Daten sind ein entscheidender Bestandteil der Wertschöpfung.
Logistik, Marketing und Vertrieb sowie Personalwesen - Unternehmen können Einblicke in die Abläufe der verschiedenen Abteilungen gewinnen und fundierte Entscheidungen darüber treffen, wie sie ihre Ressourcen optimal einsetzen.
In diesem Artikel geht es darum, wie IT-Abteilungen mithilfe von Datenanalysen die Nutzung von Softwarelizenzen optimieren können.
Ace Lopez, Consultant bei Open iT Solutions, erläutert, wie wir die vier Arten der Datenanalyse im Softwarelizenzmanagement anwenden, listet einige Herausforderungen bei der Verfolgung der Softwarelizenznutzung auf und gibt Tipps für überzeugendes Data Storytelling.
Die vier Arten der Datenanalyse und wie das Softwarelizenzmanagement sie nutzt:
Angenommen, Sie haben versucht, nach den verschiedenen Arten der Datenanalyse zu suchen. In diesem Fall werden die meisten Ergebnisse auf vier Haupttypen hinweisen - deskriptive, diagnostische, prädiktive und präskriptive Analysen.
Zunächst haben wir die deskriptive Analyse. Diese Art der Analyse gilt als die am wenigsten komplizierte Art der Analyse.
Sie liefert Antworten auf oberflächliche Fragen mit Schwerpunkt auf vergangenen Ereignissen. Solutions Consultant Ace Lopez beschreibt dies als Darstellung der Lizenzierungslandschaft eines Unternehmens.
Die deskriptive Analyse bildet die Grundlage für alle anderen Arten von Analysen und ermittelt die vom Unternehmen festgelegten Berichtsparameter.
Dies ist auch die Phase, in der die Datenfilterung vor jeder fortgeschrittenen Analyse eingesetzt wird. In Open iT ist die deskriptive Analytik auf allen unseren Servern präsent, vom Echtzeit-Lizenzüberwachungsportal bis zur Bibliothek der SQL Server Reporting Services (SSRS) Berichtsvorlagen.
Deskriptive Analysen können beispielsweise die Frage beantworten, wie viele Lizenzen für eine bestimmte Anwendung derzeit verfügbar sind oder an welchen Wochentagen in einer Abteilung üblicherweise ein hohes Maß an Benutzeraktivität herrscht.
Die zweite Art der Datenanalyse ist die diagnostische Analyse, die darauf abzielt, die Grundursache eines bestimmten Ereignisses zu ermitteln.
Es wird versucht, Fragen zu beantworten, z. B. warum den Mitarbeitern Lizenzen verweigert werden und warum die Grafik die Lizenznutzung außerhalb der Arbeitszeiten anzeigt. Bei der diagnostischen Analyse werden Daten aus verschiedenen Quellen miteinander abgeglichen.
Das Sammeln von Daten vom Lizenzserver ist unzureichend, da er nur anzeigt, dass die Lizenz ein- oder ausgecheckt wurde.
Wenn wir uns nur auf diese eine Quelle verlassen, können wir nicht herausfinden, wie die Maschine die Lizenz nutzt. Open iT kombiniert die Daten, die aus der Abfrage/Stichprobe der Lizenznutzung und dem Zugriff auf die Logfiles gewonnen werden, mit zusätzlichen Daten, wie z.B. den Kosteninformationen des Anbieters und den Mapping-Daten des Clients.
Ace erklärt: "Die detaillierten Daten, die wir sammeln, ermöglichen es uns, viele Formen der Datenanalyse zu erforschen, die uns dabei helfen, Probleme im Software Asset Management (SAM) zu lösen und unsere Praktiken in vielerlei Hinsicht zu verbessern."
An dritter Stelle der Liste steht die prädiktive Analyse. Diese Art der Analytik zielt darauf ab, zu spekulieren, wie sich zukünftige Ereignisse entwickeln werden - allein schon der Name.
In Open iT verwenden wir prädiktive Analysen, um die zukünftige Nutzung vorherzusagen. LicensePredictor, eines der Plug-ins für LicenseAnalyzer, nutzt Data Mining, prädiktive Modellierung und maschinelles Lernen, um Unternehmen bei der Planung der voraussichtlichen Lizenznutzung ihrer Organisation in den nächsten 18 Monaten zu unterstützen.
Die vom LicensePredictor analysierten Daten können auch zur Früherkennung von Anomalien verwendet werden. Eine Anomalie kann entweder eine Nutzungsanomalie oder eine Datenanomalie sein.
Nutzungsanomalien beziehen sich auf eine unregelmäßige Nutzung aufgrund des Nutzerverhaltens; Datenanomalien hingegen entstehen durch Datenfehler aus verschiedenen Gründen.
Die vierte und letzte Art der Datenanalyse ist die präskriptive Analyse. In dieser Analysekategorie verwenden wir die gesammelten Daten, um positive Änderungen an internen Richtlinien und Lizenzierungsentscheidungen vorzuschlagen.
Laut Ace nutzt die präskriptive Analyse nicht nur die volle Leistungsfähigkeit eines SAM-Tools, sondern auch die umfassende Erfahrung, die Open iT-Berater mitbringen.
Jedes Unternehmen verfolgt mit seiner Softwarelizenzmanagement-Initiative unterschiedliche Ziele. Daher werden auch die vorgeschlagenen Lösungen variieren, z. B. Verringerung der Anzahl der Lizenzen, Änderung des Lizenzmodells, Verbesserung des Benutzerverhaltens, zusätzliche Anwendungsschulungen usw.
Das Hauptziel bleibt jedoch immer dasselbe - die Maximierung des ROI der Softwareinvestitionen des Unternehmens.
Drei Herausforderungen bei der Analyse von Daten zur Optimierung der Softwarelizenznutzung
In einem Artikel des IT-Marktforschungsunternehmens Gartner heißt es, dass die jährlichen Kosten schlechter Datenqualität für Unternehmen 12 Millionen Dollar übersteigen.
Es ist daher unerlässlich, sich der verschiedenen Herausforderungen bewusst zu werden, denen Unternehmen bei der Erfassung, Bereinigung und Normalisierung sowie der Interpretation der Softwarelizenznutzung begegnen können.
1. Herausforderungen bei der Erhebung von Softwarelizenzdaten
Eine der im vorangegangenen Abschnitt erwähnten Herausforderungen besteht darin, dass Sie nur eine begrenzte Menge an Daten aus einer bestimmten Datenquelle analysieren oder abfragen können.
Er bekräftigt die Notwendigkeit, Daten aus mehreren Quellen zu sammeln. Abgesehen von der Quelle besteht laut Ace eine weitere Schwierigkeit für Unternehmen darin, einen Datensammler zu entwickeln, der den von ihrem Anbieter verwendeten Code verstehen und auseinandernehmen kann.
Die meisten Anbieter von technischen Anwendungen erstellen komplizierte Lizenzdateien, die zu schwer lesbaren Lizenznutzungsdaten führen. Die Entwicklung eines einzigen benutzerdefinierten Datensammlers ist schon schwierig genug - stellen Sie sich vor, Sie entwickeln Sammler für alle Ihre technischen und speziellen Anwendungen!
Für die meisten Unternehmen ist die Entwicklung eines unternehmensinternen Tools und die Bildung eines eigenen Teams für diese Aufgabe keine nachhaltige Aktivität.
2. Herausforderungen bei der Bereinigung und Normalisierung von Softwarenutzungsdaten
Ace merkt an, dass es bei der Bereinigung und Normalisierung von Daten über die Nutzung von Softwarelizenzen darum geht, mehrere Versionen oder schlimmstenfalls ungefähre Versionen eines einzigen Datensatzes oder Aufzeichnungen über tatsächliche Ereignisse zu interpretieren.
Er fügt hinzu, dass die Daten, die wir zu analysieren versuchen, in der Regel zunächst nur zum Speichern oder Lesen und nicht annähernd zum Erforschen und noch weniger zur Optimierung gedacht sind.
Die eigentliche Herausforderung besteht darin, die potenziellen Diskrepanzen zwischen den Datensätzen zu lesen und zu kennen, bevor sie für Erkenntnisse und Interpretationen genutzt werden können.
Es geht auch darum, die Verarbeitung und Sortierung der Daten so zu gestalten, dass ihre Integrität und Flexibilität erhalten bleibt.
3. Herausforderungen bei der Interpretation der gesammelten Lizenznutzungsdaten
Verschiedene Faktoren tragen dazu bei, dass die Interpretation von Daten im Bereich des Softwarelizenzmanagements als schwierig angesehen wird.
Einige dieser Faktoren sind das Auslaufen und die Einführung neuer Lizenzmodelle, Preisänderungen bei den Anbietern und Unterschiede in den Anforderungen der einzelnen Anbieteraudits.
Eine weitere Herausforderung für Unternehmen ist die Menge an Daten, die sie erhalten und die interpretiert werden müssen, was einige Unternehmen dazu veranlasst, Unterstützung von Managed Service Providern zu suchen.
Ein Beispiel sind die von Open iT gesammelten Daten - wir sprechen hier von der Lizenznutzung, aufgeschlüsselt nach Benutzer, Funktion, Stunde und Maschine.
Diese Granularität erfordert umfassende und tiefgreifende Kenntnisse des Themas, um eine möglichst sinnvolle Analyse zu erstellen, die in umsetzbare Erkenntnisse umgesetzt werden kann.
Drei Tipps zum Einsatz von Data Storytelling im Softwarelizenzmanagement
Wir haben darüber gesprochen, wie Sie aus den Ergebnissen Ihrer Datenanalyse Erkenntnisse gewinnen können. Der Wert der Erkenntnisse hängt jedoch davon ab, ob der Empfänger ihre Relevanz versteht.
Im Folgenden finden Sie einige Tipps, wie Sie Ihre Initiativen zum Softwarelizenzmanagement mit Hilfe von Data Storytelling vorantreiben können.
1. Vermeiden Sie spontane visuelle Eindrücke.
Was sind spontane visuelle Eindrücke?
Dabei handelt es sich um unnötige Schriftarten, Schriftfarben und Grafiken, die den Leser von dem eigentlichen Thema ablenken, das Sie zu vermitteln versuchen.
Im schlimmsten Fall kann dies zu irreführenden Daten und falschen Interpretationen führen. Halten Sie das Bildmaterial einfach und aussagekräftig, ähnlich wie in der folgenden Abbildung.
2. Vermeiden Sie eine schlecht konstruierte Erzählung.
Ace warnt davor, dass eine schlecht konstruierte Erzählung ihre Pointen zerstört und dem Publikum nur Bruchstücke von dem übrig lässt, was eine einzigartige und wertvolle Geschichte hätte sein können.
Vermeiden Sie hochgezogene Augenbrauen bei Ihren Zuhörern, indem Sie sicherstellen, dass Ihre Präsentation einem logischen Ablauf folgt.
Ace fügt noch einen weiteren Tipp hinzu: Passen Sie Ihre Sprache und die Details an die Person an, für die Sie die Präsentation halten. Wenn Sie mit einem nicht-technischen Entscheidungsträger sprechen, geben Sie ihm einen Überblick, damit er sich auf den Fachjargon konzentrieren kann.
Wenn Sie mit jemandem sprechen, der sich mit den Besonderheiten seiner Lizenzlandschaft auskennt, sollten Sie ihm spezifische Details liefern, die ihm helfen, fundierte Entscheidungen zu treffen.
3. Konzentrieren Sie sich auf das Endergebnis.
Halten Sie die Aufmerksamkeit Ihres Publikums aufrecht, indem Sie sich auf das Wesentliche konzentrieren.
In der Regel sind Manager auf C-Level sehr beschäftigt, so dass die meisten daran interessiert sind, zu verstehen, wie sich Ihre Vorschläge auf die aktuelle und zukünftige Situation auswirken werden.
Erörtern Sie, wie sich die vorgeschlagenen Änderungen auf das Produktionsniveau auswirken werden, zeigen Sie ihnen die Kosten der Maßnahmen bzw. deren Fehlen auf und erörtern Sie, wie sich dies auf die Unternehmenskultur auswirken wird.
Sind Sie daran interessiert, Ihre Softwarelizenz-Nutzungsdaten zu verstehen, zu bearbeiten und zu interpretieren? Nehmen Sie noch heute Kontakt mit einem unserer Mitarbeiter auf.
