Um Steuerbetrug in der Stadt aufzudecken, verglich vor einigen Jahren die New Yorker Stadtverwaltung das Müllaufkommen der ansässigen Firmen mit deren gemeldeten Umsätzen. Jene Unternehmen, die besonders viel Abfall und Abwasser produzierten und dennoch relativ bescheidene Einnahmen vorgaben, wurden gezielt unter die Lupe genommen. Und siehe da: Die Prüfer wurden fündig, happige Steuernachzahlungen waren die Folge.
Was zunächst nach einer komplexen und aufwendigen Analyse aussah, war denkbar einfach und konnte mit einer Excel-Tabelle und den Daten aus Entsorgungsbetrieben und der Steuerbehörde gelöst werden. Wenn dagegen heute von Datenanalysen als Wertschöpfungsquelle die Rede ist, denken vor allem Mittelständler oft an aufwändige IT und Heerscharen von Spezialisten. An hohe Investitionen und langfristig gebundenes internes Know-how.
Dem widerspricht Prof. Dr. Andreas Engelen von der Düsseldorfer Heinrich-Heine-Universität: „Unternehmen, die vorab viele Gedanken und Ressourcen in den Ausbau einer Datenstruktur mit entsprechender IT investiert haben, sind mit dem Fortschritt ihrer Data-Analytics-Themen häufig sehr unzufrieden oder stoppen diese Projekte sogar."
Engelen bezieht sich mit dieser Aussage auf eine gemeinschaftliche Studie der Cassini Consulting AG und der Heinrich-Heine-Universität. Am Lehrstuhl für Management wurden alle relevanten wissenschaftlichen und praxisnahen Publikationen zu dieser Thematik studiert und ausgewertet. Hinzu kamen Interviews mit Entscheidungsträgern für Analytics-Themen aus großen deutschen mittelständischen Unternehmen.
Fazit der gemeinsamen Studie: Unternehmen, die einen einfachen Einstieg mit einer naheliegenden Analyse auf der Basis bestehender Daten ohne große Vorab-Investitionen gewählt haben, vollzogen schrittweise eine erfolgreiche Transformation zu einem datengetriebenen Unternehmen. Mit dieser als „Lean Analytics“ bezeichneten Methodik hätten diese Unternehmen in kurzer Zeit die Grundlage für ein profitables Geschäft geschaffen.