Thought Leadership
Fortgeschrittenen Datenanalysen und Vorhersagen wohnt das Versprechen inne, den Ertrag aus bisherigen Investitionen in BI-Systeme und Datenbestände deutlich zu steigern. Wertvoll sind Advanced-Analytics-Prototypen allerdings erst dann, wenn sie in den täglichen Geschäftsprozessen einen tatsächlichen Mehrwert stiften.
In der neuen Anwenderbefragung „Advanced Analytics: Bedeutung, Nutzung, Operationalisierung“ geht das Business Application Research Center (BARC) der Frage nach, ob es Unternehmen gelingt, Advanced-Analytics-Lösungen in operative Prozesse zur Entscheidungsunterstützung oder Automatisierung zu überführen.
Die Ergebnisse zeichnen ein eindeutiges Bild: Aktuell befinden sich die meisten Unternehmen zwar noch in einer frühen Phase der Operationalisierung. Sie validieren Prototypen, setzen ein technisches Deployment um oder erstellen Nutzeroberflächen. Dennoch hat sich die Zahl der Unternehmen, die Advanced Analytics in ihrem Unternehmen häufig nutzen, im Vergleich zum Vorjahr verdoppelt (von 5 auf 10 Prozent). Ein weiteres Drittel der Unternehmen gibt darüber hinaus an, Advanced Analytics zumindest vereinzelt zu verwenden.
Starke Nutzung von Advanced Analytics im Fachbereich
Fachbereiche sind weiterhin die wichtigsten Treiber von Advanced Analytics. In 31 Prozent der Unternehmen setzen Key User aus dem Fachbereich Advanced Analytics um. Immerhin in 15 Prozent der Unternehmen nutzen Gelegenheitsanwender in den Fachbereichen Advanced Analytics. Dr. Sebastian Derwisch, Data Scientist bei BARC, stellt fest: „Dieser Anteil wird mit Sicherheit noch steigen – durch eine stärkere Integration von Advanced Analytics in die operativen und dispositiven Prozesse.“
23 Prozent der Befragten geben an, dass in ihrem Unternehmen Data Scientists Advanced-Analytics-Analysen durchführen. Einige Unternehmen (15 Prozent) haben zusätzlich Aufgaben rund um fortgeschrittene Analysen institutionalisiert und Data Science Labs gegründet. 21 Prozent der Befragten setzen Advanced Analytics durch ein Business Intelligence Competence Center (BICC) um. Dieses bietet sich aufgrund der dort vorhandenen Erfahrung im Umgang mit Daten an, um Advanced Analytics im täglichen Einsatz zu steuern und zu entwickeln. Unternehmen nehmen darüber hinaus nicht gerade selten die Unterstützung von außen in Anspruch: 16 Prozent der befragten Unternehmen greifen auf externe Dienstleister zurück. Aus den Angaben der Teilnehmer lässt sich schließen, dass Unternehmen Advanced-Analytics-Expertise als Thema des internen Wissenaufbaus sehen. Externe Dienstleister werden meist als Ergänzung interner Ressourcen beauftragt.
Bild 1: Wer führt bei Ihnen im Unternehme Advanced-Analytics-Analysen durch oder wird dies durchführen? (n=168)
Unternehmen in der Operationalisierung haben weniger Probleme mit Advanced
Im Vergleich zu Unternehmen, die noch in der Phase der Prototypisierung stecken, haben Unternehmen in der Operationalisierung generell weniger Probleme.
„Dass hier weniger Probleme auftreten, kann vor allem daran liegen, dass Unternehmen in der Operationalisierung nicht so häufig Data Scientists fehlen“, resümiert Derwisch. Lediglich ein Drittel der Unternehmen in der Operationalisierung gibt dies als Problem an, während es bei Unternehmen in der Prototypisierung über die Hälfte ist. Generell sind in der Umsetzung von Advanced Analytics fehlende Ressourcen in der IT und im Fachbereich, Datenschutzthemen, sowie fehlendes analytisches Verständnis im Fachbereich die größten Hinderungsgründe. Während Unternehmen in der Operationalisierung insgesamt also weniger Probleme feststellen, gibt es trotzdem ein paar Aspekte, die in der Operationalisierung besonders hervortreten: Datenschutz stellt für 39 Prozent der Unternehmen in der Operationalisierung ein Problem dar, jedoch nur für 23 Prozent der Unternehmen, die Prototypen aufbauen. Darüber hinaus klagen Unternehmen in der Operationalisierung öfters über Schwierigkeiten in der Moderation zwischen Fachbereich und IT (26 Prozent vs. 19 Prozent).
Logdaten – die neuen Datenschätze
Die sich immer schneller vollziehende digitale Transformation führt zu einer explosionsartigen Vermehung der Datenbestände. Dementsprechend stehen Unternehmen vor der Herausforderung, mit zunehmend verschiedenartigen Datenquellen umgehen zu müssen. Es gilt, sowohl neue externe Datenquellen als auch bisher brach liegende interne Daten nutzbar zu machen.
Während Unternehmen für ihre Advanced-Analytics-Projekte zwar nach wie vor hauptsächlich Transaktionsdaten aus ihren operativen Systemen (71 Prozent) nutzen, zeigt sich ein rapider Anstieg bei der Verwendung von Logdaten: Gegenüber dem Vorjahr gaben doppelt so viele Unternehmen an, sie im Rahmen von Advanced-Analytics-Projekten zu verwerten. Die Nutzung dieser Daten steht auf einer Stufe mit anderen „internen Daten“ (38 Prozent) und noch weit vor Social-Media-Daten (14 Prozent), Wetterdaten (14 Prozent) oder Clickstream-Daten (11 Prozent).
Bild 2: Welche Arten von Daten verwenden Sie für Advanced Analytics? (n=217)
Logdaten sind Ereignisprotokolle, die beispielsweise aus dem Webshop, IT-Netzwerken & -Servern, Telemetrie-Systemen oder Sensoren gewonnen werden können. Anhand dieser Daten können Anwender zum Beispiel die Nutzung von Webservices analysieren oder Online Daten mit Offline Daten verknüpfen. Logaten nehmen daher a Bedeutung zu. Weitere in den Unternehmen häufig anzutreffende Anwendungsfälle sind: Analyse des Kundenverhaltens, Anomalieerkennung, Qualitätssicherung, Predictive Maintenance sowie Systemüberwachung und -optimierung.
Dank der Unterstützung der Sponsoren BOARD, Dataiku und SAS sollen die Studiendokumente zu „Advanced Analytics: Bedeutung, Nutzung, Operationalisierung” zum kostenlosen Download zur Verfügung stehen.
www.barc.de
