Anzeige

Big Data

Richtig umgesetzt bietet eine Datenstrategie Unternehmen aller Branchen nachhaltige Benefits. Beim Transformationsprozess muss das Management Dateninfrastruktur, Datenmanagement, den generellen Datenstrategie-Ansatz sowie die Datenanalyse und -nutzung berücksichtigen. 

„Daten sind die Währung des 21. Jahrhunderts“ – diese Devise gilt längst nicht mehr nur für Big Tech-Unternehmen aus dem Silicon Valley. Der wertschöpfende Umgang mit Daten ist mittlerweile für Unternehmen jeder Größe und aller Branchen wettbewerbsentscheidend. Um geschäftsrelevante Erkenntnisse zu erhalten, müssen Unternehmen in die Befähigung der Organisation bei der Generierung, Speicherung und Nutzung von Daten investieren. Der Weg führt dabei von der Dateninfrastruktur über das Datenmanagement und die Datenstrategie bis zur eigentlichen Datenanalyse
 

Datengetrieben wertschöpfende Erkenntnisse generieren 

 

Dateninfrastruktur: Serviceorientierung gefragt 

Der Aufbau einer zukunftsfähigen und effizienten Dateninfrastruktur fußt auf hoher Flexibilität in der Datengenerierung, -virtualisierung und -aufbereitung. Für eine qualitativ hochwertige Datenanalyse sollten Unternehmen den Fokus daher zunehmend auf unabhängige Software-Komponenten (Microservices) legen, die über Schnittstellen mit gemeinsamen Kommunikationsstandards verfügen und so ohne Umwege eine schnelle und flexible Integration in neue Anwendungen ermöglichen. Zu beachten sind vor allem eine schnelle Netzwerkarchitektur, das Verhindern von Datensilos (z.B. durch Einführen eines Data Lakes) sowie die Einbeziehung von sicheren Cloud-Lösungen.

Data Governance: Umgang mit Daten in der Organisation

Parallel zur Wegbereitung für eine flexible Dateninfrastruktur ist die Einführung einer zum Unternehmen passenden Data Governance elementar. Dieser Schritt dient dazu, Risiken im Umgang mit Daten zu minimieren, etwa hinsichtlich Regulatorik oder Reputation, und gleichzeitig den Wert der Daten angemessen zu reflektieren. Typische Ergebnisse eines Data Governance-Projekts umfassen:

  • Analyserichtlinien 
  • Entscheidungsprozesse und -gremien für das Management der Use Cases (Anwendungsfälle)
  • Datensicherheit: Entwicklung eines Kooperationsmodells, gemeinsam mit Risikomanagement und Compliance 
  • Sicherung der Datenqualität: Maßnahmen für automatisierte Datenqualitätsprüfung 
  • Regulatorische Überwachung: Lückenloses Monitoring neuer regulatorischer Aktivitäten in Echtzeit
  • Organisationsstruktur: Festlegen von Einheiten und Verantwortlichkeiten
  • Technologische Richtlinien: Festlegen, welche Tools bei der Analyse bevorzugt verwendet werden sollen
  • Stammdatenverwaltung: Einrichten einer effizienten Verwaltung der wichtigsten Datenquellen 

Datenstrategie: Wandel von statischen hin zu dynamischen Ansätzen 

Eine Datenstrategie definiert, wie mit Daten im engeren Sinne umgegangen wird und welche Ziele verfolgt werden. Fällt die Entscheidung auf einen statischen Ansatz lautet die Devise meist „Verteidigung statt Angriff“. Der Fokus liegt klar auf strikten Regulierungen im Umgang mit Daten und der Datenqualität. Mit einem strategischen Ansatz wählen Unternehmen den Mittelweg zwischen strengen Richtlinien und der angestrebten Datennutzung. Unternehmen, die einen dynamischen Ansatz im Umgang mit Daten fahren, nutzen eine Vielzahl von Daten, um rasch auf Marktveränderungen reagieren zu können und die eigenen analytischen Fähigkeiten zu verbessern. Dabei sind schneller Datenzugriff und rasche Ergebnisse wichtig. Im dynamischen Ansatz rücken Kosteneinsparungen und Profitabilität durch die Datennutzung in den Vordergrund. Wesentlich werden Flexibilität in der Analytik und schnelle Verfügbarkeit von Ergebnissen, etwa durch nutzerfreundliche Datenvisualisierung. Selbstverständlich müssen aber auch hier die Risiken sorgfältig im Auge behalten werden.

Datenanalyse: Wert-Extraktion aus den Daten

Welche Use Cases im Sinne konkreter Datenanalysen schließlich auf Basis der oben beschriebenen Grundlagen umgesetzt werden, ist hochgradig von der jeweiligen Industrie sowie der gewählten Strategie abhängig. Ein Blick auf die Finanzindustrie kann beispielhaft mögliche Anwendungsfelder zeigen:

  • Prädiktive Analysen (z.B. Marktprognosen)
  • Digitale Assistenzsysteme (z.B. Chat Bots) für individualisierte Services, z.B. in der Kundenberatung
  • Big Data basierte Anwendungen, z.B. Kreditwürdigkeitsprüfungen 
  • Anwendungen zur Verbesserung allgemeiner Compliance- und Regulatorik-Prozesse oder zur Betrugserkennung
  • Marktforschung und Sentiment-Analysen für zeitnahes Kundenfeedback 

Analytics: Zentraler Treiber in der Finanzbranche

Eine Umfrage zu den zentralen Treibern der Digitalisierung in der Finanzbranche unterstreicht, wie wichtig der Aufbau von Fähigkeiten im Bereich Datensammlung und -nutzung in den nächsten Jahren sein wird. So bewerten 77% der Befragten den Aufbau von Analytics-Fähigkeiten als den wesentlichsten Transformationstreiber der nächsten Jahre: 

Die wichtigsten Transformationstreiber der Finanzindustrie

Egal ob zur Verbesserung des Geschäftsmodells, Stärkung der Kundenprozesse oder erleichterten Einhaltung von regulatorischen Anforderungen; die Notwendigkeit und der Trend zur Stärkung der eigenen Datenfähigkeiten wird die Finanzbranche weiter transformieren.

Neben einer strukturierten Analyse vorhandener Infrastruktur, Daten und Fähigkeiten sind richtungsweisende Entscheidungen zu Organisation und Governance zu treffen, welche im Einklang mit der aus der Business-Strategie abgeleiteten Datenstrategie stehen müssen. Dies ist nicht mehr länger eine reine Frage der IT, sondern betrifft das ganze Unternehmen und seine Strukturen. Eine professionelle Begleitung auf Basis tiefgreifender Fachexpertise und Wissen über die Trends der betroffenen Industrien sollte für Transformationsprojekte dieser Art auf jeden Fall in Erwägung gezogen werden. 

Autoren:

Dr. Philipp Wackerbeck, Partner bei PwC Strategy& Deutschland
Er berät Finanzdienstleister in strategischen Wachstumsinitiativen, Reorganisationsfragen und Themen zur digitalen Transformation. Außerdem verantwortet er den Bereich Financial Services in EMEA bei PwC Strategy&.

 

 

 

Marius Klee, Manager bei PwC Strategy& Deutschland 
Er berät seit 6 Jahren Banken und IT-Dienstleister für Banken zu Fragestellungen zu Digitale Transformation, Prozessoptimierung und IT-Compliance / Cybersecurity.

 

 

 

Holger Röder, Partner bei PwC Strategy& Deutschland
Er berät seit 28 Jahren weltweit führende Unternehmen bei Fragestellungen des strategischen IT-Managements und der Digitalen Transformation.

 

 

 

 

Dr. Matthias Schlemmer, Director bei PwC Strategy& Österreich
Er berät führende Unternehmen im Bereich Handel und Konsumgüter und leitet den europäischen Data & Analytics Schwerpunkt bei PwC Strategy&.


Artikel zu diesem Thema

Cyber Security
Mär 10, 2021

Wie BrightCloud zu mehr Cybersicherheit verhilft

Die Cyberkriminalität hat während der Corona-Pandemie stark zugenommen. Besonders nach…
eBook Big Data und Analytics
Feb 02, 2021

Big Data und Analytics - KI und ML auf dem Vormarsch

Die Datenmenge schwillt rasant an und Prognosen werden immer schwieriger. Hinzu kommen…
2021
Dez 23, 2020

Datenstrategie: Drei Trends für 2021

2020 stellte viele Unternehmen unverhofft vor neue Herausforderungen: Wie passe ich meine…

Weitere Artikel

Datenmanagement

Kooperation in Daten-Ökosystemen zahlt sich für Organisationen aus

Unternehmen können im Rahmen eines Daten-Ökosystems, in dem sie Daten teilen, austauschen und zusammenarbeiten, finanzielle Zugewinne von bis zu 940 Millionen US-Dollar erzielen.
Datenflut

Unternehmen sind von der Datenflut zunehmend überfordert

Eine Forrester-Studie im Auftrag von Dell Technologies belegt, dass die sinnvolle Nutzung von Daten für Unternehmen immer schwieriger wird. Die überbordende Datenflut entwickelt sich zu einer der größten Hürden bei der digitalen Transformation von Unternehmen.
Datenmanagement

Automatisches Datenmanagement

Dass die Daten einer Organisation äußerst wertvoll sind, ist eine Binsenweisheit. Und so verwundert es nicht, dass so manche Organisation seit ihrer Gründung noch niemals je ein einziges Bit ihres Datenbestandes gelöscht hat.
Gate

Data Gateway - das Tor zur sinnvollen Datennutzung

Hochentwickelte Systeme zur Datenanalyse benötigen Datenmaterial mit Kontextinformationen, um treffsicher Entscheidungen zu fällen und aussagekräftige Ergebnisse zu liefern. Wo der Kontext fehlt, liefern Data Gateways ihn maßgeschneidert nach.

Anzeige

Jetzt die smarten News aus der IT-Welt abonnieren! 💌

Mit Klick auf den Button "Zum Newsletter anmelden" stimme ich der Datenschutzerklärung zu.