Leistungsportfolio

Wir schaffen aus Daten strategische Mehrwerte! Data Mining, Data Science, Data Strategy sowie Big Data Analytics und Predictive Analytics gehören zur Expertise von thaltegos.
Aus den gewonnenen Informationen leiten wir auf Basis von Vorhersagemodellen Handlungs- und Maßnahmenempfehlungen für die Bereiche Marketing, Vertrieb und After-Sales / Service ab. Damit liefern wir einen direkten Beitrag zu Ihrer Performance-Verbesserung!

Die digitale Transformation von Unternehmen setzt voraus, dass die eigenen Wertschöpfungselemente in zweierlei Hinsicht hinterfragt werden müssen:

Entwicklung einer digitalen Transformationsstrategie, die evaluiert, auf welchem Wege die Digitalisierung die bisherige eigene Wertschöpfung verändert bzw. neu definiert.
Entwicklung einer dazugehörigen Datenwertschöpfungsstrategie, die definiert, auf welcher Datengrundlage die digitale Transformation der Wertschöpfung bewerkstelligt werden kann.

thaltegos fokussiert sich dabei auf den zweiten Aspekt und bietet hierfür ein Vorgehensmodell, welches sich als Bindeglied zwischen der definierten digitalen (Transformations-)Strategie eines Unternehmens und seiner operativen Realisierung versteht.

Die dabei enthaltenen 6 Module versetzen Ihr Unternehmen in die Lage, über Ihre Wertschöpfung hinweg das volle Potential Ihrer Daten zu nutzen. Zudem stellt dieses Vorgehen eine schnelle Realisierung der definierten Handlungsfelder im Rahmen der Digitalstrategie sicher. Alle Module lassen sich einzeln umsetzen, sollten jedoch idealerweise aufeinander aufbauen.

Das Ergebnis der Module 1 bis 3 umfasst die Ableitung einer Datenstrategie, die aufzeigt, auf welcher Datengrundlage sich die definierten Handlungsfelder der Digitalstrategie gezielt realisieren lassen.

Das Ergebnis der Module 4 und 5 ist die Realisierung prototypischer Lösungen zur Realisierung der definierten Use Cases innerhalb der Digitalstrategie.

Das 6. Modul dient zur Vorbereitung und Absicherung der operativen Lösung derjenigen Use Cases, deren digitale Werthaltigkeit erfolgreich im Rahmen eines Proof of Concepts unter Beweis gestellt werden konnte.

Modul 1 „Strategische Use Cases“

Auf Basis der Digitalstrategie bedarf es der gezielten Ableitung strategischer Use Cases. Diese können funktionsspezifisch und/oder funktionsübergreifend definiert werden (Marketing, Vertrieb, Service, Logistik, etc.). Wesentliche Bausteine dieser strategischen Use Cases sind dabei die Definition der Zielsetzung, die Vorhersage des erwarteten Wertbeitrages und die Bestimmung der relevanten Datengrundlage und der groben Vorgehensweise zur Realisierung. Ergebnis sind priorisierte Use Case Steckbriefe, die als Bestandteil der digitalen Roadmap eingebracht werden können.

Modul 2 „Data Discovery“

Auf Basis einzelner oder mehrerer Use Cases werden im zweiten Modul die zur Realisierung notwendigen Datenquellen identifiziert. Im Zuge dessen wird ebenso ein Data Maturity Assessment durchgeführt, welches aufzeigt in welchem Umfang Daten innerhalb der Wertschöpfung schon konkret genutzt werden bzw. welche Potentiale in deren Nutzung stecken. Auf diese Weise werden ebenso Wege aufgezeigt und Datendefizite offengelegt, die einer Realisierung der priorisierten Use Cases entgegenstehen. Hierbei werden zusätzlich externe Datenquellen in die Evaluation mit einbezogen. Ergebnis des Data Discovery–Moduls ist die unternehmensspezifische Standortbestimmung des eigenen „Datenreifegrades“ im Hinblick auf die strategisch relevanten Use Cases der Digitalstrategie.

Modul 3 „Data Quality Assessment“

Ein wesentliches Erfolgskriterium zur Realisierung der strategischen Use Cases ist die Qualität der zu Grunde liegenden Datenquellen. Die standardisierten Prüfkriterien zur Bestimmung der Datenqualität umfassen neben den Dingen wie der Datenkonsistenz und Vollständigkeit ebenso Aspekte der genutzten Datenhaltungssysteme wie deren Zugänglichkeit, Performance und Skalierbarkeit. Ergebnis der Daten-Qualitätsevaluation ist die Absicherung der Realisierbarkeit strategischer Use Cases im Rahmen von Proof of Concepts und der operativen Anwendung.

Modul 4 „Data Composition & Evaluation“

Zur Realisierung digitaler Use Cases sind in der Regel die dafür notwendigen Daten aufzubereiten und bei entsprechenden Datendefiziten ebenso anzureichern. Im Rahmen dieses Moduls werden die Datenaufbereitungsschritte inklusive möglicher Anreicherungen definiert und durchgeführt. Während der Datenaufbereitung gilt es, die Anforderungen möglicher analytischer Modellierungen zu berücksichtigen. Vor diesem Hintergrund ist das Modul eine zwingende Voraussetzung zur Realisierung des Moduls 5. Ergebnis ist die Schaffung einer für die analytische Modellierung und/oder Realisierung der operativen Anwendung notwendigen Datengrundlage und der daraus resultierenden Anforderungen an die Datenhaltung (u.a. Performance und Formate).

Modul 5 „Analytical Model Evaluation“

Auf Basis der geschaffenen Datengrundlage der einzelnen Use Cases findet im Modul 5 eine Evaluation und prototypische Durchführung verschiedener Modellierungsverfahren statt. Diese reichen von der einfachen Deskription (im Falle von vordefinierten KPIs) über multivariate Analysemethoden bis hin zur Anwendung kognitiver bzw. maschineller Lernalgorithmen. Ergebnis ist die Identifikation passender analytischer Modellierungs-Verfahren zur Realisierung der vordefinierten Use Cases aus dem ersten Modul. Damit werden ebenso die Machbarkeit und Grenzen dieser analytischen Verfahren aufgezeigt.

Modul 6 „Operative Application“

Im letzten Modul werden nach erfolgreicher Realisierung prototypischer Lösungen die Anforderungen definiert, auf welche Weise sich diese in eine operative Lösung übersetzen lassen. Dabei achtet thaltegos schon in der Phase der prototypischen Realisierung auf ein implementierungsnahes Vorgehen. Dies betrifft sowohl den Technologie-Einsatz als auch die frühzeitige Einbindung der relevanten Stakeholder der angestrebten Lösung. Ergebnis ist ein Umsetzungskonzept zur Definition der zu realisierenden Lösung und den damit verbundenen groben Zeit- und Ressourcenallokationen. Zur Realisierung einer schnellen Umsetzung empfiehlt sich dabei die Anwendung eines agilen Projektansatzes, bei dem die Umsetzungsdetails in einzelnen Sprints definiert und umgesetzt werden.