Marmeladenbaum
Datenstrategie, Beratung und Umsetzung
Marmeladenbaum verbindet Daten und Prozesse so, dass daraus messbarer geschäftlicher Mehrwert entsteht.
Wir schaffen Strukturen mit Datenstrategie und Governance, ermöglichen fundierte Entscheidungen durch Business Intelligence und Analytics und digitalisieren Prozesse für effizientere Abläufe. So entstehen Transparenz, Steuerbarkeit und die Grundlage für nachhaltiges Wachstum.
Wir machen Daten und Prozesse zu Ihrem Erfolgsfaktor
Viele Unternehmen sammeln zwar Daten, nutzen diese aber nicht konsequent. Prozesse laufen, doch oft fehlen Transparenz und Effizienz. Marmeladenbaum hilft Ihnen, diese Potenziale freizusetzen und Datenmanagement, Analyse und Automatisierung miteinander zu verbinden.
Unsere Leistungen auf einen Blick:
Data Strategy & Governance
Strukturen, Regeln und Verantwortlichkeiten schaffen, um steuerbare und vertrauenswürdige Daten zu erhalten.
Business Intelligence & Analytics
Mit modernen BI-Architekturen und Analytics-Lösungen können Sie Kennzahlen verstehen, Trends erkennen und fundiert entscheiden.
Prozessdigitalisierung
Abläufe optimieren und automatisieren, von der Prozessanalyse über Process Mining bis hin zur Robotic Process Automation (RPA).
Workshops & Trainings
Datenkompetenz aufbauen, Tools sicher anwenden und Akzeptanz schaffen, damit Teams Arbeitsprozesse datengetrieben denken können.
abgeschlossenen Projekten
Der richtige Partner für Ihre Datenstrategie
Warum Marmeladenbaum
Erfolgreiche Daten- und Prozessberatung entsteht dort, wo Strategie auf Umsetzung trifft. Wir verbinden beides mit Erfahrung, Methodenkompetenz und einem klaren Verständnis für die Herausforderungen des Mittelstands.
Unsere Konzepte verbinden Forschungskompetenz und Umsetzungserfahrung, um passende Best-of-Breed-Lösungen bereitzustellen.
Wir vereinen Datenstrategie, Business Intelligence, Governance und Prozessdigitalisierung zu einem integrierten Ansatz.
Wir arbeiten flexibel, lösungsorientiert und auf Augenhöhe, ideal für Unternehmen, die mehr benötigen als Standardlösungen.
Unser Team bringt Expertise aus unterschiedlichen Branchen mit und empfiehlt nur Lösungen, die wirklich zu Ihrer Organisation passen.
Eine Auswahl unserer Kunden
Wir unterstützen Management, IT und Fachbereiche auf dem Weg zur datengetriebenen Organisation
Unsere Projekte richten sich an Unternehmen, die datengetrieben handeln und ihre Organisation zukunftsfähig gestalten möchten. Wir sprechen Entscheider an, die Strukturen schaffen möchten, um Daten, Prozesse und Technologie sinnvoll zu verbinden.
Vereinbaren Sie jetzt ein unverbindliches Beratungsgespräch!
Data Strategy Consulting & Data Governance Consulting
Eine klare Datenstrategie schafft Ordnung, Verantwortung und Vertrauen.
Gemeinsam mit Ihnen entwickeln wir Strukturen, Prozesse und Governance-Modelle, die die Datenqualität sichern und die Entscheidungsfähigkeit erhöhen.
Ihre Vorteile:
- Daten werden steuerbar und transparent
- Verantwortlichkeiten sind klar definiert
- Compliance und Effizienz steigen messbar
Business Intelligence Architektur
Wir machen Daten nutzbar: von BI-Architektur über Kennzahlensysteme bis zu Machine-Learning- und KI-Analytics für fundierte Entscheidungen. So ermöglichen wir Analysen, die Wachstum und Effizienz fördern.
Ihre Vorteile:
- Einheitliche Datenbasis für alle Abteilungen
- Bessere Entscheidungen durch klare Kennzahlen
- Mehr Zeit durch automatisierte Reports
Prozessdigitalisierung
Wir digitalisieren und automatisieren Ihre Geschäftsprozesse, um Abläufe effizienter und nachvollziehbarer zu gestalten.
Von der Prozessanalyse über Process Mining bis hin zur Robotic Process Automation (RPA) unterstützen wir Sie dabei, Routinen zu verschlanken und Freiräume zu schaffen.
Ihre Vorteile:
- Weniger Aufwand, geringere Fehlerquoten
- Höhere Transparenz durch digitale Prozessmodelle
- Schneller Return on Investment
Workshops & Trainings
Eine Transformation gelingt nur, wenn die Mitarbeiter sie verstehen.
In unseren praxisnahen Workshops und Schulungen vermitteln wir Wissen aus den Bereichen Data Analytics, Data Science, Business Intelligence, Governance, Cloud und die Microsoft Power Plattform sowie weiteren Themen.
Ihre Vorteile:
- Mehr Sicherheit im Umgang mit Daten, Analytics- und BI-Tools
- kürzere Einarbeitungszeiten und schnellere Umsetzung in Projekten
- Nachhaltiger Kompetenzaufbau für datengetriebene Entscheidungen
Insights & Projekte
In unseren Use Cases und Praxisprojekten zeigen wir, wie Unternehmen datengetrieben arbeiten, welche Methoden sich bewährt haben und welche Entwicklungen aktuell relevant sind.
- Wie werden Daten zum Wettbewerbsvorteil?
- Welche Strukturen sichern Data Governance nachhaltig?
- Und wie gelingt der Einstieg in die Prozessautomatisierung?
Von der ersten Strategie bis zur erfolgreichen Umsetzung erhalten Sie hier Einblicke aus der Praxis, die inspirieren und Orientierung geben.
+++ Use Case +++
Konzeption zu einer Analytics Strategie
Unternehmen brauchen in Zeiten der Digitalisierung eine individuelle Analytics-Strategie, die mit anderen strategischen Unternehmenszielen und weiteren Teilstrategien abzustimmen ist.
+++ Case Study +++
Machine Learning in der Leckageerkennung
In Fernwärmenetzen ist es bedeutsam, eine Leckage an sich und den Ort ihres Auftretens frühzeitig zu erkennen. Umfangreiche Daten sind daher mittels Echtzeitanalyse auszuwerten.
+++ Case Study +++
Reporting zur Deckungsbeitragsrechnung
In unserem Projekt DB I Steuerung haben wir […] gezeigt, wie sich operative Unternehmensdaten aus dem SAP BW transformieren lassen, so dass sie auf native Microsoftinfrastrukturen übertragbar sind.
+++ Case Study +++
Artificial Intelligence zur Marktpreisvorhersage
In unserem Projekt: „Marktpreisvorhersagen zu Rohstoffpreisen“ haben wir gemeinsam mit der VNG AG gezeigt, dass sich Advanced Analytics nutzen lässt, um […] Preistrendvorhersagen mittels Machine-Learning-Verfahren zu erzeugen.
+++ Case Study +++
Evaluation der Power-BI-Lizenz-Optionen
Gemeinsam mit einem Finanzversicherer hat die Marmeladenbaum GmbH ein umfängliches Bewertungskonzept erarbeitet, welche Power-BI-Lizenz-Option in welchem Kontext sinnvoll ist.
+++ Case Study +++
Advanced Analytics zur Kundenabwanderungsprävention
In unserem Projekt Abwandererprävention haben wir […] gezeigt, dass sich Advanced Analytics nutzen lässt, um […] Vorhersagen für potenzielle Kündigungen zu erzeugen.
+++ Case Study +++
ONTRAS Kennzahlensystem
Flexibilität und eine partnerschaftliche Zusammenarbeit, fachliche Kompetenz und die Bereitschaft sich gemeinsam neuen Herausforderungen zu stellen sind die Leitmotive für die Zusammenarbeit zwischen der ONTRAS Gastransport GmbH und der Marmeladenbaum GmbH.
+++ Use Case +++
Analytics – Kickstart
Analytics-Kickstart bildet einen modularen Ansatz zur Umsetzung komplexer Business-Intelligence und Analytics-Anforderungen (BIA-Anforderungen), der innerhalb einer Woche von der initialen Definition bis hin zur ersten fachlichen Auswertung führt.
+++ Case Study +++
Vorhersagemodell senkt Kapitalbindungskosten
Unter der Maßgabe der besseren Kontrolle des Working Capital ist für das Controlling eine möglichst frühe Vorhersage des Werts der Lagerbestände wichtig, um entsprechende Steuerungsmaßnahmen ergreifen zu können.
+++ Use Case +++
Fallstudie — Protection One GmbH
Operatives Reporting zur Deckungsbeitragssteuerung mit Power BI
Im Projekt DB I Steuerung haben wir gemeinsam mit der Protection One GmbH gezeigt, wie sich operative Unternehmensdaten aus SAP BW transformieren und auf native Microsoft-Infrastruktur übertragen lassen. Auf den neu modellierten Data Marts entstand ein initiales Reporting zur operativen Deckungsbeitragssteuerung mit Schwerpunkt Vertrieb und Technik.
Das Projekt auf einen Blick
01
Herausforderung
Um profitabel zu wachsen, wollte Protection One die Steuerung von Vertrieb und Technik neu ausrichten – messbar über den Deckungsbeitrag I (DB I). Dafür mussten operative Daten aus SAP BW auf native Microsoft-Infrastruktur überführt werden.
02
Ansatz
Eine zweistufige Architektur aus fachlich abgegrenztem Data Mart (Ebene 1) und SSAS-Cube (Ebene 2), modelliert in ADAPT-Notation, mit Pentaho als ETL-Werkzeug und Versionsverwaltung über drei Branches.
03
Ergebnis
Ein Power-BI-Bericht, der den tatsächlichen DB I transparent macht – vom Gesamtüberblick bis zur Einzelfallanalyse – und Ausreißer sowie laufende Projekte frühzeitig sichtbar macht.
Der Kontext
Ausgangslage
Die Protection One GmbH unterscheidet sich im Leistungsspektrum deutlich von ihren Mitbewerbern: Neben der Sicherheitstechnik bietet sie mit der Echtzeitansprache einen Zusatzservice, der das Sicherheitsniveau der Schutzobjekte spürbar erhöht. Um profitabel zu wachsen, digitalisiert das Unternehmen geeignete Steuerungsmechanismen.
In einem ersten fundamentalen Schritt sollte die Steuerung von Vertrieb und Technik neu ausgerichtet werden. Die Profitabilität wird dabei über die Kennzahl DB I dargestellt – den Deckungsbeitrag I nach Installationskosten (Material- und Servicekosten).
Ziele des Projektes
- Operative Daten aus SAP BW auf native Microsoft-Infrastruktur (SQL Server) überführen.
- Bestehende und neu definierte Kennzahlen aktuell und historisch betrachten.
- Mittels Backtesting künftige Korridore und Zielwerte anpassen sowie Plan/Ist-Vergleiche ermöglichen.
Die Architektur
Zwei Transformationsebenen als Fundament
Das Architekturkonzept sieht zwei Transformationsebenen vor, die die verarbeiteten Daten unabhängig und redundant vorhalten. So ist eine parallele Entwicklung möglich, ohne dass Änderungen auf der vorgelagerten Ebene die nachgelagerte behindern.
Operative Daten aus SAP BW werden zunächst in einem fachlich abgegrenzten Data Mart transformiert (Ebene 1). Dieser dient als Grundlage für den SSAS-Cube (Ebene 2) – ein tabulares Modell auf Basis von DAX, der Formelsprache in Power BI. Lokal auf einer SSAS-Instanz gehostet, lässt er sich im Unternehmensnetzwerk oder über ein gesichertes Gateway (Power BI Service) per Liveverbindung anbinden – als Single Point of Truth.
01
Vorgehen
Modellierung mit ADAPT & ETL mit Pentaho
Für die Transformationsstrecken der Data Marts kommt Pentaho als ETL-Werkzeug zum Einsatz. Die Modellierung der Marts wird in enger Abstimmung mit den Fachbereichen definiert – zunächst als semantisches Datenmodell in ADAPT-Notation.
Ein ADAPT-Modell veranschaulicht und dokumentiert komplexe Zusammenhänge von Datenräumen, lässt sich leicht erweitern und dient als inhaltliche Schnittstelle zwischen anforderndem Fachbereich und ausführenden Datentechnikern. Über einen zertifizierten Datensatz entsteht eine zentrale Stelle für Informationsintegrität, -konsistenz und -sicherheit – und aufkeimende Schatten-IT wird begrenzt.
02
Vorgehen
Versionierung & Report-Design
Neben der zweistufigen Entwicklungsumgebung sichert eine Versionsverwaltung die Entwicklungsstände auf drei Ebenen:
- DEV-Branch – Ebene für Reportentwickler und Datentechniker.
- RELEASE-Branch – Testumgebung für die Qualitätssicherung durch den Fachbereich.
- MASTER-Branch – nach durchgeführten UATs für die Nutzung durch die Endanwender.
Das Report-Design führt Endanwender mit Hinweisen zu Filtern und KPIs ein und bietet dann den Überblick über die relevanten Kennzahlen. Über zahlreiche globale Filter lassen sich Abweichungen in Zeitreihen oder im Kontraktportfolio sofort erkennen und per Drill bis ins Detail verfolgen – vom Abnahmedatum über Kontrakt- und Serviceauftragsebene bis theoretisch zur Equipmentebene, inklusive Plan/Ist-Kostenvergleich und Metadaten zu Servicetechnikern und KAM-Managern.
Das Ergebnis
Der DB-I-Bericht macht die Entwicklung des tatsächlichen Deckungsbeitrags transparent – vom Gesamtüberblick einer Region bis zur einzelnen Fallanalyse.
Positive wie negative Ausreißer lassen sich schnell identifizieren; die Erkenntnisse werden zu Erfolgsfaktoren für künftige Kundenprojekte. Zugleich schafft der Bericht Transparenz über neu gestartete und laufende Projekte, sodass bereits vor Abschluss Maßnahmen zur Sicherung der Profitabilität ergriffen werden können.
Eingesetzte Methoden & Technologien
SAP BW · SQL Server · Power BI · DAX · SSAS-Cube (tabular) · Data Marts · Pentaho (ETL) · ADAPT-Notation · Versionsverwaltung · Single Point of Truth
Einen Single Point of Truth für Ihre Steuerung schaffen
Sie möchten Daten aus SAP auf eine moderne Microsoft-BI-Plattform überführen und Ihre Steuerung mit verlässlichen Kennzahlen in Power BI aufsetzen? Wir begleiten Sie von der Datenmodellierung über ETL bis zum produktiven Reporting.
+++ Use Case +++
Fallstudie — Stadtwerke / Fernwärme
KI Unterstützte Leckageerkennung in Fernwärmenetzen
In Fernwärmenetzen ist es entscheidend, eine Leckage und ihren Ort frühzeitig zu erkennen. Gemeinsam mit den Stadtwerken haben wir umfangreiche Daten per Echtzeitanalyse ausgewertet und Methoden der Künstlichen Intelligenz genutzt, um genau diese Aufgabe in Echtzeit zu lösen.
Das Projekt auf einen Blick
01
Herausforderung
Bei rund 800 km Netzlänge konnte das bestehende System eine Leckage zwar erkennen, aber nicht frühzeitig im konkreten Sperrgebiet lokalisieren. Servicetechniker mussten ihre Erfahrung einsetzen um nach einer vermuteten Leckage zu suchen – aufwändig und zeitintensiv.
02
Ansatz
Neue Messstationen für Temperatur und Druck, eine echtzeitnahe Big-Data-Architektur und über Simulation erzeugte Leckagezustände als Trainingsdaten – ausgewertet mit Verfahren des maschinellen Lernens.
03
Ergebnis
Eine einheitliche Echtzeitlösung, die Leckagen in einem definierten Sperrgebiet mit über 88 % Klassifikationsgüte erkennt und lokalisiert – so müssen im Ernstfall nur kleine Netzbereiche gesperrt werden.
Der Kontext
Ausgangslage
Die dauerhafte, umweltverträgliche Versorgung von Haushalten mit Energie und Wärme ist gesellschaftlich wie wirtschaftlich hochrelevant. Fernwärme ist dabei ein ökologisch verträglicher Baustein – technisch realisiert über stark gedämmte Rohrsysteme, die von heißem Wasser oder Wasserdampf durchströmt werden.
Mit rund 800 Kilometern Netzlänge zählen die Stadtwerke zu den größten Netzbetreibern Europas. Aus technischen und wirtschaftlichen Gründen brauchen sie ein System, das anzeigt, ob – und vor allem wo – ein Leck entlang des Fernwärmenetzes aufgetreten ist.
Kernfragen in Echtzeit
- Besteht eine Leckage?
- Wo befindet sich die Leckage?
- Ist – in einer Ausbaustufe – die Abschaltung von Teilbereichen des Netzes sinnvoll?
Die Aufgabe
Architekturframework als Schlüssel
Im ersten Schritt wurden Messstationen für Temperatur, Druck und weitere Messwerte in das bestehende Netz eingebaut, um diese Daten überhaupt digital zu gewinnen und mit weiteren Quellen zu verknüpfen. Da eine Leckage nur selten auftritt, wurden zusätzliche Leckagezustände über eine Simulationssoftware erzeugt, um die Algorithmen zu trainieren.
Als zweite zentrale Aufgabe entstand eine Rahmenarchitektur, die der echtzeitnahen Analyse im Big-Data-Bereich genügt und konsequent auf Skalierung ausgelegt ist: Echtzeitintegration der Daten, direkte Prozessintegration über Schnittstellen zu weiteren Softwarebausteinen sowie algorithmische Vielfalt zur Auswahl der passenden Klassifikation.
01
Vorgehen
Künstliche Intelligenz als Motor der Digitalisierung
Bei der Digitalisierung spielt – neben der Neukonzeption von Prozessen – die Umwandlung analoger Werte in ein digital nutzbares Format eine große Rolle. Diese Daten entstehen nicht zum Selbstzweck, sondern dienen der Entscheidungsunterstützung, der Optimierung und der Beeinflussung der datenerzeugenden Prozesse.
Mit dem Ziel, operative Prozesse zu optimieren, müssen die Daten möglichst zeitnah ausgewertet werden. Hier trifft der Begriff der Künstlichen Intelligenz tatsächlich zu: In Echtzeit wird entschieden, ob eine Leckage besteht, wo sie liegt – und in einer Ausbaustufe, ob die Abschaltung von Teilbereichen sinnvoll ist.
02
Vorgehen
Algorithmische Evaluation und Modellaufbau
In der Phase der algorithmischen Evaluation wurden verschiedene Verfahren des maschinellen Lernens gegeneinander getestet:
- Support Vector Machines (SVM)
- Multi Layer Perceptron – ein künstliches neuronales Netz.
- Random Forest
Für den anschließenden Aufbau des Analysemodells kam die SAP-HANA-Bibliothek PAL zum Einsatz. Ergänzend wurde eine Clusterung durchgeführt, um die gesamte Netzstruktur in sinnvolle Teilbereiche zu zerlegen – die Grundlage dafür, im Ernstfall nur kleine Bereiche sperren zu müssen.
Das Ergebnis · Echtzeitklassifikation
Die Lösung erkennt und lokalisiert Leckagen in einem definierten Sperrgebiet in Echtzeit – mit einer Klassifikationsgüte (F-Maß) von über 88 %.
In der Evaluation mit den Nutzern wurden sowohl die Klassifikationsgüte als auch die Echtzeit-Verarbeitungsgeschwindigkeit nachgewiesen. Das Projekt zeigt den Entwurf und Aufbau einer technisch und fachlich einheitlichen Echtzeitlösung – ein Beispiel dafür, wie sich die Potenziale der KI für die konkrete Unterstützung des Arbeitsalltags nutzen lassen.
Eingesetzte Methoden & Technologien
Künstliche Intelligenz · Machine Learning · Big-Data-Architektur · Echtzeitanalyse · Support Vector Machines · Multi Layer Perceptron · Random Forest · Clusterung · SAP HANA PAL · Simulationssoftware
KI-Potenziale für Ihren Arbeitsalltag nutzen
Sie möchten umfangreiche Sensordaten in Echtzeit auswerten und konkrete Entscheidungen automatisieren? Wir konzipieren und realisieren skalierbare Big-Data- und KI-Lösungen – vom Architekturframework bis zum produktiven Betrieb.
+++ Use Case +++
USe Case – Strategie · Analytics & Business Intelligence
Konzeption einer fundierten Analytics-Strategie
Business-Intelligence-, Daten-, Digitalisierungs-, IT-, Big-Data- und jetzt noch eine Analytics-Strategie – wie viele Strategien braucht eine wettbewerbsfähige Organisation? Entscheidend ist nicht die Anzahl, sondern die Frage, wann eine Analytics-Strategie wirklich gebraucht wird und wie sie sich an der Geschäftsstrategie ausrichtet.
Das Wichtigste auf einen Blick
01
Der Ausgangspunkt
Viele Organisationen sammeln aus Technologiedruck oder schierer Verfügbarkeit große Datenmengen – nutzen sie aber noch nicht zielorientiert. Eine Analytics-Strategie verknüpft Daten mit konkreten Business Cases.
02
Das Gerüst
Strategische Vision, eine Themenlandkarte, klar definierte Dimensionen – Organisation, Personen, Architektur, Kultur – sowie Governance und eine Roadmap bilden das tragende Gerüst.
03
Der Nutzen
Eine gemeinsame Ausrichtung statt isolierter Insellösungen: Projekte lassen sich in den Regelbetrieb überführen, Synergien entstehen, Verantwortlichkeiten sind geklärt.
Der Anlass
Wann eine Analytics-Strategie gebraucht wird
Organisationen setzen das Thema zu unterschiedlichen Zeitpunkten und aus unterschiedlichen Gründen auf die Agenda. Oft steht der Wunsch am Anfang, die Möglichkeiten von Analytics auszuloten, Prozesse zu optimieren und Defizite aufzulösen oder Wettbewerbsvorteile zu schaffen – etwa im Rahmen von Digitalisierung und Prozessneukonzeption.
In anderen Fällen geht es darum, wiederkehrende Projektentscheidungen nicht in jedem Vorhaben neu beantworten zu müssen, oder darum, bereits bestehende, aber unkoordinierte Analytics-Aktivitäten einzelner Fachbereiche in eine gemeinsame Richtung zu bringen.
Typische Anlässe
- Möglichkeiten von Analytics ausloten, Prozesse optimieren und Wettbewerbsvorteile generieren – auch im Zuge von Digitalisierung und Prozessneukonzeption.
- Eine vorhandene Datensammlung (z. B. ein Data Lake), die noch nicht oder nicht umfassend genutzt wird.
- Wiederkehrende Projektentscheidungen: Make-or-Buy, Datenschutz und die spätere Integrierbarkeit der Ergebnisse.
- Bereits bestehende, aber technologisch und organisatorisch unkoordinierte Analytics-Projekte einzelner Fachbereiche.
01
Bestandteil
Strategische Analytics-Vision
Ausgangspunkt jeder Analytics-Strategie sind eine strategische Zielstellung und eine organisationsweit akzeptierte Definition von Analytics – inklusive einer klaren Abgrenzung zu anderen Projekten und Initiativen.
Entscheidend ist der Bezug zur Geschäftsstrategie: Effizienz- oder marktausschöpfungsbezogene Ziele aus der Unternehmensstrategie bilden die elementare Grundlage für den Einsatz von Analytics.
02
Bestandteil
Themen und Innovation
In einem zweiten Schritt werden bestehende Analytics-Themen gesammelt und neue Projektideen entwickelt. Diese Themen erzeugen den Wettbewerbsvorteil und bilden – im Sinne eines Business Case – den zentralen Treiber der Strategie. Ergeben sich organisationsweit keine Themen, ist die Strategie selbst zu hinterfragen.
- Periodensystem der Künstlichen Intelligenz (Bitkom) – technische Potenziale und Einsatzmöglichkeiten von Analytics sichtbar machen.
- Themenfindungs-Workshops mit „System Thinking“ – Ideen für neue Prozesse und Geschäftsmodelle gezielt entwickeln.
- Analytics-Themenlandkarte – Leuchtturmprojekte identifizieren sowie Themenlieferanten und Servicenachfrager einbinden.
Aus den priorisierten Themen entsteht die Roadmap: ein Projektplan, der die neu konzipierten Sollzustände erreichbar macht. Voraussetzung ist ein bekannter Ist-Zustand – etwa gemessen als Analytics-Reifegrad.
Die Dimensionen
Organisation, Personen, Architektur & Kultur
Eine tragfähige Strategie lässt sich nicht allein am Reißbrett entwerfen. Bestehende und angrenzende Prozesse und Strukturen sollten zuerst betrachtet und – wo sinnvoll – integriert werden. Entlang mehrerer Dimensionen entstehen daraus Verantwortlichkeiten, Kompetenzen und Rollen.
- Organisation & Prozesse – Verantwortlichkeiten und Kompetenzen definieren; zentrale oder dezentrale Analytics-Einheiten abwägen.
- Personen – Rollen zuordnen, Personalkapazitäten bemessen und Weiterbildung mit konkreten Schulungen planen.
- Architektur & Werkzeuge – nutzbare Werkzeuge als Standards festlegen, damit der spätere IT-Support gewährleistet ist.
- Kultur – Change-Management mit agilen Methoden und einer Kultur des positiven Scheiterns („fail fast“).
- Governance – Leitlinien zur Projektbearbeitung und Priorisierung, besonders bei knappen Ressourcen.
Analytics und KI hängen eng zusammen, da gerade die mustererkennende Datenanalyse (Machine Learning) die Grundlage erfolgreicher KI bildet. Ebenso bestehen Überschneidungen zur Business-Intelligence-Strategie – es lohnt sich, beide gemeinsam zu denken und Teilstrategien sowie Fachbereiche frühzeitig zu verknüpfen.
Fazit
Jedes Unternehmen braucht eine individuelle Analytics-Strategie, die mit den übrigen strategischen Zielen und Teilstrategien abgestimmt ist.
Gelingt es, alle Stakeholder einzubinden und gemeinschaftliche Spielregeln und Themen zu definieren, ist die Basis für ein erfolgreiches Change-Management gelegt. Initiieren Sie das Thema mit der Frage nach dem Warum – die Antwort sollten Business Cases sein. Diese Fachlichkeit ist der eigentliche Treiber, denn es geht darum, das Unternehmen erfolgreich im Markt zu platzieren.
Bausteine einer Analytics-Strategie
Strategische Vision · Themen & Innovation · Organisation · Prozesse · Personen · Architektur · Werkzeuge · Kultur · Governance · Roadmap
Starten Sie mit der Frage nach dem Warum
Sie möchten eine Analytics-Strategie entwickeln, die zu Ihrer Geschäftsstrategie passt und alle Stakeholder einbindet? Wir begleiten Sie von der strategischen Vision über die Themenlandkarte bis zur Roadmap.
Aktuelles bei Marmeladenbaum
Hier erfahren Sie, woran wir gerade arbeiten, welche Entwicklungen uns beschäftigen und wie Organisationen durch datengetriebenes Denken erfolgreicher werden können.
+++ News +++
Big Data & AI World (04. bis 05.. Juni 2025, Messe Frankfurt): https://www.techshowfrankfurt.de/big-data-ai-world/ TDWI 2025 (24.-26. Juni 2025, MOC München): […]
+++ News +++
Schon vor einigen Jahren haben wir begonnen, die C-Juniorinnen des 1. FFC Dresden zu unterstützen.
Seit 2022 rüsten wir auch die D-Jugend des FSV Motor Brand Erbisdorf auf.
+++ News +++
Welcome to the Data Universe. Wir bieten spannende Einblicke in die Welt der TDWI-Community. Hier erhältst Du aus erster Hand die wichtigsten und neuesten Informationen zu den Themen Daten, KI, Analytics, Business Intelligence und Data Management. Dabei präsentieren wir Dir nicht nur viele Perspektiven zu diesen Themen, sondern auch die unterschiedlichen Menschen dahinter. Bei uns kommen alle zu Wort: fachkompetente Anwender:innen, Anbieter:innen, Berater:innen, Hochschulangehörige, egal ob Junior oder Senior.
https://data-and-insights.podigee.io/
… und vielleicht möchten Sie noch beim BI Spektrum ( https://www.tdwi.eu/wissen/bi-spektrum ) vorbeischauen. Spannende Themen, lesenswerte Beiträge und Möglichkeiten, sich aktiv einzubringen – durch Prof. Dr. Felden editiert!
Bereit für den nächsten Schritt?
Möchten Sie Ihre Datenstrategie neu denken, Prozesse digitalisieren oder Business Intelligence gezielt weiterentwickeln? Wir begleiten Sie auf dem Weg.
Gemeinsam finden wir heraus, wo Ihr größter Hebel liegt und wie Sie Daten und Prozesse wirksam miteinander verbinden können.
☎ Prof. Dr.
Carsten Felden
Geschäftsführer
+49 3731 7597947
☎ Dipl.-Wirt.-Inf.
Claudia Koschtial
Geschäftsführerin
+49 3731 7597947
✉ kontakt@marmeladenbaum-gmbh.de
⚲ Marmeladenbaum GmbH
Erbische Str. 11
09599 Freiberg
Sie sehen gerade einen Platzhalterinhalt von Google Maps. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen