritme te ‘trainen’. Daarnaast bestaat er toegepaste AI-software. Dit soort software zet AI in voor (verdere) automatisering en verrijking van bestaande en nieuwe bedrijfsprocessen. In beiden gevallen biedt deze technologie oneindige mogelijkheden tot personalisatie en differentiatie (human augmentation).

Op welke vlakken kan AI in jouw bedrijf worden toegepast?

Nog maar weinig Nederlandse MKB bedrijven hebben op dit moment een duidelijke AI-bedrijfsstrategie. Dat blijkt uit de cijfers van het digitaliseringsonderzoek dat Capterra in juli 2019 uitvoerde.

wat is AI

Bedrijven kunnen AI toepassen om bestaande bedrijfsprocessen te verbeteren en te verrijken gebaseerd op bestaande data.

“Bekijk hoe je technologie nu gebruikt tijdens kritische interacties met klanten – zakelijke momenten – en bedenk hoe je meer waarde uit die momenten kan halen,” zegt Whit Andrews, vooraanstaand VP analist bij Gartner. “Pas AI op die punten toe om een meerwaarde voor je bedrijf te creëren.”

Trends in AI

Twee belangrijke trends op het gebied van AI volgens de Top 10 Strategic Technology Trends voor 2019 van Gartner zijn:

  • Autonomous things
  • Augmented analytics

Beiden technologieën hebben brede toepassingsmogelijkheden voor bedrijven binnen het MKB.

1. Autonomous things

Autonomous things, afgekort als IoAT, van het internet of autonomous things, is een nieuwe term. Met ‘zelfstandige dingen’ wordt verwezen naar computers die als autonome entiteiten, zonder menselijke leiding, vrij rond bewegen en in interactie komen met mensen en andere objecten.

Voor welke bedrijven biedt IoAT kansen?

Intelligente dingen scheppen kansen in sectoren en industrieën zoals de groot- en detailhandel, waar robots warenhuizen bemannen en drones bestellingen bezorgen. In de landbouw zien we deze technologie in de vorm van zelfrijdende tractoren, robots en drones die het rendement en de efficiëntie van het landbouwbedrijf verhogen.

2. Augmented analytics

Augmented analytics is het automatiseren en verrijken van alle onderdelen van data-analyse met behulp van machine learning. Hieronder valt het verzamelen van data, het ordenen en opschonen van data, het analyseren, het genereren van inzichten en het presenteren van resultaten.

Dit vergemakkelijkt enerzijds het werk van data-analisten, die zich nu meer kunnen concentreren op de inzichten die voortkomen uit de data. Anderzijds krijgen ook niet-analisten binnen een bedrijf nu de mogelijkheid om voorspellingen en inzicht uit data te halen.

Voor welke soort bedrijven biedt augmented analytics kansen?

Allerlei afdelingen van allerlei soorten bedrijven kunnen de mogelijkheden van augmented analytics benutten: HR, finance, sales, marketing, customer service, inkoop en asset management. Met behulp van intelligente analyse kunnen werknemers van al deze afdelingen beslissingen en acties ondernemen gebaseerd op complete en onbevooroordeelde inzichten binnen hun werkgebied.

AI-Software

Wil je meer weten over AI en hoe je het in je bedrijf kunt toepassen, bekijk dan ook welke softwareproducten en bedrijfsapplicaties met artificiële intelligentie er al bestaan.

Op Capterra kan je een uitgebreide lijst met AI-softwareproducten vinden.

 

 

La digitalización de las pymes en España: tendencias y uso de software

Digitalización de las pymes

Digitalización de las pymes

¿Cuál es el estado de digitalización de las pymes en España?

La transformación digital está cambiando nuestra manera de vivir, producir y consumir. Las pequeñas y medianas empresas (pymes) no son la excepción pero ¿son conscientes de ello?, ¿aprovechan la tecnología?, ¿cuál es el estado de digitalización de las pymes en España?, ¿qué significa estar digitalizado?

La digitalización de empresas, como explica Juan Ramón Gil, es utilizar la tecnología para mejorar los procesos del negocio. Por ejemplo, el estudio de audiencia, el desarrollo de estrategias de mercado, los procedimientos de producción o los canales de comunicación.

Hemos realizado una encuesta* para conocer el nivel de digitalización de las pymes en España. El propósito era saber hasta qué punto está integrado el software en las empresas, si realmente facilita su trabajo, si se aprovecha la nube y más indicadores que ayuden a trazar el estado de la transformación digital en estas empresas.

Puntos destacados del estudio

  • Las pymes están inmersas en la transformación digital, un 87 % de ellas utiliza software.
  • La digitalización de las pymes depende de productos de terceros, sólo un 6 % desarrolla sus propias herramientas.
  • A pesar de percibirse digitalizadas, el 90 % de las pymes quiere aprovechar más las ventajas de la tecnología.

Software integrado y en fase de uso

Un dato clave para conocer el grado de digitalización de las pymes es saber si utilizan herramientas digitales. El 87 % de los participantes respondió que su empresa tiene software incorporado en sus actividades.

Software de terceros en pymes

La mayoría utiliza productos externos, un reducido grupo desarrolla sus propias herramientas, otro combina ambos y un 7 % no usa software; este último segmento está compuesto por los sectores de Arte, Cultura, Deportes, Educación y Sanidad.

A la vez es importante distinguir en qué fase de adopción de tecnología (digitalización) se encuentran las empresas que integran software en sus procesos. No es lo mismo que una empresa esté en fase de analizar si una herramienta es útil para su negocio que si está ampliando la capacidad de los programas que usa, por ejemplo.

Fase de digitalización de las pymes

La encuesta señala que la mayoría de las pymes ya está usando un software. El 18 % de ellas, sin embargo, se encuentra en fase de optimización. Es decir, los empleados no solo controlan sus herramientas, sino que quieren sacar el máximo provecho de ellas.

Hay que tener en cuenta que implementación y uso van de la mano con la formación en el software. No se puede esperar que los empleados aprendan a utilizarlos por ellos mismos o que los compañeros siempre sean los instructores, especialmente en programas complejos.

Formacion con implementación de herramientas digitales

En este caso, el estudio indica que la mayoría de los participantes recibió formación (79 %), un porcentaje está menos satisfecho que otro, pero al menos fue instruido en el funcionamiento de las herramientas.

Top 5 de software más utilizado en las pymes

Las pymes se apoyan principalmente en herramientas para desempeñar actividades de finanzas, gestión de clientes, ventas al público, gestión de proyectos, transporte y logística. Tendencias que se reafirman con las categorías de software más utilizadas por los encuestados.

Categorías de productos más utilizados por las pymes

Es congruente que los programas de contabilidad son el producto principal ya que todas las empresas tienen que llevar un control exhaustivo de sus finanzas.

Observar que los software de gestión de proyectos, gestión documental, marketing y CRM están en el top 5 apunta que la digitalización de las pymes va de la mano con el incremento de la complejidad de procesos, como el análisis de audiencia o la gestión de leads y clientes. Estos han aumentado gracias a Internet y el Big Data.

Las pymes se perciben como digitalizadas, y el software facilita su trabajo

¿Creen las empresas que están digitalizadas? La respuesta de los participantes es que sí, pero no totalmente.

Auto percepción sobre digitalización en las pymes

También coinciden en que el software les facilita su trabajo diario, en mayor o menor medida. Solo un reducido grupo no ve cambio alguno en su trabajo y un mínimo porcentaje percibe que el software le quita más tiempo de lo que es útil.

Digitalización de las pymes ayuda en el trabajo

Cabe señalar que casi la mitad (42 %) del segmento que menciona que el software no implica ningún cambio en su trabajo no recibió formación tras implementarse en su empresa un nuevo software.

Este dato contrasta con el grupo que reconoce que el software realmente ayuda en su trabajo, el 86 % de ellos afirma que sí recibieron formación específica sobre la herramienta. Esto subraya la importancia de la formación sobre un software para que cause impacto en las actividades laborales.

Las pymes ya apuntan a la nube

La nube es una tendencia de la digitalización, permite tener acceso a los datos desde cualquier dispositivo con conexión a Internet y desde cualquier lugar. Además, es sumamente útil para las personas que trabajan a distancia.

¿Cuánto aprovechan las pymes en España esta tecnología?

Digitalización de pymes, software basado en la nube

Las respuestas de la encuesta indican que el software basado en la nube se usa considerablemente, ya sea externo, propio o una combinación de ambos.  En este caso, también los productos de terceros son los más comunes.

Sin embargo, los resultados apuntan a que hay un porcentaje considerable (18 %) que no se beneficia de la nube. Las empresas de 1 a 5 empleados son las que menos la usan.

Un 10 % de los encuestados no sabe si utiliza software en la nube, esto advierte que los usuarios, a pesar de estar inmersos en la transformación digital, no saben qué tipo de tecnología emplean.

Digitalización de las pymes depende de software externo

Las empresas tienen muchos procesos y requieren de diversas herramientas para controlarlos. Claro, existen productos que comprenden varias soluciones, pero no hay uno integral que cubra todas las necesidades.

Este es un motivo por el cual las empresas optan generalmente por productos de terceros, que ofrecen diversas funciones personalizables y normalmente son más económicos, en vez de invertir en desarrollo y mantenimiento de un software propio.

El estudio señala que estos son los productos más utilizados:

Top 5 de productos de software más utilizado en pymes

El top 5 es consistente con los datos expuestos previamente.

Los productos Office 365 se emplean en el día a día, especialmente Word y Excel; Adobe Creative Cloud es el más común en los departamentos de diseño e indispensable para utilizar documentos PDF; Sage es el principal proveedor de programas de contabilidad utilizado en España; G Suite presenta herramientas de oficina integradas totalmente en la nube; y SAP es un conocido software de gestión empresarial que integra soluciones para diversos procesos.

El desarrollo de software propio, lejos de ser una tendencia

Un porcentaje mínimo (6 %) decide desarrollar un software propio. Esta es una opción cuando se necesitan herramientas muy específicas y cuando el programa a desarrollar es sencillo y más económico que comprar uno de terceros (siempre y cuando se tenga el equipo humano en plantilla). Los sectores que más desarrollan software propio son: Construcción (20 %), Transporte y Logística (20 %), Internet e Informática (13 %) y Turismo y Restauración (13 %).

Aún no se aprovecha el móvil para trabajar

¿Es una tendencia utilizar el móvil para trabajar? Solo un 34 % de los participantes utiliza el móvil para trabajar.

Las apps de mensajería instantánea son muy prácticas debido a que solo requieren datos de Internet y se puede conversar y enviar archivos con clientes o compañeros en cualquier parte del mundo. La más popular en España es Whatsapp.

Productos de Google y Microsoft Office fueron los siguientes más mencionados, entre los cuales se incluyen los correos electrónicos o productos de oficina como Excel o Google Spreadsheets. En tercer lugar están las redes sociales Facebook, Instagram y Twitter, con las que se gestiona la imagen de una marca.

Las pymes entienden la importancia de la digitalización y quieren aprovecharla más

El estudio muestra que las pymes en España están inmersas en el proceso de digitalización y son consciente de ello. Algunas conclusiones:

  • El software en las pymes ya está en fase de uso, el cual tiene un impacto positivo en el día a día de los empleados.
  • Cuando se implementa un nuevo software en la empresa también se debe invertir en formar a los empleados ya que de esto depende si se utiliza correctamente o no.
  • El software basado en la nube está bien posicionado. Las pymes se han sumado a esta tendencia de digitalización.
  • A pesar de que el móvil se está convirtiendo en una mini oficina portátil, los trabajadores de las pymes aún no lo utilizan mucho.
  • Las pymes optan por utilizar productos de terceros en vez de desarrollarlos ellas mismas.
  • El desarrollo de software propio existe, pero es mínimo.

A pesar de estos resultados positivos, a la mayoría le gustaría que su empresa utilizara más las ventajas de la tecnología aunque ya le esté sacando algo de partido. Únicamente un 10 % cree que su empresa ya utiliza la tecnología de manera eficiente, segmento compuesto por sectores de Informática, Turismo, Marketing y Educación.

Empleados quieren que las pymes utilicen más la tecnología

Esto muestra a una industria en plena digitalización, consciente de ella, con mucho interés en continuar aprovechando las herramientas digitales, incluso en desarrollarlas.


* Metodología de la encuesta: para recopilar los datos de este informe hemos lanzado una encuesta en línea. Las respuestas provienen de una muestra del mercado español. El cuestionario se envió a 809 personas, de las cuales se seleccionaron 251 participantes. Los participantes cualificados están empleados (a tiempo completo o parcial) y trabajan en una pyme (entre 1 y 250 empleados). Todos provienen de diferentes sectores empresariales.

Prozessautomatisierung für die Buchhaltung von KMU: Drei Anwendungsbeispiele

Prozessautomatisierung

Prozessautomatisierung

Es wirkt wie eine gottgegebene Regel: Wenn die Steuer ansteht, machen Finanzabteilungen Überstunden.

Was wäre, wenn man das ändern – oder zumindest deutlich verbessern – könnte? Dabei kann die robotische Prozessautomatisierung helfen.

Robotische Prozessautomatisierung (RPA) ist als neue Technologie nicht minder spannend als künstliche Intelligenz und maschinelles Lernen, doch im Vergleich ist sie preislich deutlich interessanter, weil sie auf eine kostengünstige Softwareplattform zurückgreift. Entsprechend empfiehlt sich die Einführung auch und gerade für kleinere Unternehmen – oder zumindest sollte man einmal sorgfältig prüfen, ob der Einsatz sich nicht lohnen könnte.

Natürlich ist die Einführung einer ganz neuen Technologie immer eine Herausforderung, gibt es doch keine verlässlichen Anwendungsfälle und schon gar keine belastbaren Hinweise auf die Wirksamkeit. Da fällt gerade den Eigentümer*innen von KMU die Entscheidung verständlicherweise schwer.

Andererseits können die Finanzverantwortlichen kleinerer Betriebe die Genauigkeit ihrer Finanzverwaltung durch die Einführung von RPA um etwa 95 % verbessern. So geht das Vorbereiten der Steuerunterlagen drei- bis viermal so schnell, was im Ablauf wiederum bis zu 70 % Kosten spart.

Damit lassen sich die eigenen Prozesse also deutlich verbessern, sogar, wenn sich nur die Hälfte der vorhergesagten Vorteile tatsächlich realisieren lassen. In diesem Artikel wollen wir uns drei Anwendungsbeispiele ansehen, die auch für KMU vorteilhaft sein können.

Warum RPA sich für Finanzen und Buchhaltung von KMU anbietet

Gartner zufolge beliefen sich die Ausgaben für RPA 2018 auf 680 Millionen, bis 2022 wird sogar ein Umsatz von 2,4 Milliarden Euro erwartet. Cathy Tornbohm, die Vizepräsidentin von Gartner, sagt zur Einführung robotischer Prozessoptimierung Folgendes voraus:

„Den Grund für den Zuwachs sehen wir einerseits darin, dass die Kosten für RPA bis 2019 um 10–15 % sinken werden, andererseits darin, dass sich Unternehmen von der Einführung bessere Geschäftszahlen versprechen, zum Beispiel durch Kostensenkungen, höhere Genauigkeit und bessere Compliance.“

Bis dato setzen hauptsächlich Banken und Versicherungen auf die robotische Prozessautomatisierung, da sie sich eine deutliche Reduzierung repetitiver Aufgaben für die Mitarbeiter*innen versprechen. Aber auch kleine und mittlere Wirtschaftsprüfer und ähnliche Firmen sowie viele Finanzabteilungen können vom gezielten Einsatz von RPA in ihrer Buchhaltung profitieren, und zwar aufgrund der hohen Wirtschaftlichkeit.

Die geht darauf zurück, dass sich die Technologie deutlich kostengünstiger implementieren lässt als künstliche Intelligenz oder maschinelles Lernen. Für den Einsatz von RPA-Systemen braucht es keine weiteren Investitionen in Soft- oder Hardware. Ist die Software aufgesetzt und trainiert, können Buchhalter*innen und andere Stakeholder selbst Aufgaben automatisieren.

KI und Maschinenlernen sind dagegen auf Entwicklerinnen und Coder angewiesen, die die Technologie auf den konkreten Anwendungsfall zuschneiden, wodurch darüber hinaus weitere Personalkosten entstehen.

Sehen wir uns also drei grundlegende Bereiche an, in denen die Finanzabteilungen von KMU von robotergestützter Prozessanalyse profitieren können: Rechnungsbearbeitung, Ausgabenverwaltung und Steuermanagement.

Robotische Prozessautomatisierung: Überblick über die 3 Anwendungsfelder

Robotische Prozessautomatisierung

 Übertragungsfehler in Eingangsrechnungen minimieren

Die Herausforderung: Die Bearbeitung vieler Einzelrechnungen von den verschiedensten Lieferanten kann die Kreditorenbuchhaltung an ihre Grenzen bringen. Da wollen stapelweise Rechnungen in ERP-System oder Buchhaltungssoftware übertragen werden, und die kommen noch dazu jede in einem anderen Layout und in verschiedenen Formaten: PDF, Excel, Word – sogar auf Papier.

Bei der händischen Datenübertragung von Posten und Beträgen kommt es da schnell zu Fehlern. Spätestens bei der nächsten Buchprüfung führt ein einziges, falsch gesetztes Komma schon mal zu Problemen bei der Compliance. Genau hier kann die robotische Prozessautomatisierung helfen.

RPA: Anwendungsfall für die Bearbeitung von Eingangsrechnungen

In diesem Fall wird die Software so konfiguriert, dass sie die Daten auf eingehenden Rechnungen automatisch erfasst. Und zwar da, wo diese Rechnung ankommt: Im E-Mail-Posteingang, einem Ablageordner für gescannte Dokumente oder aus einer Tabelle. Der Roboter indexiert die Rechnungen in einem automatisierten Prozess und sortiert sie nach Datum, Name des Lieferanten oder Anzahl der zu bearbeitenden Rechnungen.

Im nächsten Schritt sucht die Software in jedem Dokument nach den wichtigen Feldern (bzw. den darinstehenden Informationen). Sie sucht sich also zum Beispiel die Rechnungsnummer bzw. den Rechnungsbetrag heraus. Kann sie das Feld nicht finden oder auslesen, wird die Rechnung für die Bearbeitung durch einen Menschen markiert.

Im nächsten Schritt des Prozesses werden grundlegende Rechnungsangaben wie Name und Anschrift des Verkäufers und Zahlungsinformationen extrahiert und in die Buchhaltungssoftware oder das integrierte ERP-System übertragen. So verfährt die Software mit einer Rechnung nach der anderen.

Für wen lohnt sich dieser Einsatz von RPA? Kleine Unternehmen, die als Teil der Lieferkette größerer Partner viele Bestellungen und gegebenenfalls Tausende von Rechnungen am Tag zu bearbeiten haben. Mit RPA können sie die eingehenden Rechnungen automatisiert bearbeiten und alle relevanten Informationen in eine Kreditorendatei eintragen.
Denkbar ist auch ein ähnlicher Prozess für die Bearbeitung von Bestellungen, wo die Informationen direkt an die Konfektionierung bzw. die Debitorenbuchhaltung weitergeleitet werden.

Verbessertes Spesenmanagement für eine höhere Liquidität und bessere Compliance

Die Herausforderung: Im Spesenmanagement geht es darum, die Auslagen, die Mitarbeiter*innen für Geschäftsreisen und -essen, Hotelaufenthalte usw. haben, zu genehmigen. Diese werden häufig per E-Mail übersandt oder direkt in Buchhaltungsprogramme bzw. ERP-Systeme eingepflegt.

Dieser Genehmigungsprozess kann gerade kleinere Buchhaltungsteams ganz schön auf Trab halten. Wer gar nicht erst eine dezidierte Finanzabteilung hat, hat häufig erst recht Mühe, die Ausgaben zuzuordnen. Mindestens ist es langwierig.

Selbst wenn man den Prozess mit einer Buchhaltungssoftware oder einer ERP-Lösung teilweise automatisiert, muss immer noch jede Ausgabe einzeln abgenickt werden. Oder man legt einen Schwellenwert fest, bis zu dem das ERP-System einfach automatisch genehmigt.

So oder so werden nicht alle Ausgaben automatisch bewilligt, ein Mitarbeiter oder eine Mitarbeiterin muss die Daten abgleichen, um Compliance-Probleme zu vermeiden. Im folgenden Anwendungsbeispiel sehen wir uns an, wie sich diese Abläufe straffen lassen.

RPA: Anwendungsfall für das Spesenmanagement

Auch hier greift die Software dort auf die Daten zu, wo sie das erste Mal im System auftauchen, also im E-Mail-Posteingang, in einem Ablageordner oder in der verwendeten Softwarelösung, je nachdem, ob deine Kolleg*innen ihre Belege per E-Mail, auf Papier oder über ein Onlineportal einreichen.

Im nächsten Schritt steht wieder die Datenextraktion durch den robotischen Prozess, wieder werden Informationen ausgelesen und zur Bestätigung in eine Datenbank übertragen. RPA kann aber nicht nur Daten von A nach B schreiben (wie bei der Rechnungsbearbeitung im ersten Anwendungsbeispiel), sie kann auch auf Grundlage eines regelbasierten Prozesses Ausgaben genehmigen und sogar die Art der eingereichten Ausgabe identifizieren.

Dabei wird zuerst geprüft, ob die Ausgabe den Unternehmensvorgaben entsprach, bevor sie weiter bearbeitet wird. Wenn ein Unternehmen also die Vorgabe hat, dass nur nationale Geschäftsreisen abgerechnet werden können, kann der automatisierte Prozess die Hoteladresse abgleichen, bevor er die Genehmigung erteilt.

Für wen lohnt sich dieser Einsatz von RPA? KMU mit über 100 Mitarbeiter*innen und sehr kleinen Buchhaltungsabteilungen. Hier kann RPA automatisch Ausgaben auf Einhaltung der unternehmenseigenen Vorgaben prüfen und entsprechend genehmigen.

Die Bearbeitungsgeschwindigkeit eines solchen Tools kann die Spesenverwaltung vereinfachen und beschleunigen. So hat die Finanzabteilung mehr Zeit, sich um andere Dinge zu kümmern und den Cashflow zu sichern.

Automatisierte Dateneingabe für Steuerunterlagen

Die Herausforderung: Mit der Besteuerung geht unweigerlich das Ausfüllen von schier endlosen Formularen einher. Das wiederum bedeutet für die Leute in der Finanzabteilung viele Stunden Verwaltungsarbeit, um Daten zusammenzutragen und sicherzustellen, dass die Angaben konsistent, schlüssig und vollständig sind.

Das ist nicht nur arbeitsaufwändig. Wenn hierbei Fehler unterlaufen, kann es sehr schnell sehr teuer werden.

Ein Fehler bei den Ausgaben kann zum Beispiel schnell dazu führen, dass Steuerabzüge falsch angegeben werden. Das wiederum führt zu einer fehlerhaften Bilanz und die zu Compliance-Problemen, die spätestens beim nächsten Audit jede Menge Ärger bereithalten.

RPA: Anwendungsfall für die Unternehmensbesteuerung

Auf RPA beruhende Steuerbots machen das händische Übertragen von Daten in Steuerformulare überflüssig. Wieder greifen sie auf eingescannte Unterlagen, Tabellen oder Datenbanken zurück, vielleicht extrahieren sie die erforderlichen Finanzdaten auch aus Onlinequellen.

Danach wird jeder Eintrag aus dem entsprechenden Feld in das Steuerformular übertragen. Genau das ist die grundlegende Funktion eines solchen Steuerbots: die Übertragung von Daten in das graphische Nutzerinterface der Datenbank. Man kann die Software also dabei beobachten, wie sie ihre Einträge vornimmt.

Wenn eine Datenquelle nicht mit dem Formular übereinstimmt, wirft der Bot einen Fehler aus. Das kommt zum Beispiel vor, wenn ein Feld nur für numerische Eingaben freigegeben ist, die Datenquelle aber in Buchstaben ausgefüllt wurde. So lässt sich sicherstellen, dass die Daten konsistent sind und allen Steuervorgaben entsprechen.

Für wen lohnt sich dieser Einsatz von RPA? Kleine Buchhaltungs- und Wirtschaftsprüfungsunternehmen, die große Mengen an Steuerdaten bearbeiten müssen. Die robotisch automatisierten Prozesse beschleunigen einerseits die Abläufe, andererseits sichern sie die Eingabegenauigkeit.

Unsere Empfehlung

Anstatt sofort Geld für die Prozessautomatisierung in die Hand zu nehmen, um eines der besprochenen Anwendungsbeispiele umzusetzen, empfehlen sich zuerst folgende Schritte:

  • Identifizierung von Bereichen, in denen Daten manuell übertragen werden bzw. von Aufgaben, die die Bearbeitung vieler Finanzunterlagen erfordern
  • Lesen weiterer Fallstudien oder Erfolgsgeschichten. Wie war bei anderen der ROI nach der Implementierung? Als Fallbeispiele eignen sich hier auch größere Unternehmen, achte einfach darauf, die gegebenen Informationen sorgfältig mit dem Status quo in deinem Unternehmen abzugleichen.
  • Nimm dir Zeit, die Testversion einer RPA-Lösung ausführlich zu evaluieren, bevor du dich für Kauf und Einführung entscheidest.

Auch interessant

Bei der erfolgreichen Implementierung von robotischer Prozessautomatisierung für Finanzabteilungen ist das Verständnis der zu lösenden Aufgaben der Schlüssel zum Erfolg. Sind diese Aufgaben sauber eingegrenzt, kann RPA deiner Buchhaltung einen lohnenden ROI bieten.

Vielleicht sind die folgenden Ressourcen für Finanzabteilungen auch interessant für dich:

Du suchst Accounting-Tools? Schau dir unsere umfassende Liste an

 

What is PSD2 and how will it affect my SME?

what is PSD2

what is PSD2

While the European General Data Protection Regulation (GDPR) took most of the headlines in 2018, a lesser-known piece of European legislation known as PSD2 (the Second Payment Services Directive) also came into force last year. 

Here, we will take a look at what PSD2 is, what it means for SMEs and how you could benefit from it.

What is PSD2?

PSD2 came into force in January 2016. However, members in the European Economic Area (EEA) states were only required to implement it into law in January 2018. 

PSD2 is intended to:

  • Increase competition in the financial services sector.
  • Protect consumers and businesses.
  • Increase the range and quality of services that financial services companies can offer with the goal of helping consumers and businesses make better financial choices.

Unlike GDPR, PSD2 does not directly affect most businesses. It mainly refers to financial institutions like banks and building societies, as well as payment service providers (PSPs) – companies that enable merchants to take payments via credit or debit cards and have that money transferred to their bank. If you’ve ever bought or sold something online, you’ll be familiar with PSPs like PayPal, Worldpay, Sage Pay, or Apple Pay.

Importantly, PSD2 lets bank account holders choose whether and how their banks share information with trusted third parties. Expect to see new companies offering services that help you analyse and manage your finances. This also means that merchants (online stores, for example) could take payments directly from your bank account rather than going through an intermediary PSP or card provider (like Visa or Mastercard).

Under PSD2, PSPs are required to implement stricter checks (known as strong customer authentication (SCA)) to certain transactions to reduce fraud. You may have seen these introduced by your card providers or banks in the past year when you shop online or use mobile banking. Although the deadline for SCA was set at 14 September 2019, an announcement from the European Banking Authority has given member states the freedom to extend their implementation periods in light of the technical complexities of implementing such checks.

How can PSD2 benefit my small business?

PSD2 enables payment service providers to develop new services to help consumers and small businesses. While these services are not specified in PSD2, the improved ability to exchange information makes several scenarios possible.

Better financial insight

Businesses that hold accounts with more than one financial institution could allow trusted third parties to access all their account data and present it on one screen with detailed insights into financial performance. 

The natural progression to this is integration of your business bank account data with other administrative systems. This could be your own accounting software, your e-commerce platform, your enterprise resource planning (ERP) system, or your customer relationship management (CRM) system.

Safer, simpler payments

PSD2 could be good news for small businesses that take payments from consumers online. Stronger authentication is set to lower the number of fraudulent transactions. According to UK Finance’s Fraud the Facts 2019 report, fraud losses on UK-issued cards reached £671.4 million in 2018. That’s 19% higher than the £565.4 million losses recorded in 2017.

Merchants could also reduce the cost of payments by routing them directly between a customer’s bank and their own. This would bypass traditional card and payment providers, who currently take a small percentage of a sale.

Do I need to do anything to comply with PSD2?

For most small businesses outside of the financial services industry, the answer is no. But you should be aware of SCA changes.

If you take online payments, you will need to ensure you have the appropriate controls in place to accept payments where the payer uses strong customer authentication (SCA). As mentioned above, the new deadline for SCA controls is still in the air. It’s a complex field, with governing authorities, media, PSPs and banks all offer advice. Barclaycard and Visa have both produced useful preparation guides. Merchants should investigate 3-D Secure 2.0 – a protocol that complies with SCA and one that many PSPs are already adopting. 

What are the risks?

While there are many benefits to PSD2 for SMEs, the main risk lies in the expansion in the pool of entities that could access to your company’s financial data. Third parties must be approved to operate in this area, and you must always give explicit and detailed consent about the data you’re willing to share, but PSD2 represents a fundamental shift in how we share financial information. Protecting your sensitive information is vital. 

UK finance has produced an FAQ guide covering PSD2 and its implications for data protection.

For a comprehensive overview of cybersecurity and authentication software to protect your business from online threats, visit our website. 

User Study: Online reviews trusted more than peer opinions in the UK

how to choose the right software

“It takes twenty years to build a reputation and five minutes to ruin it” said Warren Buffet, CEO of the American corporation Berkshire Hathaway. And in today’s digital world where everything is instantly online – good and bad – his quote is relevant more than ever. 

The rise of online reviews allows customers to leave their opinions of your business almost in real time. But why has online reputation become so important? Reputation has always been critical for the success of a business. In the days before the internet, customers were the ones spreading the word by telling friends and family their opinion about the business, and their opinions would eventually make their way back to the business. 

how to choose the right software

Capterra interviewed 299 businesses in the UK to find out the importance of online reviews. The results of the study revealed that 62% of people prefer to consult the opinions of other buyers rather than listen to experts or recommendations from acquaintances before deciding on buying a product. 

The ideal review for UK customers

If we had to imagine the perfect review for UK customers drawn from the results it would look like this:

  • Positive: Results showed that positive reviews (57%) are more trusted than negative ones (43%). 
  • Number of reviews: 5-20 is the ideal number of reviews that a product requires in order to be trusted by customers (46%).
  • In this case, less is less: Only 7% of respondents would trust a product with less than 5 reviews.
  • Fresh reviews preferred: A third of respondents (30%) prefer reviews that are not older than 3 months.
  • Reviews over ratings preferred: 75% of respondents would trust a less rated product with higher number of reviews.

how to choose the right software

Respondents in the UK trust online reviews more than experts’ opinion

84% of respondents consider that is very good that customers can leave their opinion online. In addition, 53% of respondents always read online reviews about a product/service before buying a product, and 40% often before making a decision. Only 2% rarely read a review before making a decision.

how to choose the right software

62% of respondents trust online reviews more than expert’s opinion when looking for trusted opinions on the web. Only 11% of respondents would consider expert opinions before making a purchasing decision. And, as Dr. Alex Fenton states: “Word of mouth now extends to electronic word of mouth where customers will often be strongly influenced by reviews of people they do not know.” 

how to choose the right software

This result may not come as a surprise. If you think about it, online reviews are trusted more because they come from real users in that specific industry that have used the product. That does not mean that the expert’s opinion is not valued, but in the end is the user’s review that people value most.

Satisfaction is the main motivation to leave reviews

Over half of respondents (56%) leave a review often and when asked for the reason why they write reviews, respondents stated that they wanted to help other customers before they buy the product (37%) and show satisfaction (35%). 19% stated that they leave reviews to show their dissatisfaction and only 8% wanted to give feedback to the manufacturer about the product.

how to choose the right software

In the UK, users leave reviews if they are satisfied with a service so other users can see that the product or service they are looking to buy or try is worthy. However, despite the percentage of customers showing their dissatisfaction being lower (19%) than the satisfied ones, it’s also common in the UK to find reviews from customers that weren’t happy with the service as a way to complain and make future customers aware. The most important characteristic of a review for respondents is the comments in text form (70%) followed by rating of the product (16%) and number of reviews (11%).

how to choose the right software

Software, one of the least reviewed items online

The results of the survey showed that electric items (24%), food (20%) and clothing (15%) are the three most reviewed items online by customers. Only 4% of respondents had reviewed software in the past. 

This could mean that many users are not aware of software comparison platforms. When asked about what platforms respondents consider to be the most trusted for reviews over half of them (55%) stated Amazon and industry-related rating platforms such as Tripadvisor or Trivago. Despite this, 42% of respondents consider reviews very important when buying software.

Companies not dealing with reviews

When asked about how important is for the company to respond to reviews, respondents stated that they would have wanted a response from the company (39%), while 48% are not interested in having a response from the company. 

how to choose the right software

Nearly half (40%) of respondents state never having received a response from the company following a review from one of their products and 61% has never had a reaction from the company following a customer rating. 

Companies are missing an opportunity to engage with their customers. By answering their reviews (positive and negative ones), they are acknowledging the customer’s voice, making them feel part of the company. A study by Harvard Business Review that analysed how Tripadvisor and Expedia were answering reviews on hotels found that a third of the hotels studied increased their ratings by half a star in six months from the first management response.

Our study found that 92% of companies are not using software to evaluate online customer reviews. Investing in a  review management software can help you collect reviews, respond to negative feedback and improve customer perception of the product or service that the business offers, leading to an increase in reputation and sales.

As Warren Buffet said, reputation is hard to gain and easily lost but with the right software by your side you can minimise the effects of bad reviews and turn them into positive reviews!

Methodology of the study

To collect the data for this report, we conducted an online survey. The answers come from a sample of the target market UK. The survey was completed by 299 participants who qualified to complete the survey through screening questions out of a total of 325 participants in August 2019. Qualified participants are employed (full-time, part-time or self-employed), work in a small to medium sized enterprise (1-250 employees).

Die Analyse von Kundenfeedback als Grundlage für gelungenes Marketing

Kundenfeedback Graphik

Kundenfeedback Graphik

Reviews und Feedbackrunden sind in aller Munde und das nicht erst seit dem Aufkommen von Onlinebewertungen. Unternehmen aller Größen springen auf den fahrenden Zug auf und sammeln fleißig, was so über sie und ihre Produkte geschrieben wird. Nur:

Es ist schön und gut, Kundenfeedback zu sammeln, aber findet keine Kundenanalyse zur Gewinnung neuer Erkenntnisse statt, ist der ganze Aufwand umsonst.

Nur wer seine Kund*innen hört (bzw. ihnen zuhört), kann ihre Wünsche und Meinungen in Chancen in den Bereichen Marketing, Kundenpflege und Entwicklung umwandeln.

Gerade wenn man Software an andere Unternehmen verkauft, muss man besonders aufmerksam auf Kundenstimmen reagieren. Kund*innen haben Erwartungen an die Qualität und den Support eines Produkts und sammeln zudem häufig auch intern Feedback, das in ihre Beurteilungen einfließt.

Sobald man Rückmeldungen erhält, empfiehlt sich eine möglichst schnelle und positive Reaktion darauf, sonst springen potenzielle Kund*innen ab und man steht letztendlich ohne Käufer da.

In diesem Artikel werfen wir einen Blick auf drei Dinge: die Kundenfeedback-Daten, die man regelmäßig sammeln sollte, die Durchführung einer Kundenzufriedenheitsanalyse und wie man damit die Unternehmensstrategien verbessert.

Welche Kundenfeedback-Daten du sammeln solltest

Bei Kundenrezensionen ist die Antwort auf die Frage „Wer hat es verfasst?“ mindestens genauso wichtig wie das gegebene Feedback selbst.

Demografische Daten liefern Informationen darüber, wer die Kund*innen sind und welche Probleme sie haben. Mithilfe dieser Daten kann das Unternehmen das Feedback besser kategorisieren und so lassen sich mögliche Parallelen zwischen Kund*innen feststellen.

Hier einige demografische Daten, die bei der Kategorisierung von Kundenfeedback helfen:

  • Die Branche der Kund*innen
  • Die Größe des Unternehmens
  • Welches Budget sie für deine Produkte vorsehen
  • Wann die Kund*innen ihre Käufe tätigen
  • Wer hinter der Rezension steht
  • Wofür deine Angebote bzw. Dienstleistungen genutzt werden

Warum diese Informationen wichtig sind

Systematisierte und kategorisierte Daten lassen sich leichter auswerten. Jede einzelne Information und jedes Feedback gewinnt so an Wert und hat letztendlich auch mehr Einfluss.

Betrachtet man beispielsweise die Unternehmensgröße, kann man Trends unter den kleinen und mittelgroßen Kund*innen ablesen und mit denen der Großkund*innen vergleichen.

Möglicherweise entdeckst du so, dass das Marketing in bestimmten Branchen besser ankommt, wer die Kaufentscheidungen für Technologie trifft und was die Kund*innen generell von deiner Software halten.

3 Tipps, wie du Kundenrezensionen zu deinem Vorteil nutzen kannst

Sobald du diese Informationen hast, gibt es verschiedene Wege, sie zu deinem Vorteil einzusetzen. Sehen wir uns drei Möglichkeiten an:

1. Nutze deine Datenbasis für die Erstellung passgenauer Marketing-Strategien

Hör auf die Kunden

Es gibt zahllose Möglichkeiten, Kundenfeedback zu Marketing-Zwecken einzusetzen, da viele Firmen den Vorteil der Auswertung erkannt haben. Eine Umfrage zu Kundenrezensionen hat ergeben, dass 85 % der Nutzer Kundenrezensionen genauso viel Vertrauen entgegenbringen wie persönlichen Empfehlungen.

Eine Webseite nur für Kundenfeedback

Ausgewogene Kundenstimmen können die Wahrnehmung eines Unternehmens vorteilhaft beeinflussen und Vertrauen schaffen. 95 % der Kund*innen denken, dass Rezensionen fabriziert wurden, wenn auf der Website ausschließlich positives Feedback zu sehen ist.

Die Website des Helpdesk-Softwareanbieters Zendesk bietet ein gutes Beispiel für eine einfache, klar strukturierte Kundenfeedback-Seite, auf der man auch nach demografischen Daten filtern kann. Potenzielle Kund*innen können gezielt suchen und sich u. a. die Meinungen ihrer Wettbewerber zu dem Produkt ansehen.

zendesk software screenshot kundenfeedback

Auf der Kundenfeedback-Seite von Zendesk lassen sich die Kundenerfahrungen filtern (Quelle)

Verbesserungen einführen und sie auch zeigen

Werden aufgrund von negativen Kommentaren Änderungen an einem Produkt oder einer Dienstleistung vorgenommen, sollte dies den Kund*innen mitgeteilt werden.

„Wir haben auf euch gehört und diese Anpassungen vorgenommen“ ist hervorragendes Marketingmaterial.

Wer gibt das Feedback?

Die demografischen Daten geben Auskunft darüber, welche Märkte effizient bedient werden und welche nicht, und auf welche Unternehmensgrößen und -arten das Marketing am meisten Einfluss hat.

Mit diesem Wissen lassen sich gezielt Änderungen vornehmen. Schneidet man in einem bestimmten Markt oder in einer Branche nicht so gut ab, lohnt es sich vielleicht, mit einer gezielten Marketing-Kampagne Lead-Generierung zu betreiben.

Dasselbe Prinzip lässt sich auf Software-Bewertungen übertragen. Nehmen wir an, Kund*innen sehen deine Software eher als ein Programm mit Live-Chat-Funktion als eine Möglichkeit, Dateien zu teilen. Wird das Programm eher als File-Sharing-Programm vertrieben, sind nun ein paar Marketing-Entscheidungen fällig.

Entweder springt man auf den Zug der Kundenstimmen auf und konzentriert sich auf die Live-Chat-Funktion oder man betreibt gezieltes Marketing für den File-Sharing-Aspekt.

2. Triff gezielte Produktentscheidungen

Betrachtet man die demografischen Daten zusammen mit dem Kundenfeedback, lassen sich daraus bessere Entscheidungen für die Zukunft eines Unternehmens ableiten.

Nach Trends suchen

Aus einigen Rezensionen lassen sich ganz klare Action-Items ableiten. Berücksichtigt man auch noch die demografischen Daten, ergibt sich ein Weg, den das Unternehmen einschlagen sollte.

Die Daten sollten jedoch nicht nur Marketing-Strategien beeinflussen, sondern auch maßgeblich für Geschäftsentscheidungen sein.

Zurück zu unserer Live-Chat-/File-Sharing-Software: Eine umfassende Datenanalyse kann zeigen, was genau bei der File-Sharing-Komponente verbessert werden kann, sodass man den entsprechenden Markt nicht verliert.

In der Zwischenzeit wird der Kundendienst verstärkt, um mögliche Kundenprobleme schnell und problemlos zu lösen.

Positive Aspekte noch mehr in Szene setzen

Positives Feedback kann genauso richtungsweisend sein wie negative Kommentare. Es zeigt nicht nur, dass du was richtig machst, sondern auch wie.

So erlangst du ein besseres Verständnis dafür, was für ein Bild deine Kund*innen von deinem Produkt im Kopf haben. Wenn du jetzt weitere Ressourcen zuweist, kannst du den Erfolg der besten Funktionen stärken.

3. Verbessere die Kundenpflege

Es ist nicht immer einfach, freundlich und höflich auf negatives Feedback zu reagieren. Aber eine Antwort ist für eine gute Kundenpflege und eine tiefgreifende Analyse nicht nur unerlässlich, sondern auch ein Vorteil. Wir haben in einem Whitepaper eine Übersicht für Reaktionen auf negatives Kundenfeedback und eine Checkliste zusammengestellt.

Als beste Reaktion auf negatives Feedback sollte man ein Gespräch anstreben. Du und deine Kund*innen, ihr habt ein gemeinsames Ziel: Sie sollen mit deiner Hilfe und Software ihre Ziele erreichen.

Negatives Feedback ist ein Zeichen dafür, dass die Erreichung dieser Ziele in Gefahr ist. Deine Reaktion ist daher von äußerster Wichtigkeit. Durch eine Unterhaltung deckst du gleich mehrere Komponenten der Kundenpflege ab:

1. Du erhältst weitere Informationen darüber, wo die Probleme auftreten.

2. Du kannst den Kund*innen zeigen, dass du sie aktiv bei der Lösung  unterstützt.

3.  Du kannst diese Möglichkeit nutzen, um die Geschäftsbeziehung zu vertiefen.

Sobald die Probleme gelöst wurden, kann man die Interaktion mit den Kund*innen dahingehend steuern, dass sie positives Feedback und Kundenrezensionen hinterlassen, was hinterher wiederum für die Website und zukünftige Marketing-Materialien verwendet werden kann.

Daten analysieren: Wie geht es weiter?

Abhängig von den zur Verfügung stehenden Ressourcen gibt es verschiedene Möglichkeiten zur Analyse der gesammelten Daten.

Vorgehensweise für ein kleineres Unternehmen:
Die Analyse selbst vornehmen.

1. Kundenfeedback und demografische Daten sammeln
2. Jede Komponente auf Zusammenhänge und Trends untersuchen

Vorgehensweise für ein größeres Unternehmen:
Review-Management-Software einsetzen.

1. Software auswählen und das Kundenfeedback damit analysieren
2. Ressourcen für die Reaktion auf die Analyse bündeln

Das Forschungs- und Beratungsunternehmen Gartner bietet ein eigenes Analysetool für Kundenfeedback an. Sende dafür einfach eine E-Mail an diese Adresse oder, falls du Gartner-Kunde bist, wende dich an deinen Kundendienstberater.

Suchst du nach Kundenzufriedenheits-Software? Wirf einen Blick auf Capterras Liste der besten Kundenzufriedenheits-Softwarelösungen.

 

 

Agile Führung mit OKR

OKR

OKR

Einmal im Jahr ist der große Tag des Mitarbeiterzielgesprächs. Die Ziele des vergangenen Jahres werden von Chef und Mitarbeiter reflektiert, neue Ziele festgelegt und die Performance des abgelaufenen Zeitraums wird beurteilt. Je nachdem wie diese Beurteilung ausfällt, gibt es dann eine Beförderung, einen Bonus oder eben nichts!

Ich war selbst lange Jahre Führungskraft und stand dieser Art der Mitarbeiterbeurteilung immer sehr kritisch gegenüber. Die drei entscheidenden Faktoren hierfür sind:

1. Die Frequenz: Zielgespräch finden in der Regel einmal pro Jahr statt. Aber in der heutigen, komplexen Welt ist es praktisch unmöglich, ein Jahr in die Zukunft zu sehen und daraus sinnvolle Ziele für die Mitarbeiter abzuleiten. Was ist also, wenn die Ziele während des Jahres obsolet werden? Werden sie dann gestrichen oder neutral bewertet? Darüber hinaus verursachen langfristige (und meist umfangreiche) Ziele eher Unsicherheit, da dem Mitarbeiter häufig nicht klar ist, wie er die Ziele über einen solch langen Zeitraum konkret angehen soll.

2. Die Objektivität: Ich unterstelle jeder Führungskraft, dass sie ihre Mitarbeiter fair beurteilen möchte. Doch leider geht das nur in der Theorie, denn Beurteilungsfehler liegen in der Natur des Menschen. Wahrscheinlich kennst Du die nachstehende optische Illusion. Siehst Du eine junge oder eine alte Frau? Je nachdem, wie Du den Fokus setzt, ändert sich das Bild und so ist es eben auch bei Beurteilungen.

Optische Illusion: Alte Frau oder junge Frau

Beurteilungen erfolgen aufgrund von eigenen Erfahrungen, von Werten und äußeren Einflüssen. Doch genau dies führt zu Wahrnehmungsverzerrungen (wie z. B. dem Halo-Effekt, dem Nikolaus-Effekt oder dem Andorra-Effekt) und Maßstabsproblemen (Tendenzen zur Mitte, zur Milde und zur Strenge).

3. Bilaterales Abkommen: Ein Mitarbeitergespräch findet in der Regel zwischen Mitarbeiter und Vorgesetztem statt. Transparenz innerhalb eines Teams, oder gar einer Organisation wird hinsichtlich der Führungskraft oft nicht angestrebt. Mitunter vererbt ein Chef auch seine Ziele auf die seiner Mitarbeiter, was wiederum in einem sehr eingeschränkten Mitspracherecht des Mitarbeiters münden kann.

Passen also klassische Mitarbeitergespräche in eine Welt von agilen Trends, von Lean-Ansätzen, „New Work“, Digitalisierung und Co? Ich glaube, die Frage könnt ihr euch selbst beantworten. Moderne Führung fördert Aspekte wie Eigenverantwortlichkeit, Mitbestimmung, Transparenz und Freiheit. Aus diesem Grunde setzen moderne Internetpioniere, wie Google, LinkedIn und Apple auf das OKR Framework.

OKR – die Basics

OKR oder kurz „Objectives and Key Results” ist ein Framework zur Zielsetzung und Zielmessung. Es wurde 1970 von Intel-Mitbegründer Andrew Growe entwickelt, indem er die „Key Results“ mithilfe von chronologisch aufgebauten Meilensteinen visualisierte. Dadurch wurden die zu erreichenden Ziele transparent und sichtbar. Mitte der 90er Jahre entwickelte Google die Methode weiter, indem es einen festen zeitlichen Rahmen für OKR definierte und den Fokus auf die Themen Reflexion und Mitbestimmung legte.

OKR basiert – wie der Name schon vermuten lässt – aus zwei zentralen Elementen. Den abstrakt-visionären Zielen – also den Objectives und den Key Results, den kleinen messbaren Schritten hin zu diesem Ziel. Bei Objectives handelt es sich um qualitative Ziele, die nicht gemessen werden können. Sie unterstützen das Leitbild und die Mission eines Unternehmens und werden daher zu einem gewissen Maße von der Unternehmensführung vorgegeben. Üblicherweise sind dies in etwa 40% der Objectives, die restlichen Ziele entspringen der operativen Mitarbeiterebene. Nach der Definition der Objectives werden die zugehörigen Key Results definiert, die beschreiben, wie diese Ziele erreicht werden sollen. Ist diese Festlegung getroffen, findet der gleiche Vorgang eine Hierarchieebene tiefer im Unternehmen statt. Dies wird bis hin zum einzelnen Mitarbeiter so weitergeführt, bis letztlich jeder Mitarbeiter seine persönlichen Ziele und Schlüsselergebnisse bestimmt hat. Diese Ziele werden dann öffentlich gemacht. Diese völlige Transparenz vermeidet Tuscheleien und gibt einen unternehmensweiten Überblick, wer, an was gerade arbeitet. Potenzielle Synergien können identifiziert werden und dadurch das Miteinander verbessert werden. Eventuell lassen sich dann für folgende Iterationen auch Team-OKRs ableiten.

Aufgrund der Dynamik der heutigen Zeit erfolgt die Festlegung der Objectives und folglich auch der zugehörigen Key Results iterativ alle drei bis vier Monate. Dies ermöglicht dem Unternehmen, flexibel auf sich ändernde Rahmenbedingungen zu reagieren.

Ein weiterer Aspekt von OKR ist das Pull-Prinzip. Der einzelne Mitarbeiter wählt sich also die für ihn passenden Objectives, bzw. definiert diese, da er in der Regel am besten beurteilen kann, wie er die Unternehmensziele am besten unterstützen kann. Die Umsetzung der Key Results erfolgt eigenverantwortlich. Ein positiver Nebenaspekt dieser Eigenverantwortlichkeit ist, dass die intrinsische Motivation des Mitarbeiters gefördert wird.

Fokus ist ein weiterer zentraler Aspekt von OKR. Es geht nicht darum in möglichst kurzer Zeit möglichst viele Ziele zu erreichen, sondern sich auf die wesentlichen Ziele zu konzentrieren. So sollte beispielsweise die Anzahl der Key Results pro Objective nicht größer als fünf sein.

Die OKR – Rahmenbedingungen

OKR ist ein agiles Framework. Das bedeutet, dass es auf der einen Seite einen festen Rahmen zur Orientierung aufweist, auf der anderen Seite aber flexibel genug ist, um es unternehmensspezifisch anpassen zu können. Um diesen festen Rahmen sicherzustellen, gibt es in OKR die definierte Rolle des OKR-Masters, festgelegte Events und das Artefakt „OKR-Liste“.

Der OKR-Master ist für den Prozess selbst und dessen Einhaltung verantwortlich. Dabei agiert er auf zwei Ebenen. Als Facilitator lehrt er den Prozess, erklärt Abläufe und moderiert die OKR-Meetings. Als Prozesseigner entfernt er Hürden im Prozess, lebt diesen vor und schafft Sicherheit bei Mitarbeitern, die Unsicherheit mit dem Prozess haben.

Bei OKR gibt es drei Arten von Events: Workshops, Reviews und Retrospektiven. Der Workshop dient zur Definition der OKR´s. In der Regel erfolgt dies auf drei Ebenen. Der Unternehmens-, Team- und Mitarbeiterebene, die wiederum aufeinander aufbauen. So werden zunächst die Ziele auf Unternehmensebene für die nächsten 3-4 Monate definiert. Die einzelnen Teams überlegen dann im Teamworkshop, wie sie diese OKRs mit eigenen OKRs unterstützen können. Dasselbe Prozedere wiederholt sich dann auf Mitarbeiterebene, dann aber in einem Mitarbeitergespräch zwischen OKR-Master, Führungskraft und dem Mitarbeiter selbst.

Reflexion ist ein wichtiger Bestandteil von OKR. Aus diesem Grunde trifft sich jedes Team mindestens einmal pro Monat zu einem Review, um zu überprüfen, wie hoch der Grad der Zielerreichung ist und ob der eingeschlagene Weg vernünftig war.

Reviews sind die Auswertung der OKR. Damit am Ende einer Iteration geprüft werden kann, ob die OKR erreicht worden sind, sind Reviews ein institutionalisierter fester Bestandteil des Frameworks. Während des Zyklus gibt es zudem regelmäßige Reviews, um zu überprüfen, ob der Weg stimmt. Auch diese Reviews finden auf allen Unternehmensebenen statt. Zu Ende eines Zyklus werden die finalen Ergebnisse im letzten OKR-Review Meeting festgehalten.

Die Retrospektive hat das Ziel der kontinuierlichen Verbesserung. Im Fokus dieses Meetings steht die kritische Betrachtung des Prozesses. Schwachstellen des letzten Zyklus werden analysiert und in eine Maßnahmenliste zur Verbesserung überführt.

Die OKR-Liste ist die Sammlung aller OKRs, vergleichbar einem Backlog in Scrum. Sie bildet alle OKRs auf allen Ebenen transparent für alle Mitarbeiter ab. Entscheidende Erfolgsfaktoren einer OKR-Liste sind ihre Aktualität, ihre Vollständigkeit und Übersichtlichkeit. Denn letztendlich fungiert die OKR-Liste einerseits als Führungs- und Kontrollinstrument und andererseits als Risikoregister. Wenn die OKR-Liste übersichtlich gestaltet ist, können ferner Synergien ersichtlich werden. Die Pflege der OKR-Liste obliegt dem OKR-Master.

Überlegungen zu Einführung

Die Einführung agiler Vorgehensweisen (wie OKR) ist, wie jeder Change-Prozess, mit Schwierigkeiten verbunden. Denn ihr ändert die bisherigen Muster. Mitarbeiter müssen ihr bisheriges Handeln ändern, sprich Ihre Komfortzone verlassen und das wird zwangsläufig nicht zu heller Begeisterung führen. Rechnet also mit Widerstand, Ablehnung und jeder Menge Argumente warum OKR bei eurem Unternehmen nicht erfolgreich sein wird.

Um den Change also erfolgreich zu gestalten, könnt ihr euch an einem achtstufigen Prozess des amerikanischen Harvard-Professors John P. Kotter orientieren.

1. Macht zunächst die Dringlichkeit des Wandels klar. Argumentiert dann auf allen Ebenen die Vorteile und beschreibt auch mögliche Szenarien, wenn keine Veränderung stattfinden würde.

2. Etabliert ein starkes OKR- Unterstützer-Team aus möglichst unterschiedlichen Bereichen und – ganz wichtig – lasst euch die Rückendeckung des Managements zusichern.

3. Entwickelt und verbreitet eine klare Vision inklusive einer möglichst präzisen Strategie, wie das Ziel erreicht werden soll.

4. Seid hartnäckig und wiederholt diese Vision fortwährend, damit sie sich in den Köpfen aller verankert.

5. Schaut auf bestehende Prozesse und Strukturen in euren Unternehmen, die der Einführung hinderlich sind und entfernt diese.

6. Macht die Schritte zur Zielerreichung möglichst klein, denn Erfolge motivieren.

7. Reflektiert nach jedem Schritt.

8. Verankert die erreichten Meilensteine in Eurer Arbeitskultur.

Denkt bei der Umsetzung der einzelnen Schritte auch daran, neue Methoden und Vorgehensweisen auszuprobieren. Denn wenn ihr etwas Agiles einführen wollt, dürft ihr das ruhig auch selbst sein. Denkt also an Methoden wie, Open Space, Barcamps, World Café oder eine Zukunftskonferenz.

Praxisbeispiel

Um zu veranschaulichen, wie mit OKR ein strategisches Ziel auf Teamebene heruntergebrochen werden kann, stellen wir uns zunächst ein Beispielunternehmen aus der Softwarebranche vor, welches mit einer hohen Kundenabwanderung konfrontiert ist. Ein mögliches Objective wäre also Reduktion der Kundenfluktuation. Um dieses Ziel quantitativ messbar zu machen, werden die zugehörigen Key Results definiert. In diesem Fall könnten das sein: Verbesserung der Unternehmensrezension auf Google um 0.5 Punkte, die Verbesserung der Supportbewertungen von Kunden um 25 % und eine Verminderung der Systemabstürze um die Hälfte. Diese Unternehmens-OKRs werden nun auf die Teams vererbt. Das Marketing-Team versucht nun diese OKRs zu unterstützen, indem es selbst das Objective „Entwicklung und Förderung einer starken Markenidentität“ definiert. Mögliche abgeleitete und messbare Schlüsselergebnisse hierzu könnten dann beispielsweise die Verbesserung des SEOs-Scorings der Webseite um 20 % und die Verbesserung der Antwortzeit auf Internet-Kommentare auf unter zwei Stunden. Nun findet die nächste Vererbungsstufe auf der Mitarbeiterebene statt, sodass jeder Mitarbeiter seine persönlichen OKRs vorweisen und mit der Bearbeitung beginnen kann. Zu den Review-Terminen wird der Fortschritt berichtet und notwendige Anpassungen getroffen. Sollte sich in unserem Beispiel das SEO-Scoring auf Grund eines neuen Google Algorithmus selbstständig verbessert haben, muss geprüft werden, ob das Ziel nach oben korrigiert werden sollte oder als erledigt angesehen werden kann.

Fazit

OKR fördert die Partizipation und das Mitdenken jedes einzelnen Mitarbeiters, was in der Regel in einer gesteigerten Motivation eines jeden Einzelnen mündet. Ferner sorgt OKR für mehr unternehmensweite Transparenz und zu einem kollektiven Arbeiten an einer gemeinsamen Vision. Bedenkt aber auch, dass OKR nicht auf Knopfdruck eingeführt werden kann. Es handelt sich um einen langwierigen Prozess, der fortlaufend optimiert werden muss. Denkt auch an die Führungskräfte in eurem Unternehmen. Mit Sicherheit werden einige von ihnen Macht- und Kontrollverlust verspüren und dann bleibt abzuwarten, ob sie sich den neuen Gegebenheiten anpassen, es als Fortschritt ansehen oder dem Unternehmen den Rücken kehren werden

 

Du suchst OKR-Software? Wirf einen Blick auf Capterras Liste der besten OKR-Software!

 

Kunnen de klanten van jouw webshop al betalen met een QR-code?

De moderne samenleving is digitaal. Van millennial tot baby-boomer, iedereen is online. Er wordt ook heel wat online geshopt. En ook de smartphone is niet meer weg te denken uit het straatbeeld. De mogelijkheden van de mobiele telefoon lijken geen grenzen te kennen. Zo kan je in winkels bijvoorbeeld al betalen met je telefoon in plaats van met je pinpas. Deze betaalvorm maakt gebruik van de NFC-technologie, dezelfde technologie die contactloos pinnen mogelijk maakt. Om de concurrentie het hoofd te bieden kunnen ook webshops niet achterblijven met het aanbieden van digitale betaalmethoden. Een betaalmogelijkheid die nu erg in opkomst is, is het betalen met een QR-code.

QR-code betalen webshop

Wat is een QR-code?

QR-code staat voor quick response code. Het is een tweedimensionale barcode in een vierkant blokje. Met een speciale app op je smartphone kan je de code scannen en wordt de informatie die in de code is opgeslagen vrijgegeven. De informatie kan bijvoorbeeld bestaan uit contactinformatie om op te slaan, een tekst, een adres om direct in Google Maps te openen, of een link naar een website of een app. En nu kan er dus ook mee betaald worden. Wat is daar nou het voordeel van?

Voordelen van QR-code betalen voor jouw webshop

Stel je voor: Kees is op zoek naar een nieuwe laptop. Hij heeft al weken research gedaan en wil nu overgaan tot kopen. Omdat hij op zijn werk zit, heeft hij geen identifier bij zich om te kunnen betalen. Maar zijn telefoon heeft hij altijd bij zich en gelukkig kan je in de webshop die hij heeft gevonden betalen via een QR-code. Hij kiest de betaalmethode ‘betalen met QR-code’. Op het computerscherm verschijnt de quick response code. Hij pakt zijn telefoon en opent zijn bank app. Even de code scannen, pincode invoeren en klaar is Kees. De betaling is veilig en gratis afgerond.

QR-codes verbeteren de online shopervaring van klanten

Dat is het grote voordeel voor klanten. Het gebruiksgemak van online shoppen is vaak toch wat beter op de desktop dan op een mobiele telefoon. Maar betalen via de mobiele telefoon is weer makkelijker dan via een computer. Door je klanten de mogelijkheid te geven om met een QR-code te betalen, verenig je het beste van beide en verbeter je de online shopervaring van je klanten.

QR-code als optie voor achteraf betalen

Zoals je weet ben je wettelijk verplicht om de mogelijkheid van achteraf betalen aan te bieden en ook wanneer klanten hier voor kiezen werkt een QR-code erg makkelijk. De webshop stuurt het pakket met een factuur en op de factuur staat een QR-code. Klanten hoeven de QR-code alleen maar te scannen met hun bankapp of een andere betaalapp en er wordt automatisch een betaling aangemaakt die na goedkeuring direct wordt overgemaakt. Klanten hoeven dus geen gegevens in te voeren. Dit werkt overigens op dezelfde manier wanneer je via email een factuur stuurt.

iDEAL QR-code betalen

Als de klant bijvoorbeeld via de app van iDEAL wil betalen, kan hij of zij de app in de App Store of op Google Play downloaden. Via de app kan de QR-code worden gescand. Vervolgens vraagt de app of de klant wil betalen. Na bevestiging kan voor de eigen bank worden gekozen en via de mobiele bankapp kan de betaling op gebruikelijke wijze worden afgerond. Er zijn dus twee apps nodig om te betalen. Mocht de klant de mobiele bank app niet hebben gedownload dan wordt de betaling via de website van de bank afgerond. Daarvoor is in de meeste gevallen wel weer een identifier nodig.

Bron: IDEAL

Snelle en makkelijke extra betaalmogelijkheid voor de klant

Wanneer je klanten te veel moeite moeten doen om iets te kunnen kopen, haken ze gauw af.  Hoe makkelijker je het de klant maakt om te betalen in je webshop, hoe hoger je conversie. 23% van de resondenten in een enquête van Baymard gaf aan te hebben afgezien van een koop doordat het checkout proces te ingewikkeld was of te lang duurde. 6% haakte af omdat er niet genoeg betaalmogelijkheden werden aangeboden.

Betalen met een QR-code is niet alleen handig voor de klant omdat hij zijn mobiel altijd bij zich heeft, het werkt ook gewoon heel simpel en snel. Bovendien is het weer een extra betaalmogelijkheid voor de klant. En dat betekent dat jij meer verkoopt.

Wat zijn de nadelen van klanten met een QR-code laten betalen?

Er zijn geen echte nadelen aan het betalen met een QR-code. Wanneer de klant kiest voor achteraf betalen dan kan er een QR-code op de factuur worden geplaatst. Het zou dan kunnen voorkomen dat er klanten zijn die niet weten wat ze met de QR-code moeten doen. Dit probleem kan gemakkelijk worden omzeild door de betaalinformatie op de factuur te zetten zodat klanten hun betaling zoals vanouds zelf over kunnen maken.

Wie zijn de aanbieders van online betalen met een QR-code?

Betalen met QR-code kan de klant direct via zijn mobiele bank app doen of via een betaalapp. De banken werken in ieder geval samen met iDEAL en alleen ABN AMRO, KNAB, ING en Rabobank hebben een QR-scanner in hun mobiele bankapp ingebouwd. Betaalapps die betalen met een QR-code aanbieden zijn bijvoorbeeld iDEAL, Payconiq, Tikkie, PayPal, WeChat Pay, AliPay, OK App  en Klarna. Deze apps kunnen gratis via de App Store of Google Play worden gedownload. De kosten voor jou als webshophouder zijn afhankelijk van de bank of betaalinitiatiedienst waarmee je je betalingen regelt. Maar reken erop dat je bovenop je transactiekosten ook een bedrag betaalt voor elke gescande QR-code. Als je bijvoorbeeld iDEAL via ABN AMRO gebruikt kost het €0,10 per gescande QR-code.

Bijna alle webshophouders werken wel met een betaaldienst, jij ook? Zo niet, dan is dat wel sterk aan te raden. Betaaldiensten nemen je namelijk veel werk uit handen. Ook wat betreft de QR-code betaalmogelijkheid blijven ze niet achter. Adyen, Buckaroo, Mollie, MultiSafePay, allemaal maken ze het mogelijk om via bovenstaande betaalmethoden met een QR-code te laten betalen.

 

 

 

 

ePrivacy vs GDPR: what’s the difference?

eprivacy_regulation

ePrivacy regulation vs GDPR

The introduction of the EU’s General Data Protection Regulation (GDPR) back in 2018 was a bombshell moment. Due to come into force either later this year or early in 2020, the ePrivacy Regulation will open a new can of regulatory worms for businesses of all sizes. 

Here is more information about the law, how it differs from GDPR and what you can do to comply. 

ePrivacy vs GDPR 

The ePrivacy Regulation will replace the ePrivacy Directive, which many of you will be familiar with. But what’s the difference? Well, whereas a directive merely sets a direction of travel for EU member states for legislation, a regulation is much more prescriptive and must be implemented in full in each EU jurisdiction – much like the GDPR is today. 

In fact, the GDPR and the ePrivacy Directive are very close relatives. The latter is the application of the privacy and consent principles of GDPR to the specific case of personal data that’s communicated electronically by businesses. The provisions of GDPR can therefore be seen as sitting above those of the ePrivacy Regulation. 

What the ePrivacy Regulation means for you

Technicalities aside, the burning question for businesses is whether or not you need comply. The short answer is that if you provide any sort of online communications service, engage in electronic direct marketing or use any form of online tracking, such as cookies, then you do. 

Unlike with the old ePrivacy Directive, companies like WhatsApp or Skype that use others’ networks to deliver their services are now obliged to comply. Another novelty is that the new regulation covers not only the content of communications but also the associated metadata – the time a message was sent, for example, or the location it was sent from. Companies can now only use this data if a user has given their explicit consent. Other innovations include simplifying rules around the use of cookies and stronger protections against spam. 

The message to small and medium-sized businesses is therefore clear: the regulatory ride is only just beginning. GDPR has established solid principles around privacy and consent that we can now expect to see applied into specific markets through new laws like the ePrivacy Directive. This means businesses need to have in place a dynamic approach to compliance, once that can respond rapidly to new regulations as they emerge without causing too much disruption to their business.

The role for compliance software

It’s here that choosing the right compliance software can make all the difference. When it comes to data privacy, there are a wide range of data governance solutions on the market that combine features such as big data analytics, storage, and security in a single package. Such software helps businesses keep on top of how they use and analyse data so that they can ensure they comply with all relevant obligations around consent and security.  

Additionally, and as you might well expect with a regulation as high-profile as GDPR, the market has also responded with a number of new GDPR-specific solutions. Some of these products offer solutions to niche areas of GDPR compliance, such as helping businesses easily respond to requests for access to data by the owners of that data, while others provide a more complete approach and seek to address all elements of the law.

Finding the best software for your business

What’s important is that you find the right software for your business. By researching what’s on the market you can get a good idea of the capabilities on offer and select the solutions that plug your existing compliance gaps and which look likely to be flexible enough to adapt to future requirements as they emerge. To help in this task, look through the Capterra directory for data governance software, where you will be able to compare products by user reviews, features, cost and other important factors. 

With the tide of regulations continuing to rise, this search won’t be a one-off job. It’s more important than ever to keep an eye on the regulatory environment and make sure you continue to take appropriate measures – whatever the size of your business. 

Was ist prädiktive Analyse und wie setzt man sie gewinnbringend ein? 5 Anfängertipps

Laptop Prädiktive Analyse

Vorhersagen, Prognosen, Prophezeiungen – man nenne es, wie man wolle, aber der Blick in die Zukunft hat die Menschen schon immer fasziniert. Vielleicht weil es schwierig ist, eine solche These aufzustellen, und noch schwieriger, die Zukunft auch wirklich vorherzusagen.

Gelingt einem jedoch genau das und man stellt eine richtige Marktprognose auf, spart man seinem Unternehmen damit eine Menge Geld und liefert erstklassige Ergebnisse.

Laptop Prädiktive Analyse

BEISPIEL:

  • Ein kleiner Coffee Shop in New York war in der Lage, 38 Prozent seiner Marketingkosten einzusparen, indem sie voraussagten, welche Kund*innen wahrscheinlich nicht wiederkommen würden. Diesen Kund*innen sendeten sie gezielt Rabattangebote und bemühten sich gleichzeitig weniger um treue Kund*innen und hoffnungslose Fälle.
  • Forscher*innen in Deutschland sagen voraus, welche Produkte nach der Verkaufssaisonwahrscheinlich von bestimmten Kund*innen zurückgeschickt werden. E-Commerce-Unternehmen können ihre Auslieferungsteams dadurch besser organisieren und sparen Kosten ein.

Wie aber gelangt man zu solchen Thesen und stellt dabei auch noch fest, welche davon realistisch sind und welche weniger zutreffen?

Die Antwort ist ganz einfach: Daten.

Mit den richtigen Daten lassen sich zukünftige Geschäftsergebnisse akkurater hervorsagen.

BEISPIEL:

  • 66 Prozent der befragten Vertriebsprofis berichten, dass prädiktive Analyse ihre Absatzgeschwindigkeit steigert.
  • Die Wahrscheinlichkeit, dass ein Verkaufsteam mithilfe von Prognosen hervorragende oder sehr gute Leistung erzielt, ist dreimal so hochwie bei einem Vertrieb, der keine Analyse einsetzt.

Die erfolgreiche Implementierung von prädiktiver Analyse ist jedoch besonders für kleine Unternehmen mit begrenzten Datenmanagement-Ressourcen eine Herausforderung. Und das Sammeln, Organisieren und Speichern der richtigen Daten ist eine Grundvoraussetzung für diesen Schritt.

Um genauere Prognosen treffen zu können, muss man bei der Datenhandhabung einem strikten Ansatz folgen. Eine schlechte Datensammlung und Vorbereitung führen zu ungenauen Vorhersagen und die wiederum zu schlechten Geschäftsentscheidungen.

Im Folgenden betrachten wir die prädiktive Analyse in verschiedenen Geschäftsszenarien zusammen mit Beispielen aus dem realen Leben und stellen auch die Schritte zu einer erfolgreichen Implementierung in den Geschäftsprozess vor.

Was ist prädiktive Analyse?

Gartner definiert Predictive Analytics (deutsch: Prädiktive Analyse) als eine Form der erweiterten Analyse, bei der Daten oder Inhalte auf Antworten zu Fragen wie „Was wird wahrscheinlich passieren?“ untersucht werden.

Dabei werden historische Daten, künstliche Intelligenz und maschinelles Lernen zur Vorhersage zukünftiger Ereignisse herangezogen.

Software-Lösungen für die prädiktive Analyse nutzen statistische Werkzeuge wie Regressionsanalyse, Datenmodellierung, Prognosen und multivariate Verfahren.

3 Beispiele für prädiktive Analyse in verschiedenen Geschäftsszenarien

Mithilfe der prädiktiven Analyse lassen sich nicht nur Lösungen für geschäftliche Herausforderungen finden, sondern darüber hinaus hilft sie auch beim Erreichen von Geschäftszielen. Hier einige Szenarien, bei denen sie zu einem besseren Geschäftsergebnis führte:

1. Prädiktive Analyse sorgt mit persönlichen Angeboten für weniger Kundenabwanderung

Einen neuen Kunden anzuwerben kostet sechs- bis siebenmal so viel, wie einen bereits vorhandenen zu halten. Minimiert man die Kundenabwanderung, spart ein Unternehmen nicht nur Kosten, sondern fördert auch ein loyale Kundenbasis.

Nicht zufriedene Kund*innen aufzuspüren und ihnen persönliche Angebote zu unterbreiten ist eine der häufigsten Situationen, in denen Predictive Analytics eingesetzt wird.

Zur Berechnung der Abwanderungswahrscheinlichkeit müssen Daten zum Kundenprofil, zu Transaktionen und Feedback gesammelt werden. Mit diesen Daten füttert man dann seine Software, die mithilfe von Korrelationsanalyse und multipler Regressionsanalysen die entsprechenden Kund*innen herausfiltert.

Diesen Kund*innen lässt man dann im Rahmen eines Kundenbindungsprogramms personalisierte Werbeaktionen wie Rabatte, exklusive Mitgliedschaften oder weitere Sonderbedingungen zukommen, um sie zu halten.

BEISPIEL:

Coyote optimiert sein Treueprogramm mithilfe der prädiktiven Analyse.

Geschäftsziel: Das französische Unternehmen Coyote stellt Echtzeitinformationen über das Straßennetz bereit und wollte seine Kundenbasis mit einem effektiven Kundenbindungsprogramm stärken. Zu diesem Zweck sollten die Kund*innen segmentiert, eingehende Daten geprüft und die Gerätenutzung gemessen werden.

Eingeleitete Maßnahmen: Coyote setzte die Software Dataiku Data Science Studio (Dataiku DSS) ein, um ein vorhersehendes Tool zur Verhaltensanalyse zu implementieren und die Kund*innen in verschiedene Gruppen aufzuteilen. Die Anwendung fasste automatisch heterogene Daten wie Gerätedaten in Echtzeit, Vertragsdaten und Kundeninformationen zusammen. Die Software bereinigte dann die Daten und modellierte das Verhalten der Nutzer mithilfe von maschinellem Lernen. Letztendlich wurden die Ergebnisse zur Optimierung von Marketingkampagnen eingesetzt.

 

Ergebnis: Coyote konnte seine Kund*innen mit hoher Genauigkeit segmentieren, die Leistung mit ausgehenden Anrufkampagnen um 11 Prozent steigern und die Kundenabwanderung durch personalisierte Marketingkampagnen senken.

Analysetool - Prädiktive Analyse

Prognosetool zur Kundenabwanderung von Dataiku DSS (Quelle)

2. Prädiktive Analyse ermöglicht genauere Absatzprognosen

Viele Geschäftsentscheidungen wie das Einstellen von neuem Personal, der Aufbau neuer Niederlassungen und das Aufstocken von Lagerbeständen basieren auf Umsatzprognosen.

Wie häufig sind diese aber – selbst nach Abzug einer Fehlerspanne – richtig?

Traditionelle Umsatzprognosen werden immer noch häufig aus dem Bauch heraus getroffen und beziehen nur begrenzte Daten ein

Aussage über Geschäftsabschlüsse

(Quelle)

Prädiktive Analysemodelle, die mit internen und externen Datenquellen wie Marketingautomatisierungsdaten, historischen Abverkaufsdaten, Informationen zu zukünftigen Projekten, der Erfolgsquote einzelner Verkäufer*innen usw. arbeiten, sagen Verkaufsabschlüsse mit einer 82 %-igen Genauigkeit voraus.

BEISPIEL:

Daten aus mehreren Quellen steigern die Genauigkeit von Umsatzprognosen.

Herausforderung: Eine öffentliche Dienstleistungsagentur in den USA überschritt aufgrund unzutreffender Umsatzprognosen ständig das Budget. Der Bedarf wurde konsistent zu hoch eingeschätzt, sodass unnötige Ausgaben für zusätzliche Mitarbeiter*innen und Materialeinkäufe getätigt wurden.

Eingeleitete Maßnahmen: Anstatt sich nur auf Betriebsdaten aus den vergangenen Jahren zu verlassen, sammelte die Agentur weitere Daten durch Marktforschung, Umfragen zum Kundenbedarf, Trends in der Google-Suche und frühere Verkaufsinformationen. Diese neuen und weitergefassten Daten wurden in ein Prognosemodell eingepflegt, das mithilfe eines externen Beraters entwickelt wurde.

HinweisAnstelle eines möglicherweise zu teuren Beraters kann man auch Softwareanwendungen für die prädiktive Analyse mit integrierten Modellen nutzen, die individuelle Berechnungen durchführen und die Daten von verschiedenen Quellen unterstützen.

Ergebnis: Das neue Prognosemodell für den Umsatz war 13 Mal präziser und erlaubte es der Agentur, zukünftigen Kundenbedarf besser einzuschätzen und sich schneller an Marktveränderungen anzupassen.

3. Prädiktive Analysetools ermöglichen das Festlegen von optimalen Produktpreisen

Das Festlegen des richtigen Preises für ein Produkt oder eine Dienstleistung ist eine knifflige Angelegenheit. Ein hoher Preis kann Kund*innen abschrecken und die Verkaufszahlen senken, wohingegen ein niedriger Preis zu einer geringen Gewinnspanne führt.

Mit der prädiktiven Analyse kann der ideale Preis für Waren und Dienstleistungen ermittelt werden.

Prognostiziert man die Verbrauchernachfrage und versteht zudem noch das Kunden- und Kaufverhalten sowie die Marktentwicklung, gelangt man zu einem optimalen Preis und verbessert den Umsatz und das Bestandsmanagement.

BEISPIEL:

Rue La La steigert durch Preisoptimierung den Umsatz um 10 Prozent.

Herausforderung: Rue La La vertreibt Markenmode zu niedrigen Preisen. Das Unternehmen muss häufig Verkäufe prognostizieren und Preise für Produkte festsetzen, die zum ersten Mal im Onlineshop angeboten werden, sodass es keine Vergleichsdaten gibt. Ihren Erfahrungen zufolge sind Produkte entweder innerhalb weniger Stunden ausverkauft oder gehen überhaupt nicht weg, was zu Einnahmeverlusten führt.

Eingeleitete Maßnahmen: Rue La La hat für seine Produkte eine Reihe von quantitativen Merkmalen erarbeitet und zukünftigen Bedarf basierend auf historischen Verkaufsdaten prognostiziert. Mithilfe von statistischen und Computing-Technologien wie Regressionsanalyse und maschinellem Lernen konzipierten sie ein Prognosemodell zur Bedarfsermittlung und Preisoptimierung. Bei der Entwicklung des Support-Tools für die automatische Preissetzung wurden sie vom Massachusetts Institute of Technology (MIT) unterstützt.

Ergebnis: Indem die Firma bei der Preissetzung den Vorschlägen des Tools folgte, konnte sie über verschiedene Abteilungen hinweg ihren Umsatz um 10 bis 13 Prozent steigern. Und auch weitere Maßnahmen führten zu positiven Ergebnissen.

Andere Bereiche (in verschiedenen Branchen), bei denen Prognosen hilfreich sind:

  • Mitarbeiterfluktuation
  • Kreditausfälle
  • Bestimmung von Patienten, die wahrscheinlich wiederkommen (Medizin)
  • Geräte, die innerhalb eines Jahres gewartet oder ersetzt werden müssen

Dies sind nur einige der vielen Möglichkeiten, die sich durch die prädiktive Analyse ergeben, zuvor müssen jedoch einige Voraussetzungen erfüllt werden.

Prädiktive Analyse erfordert eine datengestützte Kultur: 5 Anfängertipps

Um genau die Daten zu generieren, die für eine aussagekräftige prädiktive Analyse erforderlich sind, ist eine datengestützte Kultur innerhalb des Unternehmens unerlässlich.

5 Schritte zur Vorbereitung auf die prädiktive Analyse

5 Schritte - Prädiktive Analyse

1. Das gewünschte Geschäftsergebnis festlegen

Zur Erinnerung: Die prädiktive Analyse dient zur Visualisierung zukünftiger Geschäftsergebnisse. Sind die entsprechenden Ziele klar definiert, ist es einfacher, die Software so anzupassen, dass sie optimale Ergebnisse liefert.

Hier einige Beispiele für Fragen, auf die die prädiktive Analyse mögliche Antworten liefert:

  • Welche meiner Kund*innen bzw. Kundensegmente bleiben wahrscheinlich auch ohne Anreize weiterhin loyal?
  • Welche Produkte sind im Ausverkauf wahrscheinlich gefragt?
  • Welche meiner B2B-Kund*innen geraten wahrscheinlich in Zahlungsverzug?
  • Welche meiner Lieferanten liefern Rohmaterialien wahrscheinlich nicht pünktlich?
  • In welchen Produktionsbereichen werden im kommenden Quartal die Kosten wahrscheinlich steigen?

Sehr wahrscheinlich liegen in den meisten Unternehmen die Daten zur Beantwortung dieser Fragen nicht vor. In diesen Fällen müssen die Daten entweder über einen bestimmten Zeitraum gesammelt oder die Fragen angepasst werden, um dieselben Herausforderungen aus einem anderen Blickwinkel zu betrachten.

2. Relevante Daten aus allen verfügbaren Quellen sammeln

Die Modelle der prädiktiven Analyse beruhen auf Daten. Es ist daher von äußerster Wichtigkeit, die richtigen Daten zur Beantwortung einer Frage zu identifizieren.

Arbeitet ein Unternehmen mit Tabellenkalkulationen, kann es sehr mühsam und in einigen Fällen sogar unmöglich sein, diese in die Prognose einzubeziehen.

An diesem Punkt ist es ratsam, CRM-Anwendungen, Point-of-Sale-Software, Marketing-Tools und weitere Software zu nutzen, um die relevanten Daten zu speichern. Mithilfe dieser Tools können große Datenmengen in der Cloud gespeichert werden, was auch Kosten für die IT-Infrastruktur spart.

Data-Extraction-Software wiederum ruft Daten aus verschiedenen Quellen ab und mehrere Apps können mit APIs zur Datensammlung verbunden werden.

Datenbank-Software, Data-Warehouse-Systeme und Data Lakes sind weitere Ressourcen, die zur Speicherung großer Datenmengen eingesetzt werden können.

3. Datenqualität mit Bereinigungstechniken verbessern

„Garbage In, Garbage Out“ ist ein scherzhafter Ausdruck aus der Informatik, der besagt, dass eine Eingabe mit geringer Qualität auch zu einem schlechten Ergebnis führt.

Und genauso werden Prognosen, die basierend auf mangelhaften Daten erstellt wurden, salopp gesagt kräftig danebenliegen. Für eine aussagekräftige Prognose ist es wichtig, dass Vertriebsmitarbeiter*innen, Vermarkter*innen und andere Beteiligte die richtigen Datenwerte eingeben – und dies im vorgeschriebenen Format. Auf diese Weise wird Zeit bei der Datenbereinigung und Formatierung eingespart.

Auch doppelte Datensätze sollten vermieden bzw. gelöscht werden und eine Normierung hilft bei der Konsistenz der Aufzeichnungen. Die meisten Business-Intelligence-Tools bieten Funktionen zur Datenreinigung wie Datenlöschung, Datenstandardisierung, Datenharmonisierung und Daten-Profiling.

4. Predictive Analytics-Software oder eigene Modelle zum Testen von Daten einsetzen

Möchte man seine eigenen prädiktiven Analysemodelle erstellen, benötigt man Datenwissenschaftler*innen oder jemanden mit tiefreichenden analytischen Kenntnissen, denn nur Personen mit Expertenwissen können ein Prognosemodell von Grund auf erstellen.

Diese Arbeit kann an ein Beratungsunternehmen mit Prognosediensten ausgelagert werden oder man sucht sich gut vernetzte Forscher*innen an Universitäten als Unterstützung.

Sollten die Kosten einen jedoch zurückschrecken, gibt es alternativ viele Softwarelösungen mit Prognosetools.

Diese Tools bieten zwar nicht das fundierte Wissen von qualifizierten Datenwissenschaftler*innen, sind jedoch einfach einzusetzen und kostengünstiger. Predictive-Analytics-Software ist ein guter Ausgangspunkt für kleine Unternehmen.

Auf diese Funktionen sollte man bei der Auswahl von Predictive-Analytics-Software achten:

Data-Mining:   Extrahiert Daten aus verschiedenen Quellen, um miteinander in Beziehung stehende Informationen bereitzustellen und Muster aufzudecken.

 

Datenaufbereitung: Analysiert und bereinigt Daten mit Techniken wie Deduplizierung, Datennormalisierung, Data-Wrangling usw.

 

Prädiktive Modellierung: Mit statistischen Werkzeugen wie Regression, Korrelationsanalyse, Clustering usw. werden komplexe Gleichungen aufgestellt, die Verhaltensweisen und Auswirkungen vorhersagen.

 

Vorhersageerkenntnisse: Maschinelles Lernen und künstliche Intelligenz verarbeiten große Datensätze in Echtzeit und erstellen sich bei neuen Erkenntnissen bzw. Umständen aktualisierende Prognosen.

 

Datenvisualisierung: Stellt Schaubilder, Grafiken und Karten zur Darstellung der Prognosen bereit, sodass sie einfacher zu lesen sind.

 

Integration mit R, Python: Lässt sich in häufig eingesetzte Programmiersoftware für die Analyse wie R und Python integrieren, sodass Nutzer*innen u. a. ihre eigenen Modelle erstellen, bereits vorhandene Modelle anpassen und größere Datensätze hinzufügen können.

 

Unser Verzeichnis für Predictive-Analytics-Software bietet eine Übersicht aller Lösungen mit Prognosefunktionen. Vor dem Kauf kann man die Softwareoptionen basierend auf Funktionen oder Preisen vergleichen und Nutzerrezensionen lesen.

5. Prognosemodell evaluieren und validieren, um die Stabilität des Systems zu gewährleisten

Evaluiert und validiert man das Prognosemodell mit alternativen Datensätzen, lassen sich Schwachstellen aufdecken. Darüber hinaus stellt man sicher, dass das Modell auch bei verschiedenen Szenarien gute Ergebnisse liefert.

Es gibt verschiedene Ansätze für die Validierung von Vorhersagemodellen wie das Kreuzvalidierungsverfahren und das Regressionsverfahren.

Viele Predictive-Analytics-Lösungen enthalten jedoch auch automatisierte Validierungsfunktionen, mit denen die Stabilität des Modells getestet werden kann.

Abschließend muss das Prognosemodell nur noch in die Geschäftsprozesse integriert werden und schon können die Ergebnisse für bessere Entscheidungen genutzt werden.

Herausforderungen bei der Implementierung von Predictive-Analytics-Lösungen

Bei der Implementierung von Prognosemodellen müssen durchaus einige Herausforderungen gemeistert werden.

Bei der prädiktiven Analyse werden Wahrscheinlichkeiten prognostiziert, keine sicher eintreffenden Ereignisse

Wie sehr wir uns auch wünschen, dass anhand der Daten definitive und absolut genaue Vorhersagen getroffen werden könnten, so ist doch nur eine Wahrscheinlichkeitsanalyse möglich. Jede Prognose – auch wenn sie aufgrund der richtigen Daten getroffen wird – enthält einen Unsicherheitsfaktor.

Eine Geschäftsentscheidung sollte daher letztendlich aus einer Kombination verschiedener Faktoren wie Datenergebnissen, dem eigenen Urteil, der Tragweite der Entscheidung usw. getroffen werden und nicht allein auf einem Aspekt beruhen.

Die Eingliederung des Prognosemodells in die Geschäftsabläufe kann viel Zeit in Anspruch nehmen

Prädiktive Analysen werden nicht über Nacht implementiert. Es kann Wochen oder je nach bereits vorhandenen Kenntnissen sogar Monate dauern, bis robuste Prognosemodelle erstellt und integriert wurden.

Gerade für die Testphase sollte man viel Geduld mitbringen und auf die Nuancen der Vorhersagen achten. Robuste, wiederverwendbare Prognosemodelle sorgen langfristig für Umsatzzuwächse und Kosteneinsparungen.

Zu Beginn fallen für Software, Schulungen und Prüfsysteme Kosten an

Predictive-Analytics-Software ist in den letzten Jahren zwar günstiger geworden, doch es handelt sich immer noch um ein kostspieliges Unterfangen. Zusätzlich zu den Tools müssen auch die Mitarbeiter*innen in verschiedenen Konzepten geschult werden.

In den USA werden für kleine Unternehmen jährliche Ausgaben zwischen 8.000 USD und 20.000 USD für Implementierungskosten ohne Schulungen geschätzt. Unternehmen mit 500 bis 5.000 Mitarbeitern sehen jährlichen Kosten von bis zu 100.000 USD entgegen und Großunternehmen sollten 500.000 USD und mehr einkalkulieren.

Nächste Schritte zur Einführung der prädiktiven Analyse

Es ist ratsam, zuerst im Kleinen mit der prädiktiven Analyse zu experimentieren und mit zunehmender Erfahrung und nach einigen positiven Ergebnissen das Unterfangen auszuweiten.

Zu Anfang sollte man Geschäftsfälle identifizieren, in denen Prognosemodelle bereits erfolgreich eingesetzt wurden (z. B. bei der Reduzierung von Kundenabwanderung oder der Vorhersage von Nachfrage) und diese an das eigene Unternehmen anpassen.

Anfängertipps - Prädiktive Analyse

Weitere Ressourcen

Wirf einen Blick auf das GetApp-Verzeichnis für prädiktive Analyse-Lösungen und erhalte eine umfassende Liste der Softwaretools mit Prognosefunktionen.

Lufthansa hat eine Studie in Auftrag gegeben, in der die Relevanz von Predictive Analytics für Unternehmen in den nächsten Jahren bewertet wird.

Hinweis: Die Informationen in diesem Artikel stammen aus Quellen, die als vertrauenswürdig beurteilt wurden. Die ausgewählten Anwendungen dienen als Beispiele, um Funktionen im Kontext zu präsentieren. Dies stellt keine Empfehlung oder Befürwortung dar.