Skip to main content
main-content
Top

About this book

Dieses Buch beschreibt, wie Unternehmen pragmatisch und ohne externe Unterstützung den Weg hin zu einem datengetriebenen Unternehmen aufsetzen und realisieren können. Anhand des Predictive Intelligence (PI)-Ökosystems werden die wichtigsten Begriffe eingeführt und erklärt. Das PI-Reifegradmodell beschreibt in welchen Phasen Sie ein PI-Ökosystem im Unternehmen aufbauen können. Der PI-Selbsttest hilft Managern zu erkennen, von wo aus sie starten müssen. Zusätzlich wird erstmals ein Bauplan für einen PI-Tech-Stack definiert, das zeigt, wie IT-technisch das Thema unterstützt werden kann – die gute Botschaft: das geht ohne große Investitionen. Das PI-Kompetenzmodell fasst abschließend alle Elemente in ein Handlungsmodell für das Unternehmen zusammen. Das gesamte Buch ist mit Beispielen aus der Praxis untermauert. Drei Fallstudien zeigen, wie Predictive Intelligence kurzfristig, mittelfristig als auch langfristig im Sinne einer datengetriebenen Unternehmensführung gewinnbringend eingesetzt werden kann.
Aus dem InhaltWarum nur mit Predictive Intelligence das Überleben in einer disruptiven Wirtschaft möglich istDer Unterschied zwischen Business Intelligence, Data Science und Predictive Intelligence.Die relevanten und wichtigen Begriffe im Umfeld der Predictive IntelligenceDas Vorgehens- und Kompetenzmodell zur Predictive IntelligenceDer Bauplan für den perfekten PI-Tech-Stack im Zusammenspiel mit Mar-Tech-Stack und Sales-Tech-StackDas Predictive-Intelligence-Team – das Kompetenz-Modell für dessen Aufbau und EntwicklungMit vielen Beispielen aus der Praxis, drei Fallstudien und einem PI-Self-Assessment


Table of Contents

Frontmatter

1. Predictive Intelligence und die ökonomischen Grundprinzipien

Zusammenfassung
Dieses Kapitel skizziert, warum das Thema der Daten-getriebenen(e) Unternehmensführung und der vorausschauenden Intelligenz in den kommenden Jahren von entscheidender Bedeutung ist. Unternehmen und deren Manager, die nicht die Zeichen der Zeit erkennen und bereits jetzt eine eigene Predictive Intelligence aufbauen, werden zwangsläufig das Nachsehen haben. Warum dem so ist, wird in diesem Kapitel fundiert diskutiert.
Uwe Seebacher

2. Predictive Intelligence im Überblick

Zusammenfassung
In diesem Kapitel wird ein kompakter Überblick und eine einführende Darstellung des Begriffes Predictive Intelligence gegeben. Es wird beschrieben, wie Predictive Intelligence in einer Organisation schrittweise etabliert werden kann. Um die jeweilige Ausgangssituation in einer Organisation analysieren zu können, wird das Reifegradmodell zu Predictive Intelligence ebenso wie das Analyseinstrument beschrieben. Am Ende des Abschnittes werden in kompakter Form die Vorteile von Predictive Intelligence (PI) und vor allem auch die nachhaltigen Effekte diskutiert.
Uwe Seebacher

3. Das Predictive Intelligence Ökosystem

Zusammenfassung
In diesem Abschnitt werden die wichtigsten Begriffe im Umfeld von Predictive Intelligence angeführt und einfach für jedermann verständlich beschrieben. Der Themenbereich ist einer enormen Dynamik ausgesetzt, weshalb dieser Überblick als Momentaufnahme erachtet werden muss. Es wird der Versuch unternommen, auf bereits etablierte und weitläufige im Einsatz befindliche Begriffe zu fokussieren und solche, die punktuell verwendet werden hier im Rahmen dieser Auflistung aus Gesichtspunkten eines allgemein gültigen Überblicks nicht anzuführen.
Uwe Seebacher

4. Das Predictive-Intelligence-Reifegrad-Modell

Zusammenfassung
In diesem Kapitel werden die Entwicklungsstadien zu Predictive Intelligence in Organisationen beschrieben. Dieses Modell bildet die Grundlage für den Implementierungsprozess von Predictive Intelligence in jeglicher Form von Unternehmen. Das Modell wurde basierend auf Theorien und Erkenntnissen der Arbeiten im Bereich der Organisationsetymologie in Kombination mit Erfahrungen aus verschiedenen Praxis- bzw. Umsetzungsprojekten zu Predictive Intelligence entwickelt. Auf der Grundlage des Predictive-Intelligence-Reifegrad-Modells wurde auch das im nachfolgenden Kapitel dargestellte Predictive-Intelligence-Assessment (PIA) aufgebaut, mit Hilfe dessen initial der Status Quo in einer Organisation aber auch laufend der jeweils aktuelle Entwicklungsstand zur Predictive Intelligence (PI) evaluiert werden kann. Auf diese Weise bieten das PI-Reifegrad-Modell, das PI-Assessment und das PI-Vorgehensmodell für jede Organisation ein zusammenhängendes Instrumentarium, um sich effizient und effektiv zu einem datengetriebenen Unternehmen zu entwickeln.
Uwe Seebacher

5. Das Predictive Intelligence Self-Assessment

Zusammenfassung
In diesem Kapitel wird das Testverfahren beschrieben und dargestellt, anhand dessen in kurzer Zeit sowohl das Potential in Bezug auf datengetriebene Unternehmensführung bzw. Predictive Intelligence als auch die jeweilige Ausgangssituation in einer Organisation abgefragt und in Form eines Prozentwertes ermittelt werden kann. Das Predictive Intelligence Self-Assessment (PISA) basiert auf dem zuvor beschriebenen Reifegrad-Modell zur prädiktiven Intelligenz und bildet alle erforderlichen Dimensionen ab.
Uwe Seebacher

6. Das Vorgehensmodell zur Predictive Intelligence

Zusammenfassung
In diesem Kapitel werden aufbauend die einzelnen Schritte beschrieben, wie eine Organisation selbst eine datenbasierte Unternehmenssteuerung aufbauen und diese in weiterer Folge auf die Ebene der prädiktiven Intelligenz heben kann. Das Vorgehensmodell zur Predictive Intelligence baut auf dem bereits in diesem Buch beschriebenen Reifegrad-Modell zur Predictive Intelligence ebenso wie dem Self-Assessment zur Predictive Intelligence auf, weshalb diese beiden Instrumente auch als Bezugsrahmen und Orientierungshilfe während des gesamten Entwicklungsprozess laufend herangezogen werden können.
Das hier dargestellte Vorgehensmodell basiert auf verschiedenen in der Praxis bereits realisierten Projekten in verschiedensten Organisationen zur Konzeption und Umsetzung von Predictive Intelligence. Vor diesem Hintergrund kann attestiert werden, dass zur Umsetzung bzw. Anwendung dieses Vorgehensmodells generell weder ein gesondertes Budget noch zusätzliche Ressourcen erforderlich sind. Ein bewusster Umgang mit organisationalen Ressourcen vertieft das Bewusstsein um die Bedeutung von Predictive Intelligence und stellt automatisch eine der Organisation entsprechende Umsetzungsgeschwindigkeit sicher.
Uwe Seebacher

7. Der Predictive-Intelligence-TechStack (PITechStack)

Zusammenfassung
Datengetriebene Unternehmenssteuerung ist auf lange Sicht auf einen entsprechenden PITechStack angewiesen, denn nur mit einer durchdachten und integrierten IT-Infrastruktur kann ein multidimensionales, interaktives PI-System performant mit Big Data und künstlicher Intelligenz arbeiten. In diesem Kapitel wird daher der aktuelle Status aber auch Trends in Bezug auf den PITechStack kritisch analysiert und diskutiert, um dem Leser einen Überblick sowie eine Hilfestellung zu geben, welche Dinge beachtet werden müssen und welche Produkte und Lösungen für einen erfolgreichen PITechStack relevant sind.
Uwe Seebacher

8. Das Predictive-Intelligence-Team

Zusammenfassung
In diesem Kapitel geht es um eine Betrachtung der Human Resources, die im Kontext von Predictive Intelligence erforderlich und relevant sind. Es werden verschiedene Kompetenzbereiche erörtert und darauf aufbauend verschiedene, mögliche Rollen und deren Verantwortlichkeiten hergeleitet und diskutiert. Auf diese Weise soll ein umfassendes Bild in Bezug auf zukünftige, neue Wissens- und Kompetenzbereich gezeichnet werden, damit PI-Verantwortliche im Laufe der PI-Aktivitäten auch ein nachhaltig-strategisches PI-Workforce-Management sicherstellen und umsetzen können. Da der gesamte Ausbildungsbereich aktuell damit beschäftigt ist, gezielt für diese neuen Bedarfe neue Lehrpläne und Lehrgänge zu entwickeln, müssen First-Mover proaktiv selbst das HR-Zepter in die Hand nehmen, um vorausschauend die erforderlichen Kompetenzen innerhalb der eigenen Organisation zu entwickeln.
Uwe Seebacher

9. Die Predictive Intelligence Fallstudien

Zusammenfassung
Im folgenden Abschnitt werden exemplarisch drei verschiedene Fallstudien zur Predictive Intelligence beschrieben. Diese drei Fallstudien wurden vor dem Hintergrund ausgewählt, alle zeitlichen Dimensionen der Predictive Intelligence in möglichster kompakter Form darstellen zu können. Die erste Fallstudie beschreibt, wie mit Hilfe von Predictive Intelligence kurzfristig Lagerbestände und somit das Net-Working-Capital einer Organisation optimiert werden kann. Die zweite Fallstudie zeigt, wie präzise die Geschäftserweiterung mit Predictive Intelligence konzipiert, geplant und quantifiziert, und in weiterer Folge als Teil des kontinuierlichen Prozesses der datenbasierten Unternehmenssteuerung auch gemonitored werden kann. Die dritte Fallstudie zeigt die langfristig-strategische Perspektive der Predictive Intelligence auf und beschließt die Darstellung der Anwendungsformen moderner prädiktiver Intelligenz.
Uwe Seebacher

10. Warum es spannend bleibt …

Zusammenfassung
Dieses Kapitel fasst das erste Buch zu diesem neuen Themenfeld der Predictive Intelligence zusammen und skizziert die nächsten Jahre aber auch all das, was damit einhergeht. Predictive Intelligence wird die betriebswirtschaftliche Praxis verändern und neugestalten. Mit Predictive Intelligence kann eine völlig neue Dimension der Management-Qualität erreicht und realisiert werden. Aber, wie so oft, braucht es weitsichtige Führungskräfte. Die Weichen für ein prädiktives Management werden von den Vorreitern und Vordenker bereits jetzt gestellt.
Uwe Seebacher

Backmatter

Additional information

Premium Partner

    Image Credits