Unstrukturierte Datenquellen

Gesteigerte Aussagekraft von Dashboards

26.11.2018
Von 
Michael Möhring ist Wissenschaftlicher Projektleiter an der Hochschule München.
Liefern Dashboards, die neben strukturierten Daten auch unstrukturierte Daten in ihre Auswertungen mit einbeziehen bessere Ergebnisse? Die Antwort darauf lesen Sie hier.

Dashboards stellen gemäß der Softwarehersteller eine integrierte Sicht aller relevanten Daten für eine oder mehrere Entscheidungssituationen her und ermöglichen es Zusammenhänge in der Regel zwischen unterschiedlichen Datenquellen zu identifizieren. Die Entscheider sollen nach Auffasung der Hersteller von irrelevanten Daten nicht abgelenkt werden und möglichst alle relevanten Informationen für die zu treffende Entscheidung kurz und prägnant bereitgestellt bekommen. Zugriff erhalten die Entscheider in der Regel über ein Webportal, eine App oder installierte Software auf dem Desktop-PC.

Vermeintlich unstrukturierte Datenquellen
Vermeintlich unstrukturierte Datenquellen
Foto: Cor de Hamer - shutterstock.com

Bisherige Dashboards integrieren überwiegend nur strukturierte Daten wie Umsatz- und Bestellzahlen aus dem ERP-, SCM- oder CRM-System. In einer Reihe von Situationen jedoch, liefern diese quantitativen Daten ein zu eingeschränktes Bild der Situation.
Stellen Onlineshops beispielsweise bei der Darstellung der Retourensituation nur die Anzahl der zurück geschickten Artikel pro Bestellzeitpunkt dar, so werden die Motive der Kunden nicht beleuchtet und wichtige Informationen gehen verloren. Warum die Bestellung retourniert wurde und was der Kunde über die Bestellung gedacht hat, wird vernachlässigt. Somit können keine Maßnahmen ergriffen werden, die auf diesen Informationen aufbauen. Doch gerade für werthaltige Managemententscheidungen ist ein umfassendes Bild der Situation in Dashboards unerlässlich.

Daher sollten vermehrt auch unstrukturierte Daten, wie zum Beispiel vorhandene Texte in Dashboards integriert werden. Einige Softwareanbieter bieten bereits erste Lösungen an, Social Media Daten aus Twitter oder Facebook, die beispielsweise Aufschluss über die Kundenzufriedenheit geben können, in Dashboards zu integrieren. Neben Social Media existiert eine große Fülle an weiteren Datenquellen die sich für das Einbinden und die Nutzung von textbasierten Daten nutzen lassen. Beispiele sind:

  • Kommunikationsdokumente (E-Mails, Scans von Briefen)

  • Dokumentationen

  • Prozessmodelle

  • Berichte und Gutachten von externen Content-Anbietern

Die Analyse von Kundenbewertungen kann etwa Aufschluss über die Kundenzufriedenheit und Optimierungsmöglichkeiten für das Produkt oder Services geben. Weiterhin geben Notizen der unterschiedlichen Planer in den Fachbereichen des Unternehmens meist Informationen über das Marktumfeld und die Wettbewerbsintensität wieder, die bisher nur unzureichend über Kennzahlen abgebildet wurden.

Über die Integration von Daten aus sozialen Netzwerken hinaus können weitere textuelle Daten von Vorteil sein. Die Erschließung dieser weiteren textuellen Datenquellen kann mit Methoden des Text Minings geschehen, da bisherige Dashboardsoftwareumgebungen hier meist nur unzureichende Integrationsmöglichkeiten liefern. Dazu können freie Werkzeuge und Programmiersprachen wie R und Python benutzt oder mehr kommerzielle (teilweise mit OpenSource-Kern) wie Rapid Miner oder SAS Lösungen herangezogen werden.

Lesetipp: Die Stärke von Text Mining im Business Process Management

Das Einbeziehen textueller Daten kann also zu einer fundierteren Entscheidungsunterstützung der Führungskräfte durch Dashboards führen. Im Beispiel des Onlineshops bedeutet dies, dass in Dashboards zur Retourensituation neben der Retourenquote und den meist-retournierten Artikel auch Informationen über die Probleme mit den Artikeln (Retourenmustern) basierend auf Kundenbewertungen und Kundenemails integriert werden.
Die Einbindung dieser Informationen kann zum einen beispielsweise durch Diagramme oder Tag-Clouds geschehen, wie in der nachfolgenden Grafik exemplarisch aufgezeigt ist. Die bisherige Analyse der strukturierten Daten auf der linken Seite des Dashboards werden durch Analysen von unstrukturierten Daten auf der rechten Seite der Beispielgrafik ergänzt.

Beispiel Dashboard mit Integration textueller Daten
Beispiel Dashboard mit Integration textueller Daten
Foto: Eigene Quelle - Dr. Michael Möhring

Auch wenn das Hinzufügen von unstrukturierte Daten in Dashboards zu einer besseren Entscheidungsunterstützung führen kann, bleibt es auch bei diesen Dashboards bei aggregierten Daten, welche nicht jede Nuance abbilden können. Sie können aber dennoch mehr Informationen liefern als die bisherigen. Es bleibt abzuwarten, wie Softwarehersteller diesen wichtigen Trend weiter aufnehmen und ausbauen.