Status Quo Advanced Analytics in der DACH-Region – Gelingt die produktive Nutzung der Lösungen? Teil 2: Herausforderungen und Herangehensweisen

Advanced Analytics ist nach wie vor ein Trendthema. Es kann die Basis für neue Geschäftsmodelle, attraktivere Produkte und Dienstleistungen bilden oder zur Prozessoptimierung genutzt werden. Allerdings ist oft unklar, was bereits machbar und was leider nur wünschenswert ist. Doch wie werden fortgeschrittene Analysemethoden heute tatsächlich genutzt? Welche Unternehmen nutzen Advanced Analytics überwiegend? Wie weit sind die einzelnen Branchen? Welche Use Cases werden tatsächlich umgesetzt? Antworten auf diese Fragen geben die Ergebnisse der neuesten BARC-Anwenderbefragung Advanced Analytics. Die jährlich stattfindende Studie analysiert die Rückmeldungen von wieder über 250 Teilnehmern aus der DACH-Region. Dabei werden dieses Mal insbesondere Unterschiede zwischen Unternehmen, die sich im Stadium der Prototypisierung und solchen, die sich noch vorwiegend in der Operationalisierung befinden, herausgearbeitet.

Unterschiedliche Software in Prototypisierung und Operationalisierung genutzt

Die am häufigsten genutzten Werkzeuge  zur Umsetzung von Advanced Analytics sind Business-Intelligence-Plattformen und Data-Discovery-Werkzeuge (69%). Diese bieten zum einen integrierte statistische Bibliotheken an,  zum anderen ist aber auch die direkte Integration von Open-Source-Entwicklungssprachen wie R oder Python möglich. 43% der Unternehmen setzen auf Open-Source-Entwicklungssprachen wie R oder Python für die Modellierung und 20% der Unternehmen auf Advanced-Analytics-Plattformen. Gruppiert man die Werkzeuge in kommerzielle und Open-Source-Werkzeuge und segmentiert die Anwender in jene, die sich hauptsächlich mit der Operationalisierung befassen und solche die sich hauptsächlich in der Prototypisierung befinden, sind klare Unterschiede in der Nutzung erkennbar. Während Unternehmen, die sich überwiegen in der Prototypisierung von Advanced-Analytics-Lösungen befinden, zu über 70% Open-Source-Technologie einsetzen, tun dies nur ca. 50% der Unternehmen in der Operationalisierung. 


Abbildung 2: Welche Software haben Sie im bzw. planen Sie zukünftit einzusetzen? (n=224)

Fehler im Datenmanagement sind das technische Hauptproblem

Datenmanagement ist aufgrund wachsender Datenmengen und -quellen wichtiger denn je. Bei einem Drittel der Befragten beeinträchtigen Fehler im Datenmanagement, wie bspw. eine unzureichende Datenqualität oder fehlender Datenzugriff ihre Advanced-Analytics-Vorhaben. Zudem zeigen sich interessante Unterschiede zwischen Unternehmen, die sich hauptsächlich noch in der Prototypisierung befinden gegenüber den fortgeschrittenen Firmen: 45 % der Firmen, die sich noch vorwiegend mit der Prototypisierung von Advanced Analytics beschäftigen, geben an, dass sie durch unflexible Systeme gehindert werden (bei den fortgeschrittenen Unternehmen stellt dies nur für 23 % ein Problem dar).


Abbildung 3: „Welche technischen Faktoren beeinträchtigen Ihre Advanced-Analytics-Projekte?“ nach Phase (n=101)

Personalaufbau, Implementierung und externe Beratung sind Priorität

Je weiter die Umsetzung von Advanced-Analytics-Projekten fortschreitet, desto deutlicher wird auch der Mangel an Business-Analysten, Data Scientists und Data Engineers. Unternehmen, die sich bereits in der Operationalisierung befinden, investieren stärker in ihren Personalaufbau (42 % gegenüber 31 % der Unternehmen in der Operationalisierung). Unternehmen, die sich noch in der Protypisierung befinden, investieren mehr in die Implementierung (41 % gegenüber 32 % der Unternehmen in der Operationalisierung). Dies ist nachvollziehbar, befinden sich diese Unternehmen ja noch vorwiegend in der ersten Hälfte des Data-Mining-Zyklus und müssen die Herausforderungen lösen, Datenzugänge einzurichten, Daten aufzubereiten und Data-Mining-Modelle auszuarbeiten.

Lernen Sie weitere strategische, technologische und organisatorische Herangehensweisen sowie Best Practices der produktiven Nutzung von Advanced Analytics auf dem Data Festival am 20. und 21. März 2019 in München kennen (https://www.datafestival.de) und nutzen Sie die Chance sich mit anderen Teilnehmern, Ausstellern, Experten und Gleichgesinnten zu vernetzen und in moderierten Workshops auszutauschen.