Bisher versuchen Unternehmen mit statistischen Methoden und mit Hilfe von Expertenmeinungen die Wirtschaftsentwicklung, den Produktabsatz und das Verhalten von Wettbewerbern vorherzusagen. Diese Methoden scheitern leider aber oft an der Realität. Die Realität ist zu komplex, als dass einzelne Experten oder ein paar starre Gleichungen sie beschreiben könnten. In diesem Prolemfeld entstand in den letzten Jahren unter dem Einfluss von Social-Media und Web 2.0 im Bereich Decision Support das Thema Social-Forecasting.

Was ist Social Decision Support?

Im Kern macht sich Social Decision Support die Grundidee von Crowdsourcing zu Nutze, das heißt, es beruht auf kollektiver Intelligenz. Die gestellten Fragen beziehen sich primär auf zukünftige Ereignisse, um somit eine Empfehlung für Management-Entscheidungen zu geben. Das Wissen kommt primär von Mitarbeitern, nicht von Konsumenten, da es sich häufig um vertrauliche Unternehmens-Prognosen handelt und dient dem Decision Support.

Die zweite Kernkomponente von Social Decision Support ist die Nutzung von Anreizmechanismen, welche sich aus Ranglisten und Sachpreisen zusammensetzen. Es werden nur die besten und genauesten Antworten belohnt. Dadurch haben die Teilnehmer, anders als bei einfachen Umfragen etwa, einen Anreiz, möglichst exakte Antworten zu geben.

Wie unterscheidet sich Social Decision Support von klassischen Enterprise-2.0-Tools?

Social Decision Support produziert keine Unmengen an Kommentaren, wie dies bei Wikis und Blogs der Fall ist. Stattdessen ist das Ergebnis am Ende steht dem Management immer eine (oder mehrere) konkrete Zahlen, zum Beispiel Absatzprognosen in Euro, Wachstumsraten in Prozent und so weiter, auf deren Grundlage Entscheidungen getroffen werden können. Dadurch wird auch die Nutzenmessung von Social Decision Support in Unternehmen deutlich erleichtert. Hier fünf Aspekte zu den Unterschieden gegenüber Blogs und Wikis.

Funktion

• Social Decision Support: Konkrete Antworten auf konkrete Fragen liefern
• Wikis/Blogs: Wissen speichern und abrufen

Output

• Social Decision Support: Wissen gebündelt in Zahlen
• Wikis/Blogs: Zahlreiche Texte und Kommentare

Nutzen-Evaluation

• Social Decision Support:  messbar
• Wikis/Blogs: schwer messbar

Mitmachquote/Beteiligungsgrad

• Social Decision Support:  durchschnittlich 30%
• Wikis/Blogs: durchschnittlich 5%

Anfangsaufwand

• Social Decision Support: gering
• Wikis/Blogs: hoch

In welchen Bereichen wird Social Decision Support genutzt?

Mit Social Decision Support kann ein breites Spektrum an Themen abgedeckt werden. Als besonders starkes Tool erweist sich Social Decision Support, wenn es um neue Produkte oder strategische Fragen geht, bei denen in der Regel auf keine historischen Daten zurückgegriffen werden kann. Die folgenden Beispiele verdeutlichen die Einsatzmöglichkeiten:

• Marktprognosen, zum Beispiel Prognose von Absatzzahlen, Marktanteilen, Wachstumsraten für beliebige Produkte. So konnte beispielsweise Henkel mit Social Decision Support seine Prognosegenauigkeit um 22 Prozent steigern (siehe Fallstudien unten).
• Competitive Intelligence, zum Beispiel Risiko für Markteintritt neuer Wettbewerber in Segment X abschätzen. So nutzt etwa die Zeppelin Rental Social-Forecasting, um das Wissen von Mitarbeitern aus seinen über 100 Standorten für strategische Fragen zu bündeln.
• Produktinnovation, zum Beispiel Life-Time-Umsatzpotenzial, tatsächliche Entwicklungskosten und –dauer bei neuen Produktideen prognostizieren. Tchibo hat mit Social Decision Support das Wissen seiner Filialmitarbeiter für die Beurteilung neuer Produkte genutzt.
• F&E-Management, zum Beispiel Technologietrends quantifizieren, Entwicklungsrisiken rechtzeitig abschätzen. Die Deutsche Telekom bündelt das Wissen von 240.000 Mitarbeitern, um die Entwicklung und das Potenzial neuer Technologien besser abzuschätzen.
• Wirtschaftsprognosen, zum Beispiel Arbeitslosenrate, Wirtschaftswachstum. Der globale Saatguthersteller Syngenta nutzt Social-Forecasting, um frühzeitig seine Produktion auf die zu erwartende globale Nachfrage anzupassen.
• Social Decision Support als Enterprise-2.0-Tool in der Praxis