Studie Predictive Analytics 2018 von COMPUTERWOCHE und CIO

Datenbasierte Entscheidungen lösen das Bauchgefühl ab

16.07.2018
Von 
Jürgen Mauerer ist Journalist und betreibt ein Redaktionsbüro in München.
Unternehmen wollen mit Predictive Analytics primär ihre betrieblichen Prozesse optimieren und eine bessere Datenbasis für strategische Entscheidungen schaffen. Damit das gelingt, müssen sie vor allem in die analytischen Skills ihrer Mitarbeiter investieren. Lesen Sie mehr zu den Ergebnissen der Studie Predictive Analytics 2018 im 2. Teil unseres Berichtes.

In den Unternehmen nimmt Predictive Analytics zunehmend Fahrt auf. Das zeigen die Ergebnisse der aktuellen Studie "Predictive Analytics 2018", die CIO und COMPUTERWOCHE gemeinsam mit den Partnern Lufthansa Industry Solutions, Datavard, Jedox und Seven Principles erstellt haben. Dazu wurden 390 Entscheider aus der DACH-Region zu ihren Plänen und Projekten rund um die fortschrittliche Datenanalyse befragt.

Ein erster Bericht zu den Ergebnissen der Studie befasste sich mit dem Status quo in deutschen Firmen. In diesem zweiten Teil stehen die Chancen sowie die technischen und organisatorischen Herausforderungen von Predictive Analytics im Vordergrund.

Optimieren von betrieblichen Prozessen

Welche Ziele verfolgen die Firmen mit ihren Analytics-Aktivitäten? Die befragten Firmen haben mit Predictive Analytics vielfältige Ziele im Blick. Daher sind die Antworten auch breit gestreut. Primäre Antreiber sind die Optimierung betrieblicher Prozesse und eine bessere Datenbasis für strategische Entscheidungen.

Den Anwenderunternehmen geht es in Sachen Predictive Analytics vor allem um die Optimierung ihrer betreiblichen Abläufe.
Den Anwenderunternehmen geht es in Sachen Predictive Analytics vor allem um die Optimierung ihrer betreiblichen Abläufe.

Knapp ein Drittel der Firmen (32 Prozent) will mit Hilfe von Analytics seine betrieblichen Prozesse optimieren. Bei den großen Unternehmen sind es sogar 40 Prozent. Zum Stichwort "Effizienz" gehören ferner Punkte wie die Verbesserung der Qualität bestehender Produkte und Dienstleistungen (27 Prozent), ein höherer Umsatz (26 Prozent), eine bessere Kosteneffizienz (23 Prozent) sowie die Optimierung der Lieferkette (15 Prozent).

Daten lösen das Bauchgefühl ab

29 Prozent der Firmen erhoffen sich durch Analytics darüber hinaus eine bessere Datenbasis für strategische Entscheidungen. Die Mehrheit der Befragten geht deshalb auch davon aus, dass das Management künftig am meisten von der fortgeschrittenen Datenanalyse profitieren wird. Das bestätigt Lars Schwabe, Associate Director bei Lufthansa Industry Solutions: "Der eigentliche Nutzen von Predictive Analytics liegt darin, dass Entscheidungen datenbasiert und nicht mehr aus dem Bauch getroffen werden. Weitere Ausbaustufen automatisieren die Entscheidungsfindung, so dass Maschinen die Entscheider unterstützen oder gar komplett autonom Entscheidungen treffen, zum Beispiel für den Kauf- oder Verkauf von Gütern."

Die Studie "Predictive Analytics 2018" bekommen Sie hier im Shop der COMPUTERWOCHE

Strategie-Handbuch für CIOs

Großes Potenzial für Predictive Analytics sehen die Betriebe zudem in der IT-Abteilung, dem Vertrieb (32 Prozent) und dem Bereich Finanzen / Steuer / Controlling. Diese Fachbereiche werden demnach künftig verstärkt von Vorhersagemodellen profitieren. Den geringsten Nutzen erwarten die Firmen für die Personalabteilung sowie für Forschung und Entwicklung. Weitere wichtige Antreiber für Predictive Analytics sind eine höhere Kundenzufriedenheit oder auch die Entwicklung neuer Produkte oder Geschäftsmodelle.

Auch Daniel Eiduzzis, Solution Architect Analytics bei Datavard sieht viele Chancen für Firmen: "Das Feld von Predictive Analytics ist sehr breit gefächert. Unternehmen können in ihrem angestammten Business bestehende Prozesse durch Automatismen optimieren und gleichzeitig durch verbesserte Vorhersage-Modelle die Qualität der Produkte steigern. Predictive Analytics bietet aber auch die Chance sich komplett neue Geschäftsfelder zu erschließen. Vor 15 Jahren war beispielsweise das autonome Fahren noch für manche Science Fiction. Heute stehen wir an der Schwelle, dass wir unmittelbar vor der Marktreife stehen."

Herausforderungen: Komplexität und fehlende Skills

Doch bevor Predictive-Analytics-Projekte erfolgreich verlaufen und entsprechenden Nutzen bringen, müssen Firmen eine Reihe von Hürden überwinden. Als größte Herausforderung nannte ein gutes Viertel der Befragten (26 Prozent) fehlende Ressourcen im Fachbereich beziehungsweise der IT-Abteilung. Knapp ein weiteres Viertel der Firmen sieht Hemmnisse durch die Komplexität der Analytics-Lösungen, fehlende analytische Skills im Unternehmen oder die mangelnde Datenqualität. Mit dem hohen Aufwand für die Implementierung von Analytics-Lösungen sowie für die Schulung und Weiterbildung der Mitarbeiter (jeweils 19 Prozent) folgen zwei weitere Punkte, die für die Komplexität der Projekte stehen.

Vor allem fehlende Ressourcen im IT- und dem Fachbereich behindern die Initiativen rund um Predictive Analytics.
Vor allem fehlende Ressourcen im IT- und dem Fachbereich behindern die Initiativen rund um Predictive Analytics.
Studiensteckbrief

Studiensteckbrief

Herausgeber: COMPUTERWOCHE, CIO, TecChannel und ChannelPartner

Studienpartner

Gold-Partner: Lufthansa Industry Solutions GmbH & Co. KG

Silber-Partner: Datavard AG

Bronze-Partner: Jedox AG, SEVEN PRINCIPLES AG

Grundgesamtheit: Oberste (IT-) Verantwortliche von Unternehmen in der D-A-CH-Region: strategische (IT-)Entscheider im C-Level-Bereich und den Fachbereichen (LoBs), IT-Entscheider & IT-Spezialisten aus dem IT-Bereich.

Teilnehmergenerierung: Stichprobenziehung in der IT-Entscheider-Datenbank von IDG Business Media. Persönliche E-Mail-Einladungen zur Umfrage.

Gesamtstichprobe: 390 abgeschlossene und qualifizierte Interviews.

Untersuchungszeitraum: 15. März bis 2. April 2018

Methode: Online-Umfrage (CAWI)

Fragebogenentwicklung: IDG Research Services in Abstimmung mit den Studienpartnern.

Durchführung: IDG Research Services

Die technischen Probleme mit Analytics-Lösungen sind vielschichtig und gleichmäßig verteilt. Am häufigsten nennen Firmen fehlende Funktionen und Fehler im Datenmanagement. Knapp dahinter rangieren mit jeweils 23 Prozent eine unzureichende Skalierbarkeit der Systeme sowie die mangelnde Flexibilität der Analytics-Lösungen und Tools. Ein Fünftel der Betriebe beklagt nicht intuitive Benutzeroberflächen, den fehlenden Zugriff auf Datenquellen und lange Antwortzeiten der Analytics-Lösung.

Weitere wichtige Hemmnisse betreffen den Bereich Datenschutz & Datensicherheit (18 Prozent), die unzureichende Verfügbarkeit von historischen oder externen Daten sowie eine nicht funktionierende Datenintegration (jeweils 16 Prozent). "Wir sehen insbesondere das Thema der Datenauswahl und -Aufbereitung als kritischen Erfolgsfaktor", sagt Vladislav Mali?evi?, Vice President Development & Support bei Jedox. "Will man KI-Technologien einsetzen, benötigen lernende Algorithmen und Modelle nicht nur eine ausreichend große Datenmengen, sondern müssen auch die Art und Format der Daten verstehen. Das bedeutet sämtliche neuen Daten aus internen und externen Quellen müssen auch wieder so aufbereitet werden wie die Trainingsdaten, und das in Echtzeit. Nur so können damit zuverlässige Aussagen getätigt werden."

Lesen Sie mehr zum Thema Predictive Analytics:

Laut Jan-Henrik Fischer, Bereichsleiter Business Intelligence & Big Data bei Seven Principles, müssen Firmen ihre Predictive-Analytics-Strategie grundsätzlich auf den Prüfstand stellen: "Viele Projekte wirken wie Stückwerk. Den meisten Unternehmen fehlt ein Masterplan, wie die zunehmende Analytik im Unternehmen eingebettet werden muss. Wo sind die wichtigsten Handlungsfelder? Welche Technologien sind dafür nötig? Welche Investments müssen getätigt werden? Es wird Zeit sich über die konsequente Wandlung zu einem 'Data-driven' Unternehmen Gedanken zu machen. Hierzu gehören eine Strategie, ein Governance-Rahmen sowie die richtige organisatorische Verankerung analytischer Verbesserungsprozesse."

Hoher Grad der Automatisierung

Trotz der genannten Herausforderungen und Probleme haben erstaunlich viele Unternehmen die IT-Prozesse für Predictive Analytics bereits operationalisiert beziehungsweise automatisiert. In nur elf Prozent der Firmen gibt es keine Automatisierung, sondern die Tools werden ad hoc genutzt. In 35 Prozent der Betriebe sind alle Berichte auch untertägig aktuell, und die Mitarbeiter können sie über ein Frontend lesen. Ein Fünftel der Unternehmen hat die Integration der Daten aus mehreren Datenquellen in einer Zieldatenbank (Extract Transform Load, ETL) automatisiert. Vorreiter sind hier wenig überraschend die großen Unternehmen (32 Prozent). Die Königsdisziplin Self-Service Predictive Analytics auf der jeweils aktuellen Datenlage haben bereits neun Prozent der Firmen umgesetzt. Das behauptet vor allem das C-Level-Management (23 Prozent).

Viele Unternehmen haben ihre Prozesse bereits für Predictive Analytics operationalisiert.
Viele Unternehmen haben ihre Prozesse bereits für Predictive Analytics operationalisiert.

Wer gibt in den Firmen beim Thema Analytics den Ton an? In 36 Prozent der Firmen ist der IT-Leiter mit seiner Abteilung für die Analytics-Initiativen zuständig. Zählt man noch die Ergebnisse für den CIO oder IT-Vorstand (28 Prozent) hinzu, kommt man auf 64 Prozent. Das heißt in fast zwei Drittel der Firmen ist Analytics ein IT-Thema. In 28 Prozent der Unternehmen treibt die Geschäftsführung Analytics-Vorhaben voran. Auffallend ist hier mit 45 Prozent der hohe Wert bei den kleinen Unternehmen. Aber auch die Leiter eines Fachbereichs wie Marketing, Vertrieb oder Kundenservice (17 Prozent), der CTO / Technik-Vorstand (14 Prozent) oder der CDO (Chief Digital Officer) mit elf Prozent übernehmen Analytics-Verantwortung.

Mitarbeiter brauchen Datenkompetenz

Predictive Analytics stellt insbesondere an die Mitarbeiter hohe Anforderungen. 42 Prozent der Unternehmen erwarten von ihren Angestellten, dass diese sicher mit Daten umgehen können, wenn sie sich mit Aufgaben rund um Predictive Analytics befassen. Sie müssen sich sowohl mit der Datenaufbereitung auskennen als auch den fachlichen Background von Daten verstehen, damit sie aus den Analyseergebnissen einen Mehrwert ableiten können. An zweiter Stelle der notwendigen Skills für fortgeschrittene Analysen steht Wissen über spezifische Geschäftsprozesse, gefolgt von Kommunikationsfähigkeit.

Der sichere Umgang mit Daten ist eine Kernkompetenz für Mitarbeiter, die mit Predictive Analytics arbeiten möchten.
Der sichere Umgang mit Daten ist eine Kernkompetenz für Mitarbeiter, die mit Predictive Analytics arbeiten möchten.

Gefragt ist auch die Moderation zwischen den Fachbereichen und der IT-Abteilung (30 Prozent), da Predictive Analytics eine enge Zusammenarbeit zwischen den verschiedenen Abteilungen im Unternehmen erfordert. Weitere wichtige Fähigkeiten, die Mitarbeiter beherrschen sollten, sind statistisches, mathematisches Verständnis (30 Prozent), Marktkenntnisse (27 Prozent), Tool-Know-how und Kreativität mit jeweils 25 Prozent. Interessant: Erst am Ende der Skill-Skala tauchen Programmierkenntnisse auf.

Die Studie "Predictive Analytics 2018" bekommen Sie hier im Shop der COMPUTERWOCHE