Mit Big Data Analytics geht die Mehrheit der Unternehmen bislang sehr vorsichtig an, Das zeigt eine gemeinsame Umfrage der QUNIS GmbH, Controller Akademie und Aquma GmbH. Neben einem hohen Informationsbedarf bremsen vor allem fehlende individuelle Use Cases vielerorts die Projekte.
„Big Data ist langfristig ein langfristig ein Erfolgsfaktor der Digitalisierung“, argumentiert Analyics-Spezialist Qunis. Die Analyse von Big Data verspreche mehr und aktuellere Daten für die operative Steuerung und die Entwicklung neuer Angebote. Die öffentliche Diskussion wende sich zwar aktuell dem Thema Digitalisierung zu, aber dies sei letztlich eine Fortsetzung der bisherigen Big-Data-Thematik. Es sei zwar denkbar, Digitalisierungsvorhaben zunächst ohne einen speziellen Datenfokus zu beginnen. Aber eher früher als später kehre das Datenmanagement und die Nutzung der Daten in Form wertvoller Analysen zurück. Durch die Vernetzung von Maschinen und Menschen nehme das Datenaufkommen weiter zu, entstünden vielfältige datenbasierte Prozesse und Dienstleistungen. Unternehmen müssten diese Daten künftig oft in Echtzeit erfassen, speichern, für die Analyse bereitstellen – und die Ergebnisse operationalisieren. Mit einer zerpflückten Systemlandschaft sei dies nicht möglich.
Big Data hat als Thema eine hohe Priorität
Tatsächlich zeigt die gemeinsame Anwenderbefragung der QUNIS, Controller Akademie und Aquma GmbH unter rund 100 Unternehmen (Mittelstand und Konzern) im deutschsprachigen Raum, dass über 80 Prozent aller Teilnehmer Big Data eine sehr hohe bis hohe Priorität einräumen. Im Sommer 2016 haben die Partner eine Online-Umfrage zum Einsatz von Big Data und Advanced Analytics durchgeführt. Die Teilnehmer stammen aus deutschsprachigen Unternehmen unterschiedlicher Größe. Am stärksten vertreten waren mittelständische Unternehmen mit bis zu 10 000 Mitarbeitern und einem Umsatz von 100 bis 500 Millionen Euro. Insgesamt hat die Studie 97 Antwortbögen ausgewertet.
Die vielerorts gestarteten oder in naher Zukunft geplanten Initiativen belegten, dass sich die Unternehmen zunächst mehr Klarheit verschaffen wollen. Typisch seien derzeit Pilotprojekte, mit denen man bei begrenztem Budget und Risiko den Umgang mit Big Data erprobt. Nur rund 20 Prozent der Befragten erklärten, ihre Ergebnisse auf ausgewählte Prozesse angewendet zu haben. Ein darüber hinaus gehendes Commitment, also die breite Produktivsetzung von Big-Data-Lösungen, bleibe bislang auf einen kleinen Kreis innovativer Unternehmen beschränkt. Andererseits erklärte nur jedes fünfte Unternehmen, in den kommenden zwei Jahren bislang keine Pläne zu haben.
Hoher Aufwand bei der Datenerfassung und -analyse
Als Gründe für diesen Widerspruch zwischen Interesse und Zurückhaltung nennen die Umfrageteilnehmer unter anderem die mit der Datenerfassung, -aufbereitung und vor allem –analyse verbundenen technischen Anforderungen sowie einen sehr großen Informationsbedarf. Zudem sei das Thema sie eine strategische und organisatorische Antwort finden müssten, wie sie Big Data und Advanced Analytics einbinden. Eine allgemeingültige Organisation und Lösung gebe es hierfür nicht. Die Beschäftigung mit Big Data und Advanced Analytics muss sich laut Qunis vielmehr an den individuellen Anforderungen und Möglichkeiten im Unternehmen orientieren. Wichtig sei zudem die praktische Nutzung der Analyseergebnisse. „Unternehmen sollten künftig vor allem die Suche nach dem Use Case intensivieren“, rät QUNIS-Geschäftsführer Steffen Vierkorn. „Nur so kann das Management den strategischen und operativen Nutzen von Big Data für das eigene Geschäft wirklich einschätzen.“
Advanced Analytics als Quelle von Innovation
Wie die Studie zeigt, hat dieses Nachdenken begonnen und Anwender betrachten derzeit bisherige, aber auch neue Anwendungsfelder. „Wir haben bereits spannende Projekte und viele Anfragen in der Beratung“, bestätigt Vierkorn. Big Data Analytics sei gerade wegen der Digitalisierung ein wesentliches Anwendungsfeld für die Unternehmenssteuerung und eine zentrale Quelle für die Entwicklung innovativer Produkte und Dienstleistungen. Neben traditionellen Business-Intelligence-Werkzeugen würden künftig Tools und Methoden der Statistik und Data Mining weiter an Bedeutung gewinnen. Künstliche Intelligenz werde dabei eine entscheidende Rolle spielen. Jürgen Frisch