Anzeige

Datenmanagement

Ein neuer Bericht von MIT Technology Review Insights untersucht, wie Entscheider aus führenden Unternehmen durch den Einsatz fortschrittlicher Cloud-basierter Technologien, einschließlich Analytik und maschinellem Lernen, hervorstechen.

Der Bericht "Building a high-performance data and AI organization" (Aufbau einer leistungsstarken Daten- und KI-Organisation) wurde in Zusammenarbeit mit Databricks erstellt und basiert auf einer Umfrage von 351 globalen Senior Data Officers sowie auf ausführlichen Interviews mit Daten- und Analytik-Führungskräften in Unternehmen wie Total, The Estée Lauder Companies, McDonald's, L'Oréal, CVS Health und Northwestern Mutual.

Nachfolgend die wichtigsten Ergebnisse der Untersuchung: 

  • Nur 13 % der Organisationen überzeugen mit der Umsetzung ihrer Datenstrategie. Diese ausgewählte Gruppe von "High-Performern" liefert messbare Geschäftsergebnisse im gesamten Unternehmen. Sie sind erfolgreich, weil sie auf die Grundlagen einer soliden Datenverwaltung und -architektur achten, die es ihnen ermöglichen, Daten zu "demokratisieren" und einen Mehrwert aus Machine Learning zu ziehen. 
     
  • Technologiegestützte Zusammenarbeit schafft eine funktionierende Datenkultur. Die für die Studie befragten Chief Data Officers messen der Demokratisierung von Analyse- und Machine-Learning-Funktionen große Bedeutung bei. Der Einsatz von fortschrittlichen Datentechnologien hilft den Endanwendern, fundiertere Geschäftsentscheidungen zu treffen - das Markenzeichen einer starken Datenkultur
     
  • Der geschäftliche Einfluss von Machine Learning wird durch Schwierigkeiten bei der Verwaltung des End-to-End-Lebenszyklus begrenzt. Die Skalierung von Anwendungsfällen für Machine Learning ist für viele Unternehmen außerordentlich komplex. Die größte Herausforderung ist laut 55 % der Befragten das Fehlen eines zentralen Ortes zum Speichern und Erfassen von Machine-Learning-Modellen.
     
  • Unternehmen suchen nach Cloud-nativen Plattformen, die Datenmanagement, Analytik und Machine Learning unterstützen. Die wichtigsten Datenprioritäten der Unternehmen in den nächsten zwei Jahren lassen sich in drei Bereiche einteilen, die alle durch die zunehmende Verbreitung von Cloud-Plattformen unterstützt werden: Verbesserung des Datenmanagements, der Datenanalyse und des Machine Learnings sowie Erweiterung der Nutzung aller Arten von Unternehmensdaten, einschließlich Streaming und unstrukturierter Daten. 
     
  • Open Standards sind die Top-Anforderungen an zukünftige Strategien für Datenarchitekturen. Wenn die Befragten eine neue Datenarchitektur für ihr Unternehmen aufbauen könnten, wäre der wichtigste Vorteil gegenüber der bestehenden Architektur eine größere Akzeptanz von Open-Source-Standards und Open-Data-Formats.

„Die Verwaltung von Daten ist hochkomplex und kann für Unternehmen eine echte Herausforderung darstellen. Aber der Aufbau der richtigen Architektur ist der erste Schritt zu einer großen Unternehmenstransformation", sagt Francesca Fanshawe, Herausgeberin des Berichts. „Es gibt viele Modelle, die ein Unternehmen anwenden kann, aber letztendlich sollte das Ziel sein, eine Datenarchitektur zu schaffen, die einfach, flexibel und gut verwaltet ist."

„Das vergangene Jahr war ein Motor des Wandels, da datengetriebene Unternehmen sich anpassen, innovieren und ihre Investitionen in Technologie und Architektur zukunftssicher machen wollen", sagt Chris D'Agostino, Global Principal Technologist bei Databricks. „Unternehmen brauchen heute mehr denn je eine moderne Datenanalysestrategie, die offen und flexibel ist und es jedem im Unternehmen ermöglicht, mit einer einheitlichen Sicht auf alle Daten schnellere und fundiertere Entscheidungen zu treffen - egal, ob sie Machine Learning und KI-Algorithmen oder einfaches SQL und BI-Reporting nutzen."

Weitere Informationen:

Um den Bericht herunterzuladen, klicken Sie hier.

www.technologyreview.com
 


Artikel zu diesem Thema

Machine Learning
Mär 25, 2021

Warum Datenkonsistenz so essenziell für Machine Learning ist

Im Kontext der Digitalisierung fällt immer wieder der Begriff Machine Learning. Aber wie…
Trends 2021
Jan 03, 2021

Von Data Storytelling bis Datendemokratisierung

Das Jahr 2020 hat viel sicher Geglaubtes über Bord geworfen, Trends angestoßen und…
Analyse
Nov 07, 2020

Future of Analytics

Die veröffentlichte BARC-Studie „Future of Analytics“ zeigt, dass 20 Prozent der…

Weitere Artikel

Datenmigration

Die 10 häufigsten Probleme bei Datenmigrationen

Datenmigrationen sind komplex und erfordern ein hohes Maß an Expertenwissen, damit sie ohne Probleme über die Bühne gehen. Organisationen, die potenzielle Problemfelder schon vor der Migration erkennen und entsprechend vorausplanen, sparen bei ihren…
Azure-Analytics

Durchblick im Azure-Analytics-Ökosystem

BARC, ein europäisches Analystenhäuser für Unternehmenssoftware, hat die "AzureAnalyticsMaps" veröffentlicht. Sie zeigen die wichtigsten Anbieter und Servicepartner im schnell wachsenden Markt für Daten- und Analytics-Lösungen innerhalb des Azure-Ökosystems.
Datenstrategie

So entwickeln Mittelständler eine effiziente Datenstrategie

Viele deutsche Mittelständler bieten hochinnovative Produkte an, tun sich aber schwer, operative Prozesse mithilfe von Daten tatsächlich zu verbessern und wichtige Entscheidungen auf Basis ihrer Daten zu fällen.
Predictive Analytics

Predictive Analytics: Zahlungseingänge besser vorhersagen

Wann bezahlt der Kunde seine Rechnung? Diese Frage beschäftigt die Controlling-Abteilung vieler Unternehmen. Intelligente Datenauswertungen mit Hilfe Künstlicher Intelligenz bieten hierbei wichtige Antworten.
Data Science

4 Fragen, um Data Science effizient zu nutzen

Datenanalysten sind heute so gefragt wie noch nie. Der boomende Bereich Data Science zielt darauf ab, Unternehmen mithilfe von Datenanalysen und statistischen Konzepten, Vorhersagemodellen und anspruchsvollen Auswertungen dabei zu helfen, Problemstellungen zu…

Anzeige

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

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