Foto: Evernine
Sicherheitsbedenken und der Mangel an Ressourcen halten Unternehmen heute davon ab, ihre Big Data-Initiativen umzusetzen. Die Hälfte der Unternehmen verfügt nicht über genügend Datenanalyse-Spezialisten, so der Digitalverband Bitkom in der Studie "Mit Daten Werte schaffen - Report 2016". In Zusammenarbeit mit KPMG wurden rund 700 Führungskräfte aus zwölf Branchen befragt.
Stellt sich der Channel entsprechend auf, bieten sich hier gute Geschäftsmöglichkeiten. Wenn es so weiter geht, wie bisher, wird das Thema schließlich weiter an Brisanz gewinnen. Laut Bitkom nutzt gut ein Drittel (35 Prozent) der Unternehmen in Deutschland bereits Big Data Analysen für die Auswertung großer Datenmengen. Zum Vergleich: Vor zwei Jahren waren es erst 23 Prozent.
Foto: KPMG
Der Bedarf der (potentiellen) Kunden ist allerdings je nach Branche und Unternehmensgröße anders ausgeprägt. ChannelPartner stellt in fünf Schritten vor, wie Systemhäuser und Dienstleister sich mit Einsicht in das Kundeninteresse und aktuelle Big Data-Trends den Markt erschließen.
1. Data Mining - Mehrwerte aus dem Datenberg
Datenberge erscheinen auf den ersten Blick nutzlos und sogar teuer, müssen sie nur gespeichert werden. Mit Analysemethoden können allerdings die ihre Werte wie Querverbindungen, Trends oder Vorhersagen, "ausgegraben" werden. Die Metapher "Data Mining" beschreibt diesen Vorgang.
Und darum geht es auch den Unternehmen. Eine große Mehrheit der Firmen (80 Prozent) treffen relevante Entscheidungen auf Datenbasis. Bitkoms Datenreport zeigt außerdem, dass es um konkrete Mehrwerte aus den Daten geht. Immerhin gelingt es zwei Dritteln der Studienteilnehmer einen Nutzen aus den Daten zu ziehen.
Hier ist allerdings noch Luft nach oben, gerade bei den kleineren Unternehmen. Nur 60 Prozent der Firmen mit weniger als 500 Mitarbeitern können aus den Daten einen Nutzen ziehen. Das Thema ist beim Mittelstand noch nicht so präsent, wie es sein sollte. Hier kann sich der Channel-Unternehmen besonders positionieren.
2. Die Big Data-Ziele der Unternehmen - IT-Dienstleister sind gefragt
Worin sehen die Firmen den Nutzen? Was sind die Big Data-Ziele?
Laut Umfrage sammeln und analysieren alle befragten Unternehmen Stammdaten, die Basisinformationen wie Name und Anschrift eines Kunden oder Spezifikationen eines Produktes umfassen. Fast 90 Prozent werten Kundendaten aus. Gerade in der Produktion ist die systemische Analyse, etwa von Sensor- oder Standortdaten, besonders wichtig. Öffentlich verfügbare Daten dienen etwa dazu, sich zur ökonomischen Entwicklung zu informieren. 70 Prozent nutzen diese "Public Data".
3. Spezialisten für steigende Datenvielfalt gesucht
Die Datenvielfalt in den Firmen steigt. Mittlerweile werden fast alle Daten digital gesammelt, ob es sich um Kundendaten, systemisch erstellte Daten oder öffentliche Daten handelt.
Bisher lagern die Firmen allerdings gerade beim Thema Datenanalyse besonders selten zu externen Dienstleistern aus. Das wird sich durch das Thema "Advanced Analytics" ändern (müssen).
Foto: KPMG
Bisher waren vielleicht noch Ad-hoc-Analysen mittels Excel oder Access im Einsatz. Mit spezielleren IT-Tools, wie Business Intelligence, können zudem bereits strukturierte Daten ohne großen Aufwand analysiert werden.
Gerade durch die steigende Datenvielfalt bleiben mit diesen gängigen und intern abbildbaren Methoden wertvolle Informationen verborgen. Advanced Analytics, also fortgeschrittene Methoden, bei denen etwa In-Memory-Datenbanken zum Einsatz kommen, machen auch Daten unterschiedlichster Herkunft und Struktur zugänglich. Um mehr über Zusammenhänge und Erkenntnissen aus den Daten zu erfahren, werden Unternehmen in Zukunft vermutlich also vermehrt outsourcen müssen. Allerdings gilt es für den Channel hier rechtliche und den Datenschutz betreffende Bedenken aus dem Weg zu räumen.
4. Trend "Prescriptive Analytics" - Chancen für den Channel
Die Zukunft der Datenwelt liegt nicht etwa darin in die Vergangenheit zu blicken. Mit sogenannter "Prescriptive Analytics" können aus den Daten nicht nur Vorhersagen getroffen, sondern direkt Handlungsempfehlungen abgeleitet. Das ist die Basis für eine vollständige Automatisierung. Voraussetzung: Die Datenanalyse muss schnell - bis hin zur Echtzeitauswertung - erfolgen und gegen Ausfälle abgesichert werden.
Was genau unter "Presciptive Analytics" zu verstehen ist, lesen Sie bitte hier.
5. Branchen mit dem größten Big Data-Potential
Die Industrie 4.0 macht die Branchen Maschinenbau und Automobilindustrie zu den Big Data-Vorreitern. Klar, die Produktion bietet mit Sensor- und Maschinendaten und gleichzeitig dem enormen Zeit- und Konkurrenzdruck die größten Optimierungsmöglichkeiten.
Foto: KPMG
Die Gesundheitsbranche braucht Unterstützung dabei, ihre Ergebnisse aus Big Data in konkrete Mehrwerte zu überführen. Erstaunlicherweise trifft das ebenso auf Firmen aus der IT- und Elektronik-Branche zu.
Spezialisierte Dienstleister finden außerdem Geschäftspotential bei Banken und den Medien vor. Beide haben das Thema Big Data noch kaum für sich besetzen können und beziehen Datenanalysen bisher wenig in die Entscheidungsprozesse mit ein.
Analytics nach Reifegrad im Überblick
Descriptive Analytics (=beschreibend): Was passiert?
Hier werden historische Daten, zum Beispiel von Maschinen, wie Temperatur oder Vibration, untersucht. Sie geben im Nachhinein Aufschluss über Gründe für Erfolge oder Misserfolge.
Predictive Analytics (=vorhersagend): Was wird passieren?
Die Vergangenheit der Daten wird auf die Zukunft hin projiziert. Dies ist die Basis für Maschine Learning und die Vorhersage von Ereignissen
Prescriptive Analytics (=vorschreibend): Was sollte passieren?
Bei diesem höchsten Reifegrad der Technologie werde direkt konkrete Handlungsanweisungen oder Lösungsvorschläge gegeben. Jegliche Form der Daten, sowohl intern als auch extern generierte, werden zur Simulation herangezogen. Dabei können auch automatisierte Prozesse angeknüpft werden, sodass Maschinen autonom entscheiden, welche Aktion passiert. (rw)