BIG DATA UND ADVANCED ANALYTICS IN DER PRAXIS - qunis.de 8 9 TREIBER TREIBER TREIBER VON BIG-DATA-VORHABEN

Embed Size (px)

Text of BIG DATA UND ADVANCED ANALYTICS IN DER PRAXIS - qunis.de 8 9 TREIBER TREIBER TREIBER VON...

  • BIG DATA UND ADVANCED ANALYTICS IN DER PRAXIS

    In Zusammenarbeit mit unseren Studienpartnern:

    Anwenderbefragung zum Stand von Big-Data- und Advanced-Analytics- Initiativen im deutschsprachigen Raum

  • INHALT

    Management Summary 4

    Status Quo Big Data in Unternehmen 6

    Treiber von Big-Data-Vorhaben 8

    Umsetzung von Big-Data-Vorhaben 11

    Ressourcen und Organisation von Big-Data-Vorhaben 15

    Hindernisse in Big-Data-Projekten 17

    Fazit – Big Data systematisch erkunden! 21

    Zur Umfrage 24

    Autoren: Sascha Alexander, Hermann Hebben und Steffen Vierkorn

    Stand: November 2016 

  • 54

    MANAGEMENT SUMMARYMANAGEMENT SUMMARY

    MANAGEMENT SUMMARY

    Digitalisierung, Industrie 4.0 oder Internet of Things – welche Schlagworte man derzeit auch wählt für die zunehmende Vernetzung von Menschen, Prozessen und Systemen, sie alle sind eng mit der Nutzung von Big Data verknüpft. Unter dem allgegenwärtigen Druck der Globalisierung und angesichts unsicherer Märkte sind Unternehmen gut beraten, sich intensiv auf die Suche nach neuen Produkten und Dienstleistungen zu machen und wirtschaftliche Risiken zu minimieren. Der Schlüssel dazu sind Daten. Diese werden immer vielfältiger. Denn zu den bisher genutzten Datenquellen kommen mit der Digitali- sierung an vielen Stellen in den operativen Prozessen (Geräte, Systeme, Interaktionen mit Kunden und Partnern) weitere, möglicherweise wertvolle Daten oftmals in großen Mengen und in kurzen Zeiträumen hinzu. Sie liegen anders als in einem Data Warehouse in vielen Formaten und Strukturen vor und müssen zusätzlich erfasst, analysiert und operationa- lisiert werden. Dies setzt voraus, dass sich Unternehmen technisch und organisatorisch an sich schnell ändernde Prozesse anpassen und weiterhin Entscheidungen treffen oder automatisieren können.

    Wem es gelingt, seine Abläufe und Angebote „datengetrieben“ auszurichten, der habe gute und neue Chancen im globalen Wettbewerb, heißt es derzeit unisono im Markt. Doch während wohl in jedem Unternehmen und Vortrag zur Digitalisierung über die Vorteile von Big Data gesprochen wird, erfüllt sich diese Hoffnung bislang in der Praxis nur zum Teil. Der Grund hierfür liegt weniger in einer hohen technischen Einstiegshürde. So lassen sich existierende Lösungen etwa für Business Intelligence weiter verwenden. Sie decken auch weiterhin Szenarien ab, für die tägliche oder mehrfach am Tag erfolgende Daten- aktualisierungen genügen und in denen es vor allem um das Beladen vergleichsweise überschaubarer, historisierter Datenmengen und die Abfrage auf neuen (transaktionalen, strukturierten/modellierten) Daten geht. Typische Anwendungen fallen in den Bereich des bisherigen Reportings und der Analyse (OLAP).

    Ebenso entwickeln sich Big-Data-Technologien wie „HADOOP“ schnell weiter und werden im Markt zunehmend eingesetzt. Das derzeit offenbar größte Problem ist vielmehr, dass es vielen Organisationen schlicht an Strategien fehlt, wie sie Big Data nutzbringend einsetzen können. Die explorative und kreative Analyse, die für die Nutzung von Big Data typisch ist, erfordert nicht nur ein breites IT-und Fachwissen, sondern bei allen Freiheiten auch klare unternehmerische Ziele. Es muss also möglichst häufig um die Umsetzung neuer „Use Cases“ gehen, die sich in den produktiven Betrieb überführen lassen. Hinzu kommt eine Unternehmenskultur, die eine Beschäftigung mit Big Data – häufig parallel zum IT-Betrieb – zulässt und fördert, selbst dann, wenn Versuche

    scheitern oder die Analyseergebnisse mager ausfallen. Und natürlich muss das Manage- ment zu diesen Vorhaben stehen, um deren Finanzierung und Etablierung nicht in Gefahr zu bringen.

    Wie weit Unternehmen derzeit mit ihren Big-Data-Initiativen sind, wo sie Hindernisse erleben und wo sie sich Chancen ausmalen, beschreibt die vorliegende Umfrage zu Big Data und Advanced Analytics. Sie wurde im Sommer 2016 gemeinsam von der QUNIS GmbH, der Controller Akademie und der aquma GmbH durchgeführt. Insgesamt 97 Teil- nehmer aus dem Mittelstand und Konzernen im deutschsprachigen Raum beteiligten sich an der Online-Befragung. Dabei konnte eine breite Branchenbeteiligung erzielt werden.

  • 76

    STATUS QUOSTATUS QUO

    STATUS QUO BIG DATA IN UNTERNEHMEN

    Auch wenn sich die Diskussion im Markt vordergründig von der bisherigen Big-Data- Debatte immer mehr dem Thema Digitalisierung zuwendet, so geht es letztlich weiterhin um Datenprozesse, die Datenanalyse und operative Nutzbarmachung von Daten. Zwar ist es denkbar, Digitalisierungsvorhaben zunächst ohne einen speziellen Datenfokus zu beginnen. Aber eher früher als später kehrt das Thema Datenmanagement zurück, um eine „zerpflückte“ Systemlandschaft zu vermeiden. Damit kommt die Frage der Nutzung von Big Data und seine Auswertung mit Advanced Analytics dann doch sehr schnell auf die Tagesordnung. Es ist daher nicht übertrieben, Big Data als einen der Erfolgsfakto- ren der Digitalisierung zu bezeichnen. Erst durch neue, datengetriebene Use Cases und Geschäftsmodelle erhält die Digitalisierung ihre eigentliche Bedeutung. Dass Big Data hoch im Kurs steht bei Unternehmen, zeigt auch die hier vorgestellte Untersuchung, in der über 80 Prozent aller Teilnehmer Big Data eine sehr hohe bis hohe Priorität einräumen (Abbildung 1).

    Für die hohe Relevanz spricht auch, dass viele Anwender sich mit Big Data bereits beschäftigt haben oder dies in den kommenden zwei Jahren planen. Nur jedes fünfte Unternehmen hat für diesen Zeitraum bislang keine Pläne (Abbildung 2). Deutlich wird aber auch, dass man das Thema bisher vorsichtig bzw. fokussiert angeht. So erklärten nur rund 20 Prozent, ihre Ergebnisse auf ausgewählte Prozesse angewendet zu haben. Typisch sind derzeit auch Pilotprojekte, mit denen man bei begrenztem Budget und Risiko den Umgang mit Big Data erprobt. Allerdings fiel der Anteil der „aktiven“ Nutzer von Big Data in unserer Umfrage im Vergleich zu anderen Marktstudien klein aus. Dies könnte sich dadurch erklären, dass hier mehr Unternehmen unter den Teilnehmern waren (41 Prozent), die derzeit noch planen – und womöglich dann aber auch Pilotpro- jekte starten.

    PRIORITÄTEN VON BIG DATA UND ADVANCED ANALYTICS

    WIE FEST SEHEN SIE BIG DATA UND ADVANCED ANALYTICS IN IHREM UNTERNEHMEN VERANKERT?

    Abbildung 2: Nur jedes fünfte Unternehmen hat derzeit keine Pläne mit Big Data.

    Quelle: QUNIS, Umfrage „Big Data und Advanced Analytics“, n = 97, Werte gerundet

    21,7 %

    17,5 %

    41,2 %

    19,6 %

    ausgewählte Unternehmensprozesse

    Pilotprojekt

    Angedacht (24 Monate)

    Keine Planung

    sehr wichtig

    wichtig

    unentschieden

    weniger wichtig

    unwichtig

    3,0 % 1,4 %

    42,0 %

    11,6 %

    42,0 %

    Abbildung 1: Obwohl der ganz große Hype um Big Data in der öffentlichen Diskussion verflogen ist,

    sieht eine große Mehrheit der Unternehmen weiterhin seine Bedeutung.

    Quelle: QUNIS, Umfrage „Big Data und Advanced Analytics“, n = 69, Werte gerundet

  • 98

    TREIBERTREIBER

    TREIBER VON BIG-DATA-VORHABEN

    Wo bereits Erfahrungen vorliegen, zeigt sich deutlich, dass zwar der Finanzbereich stärkster Treiber für Big Data und Advanced Analytics ist, dass aber grundsätzlich schon ein breites Einsatzspektrum zu erkennen ist (Abbildung 3). Gerade Finance & Controlling bieten sich vielerorts zu Beginn solcher Initiativen an, da schnell einleuchtet, dass gerade dort zusätzliche Daten für die Planung, Forecasts und Simulationen von Nutzen sein können. Eine vergleichbare Konstellation hat bis heute auch die Einführung und den Ausbau von Business-Intelligence-Umgebungen maßgeblich gefördert. Interessante Big- Data-Anwendungsfelder im Finance & Controlling könnten beispielsweise ein auto- matisierter Forecast auf der Basis von Markttendenzen sein oder eine werttreiberba- sierte Planung anhand aktueller Daten zum Wachstum, Branche und Kundenumsätze. Insbesondere für Banken und Versicherer ist zudem das Risikomanagement ein wichti- ges Anwendungsfeld. Neben der Identifikation von Risikofaktoren seien hier beispielhaft die Betrugserkennung oder Compliance-bezogene Analysen genannt.

    Starkes Interesse an Big Data und Advanced Analytics belegt die Umfrage – auch hier vergleichbar zur Nutzung von Business Intelligence – im Vertrieb und Marketing. Diese Fachbereiche sind traditionell besonders an einer Produkt- und Kundenanalyse interes- siert, um Kunden zu halten oder neu zu gewinnen. Ebenso spielen beispielsweise ein besseres Monitoring und die Analyse von Vertriebsaktivtäten, Wettbewerbsanalysen, die Preisgestaltung oder die Identifikation von Cross- und Upselling-Möglichkeiten eine große Rolle. Kann beispielsweise ein Einzelhändler durch eine Sentiment-Analyse (Stim- mungsanalyse) in sozialen Netzwerken frühzeitig erkennen, dass es Probleme mit den eigenen Produkten gibt, kann er gegensteuern und so Umsatzeinbußen und einen Image- schaden vermeiden. Integrierte und schnelle Reaktionen und Prozesse sind hier von besonderer Bedeutung.

    Weitere, in der Umfrage genannte Anwendungsgebiete für Big-Data-Analysen sind die Logistik und die Produktion. Ein viel versprechendes Anwendungsbeispiel in der Logistik wäre das Flottenmanagement. So muss in einem deutschen Hafen ein Transportunter- nehmen täglich 8.000 LKWs mit rund 40.000 Fahrten so koordinieren, dass eine mög- lichst hohe Auslastung gelingt und geringe Wartezeiten anfallen. Weiter