Too big to use: Die Unternehmen sind mit vielen Datenquellen überfordert – und verzetteln sich bei der Einbindung von Daten unterschiedlicher Herkunft.
Das Thema Komplexität bei Big Data und Data Analytics hatte ich erst Ende Oktober hier im Blog näher beleuchtet: Demnach wollen zwar acht von zehn Managern Software zur Datenanalyse nutzen – aber die Technologie ist für drei Viertel zu komplex.
Das liegt unter anderem auch daran, dass die Unternehmen mit vielen Datenquellen überfordert sind. Das ist der wichtigste Befund einer Studie, welche die Unternehmensberatung Sopra Steria Consulting gemeinsam mit dem IT-Analysehaus Business Application Research Center (BARC) durchgeführt hat.
Laut der Studie hat fast jedes zweite Unternehmen in Deutschland ein Big-Data-Problem: Nur in acht Prozent der Firmen werden unternehmensweit unterschiedlichste Datenquellen – inklusive Daten anderer Organisationen – zur Entscheidungsfindung genutzt. Bei 44 Prozent ist dieses Ziel immerhin teilweise erreicht.
Viele Unternehmen verzetteln sich im Umgang und der systematischen Einbindung der Daten unterschiedlicher Herkunft. Vier von zehn Befragten klagen über fachliche Defizite, Daten für weiterführende Analysen einzusetzen. Die Folge: fehlende Wertschöpfung aus den Analytics-Investitionen.
Dabei wird die Einbeziehung differenzierter Datenquellen für Unternehmen aktuell immer wichtiger. Grund: Viele digitale Dienstleistungen basieren auf künstlicher Intelligenz und Machine Learning. Dazu zählen beispielsweise Prognosen, wie sich Kunden und Märkte verhalten werden, um die Produktion zu steuern.
Zudem wollen längst nicht mehr nur Online-Händler ihren Kunden Produkte empfehlen oder Alternativen zeigen, wenn das Wunschprodukt gerade nicht verfügbar ist. Algorithmen werten dazu viele Millionen von Datensätzen aus. Diese stammen aus einer steigenden Anzahl von Datenquellen wie etwa Geo-, Social-Media- und Sensordaten.
Knackpunkt bei der Entwicklung neuer datengetriebener Geschäftsmodelle ist weniger die technische Analysepower, sondern die fehlende fachliche Verwertung: 43 Prozent der befragten Unternehmen haben Schwierigkeiten, aus Daten Wissen und Erkenntnisse abzuleiten und im Ergebnis Mehrwert durch Information zu schaffen.
Aufgrund der Komplexität rücken einige Unternehmen inzwischen wieder von der Strategie ab, möglichst viele Datenquellen und Datensätze zu nutzen: Diesen geht es beim Einsatz von Künstlicher Intelligenz und Machine Learning eher darum, die richtige Auswahl an Daten zu haben, diese aber vollkommen verstanden wird.
Andere Unternehmen setzen auf neue Konzepte wie Data-Thinking – eine Methode, die das Design-Thinking mit der Datenanalyse und dem Data-Mining kombiniert. Die Beispiele zeigen, dass in vielen Branchen gerade ein Umdenken einsetzt, weg von Big Data-, hin zu Smart-Data-Strategien.
Weitere Zahlen & Fakten zur Datennutzung in deutschen Unternehmen in der folgenden Infografik:
Quelle: Sopra Steria Consulting
Verwandte Artikel:
8 von 10 Managern wollen Data Analytics nutzen, aber für 3/4 zu komplex
8 von 10 Konzernen wollen Data Analytics in der Cloud – 70% wechseln nur langsam
40% der Mitarbeiter in deutschen Firmen mit zu geringen Kenntnissen für Big Data
Herausforderung Big Data: 7 von 10 Firmen nutzen Internet-of-Things-Daten nicht