Aufgrund des stetig steigenden digitalen Datenvolumens in Unternehmen und Behörden sind die Einsatzszenarien bzw. -möglichkeiten für Datenanalyse-Tools, wie z.B. ACL oder IDEA, sehr vielfältig geworden.
Beschäftigten sich beispielsweise in der Vergangenheit hauptsächlich große Wirtschaftsprüfungsgesellschaften, u.a. PwC, im Rahmen ihrer Abschlussprüfungen mit entsprechenden Analysetools, um z.B. die Transparenz von großen Datenmengen aus SAP Systemen zu verbessern und Schwachstellen im internen Kontrollsystem (IKS) aufzudecken, wird inzwischen die Datenanalyse und die Beschäftigung mit großen Datenmengen bis hin zu Big Data auch für die Industrie und Regierungsbehörden immer wichtiger. Den heutigen Datenanalysetools sind quantitativ kaum Grenzen gesetzt, so dass sich die Datenanalysten nicht auf Stichproben beschränken müssen. Die bei den Datenanalysen zum Einsatz kommen Methoden und Verfahren können in den Analysetools mit nur wenigen Klicks aktiviert werden und die Ergebnisse stehen nach kurzer Zeit bereit.
Neues Berufsbild des Datenanalysten bzw. des Data Scientisten
An Universitäten spricht man bereits von Datenwissenschaftlern bzw. Data Scientisten. Diese beschäftigen sich mit großen Datenmengen und sie soll für Transparenz im Datendschungel sorgen sowie mögliche Verbesserungen aufzeigen und IKS-Probleme aufdecken. Bedarf für den Einsatz von Datenanalysetools gibt es inzwischen überall dort, wo große Datenmengen anfallen. Egal ob in der Automobilindustrie, bei Banken und Versicherungen, in Krankenhäusern, in der Logistik oder bei einzelnen Behörden, überall fallen inzwischen große Datenmengen an. Herkömmliche Methoden reichen heute i.d.R nicht mehr aus, um die Inhalte von großen, komplexen und häufig schlecht strukturierten Datenmengen mit herkömmlichen Methoden, wie beispielsweise Microsoft Excel oder Access, zu analysieren.
Mit Hilfe von Datenanalyse-Tools sollen aus den in Unternehmen und Behörden vorhandenen Daten die Informationen herausgefiltert werden die dabei helfen, die geschäftlichen Ziele besser und effektiver zu erreichen. Mit Hilfe von Data-Science-Methoden können neue und ggf. unvorhergesehene Informationen aus den Datenbeständen herausgefiltert werden. Dies kann für unternehmerische Entscheidungsfindungen sehr hilfreich sein. Weitere exemplarische Szenarien für den Einsatz von Datenanalyse-Tools haben wir in dem Artikel “Vorteile von Datenanalysen” erläutert.
Einsatz von Datenanalyse-Tools bei SITACS-Projekten
SITACS unterstützt Unternehmen und Behörden im Bereich von Datenanalysen mit Hilfe eigener Data-Mining-Tools. Darüber hinaus verfügen unsere Mitarbeiter über eine breite Branchenerfahrung sowie Kenntnisse in den Programmiersprachen R und Python. Wir unterstützen im Rahmen von Datenanalysen mit Hilfe unserer Tools hauptsächlich in den Bereichen, in denen es um die Beurteilung des internen Kontrollsystem, die Qualitätssicherung, das Erkennen von Abweichungen und Fehlern, geht. Darüber hinaus können wir mit Hilfe unserer Data Mining-Tools die zu analysierenden Informationen nach diversen statistischen Methoden auswerten und Risiken aufdecken.
Bitte sprechen Sie uns an, wenn Sie Interesse an Datenanalysen in Ihrem Unternehmen oder Behörde haben sollten.