Der Kundenkontakt, unendliche Weiten. Wir schreiben das Jahr 2020. Dies sind die Abenteuer eines Quality Assurance Managers, der mit seinen 400 Reports und 5 Dashboards unterwegs ist, um Qualität zu verbessern. Viele Lichtjahre von der Erkenntnis entfernt, dringt er in Galaxien der Kontaktanalyse vor, die nie ein Mensch zuvor gesehen hat.
Die Informationen aus vorliegenden Reports und Dashboards helfen ihm bereits zu verstehen, was zuletzt oder vor längerer Zeit passiert ist und welche Auswirkungen dies mit sich brachte. Dadurch hat der QA Manager die Möglichkeit, Abhängigkeiten zu erkennen. Er beherrscht also den Blick in den Rückspiegel und leitet daraus logische Zusammenhänge ab.
Das reicht ihm aber jetzt nicht mehr. Er hat den Anspruch, aus den Erkenntnissen der Vergangenheit Ableitungen für die Zukunft zu generieren. Mit nach vorn gewandtem Blick möchte er Qualität zukünftig und proaktiv sicherstellen, um so Wettbewerbsvorteile für sein Unternehmen zu erzielen.
Was sind Advanced Analytics?
Die Galaxie in der er sich nun befindet, ist das weite Feld der Advanced Analytics. Damit betritt er das Gebiet von maschinellem Lernen und künstlicher Intelligenz. Es eröffnet völlig neue Möglichkeiten wie Data- und Textmining, Predictive Analytics, Sentiment Analytics, neue Visualisierungsmöglichkeiten, Simulationen von komplexen Vorgängen und vieles mehr. Ein Gebiet, das sich im Halbjahres- oder Jahresrhythmus durch immer neue Innovationen auszeichnet.
Noch klarer wird das Verständnis von der technisch fortschrittlicheren Advanced Analytics, wenn die wesentlichen Fragestellungen des klassischen Konzepts der Business Intelligence (BI) danebengehalten werden. Wo BI anfängt und grundsätzliche Fragen (Was ist passiert? Wann? Wer? Wie viel?) beantwortet, geht Advanced Analytics weiter und antwortet auch auf die folgenden exemplarischen Fragen: Was wird unter Berücksichtigung der Parameter X und Y zukünftig passieren? Wie ändert sich diese Prognose, wenn sich diese Parameter ändern? Was passiert darauf folgend und welche Handlungsfelder/-empfehlungen ergeben sich daraus?
Ein Schlüsselaspekt von Advanced Analytics ist das erwähnte Data Mining, eine automatisierte Methode, um nutzbare Informationen aus umfangreichen Rohdatensätzen zu extrahieren. Wenn es um das Finden von vorhandenen Erkenntnissen oder das Verbinden bzw. Bereinigen von Datenpunkten/-sätzen geht, helfen Big-Data-Analysen. Weiterführende Predictive Analytics können diese „sauberen Daten“ und verschiedene bereits vorhandene Erkenntnisse nutzen, um Prognosen über zukünftige Aktivitäten, Trends und Kundenverhalten zu erstellen.
Was kann man damit im Kundenservice beispielsweise tun?
Das bedeutet für den QA-Manager, den möglichen Einsatz von Tools zur Interaktionsanalyse mit dem Ziel sicherzustellen, dass sich Mitarbeiter an Unternehmensrichtlinien, Gesprächsleitfäden und andere Vorgaben halten. Schon eine einfache cloudbasierte Sprachanalyse-Lösung kann die aufgezeichneten Calls so filtern, dass die bisherige Suche nach der Nadel im Heuhaufen, mit glücklich oder unglücklich gewählten Stichprobengrößen, entfällt. Nur die Calls, die eine tatsächliche Relevanz mit sich bringen, müssen angehört und analysiert werden.
Mit diesem Hilfsmittel können nicht nur die „schwarzen Schafe“ aufgespürt und gezielt verbessert werden. Der QA-Manager wird auch Best Practice Beispiele finden und diese bei der Weiterentwicklung der Mitarbeiter einfließen lassen. Dieses Vorgehen ist besonders effizient, um z.B. In-Call-Verkaufserfolge auf die Zielgerade und darüber hinaus zu bringen.
Weitere Use Cases
Advanced Analytics umfasst neben diesen genannten noch viele weiteren Disziplinen und bietet eine sehr breite Anwendbarkeit – so gibt es also noch zahlreiche weitere denkbare Use Cases.
Marketingabteilungen werden es deutlich leichter haben, die Präferenzen der unterschiedlichen Kundensegmente zu entschlüsseln, abzuschätzen wie sich diese entwickeln werden oder welche Ziele in Zukunft angestrebt werden könnten. Dies kann dazu beitragen, Strategien und Kampagnen mit mehr Präzision und Vertrauen noch weiter im Voraus zu planen.
Auch im Warehouse Management kann von Advanced Analytics profitiert werden, indem die Dynamik hinter dem Warenausgang verstanden und mit früheren Verkäufen bzw. Bestellvorgängen verglichen wird. So lassen sich mit validen Prognosen Bestellprozesse beschleunigen und die Auslastung von Lagerbeständen effizienter gestalten.
Selbst Unternehmen des produzierenden Gewerbes (speziell mit Maschinen- und Robotereinsatz) können sich der Advanced Analytics bedienen, um Self-Maintenance-Lösungen zu erschließen, welche frühzeitig alarmieren und Reports liefern, um zum Beispiel kostenintensiven Verschleiß zu vermeiden. Solche Frühwarnsysteme bieten Unternehmen die Möglichkeit, große Summen an Reparatur- und Aufrüstungskosten zu sparen.
Eine fortschrittliche BI- und Analyseplattform kann, wenn richtig eingesetzt und angebunden, viele neue tiefere Erkenntnisse mit sich bringen, welche mit gut konfigurierten Algorithmen einen validen Blick in die Zukunft eröffnen. Damit lassen sich die Geschäftsanforderungen optimal vorbereiten, wodurch der Blick in den Rückspiegel zum reaktiven Nachsteuern deutlich reduziert wird. Bereits vorhandene komplexe Datensätze lassen sich in benutzerfreundliche Dashboards vereinfachen.
Mit dieser nächsten Generation von Analysetools hat man also die Chance, eine „Meinung“ in eine datengetriebene und somit belastbare Erkenntnis zu transformieren – und seine Vorhaben mit Warpgeschwindigkeit in die Zukunft zu befördern. „Energie!“.
Stefan Reissing – Junior Berater
junokai