Competitive Intelligence weiß, wie der Markt bestellt ist

Auch unter dem Namen Wettbewerbsanalyse bekannt, stellt Competitive Intelligence eine natürliche Ergänzung zu Business Intelligence dar. Dieser Beitrag erklärt, wie.

Dieser Artikel behandelt

BI-Technologie

Competitive Intelligence (CI), auch als Wettbewerbsanalyse bekannt, ist eine Königsdisziplin für viele Unternehmen,...

die Ihre Marktpräsenz erhalten und ausbauen wollen. CI „bezeichnet die systematische, andauernde und legale Sammlung und Auswertung von Informationen über Konkurrenzunternehmen, Wettbewerbsprodukte, Marktentwicklungen, Branchen, neue Patente, neue Technologien und Kundenerwartungen.“ (Wikipedia).

Während Business Intelligence (BI) systematisch Informationen über das eigene Unternehmen sammelt, anreichert und Hinweise gibt, welcher Handlungsbedarf besteht, um die unternehmerischen Ziele auf einem dynamischen Markt zu erreichen, teilt CI dem gleichen Unternehmen mit, wie der Markt bestellt ist, in der es seine Produkte und Dienstleistungen anbietet. BI ist Intelligenz über die eigene Firma, die primär auf Daten aus dem eigenen Hause basiert. CI ist die ergänzende Intelligenz über das wirtschaftliche Ökosystem, in dem die Firma agiert.  

Es ist sinnstiftend als Unternehmen, beide Sichtweisen des eigenes Tuns zu betrachten: von innen, über BI und operative Applikationen und von außen, über CI. Sowohl BI als auch CI liefern Fakten, aber auch „weiche Informationen“, die für eine Anpassung der Strategie relevant sind. 

Schließlich sind die Wettbewerbsbedingungen von Kunden, Konkurrenz, Politik und Trends bestimmt, und sie können anhand CI in einer Form erfasst werden, so dass die Entscheidungsträger frühzeitig die Steuerung der Geschäftsfelder an den geänderten Marktbedienungen anpassen. BI und CI produzieren aussagekräftige Informationen an und schaffen ein Fundament um weise Entscheidungen im Sinne der Erfüllung der Geschäftsziele zu ermöglichen.

Vorgehensweise bei Competitive Intelligence

Wie kann man die Informationsbasis für CI im Unternehmen aufbauen? Folgende Schritte sind dafür notwendig:

  • Daten sammeln
  • Informationen extrahieren
  • Kontext für diese Informationen gewinnen

Wenn es um das Sammeln von Daten geht, dann gibt es eine Fülle von Methoden, die diese Aufgabe erfüllen können. Eine davon ist zum Beispiel das Einsetzen von Web Crawlers. Sie durchsuchen systematisch Internetseiten und extrahieren daraus Inhalt in roher Form.

Andere Informationsquellen sind:

  • Öffentliche Webseiten: hier kann man die Web-Präsenzen der Kunden, des Wettbewerbs und der Regulatoren nach Informationen durchsuchen
  • Nachrichtendienste: es gibt hier spezialisierte Dienste, deren Informationen abonniert werden können. Sie beschreiben gewöhnlich die Parameter des Marktes (Reuters, Bloomberg, etc.)
  • Social Media: Blogs, Twitter, Facebook u.v.m. liefern viele Informationen über Marktakteure
  • Informationsdienste: Bundesanzeiger, Creditreform, Hoppenstedt liefern vor allem Finanzdaten über Bilanz, Umsatz, Anzahl Mitarbeiter , etc. von Firmen
  • Marktanalysten: ihre Studien analysieren Märkte, neue Entwicklungen, identifizieren Trends und wagen Prognosen.

Es sind unterschiedliche Informationsquellen und es ist zu erwarten, dass sie in unterschiedlichsten Formaten und in einer unstrukturierten Form vorliegen.

Im nächsten Schritt soll aus diesen unterschiedlichen Daten brauchbare Informationen extrahiert werden. Informationen aggregieren und konsolidieren kann mit verschiedenen Verfahren aus dem Bereich Text Mining umgesetzt werden. Jedoch ist im CI vielleicht mehr als im BI notwendig, dass die menschliche Intelligenz die Informationen bewertet, in Relation bringt, Relevanz schafft.

Der letzte Schritt in CI ist das Setzen der Information in den richtigen Kontext, so dass sie so weit wie möglich die Realität spiegeln. Gerade dieser letzte Schritt benötigt die meiste Zeit. Nach der berühmten Relation 80-20 soll man „nur“ 20% der Zeit dafür nutzen, um Informationen zu sammeln und zu extrahieren, und 80% der Zeit, um Informationen in Kontext zu bringen, was im nächsten Paragraph beschrieben wird. Dass Informationssammlung und –Extraktion 20% der Zeit in Anspruch nehmen, ist dadurch zu erreichen, dass man dafür Softwarewerkzeuge nutzt (wie Web Crawlers, Text Mining, etc.).

CI bedeutet Kontext

Der Markt, die Konkurrenz, die Kunden, die Regulatoren stellen den Kontext dar, die das Handeln des Unternehmens bestimmen.
Steigender Konkurrenzdruck, anspruchsvolle Kunden, sinkende Kundenloyalität und eine höhere Preissensibilität erfordern ein breites und fundiertes entscheidungsrelevantes Wissen. 

Dies zu sammeln ist in gleichem Maße Aufgabe von BI und CRM und von CI. Competitive Intelligence lenkt den Fokus auf andere Marktakteure als nur den Kunden, was primär die Aufgabe von CRM-Lösungen ist.  CI beschäftigt sich mit den anderen Marktakteuren, die sich um die Kunden des Unternehmens bemühen, oder die den Markt beeinflussen oder ihn regulieren.

Die gesammelten Informationen im CI-Umfeld sollen nach folgenden Kriterien geprüft werden:

  • Informationsquelle: wie zuverlässig ist die Quelle? Wie klar ist der Informationsinhalt?
  • Informationsaktualität: wie aktuell ist die Information noch? Ist sie ein Jahr alt oder nur ein paar Tage? I.d.R. tangiert eine aktuellere Information stärker das Unternehmen als eine ältere Information.  
  • Aussagekraft der Information: wie aussagekräftig ist die Information in dem gegebenen Kontext? Wie oft und wo wird eine gewisse Information gefunden?
  • Relevanz: hat die Information Bedeutung für ein konkretes unternehmerisches Ziel?  Wie ist die Qualität der Information?

Stellt man den Informationen aus einer BI-Anwendung die gleichen Fragen bezüglich Quelle, Aktualität, Aussagekraft und Relevanz, dann stellt man fest, dass diese Fragen hier auch von großer Bedeutung sind.

Kleine Unterschiede zwischen BI und CI entlang dieser vier Kriterien sind jedoch festzuhalten:

  • Quellen: Sind im BI-Umfeld theoretisch bekannt und zuverlässig, vorausgesetzt, man hat sie vollständig an das BI/DWH-System angeschlossen. Die Qualität der Informationen zu gewährleisten ist im BI-Umfeld leichter zu realisieren.
  • Aktualität: Sie kann im BI-Umfeld erreicht werden, jedoch haben die herkömmlichen DWH/BI-Systeme dies nur mit großem Aufwand realisieren können. Real-Time-Lösungen oder „in-Memory“-Ansätze könnten hierbei die Aktualität der Daten stärker unterstützen
  • Aussagekraft: Ist abhängig von der „Intelligenz“ der Geschäfts- und Datenmodelle, die der BI-Applikationen zu Grunde liegen.
  • Relevanz: Ist die BI-Landschaft fähig, flexibel auf die sich stets ändernden Anforderungen der Anwender zu reagieren, dann kann BI einen großen Dienst für die Relevanz der Daten leisten.

Nutzen von CI

Es gibt sehr viele Anwendungen für CI. Der Verband „Deutsches Competitive Intelligence Forum“ (http://www.dcif.de/)  identifiziert eine ganze Fülle von Anwendungen. Wir erwähnen nur einige davon:   

  • Wettbewerberprofilierung (Fakten, Intentionen, Reaktionsprofile, Bedrohungen und Chancen)
  • Technologiebewertungen (vorhandene und zukünftige Technologien)
  • Chancen- / Risikoanalyse für neue Produkte / Dienstleistungen / Absatzregionen
  • Umfeld-Scanning (Neue Anbieter / Produkte / Dienstleistungen / Technologien / Fördermittel, Allianzen, Markteintrittsbarierren etc.)
  • Überprüfung der eigenen Positionierung im Markt (Abgleich der eigenen Wahrnehmung mit der von Wettbewerbern und Kunden; Abdeckung von Kundenbedürfnissen)

Wie die Ergebnisse einer CI-Analyse dargestellt werden können, ist sehr unterschiedlich: von der tabellarischen Strukturierung der Informationen nach gewissen Kriterien bis zu Graphiken oder der Visualisierung von wichtigen Begriffen, die in der Blogosphäre zu finden sind anhand Tags Cloud, ist alles erlaubt, solange die Darstellung intuitiv, überschaubar und ergonomisch ist.

BI vs. CI oder BI und CI?

Paul Gray, Professor an Claremont Graduate University in USA bringt die Unterschiede zwischen BI und CI auf dem Punkt: „Die meisten BI-Lösungen sind auf fakten-basierte Entscheidungsunterstützung fokussiert, was grundsätzlich auf das Verstehen und Nutzen von internen Faktoren basiert. Competitive Intelligence kümmert sich um externe Faktoren, die das Unternehmen tangieren könnten – in anderen Worten, was passiert außerhalb der Wände der Firma“ [3, Seite 31]

Beide Ansätze, BI und CI, stehen vor einer großen Herausforderung: Es sind zu viele Informationen zu verarbeiten, sei es im Unternehmen oder außerhalb.

Sowohl BI als auch CI streben an, rohe Daten in Kontext zu bringen, um daraus Informationen zu gewinnen. Auf der nächsten Ebene gilt, aus den Informationen Einsichten und Erkenntnisse zu gewinnen. Dies geschieht durch Vergleiche, Filtern, Perspektivenwechsel, assoziative Verknüpfung  von Informationen, etc. Mit anderen Worten, intelligente Aussagen aus Informationen zu gewinnen ähnelt sehr stark dem menschlichen Denken.

Ein erster Unterschied ergibt sich entlang der Verkettung Daten->Information->Wissen (auch Weisheit, so Larry P. Englisch, Autor des Buches „Improving Data Warehouse and Business Information Quality: Methods for Reducing Costs and Increasing Profits“, eine Autorität im Bereich Data Quality) durch die Nutzung der Methoden für die Datenanreicherung in BI und CI . BI ist es gut gelungen, die Datenbewirtschaftung zu automatisieren. CI ist hingegen mehr auf manuelle Schritte und menschliche Intervention angewiesen.

Der Prozess der Ergebnissgewinnung im Bereich Competitive Intelligence ist im folgenden Diagramm dargestellt.  Die vorher erwähnte Verkettung Daten->Information->Wissen ist hier wieder zu finden, denn es ist ein allgemeiner Vorgang, der universell anwendbar ist. Der  Schritt „Intelligenz“  setzt voraus, dass der Mensch/Entscheidungsträger das gewonnene Wissen anwendet, eine Entscheidung fällt und anschließend die Ergebnisse und die Konsequenzen der Entscheidung beobachtet. Ggf. ermöglichen Beobachtung und permanente Pflege des CI-Prozesses neue Erkenntnisse, die ein  Agieren im Sinne der optimalen Unternehmenssteuerung erforderlich macht.

Ein anderer Aspekt im Vergleich der zwei Ansätze ist die Art der Datenquellen. BI  nutzt primär Informationen innerhalb des Unternehmens und kann i.d.R. strukturierte Daten verwenden. CI nutzt Informationen außerhalb des Unternehmens und kann nie sicher sein, dass alle relevanten Quellen angeschlossen wurden. 

Auch wenn dies der Fall ist, muss durch die Tatsache,  dass die Marktakteure, z.B. Wettbewerber, nicht gewillt sind, alle Informationen zur Verfügung zu stellen, immer mit einer Informationsasymmetrie gerechnet werden. Es kommt noch dazu, dass Informationen bewusst nicht nach außen bekannt gemacht werden, oder dass bewusst falsche oder unvollständige Informationen verbreitet werden. Die meisten Daten im CI-Umfeld sind unstrukturiert, was noch einmal die Komplementarität von BI und CI unterstreicht.

Trotz der vorigen Feststellungen stehen beide Ansätze, BI und CI, vor einer großen Herausforderung: Es sind zu viele Informationen zu verarbeiten, sei es im Unternehmen oder außerhalb.

Wissen ist explizit oder implizit und nur die expliziten Informationen können automatisiert gewonnen werden. CI geht an die Information heran, ohne ganz genau zu wissen wonach sie sucht. Mit der Zeit kristallisieren sich Erkenntnisse heraus, die den Weg zur Schärfung der Informationen führt. Es ist ein deduktiver Ansatz, der oft der Arbeit eines Detektivs ähnelt. CI möchte dieses implizite Wissen gewinnen, da die expliziten Informationen eher in geringer Quantität und Qualität vorzufinden sind. 

BI hat bis vor kurzem eher nur die expliziten Informationen verarbeitet. Sie nutzt die meiste Zeit automatisierte Verfahren mittels DWH-Datenhaltung, komplexer ETL-Prozesse, und Berechnungen von Kennzahlen, um Wissensmitarbeiter mit relevanten Informationen zu versorgen. Seit kurzem gewinnt Predictive Analytics an Bedeutung im BI-Umfeld, wodurch ein Teil des impliziten Wissens aus den Informationen extrahiert werden kann.

Letztendlich sollte man die Gegenüberstellung BI vs. CI unterlassen, sich von der Frage entweder/oder distanzieren und einen integrativen Ansatz beider Ansätze anstreben. „Mit der gezielten und integrativen Unterstützung des CI durch IT-Systeme sowie mit deren nahe liegender Einbettung in übergreifende BI-Infrastrukturen verschiebt sich der Schwerpunkt der dort zu berücksichtigenden Werkzeuge. Systeme zur Gewinnung, Aufbereitung, Vorhaltung und Analyse unstrukturierter Datenbestände gewinnen an Bedeutung.“ [5]

Vorgehensweise in der Analyse der Daten

Competitive Intelligence verfolgt einen Prozess, der aus zwei Phasen besteht:

  • Die 1. Phase ist als sekundäre Recherche bekannt und sammelt und analysiert 80% des Datenvolums in 20% der Zeit.
  • Die 2. Phase heißt primäre Recherche und wertet 20% des Datenvolums in 80% der Zeit aus.

In der ersten Phase sammelt man 80% der Daten. Dafür widmet man nur 20% des Zeitbudgets.  Diese erste Phase wird sekundäre Recherche genannt, da sie nicht so wichtig wie die Recherche/Analyse aus der zweiten Phase ist.

Die Ergebnisse aus der ersten Phase werden in der zweiten Phase, auch primäre Recherche genannt, analysiert. Dafür wird 80% der Zeit aufgewendet.

Die erste Phase kann zu einer Überflutung mit Daten führen. Daher ist die zweite Phase damit beschäftigt, die Goldader/Intelligenz aus den Daten, die in der ersten Phase gesammelt wurden,  zu gewinnen. Hier ist der humane Faktor sehr wichtig. Durch Reflexion, Interviews mit Spezialisten, die bestimmten Themen beherrschen, können in der primären Recherche wertvolle Information über das Geschäftsumfeld des Unternehmens gewonnen werden.

Die sekundäre Recherche scheint einfacher zu sein, da es um ein quantitatives Verfahren geht, das relativ einfach automatisiert und mit gewissen Softwaretechniken durchgeführt werden kann. Die primäre Recherche wird vom Mensch ausgeführt und kann und soll nicht mehr automatisiert werden. Eine offene Haltung, Neugierde, Ausdauer und Neutralität bei der Bewertung der Informationen sind die Zutaten, die einen guter CI-Mitarbeiter kennzeichnen.

Gilt die 80/20 Regel aus dem CI-Umfeld auch für BI? Kann sie auch im BI-Umfeld angewandt werden? Eine erste Antwort aus der Vogelperspektive lautet: Ja! Denn auch die BI-Konsumenten sollten 80% Ihrer Zeit für die Gewinnung von 20% der Informationen aufwenden, die nicht automatisch von den BI-Anwendungen geliefert werden. Auch hier ist der Mensch gefragt, nach Gründen zu suchen, warum manche Kennzahlen gewisse Werte ausweisen, oder Relationen zwischen verschiedenen Informationen über die Grenzen von BI-Anwendungen hinaus zu entdecken. Leider sind die herkömmlichen BI-Systeme überwiegend mit Daten aus der Vergangenheit versorgt. 

Neue Ansätze, wie das Gewinnen detailreichen Daten in Echtzeit ermöglichen neue Ansätze, die deduktiver Natur sind. Dies ist unter dem Begriff Predictive Analytics bekannt, die primär Vorhersagen „produzieren“ wollen. Auch hier ist der Mensch gefordert, denn die Arbeitsweise in Predictive Analytics ist iterativ und lebt am meisten aus dem verborgenen Wissen der BI-Mitarbeiter, die Methoden und Werkzeuge dieser Analyseart dafür nutzen, Intelligenz über Geschäftsfelder des Unternehmens zu gewinnen. BI-Mitarbeiter suchen auch nach Goldadern, die in den Daten des Unternehmens verborgen sind.

Fazit

Zusammenfassend weisen BI- und CI-Ansätze viele komplementäre Eigenschaften aus. Hier werden sie in kurzer Form aufgelistet:

  • BI und CI sind komplementäre Ansätze ein Informationssystem zu schaffen, das das Handeln des Unternehmen in den richtigen Marktkontext stellt.
  • Im BI-Umfeld ist der Kontext der Information unmittelbar erfahrbar, im Unternehmen, leicht zugänglich. Im CI-Umfeld muss der Kontext durch deduktive, iterative und vielfältige Verfahren gewonnen werden. Der Kontext und die Informationsquellen für CI sind nicht leicht zugänglich und die Qualität der Informationen muss stets in Frage gestellt werden.
  • Datenquellen von BI sind überwiegend interner Natur. CI sammelt und wertet Informationen außerhalb des Unternehmens aus.
  • BI bedient sich überwiegend der strukturierten Daten und ist kennzahlenlastig. CI ist  primär auf unstrukturierte Daten angewiesen und versucht auch gewisse Kennzahlen zu bilden wie z.B. Umsatzentwicklung eines Wettbewerbers über eine Zeitperiode.

Gemeinsamkeiten oder Ähnlichkeiten weisen BI und CI in folgenden Bereichen aus:

  • Der 80/20 Ansatz aus CI ist 1 zu 1 auch im BI-Umfeld anzuwenden.
  • Die Sammlung von Informationen ist in BI sehr stark automatisiert. CI kann eine gewisse Automatisierung auch erreichen, wird aber auch auf menschliche Intervention angewiesen sein. Der Automatisierungsgrad in BI verleitet zu der falschen Annahme, dass die menschliche Intervention geringer ist. Auch in BI-Umfeld muss der Analyst Kennzahlen in Beziehung bringen, nach Ursachen Suchen, richtige Fragen stellen.
  • Predictive Analytics gewinnt an Bedeutung im BI-Umfeld. CI ist auf eine deduktive Arbeitsweise angewiesen, nutzt teilweise Predictive Analytics (z.B. Text Mining), ist jedoch viel mehr als im BI-Umfeld auf menschliche Analyse angewiesen
  • Sowohl BI als auch CI können einen hohen Grad an Exzellenz erreichen, in dem BI- und CI-Mitarbeiter über den Tellerrand schauen, Informationen in Zusammenhang bringen.

Competitive Intelligence empfiehlt sich als Ergänzung zu Business Intelligence. Gemeinsam bilden sie eine Art von Unternehmensintelligenz. Unternehmen, die BI und CI als strategisch einstufen und betreiben, haben eine bessere Marktposition, schätzen Ihren Markt realistischer ein und können zeitnah Ihre unternehmerischen Ziele an dem Handeln der anderen Marktakteure  ausrichten. Geschäft und Konkurrenz soll mit geballter unternehmerischer Intelligenz behandelt werden.

Durch den CI-Ansatz rückt der menschliche Faktor wieder in Vordergrund, und BI- und CI-Technologien werden wieder zu Arbeitsmitteln/Arbeitsmethoden eingestuft.  Die Mahnung von Prof. Dr. Hans-Georg Kemper und Henning Baars, dass die Technologie nicht die Oberhand gewinnt, sollte man verinnerlichen: „In der Realität ist jedoch häufig festzustellen, dass bei BI-/CI-Projekten eine ausgeprägte Technikorientierung dominiert, die in vielen Fällen sogar die Züge  einer  kontraproduktiven „Technologiegläubigkeit“ annimmt – ein seit Jahrzehnten bekanntes, aber dennoch immer wiederkehrendes Phänomen.“ [5]

Lieraturverzeichnis:
1. Wikipedia
2. BI Journal , Vol 15, No. 4, (TDWI), „Learning Competitive Intelligence from a Bunch of Screwballs“, Troy Hiltbrand
3. BI Journal , Vol 15, No. 4, (TDWI),  „Competitive Intelligence“, Paul Gray, Professor Emeritus of Information Science bei Claremont Graduate University (USA)
4. Internet, "Complexity, Competitive Intelligence and the “First Mover” Advantage", Philip Vos Fellman, School of Business, Southern New Hampshire University, Jonathan Vos Post, Computer Futures Altadena, California
5. HMD 247, 43. Jahrgang, Februar 2006,  „Business Intelligence und Competitive Intelligence“, Prof. Dr. Hans-Georg Kemper, Henning Baars
6. Webseite www.mayato.de, White Paper „Self-Acting Data Mining: Das neue Paradigma der Datenanalyse“, P. Neckel

Über den Autor:
Alexandru Draghici ist seit 1994 in den Bereichen OLAP, Data Warehouse und Business Intelligence tätig. Sein Schwerpunkt liegt im konzeptionellen Bereich sowie in der Architektur von DWH und BI-Lösungen. Er verfügt über ein umfangreiches Wissen und umfangreiche Erfahrungen im BI-Umfeld. Dies umfasst sowohl die SAP BI-Technologie als auch die non-SAP BI-Technologien: Oracle, Hyperion, Business Objects, SAS Institute. Kenntnisse und Erfahrungen im ETL Bereich vervollständigen sein Portfolio. Er ist seit Jahren ein aktiver TDWI-Mitglied (www.tdwi.eu). Email: alexandru.draghici@gmx.de

Folgen Sie SearchEnterpriseSoftware.de auch auf Facebook, Twitter und Google+!

Artikel wurde zuletzt im März 2011 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Erfahren Sie mehr über BI-Technologie

0 Kommentare

Älteste Beiträge 

Passwort vergessen?

Kein Problem! Tragen Sie Ihre E-Mail-Adresse unten ein. Wir werden Ihnen eine E-Mail mit Ihrem Passwort schicken.

Ihr Passwort wurde an die folgende E-Mail-Adresse gesendet::

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close