Business Application Research Center

Experten für Business Intelligence, Analytics, Big Data, CRM und ECM

BARC-Newsletter

Analytics erhöhen die Anforderungen im Datenmanagement

RssRss

15.02.2016

Analytics erhöhen die Anforderungen im Datenmanagement

Wie der Status quo und die Pläne der Unternehmen aussehen, hat kürzlich die BARC Studie „Modernes Datenmanagement für die Analytik“ untersucht und dazu über 290 Unternehmensvertreter aus der DACH-Region bei einer breit gefächerten Branchenverteilung befragt. Nachfolgend einige Beobachtungen und Erkenntnisse.

So zeigt sich das heute fachliche Anforderungen die Entwicklungen im Datenmanagement  treiben, also die IT nicht mehr allein wie bisher den Vordenker geben musste und die Machbarkeit überprüfen sollte. Vielmehr haben das Management und die Fachbereiche die Bedeutung von Daten und Analytik zur Optimierung oder Innovation der Geschäftsprozesse offenbar entdeckt und sind mit 68 Prozent beziehungsweise 67 Prozent aller Unternehmen zum Haupttreiber für Weiterentwicklungen im Datenmanagement geworden.

Diskutiert werden insbesondere Möglichkeiten, wie sich das Geschäft und Prozesse neu gestalten lassen, um sich besser vom Wettbewerb differenzieren und die eigene Marktposition sichern zu können. An dieser Maßgabe soll sich das Datenmanagement fortan ausrichten. Eher technische Treiber wie die wachsende Anzahl an Datenquellen (51 Prozent), das allgemeine Datenwachstum (35 Prozent) oder Performance-Probleme (25 Prozent) sind im Vergleich zur BARC-Vorgängerstudie „Datenmanagement im Wandel“ weiterhin wichtig, rangieren aber mittlerweile hinter den fachlichen Anforderungen.

Wenig Know-how und Ressourcen für Analytics

Das Interesse allein verhilft jedoch der Analytik noch nicht zu Erfolg. Entsprechend beklagen die befragten Unternehmensvertreter, dass es oft am Willen fehlt, die Voraussetzungen zu schaffen oder den Bedarf an Know-how zu stillen, um Daten und Analytik richtig zu nutzen. Sie beklagen insbesondere unzureichende Ressourcen (66 Prozent), festgefahrene Strukturen (50 Prozent) oder eine fehlende Kultur (39 Prozent). Mit 35 Prozent beziehungsweise 32 Prozent ist das fehlende technische und fachliche Know-how zwar auch eine nicht zu unterschätzende Herausforderung. Sie gilt aber in dieser Studie erstmalig nicht mehr als das größte Hemmnis. Es wäre also an der Zeit, Ziele und Strategie im Umgang mit Daten auf den Prüfstand zu stellen und die entsprechenden Aktionen abzuleiten bzw. die richtigen Voraussetzungen zu schaffen, damit Daten produktiv genutzt werden können. Diese ist vor allem eine Managementaufgabe! Lesen Sie zum Thema Datenstrategie auch den BARC BI Manager "Die Digitalisierung zwingt Daten und Prozesse zusammen".

Dennoch wird vielerorts versucht, trotz dieser schwierigen Voraussetzungen Veränderungen voranzubringen. Insbesondere die IT nutzt dabei neben eigenständigen BI-Organisationseinheiten die Chance und versucht sich als zukünftiger Partner für den Fachbereich zu positionieren und Business Analytics im Unternehmen anzubieten. Technisch stehen dabei Architekturvarianten und der Einsatz neuer Technologien im Mittelpunkt. Blickt man auf neue Vorhaben im Datenmanagement und Analytics befinden sich insbesondere Sandbox-Umgebungen (43 Prozent), Virtualisierungsschichten (39 Prozent) und Data Lakes (38 Prozent) in der Planung.

Den Konzepten ist gemein, dass sie vor allem die Themen Integration, Umsetzungsgeschwindigkeit und Self-Service adressieren, indem sie mehr Flexibilität und Agilität ermöglichen. Eine nicht zu unterschätzende Voraussetzung für das explorative Arbeiten mit Daten. Allerdings nutzen Unternehmen weiterhin überwiegend klassische Werkzeuge, wobei sich laut der Planwerte eine wesentlich häufigere Nutzung von Tools insbesondere für Predictive Analytics (44 Prozent), Search & Discovery (36 Prozent) sowie Hadoop (30 Prozent) abzeichnet. Diese Techniken und Tools sollen vorwiegend semi- und unstrukturierte Daten sammeln, abfragen und analysieren helfen (ausführliche Infomationen zum heutigen Einsatz von Predictive Analytics bietet auch die neue BARC-Anwenderbefragung "Advanced & Predictive Analytics 2016").

Self Service Business Intelligence

Eine seit einigen Jahren immer häufiger diskutierte und heute in vielen Pflichtenheften zu findende Anforderung betrifft Self-Service-BI (SSBI). Sie ist ein wesentlicher Bestandteil erfolgreicher BI- und Datenmanagementstrategien und insbesondere für die Exploration von Daten eine Notwendigkeit. SSBI soll viele grundsätzliche Kritikpunkte am Datenmanagement adressieren wie die ungenügende Integration von Daten, eine schlechte Abfrageperformance, langsame Umsetzungsgeschwindigkeiten von Anforderungen, eine einfachere Anwendung etc.

Auch die BARC-Umfrage spiegelt die hohe Relevanz des Themas Self-Service wider: Auf einer Skala von 1 (niedrig) bis 5 (hoch) erreicht die Antwortoption „Befähigung des Fachbereichs, Daten selbstständig integrieren und auswerten zu können“ mit einem Wert von 3,58 die zweithöchste Relevanz nach der „Integration heterogener Daten“ (3,66). Dass dabei vor allem Datenmanagementaufgaben gemeint sind, zeigt sich auch bei der Frage nach der Self-Service-BI-Strategie der Unternehmen: 51 Prozent lassen den direkten Zugriff auf die operativen System zu, 38 Prozent verlagern Datenmanagementaufgaben in die Fachbereiche und 34 Prozent sehen die Sandbox als wesentlichen Architekturbaustein zur Verwirklichung von Self-Service-BI. Umso wichtiger ist allerdings eine klare Aufstellung zum Thema Self Service, um nicht Gefahr zu laufen, unzählige Silo-Applikationen für Daten und Analytik zu haben.

Predictive Analytics steckt noch in den Kinderschuhen

Überraschend groß scheint bereits die Verbreitung von Predictive Analytics in den Unternehmen zu sein. So gaben 70 der Befragten an, entsprechende Methoden und Verfahren schon einzusetzen oder ihren Einsatz zu planen. Einsatzgebiete sind insbesondere die Geschäftsprozessoptimierung/-innovation, Customer Experience oder finanzielle Performance & Risikomanagement. Ein recht hoher Wert für eine so junge Technologie, welche nicht nur entsprechende Werkzeuge, sondern auch technisches und fachliches Know-how sowie ein Stück weit auch einen Kulturwandel hin zu explorativen Arbeiten mit Daten voraussetzt.

Allerdings zeigt sich bei genauerem Hinsehen, dass noch Einiges beim Thema Predictive Analytics im Argen liegt: mit 0,8 Punkten auf einer Skala von 1 bis 5 klaffen Relevanz und Zielerreichung unter allen Datenmanagementthemen am weitesten auseinander! Anderseits sind 44 Prozent der Befragten unzufrieden mit dem, was sie bislang an Erkenntnissen aus Daten für die Zukunft ziehen konnten. Und auch technologisch besteht offenbar noch Handlungsbedarf: ganze 44 Prozent der Befragten wollen künftig Predictive-Analytics-Werkzeuge einsetzen (derzeit 19 Prozent).

Ausführliche Informationen und Umfragen zu den aktuellen Anforderungen, Entwicklungen und Erfahrungen im Datenmanagement  und zu Predictive und Advanced Analytics finden Sie hier:

(SA)