+ All Categories
Home > Documents > Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

Date post: 13-Feb-2017
Category:
Upload: duongkhuong
View: 245 times
Download: 2 times
Share this document with a friend
55
BARC-Anwenderstudie Advanced & Predictive Analytics Schlüssel zur zukünftigen Wettbewerbsfähigkeit
Transcript
Page 1: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie

Advanced & Predictive Analytics

Schlüssel zur zukünftigen Wettbewerbsfähigkeit

Page 2: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 2 –

Autoren

Lars Iffert

Analyst

[email protected]

Dr. Carsten Bange

Geschäftsführer

[email protected]

Melanie Mack

Head of Research

[email protected]

Jevgeni Vitsenko

Analyst

[email protected]

Diese unabhängige Studie wurde von BARC erstellt, einem objektiven Marktanalysten.

Die Autoren danken Frank Niemann für seine Unterstützung.

Dank eines Sponsorings durch SAS, SDG und Sopra Steria Consulting kann diese Studie kostenfrei

verteilt werden.

Page 3: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 3 –

Inhaltsverzeichnis

Advanced und Predictive Analytics Schlüssel zur zukünftigen Wettbewerbsfähigkeit?.............4

Management Summary ........................................................................................................................5

94 Prozent der befragten Unternehmen schätzen fortgeschrittene Analyse für zukünftig wichtig

ein ..............................................................................................................................................5

Key User im Fachbereich sind insgesamt die häufigsten Anwender, wobei Best-in-Class-

Unternehmen stark auf Data Scientists setzen .........................................................................6

Technische Hauptprobleme in der Umsetzung sind eine unzureichende Agilität der BI-

Infrastruktur sowie Probleme im Datenmanagement ................................................................6

Fehlende Ressourcen im Fachbereich und fehlendes Verständnis von datengetriebenen

Geschäftsmodellen sind die größten Projekthemmnisse ..........................................................7

Unternehmen für IT/Telekommunikation und der Finanzsektor sind Vorreiter in der Nutzung von

Advanced und Predictive Analytics, Handel und Industrie planen den Einsatz verstärkt .........8

Fortgeschrittene Analysen steigern den Geschäftsnutzen – selbst Nachzügler berichten „etwas

Advanced Analytics“ führt bereits zu spürbarem Nutzen ..........................................................9

Grundlagen von Advanced und Predictive Analytics ................................................................... 10

Ergebnisse der Umfrage .................................................................................................................. 12

Status quo Advanced Analytics in Unternehmen ........................................................................ 13

Organisation von Advanced und Predictive Analytics in Unternehmen ...................................... 16

Technologie für die Umsetzung von Advanced Analytics ........................................................... 22

Advanced Analytics Projekte in Unternehmen ............................................................................ 28

Branchenbetrachtung .................................................................................................................. 35

Nutzen von Advanced Analytics .................................................................................................. 39

BARC-Handlungsempfehlungen ..................................................................................................... 42

Anhang A: Methodik und Demografie............................................................................................. 45

Anhang B: Betrachtung der Unternehmen nach “Best in Class vs. Nachzügler ....................... 47

Anhang C: Glossar ........................................................................................................................... 48

Das Business Application Research Center (BARC) .................................................................... 51

SAS ..................................................................................................................................................... 52

SDG .................................................................................................................................................... 53

Sopra Steria Consulting ................................................................................................................... 54

Page 4: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 4 –

Advanced und Predictive Analytics Schlüssel zur zu-künftigen Wettbewerbsfähigkeit?

ehr als nur Reporting machen – das

ist die Maßgabe, mit der viele BI-Ver-

antwortliche in das Jahr 2016 gestar-

tet sind. Gerade in der fortgeschrittenen Daten-

analyse und Vorhersagen (Advanced und Pre-

dictive Analytics) liegt großes Potential, aus den

bisherigen Investitionen in BI-Systeme und Da-

tenbestände mehr Nutzen zu ziehen.

Eine Vielzahl von Anwendungsfällen kann von

Advanced und Predictive Analytics profitieren.

Dies reicht von klassischen Kundenwert- und Er-

folgsprognosen, der Verhinderung von Vertrags-

kündigungen oder Preis-, Absatz- und Bedarfs-

prognosen bis zu neuen Aufgaben wie der Vor-

hersage von Maschinenausfällen, Social Media

Monitoring und Auswertung oder Predictive Poli-

cing.

Mit „Advanced Analytics“ werden Datenanalysen

beschrieben, die über einfache mathematische

Berechnungen wie Summen- und Durchschnitts-

bildung, Filterfunktion oder Sortierung hinausge-

hen. Fortgeschrittene Analysen nutzen mathe-

matische und statistische Formeln und Algorith-

men mit dem Ziel, neue Informationen zu erzeu-

gen, Muster zu erkennen und auch Vorhersage-

werte mit den zugehörigen Wahrscheinlichkeiten

zu berechnen. „Predictive Analytics“ stellt einen

Teilbereich von „Advanced Analytics“ dar und fo-

kussiert auf die Ermittlung von zukünftigen Er-

eignissen, Werten und Information mit ihren je-

weiligen Wahrscheinlichkeiten.

Die Anwenderstudie untersucht dabei folgende

Schwerpunkte:

Anwendungsbeispiele und erreichte Mehr-

werte

Reifegrad der Unternehmen und strategi-

sche Ausrichtung

Aktueller und geplanter Einsatz in verschie-

denen Branchen

Big Data und Predictive Analytics

Anforderungen an Software und IT-Dienst-

leister sowie Investitionsplanung

Organisatorische Umsetzung, (z.B. in Form

von Data Science Teams oder Competence

Centern)

Notwendige Qualifikationen des Personals

Einfluss von Trends (z.B. intuitive Benutzer-

oberflächen, agile, schnelle und flexible Bu-

siness-Intelligence-Infrastrukturen)

Die Studie wurde völlig unabhängig durch BARC

erstellt. Sie kann dank eines Sponsering von

SAS und SDG kostenfrei veröffentlicht werden.

Besonderer Dank gilt schon jetzt allen, die auch

an zukünftigen Befragungen von BARC teilneh-

men, denn nur so sind auch weiterhin Beiträge

zu Diskussionen mit empirisch fundierter Daten-

basis möglich.

Würzburg, 14. Januar 2016

Lars Iffert, Carsten Bange, Melanie Mack,

Jevgeni Vitsenko

M

Page 5: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 5 –

Management Summary

Zur Umsetzung von Advanced und Predictive

Analytics müssen Verantwortliche in Unterneh-

men einige Entscheidungen treffen: Welche An-

wendungsfälle sollen angegangen werden, wel-

chen Stellenwert soll das Thema generell im

Unternehmen haben, welche Rollen mit wel-

chen Fähigkeiten sollen aufgebaut oder genutzt

werden und auf welche Technologie möchte

man sinnvollerweise setzen?

Mit 210 Teilnehmern aus der DACH-Region bei

einer breit gefächerten Branchenverteilung

deckt die Studie verschiedene Unternehmens-

größen ab und bietet einen objektiven Blick auf

den Status quo und die Planung von Unterneh-

men hinsichtlich Advanced und Predictive Ana-

lytics.

Die wesentlichen Erkenntnisse der Studie las-

sen sich zu sechs Hot Spots zusammenfassen.

94 Prozent der befragten Unternehmen schätzen

fortgeschrittene Analyse für zukünftig wichtig ein

Die Bedeutung von Advanced und Predictive

Analytics wird von den 210 teilnehmenden Un-

ternehmen hoch eingeschätzt: Über 40 Prozent

der Befragten berichten, dass fortgeschrittene

Analysen bereits heute für sie wichtig sind. Fast

alle (94 Prozent) sehen Advanced und Predic-

tive Analytics für zukünftig wichtig für ihr Unter-

nehmen.

Momentan setzen 37 Prozent der befragten Un-

ternehmen fortgeschrittene Analysen ein, aller-

dings von diesen nur fünf Prozent häufig und 32

Prozent vereinzelt. Neben diesen Praktikern

planen weitere 24 Prozent die kurzfristige und

21 Prozent die langfristige Einführung. 18 Pro-

zent der befragten Unternehmen planen keine

Nutzung von fortgeschrittener Analyse.

Die Ergebnisse decken sich mit den Erfahrun-

gen von BARC: in recht wenigen Unternehmen

ist die Erfahrung mit fortgeschrittenen Analyse-

verfahren, ihren Potentialen und der entspre-

chenden Umsetzung in Organisation, Prozes-

sen und Technologie heute bereits sehr weit

fortgeschritten, sodass eine häufige Nutzung

überhaupt möglich ist. Die meisten Unterneh-

men tasten sich noch an die Thematik heran

und wählen Anwendungsfälle (Use Cases) aus,

die mit verhältnismäßig wenig Aufwand einen

hohen Mehrwert versprechen. Ist fortgeschrit-

tene Analysen dem Unternehmen zukünftig

wichtig (so wie es 94 Prozent der Befragten an-

gegeben haben), so sollte ein Paradigmen-

wechsel von der rückwärtsgewandten in eine

zukunftsgerichtete und explorative Sicht auch in

der Unternehmensstrategie entsprechenden

Eingang finden. Aus dieser angepassten Stra-

tegie leiten sich Maßnahmen ab, um die Auf-

bau- und Ablauforganisation fit für fortgeschrit-

tene Analysen zu machen, sowie die Technolo-

gie anzupassen oder zu ergänzen um die soft-

waregestützte Umsetzung zu gewährleisten.

Hot Spot 1

Page 6: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 6 –

Key User im Fachbereich sind insgesamt die

häufigsten Anwender, wobei Best-in-Class-

Unternehmen stark auf Data Scientists setzen

Eine Schlüsselrolle fällt auch den Key Usern im

Fachbereich zu, die insgesamt die häufigsten

Nutzer von Advanced Analytics sind (29 Pro-

zent). Idealerweise kombinieren sie Domänen-

wissen aus dem Fachprozess mit analytischen

Fähigkeiten.

Data Scientists, welche über fundierte statis-

tisch-mathematische und betriebswirtschaftli-

che Kenntnisse verfügen werden besonders

häufig bei Best-in-Class-Unternehmen einge-

setzt (54 Prozent Best-in-Class versus 15 Pro-

zent Nachzügler). Best-in-Class-Unternehmen

sind diejenigen Unternehmen, die von sich sa-

gen, im Bereich fortgeschrittener Analyse bes-

ser als der Wettbewerb aufgestellt zu sein. Fä-

higkeiten. Erste Unternehmen berichten aller-

dings schon über Schwierigkeiten bei der Rek-

rutierung. Eine Knappheit ist hier absehbar.

Unternehmen planen einen breiteren Einsatz

von fortgeschrittener Analyse: Im nächsten Jahr

sollen doppelt, darüber hinaus dreifach so viele

Mitarbeiter in sämtlichen Bereichen fortge-

schrittene Analysen anwenden.

Nur 14 Prozent dieser Unternehmen nutzen ak-

tuell externe Dienstleister. Kurz oder lang-

fristig wollen weitere zwölf beziehungs-

weise elf Prozent Hilfe hinzuziehen.

Technische Hauptprobleme in der Umsetzung

sind eine unzureichende Agilität der BI-

Infrastruktur sowie Probleme im

Datenmanagement

Als technisches Hauptproblem gibt jedes zweite

Best-in-Class-Unternehmen und 41 Prozent der

„Nachzügler“ eine unzureichend agile BI-Inf-

rastruktur an. Die für die Auswertungen und

Analysen zur Verfügung stehenden Technolo-

gien und Prozesse sind also nicht schnell genug

anpassbar, um neue Aufgabenstellungen zu lö-

sen.

Ferner geben über 30 Prozent der Unterneh-

men an, dass Probleme im Datenmanage-

ment (fehlender Zugriff auf Datenquellen, Feh-

ler im Datenmanagement, z.B. schlechte Da-

tenqualität) fortgeschrittene Analysen beein-

trächtigen.

Zehn bis 25 Prozent der Unternehmen klagt zu-

dem über eine unzureichende Softwareunter-

stützung (keine intuitiven Benutzeroberflä-

chen, unflexible Werkzeuge, fehlende Soft-

warefunktionen) sowie schlechte Systemper-

formance (fehlende Skalierbarkeit der Sys-

teme, schlechte Antwortzeiten der datenliefern-

den Systeme und der Advanced- und Predic-

tive-Analytics-Lösung).

Fortgeschrittene-Analyse-Initiativen können nur

dann erfolgreich sein, wenn die Beteiligten in

den unterschiedlichen Projektphasen auch

technologisch unterstützt werden. Doch einmal

mehr belegt auch die aktuelle Befragung, dass

Mitarbeiter, die sich eigentlich auf die Suche ei-

nes passenden statistischen Modells konzent-

rieren sollten, von zeitraubenden technischen

Problemen ausgebremst werden. Eine

Hot Spot 2

Hot Spot 3

Page 7: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 7 –

schlechte Datenqualität, nicht angebundene o-

der schlecht dokumentierte Datenquellen und

fehlende Funktionen in der Software führen zu

Mehraufwand. IT-Abteilungen sollten dies als

Anlass nehmen und auf eine bessere Ausstat-

tung drängen! Schließlich profitieren von einer

höheren Datenqualität sowie einfacher nutzba-

ren und dokumentierten Daten auch viele an-

dere Mitarbeiter bei der täglichen Arbeit wie der

durchschnittliche BI-Anwender beim Ad-hoc

Reporting oder der Nutzung von „Self Service“-

Lösungen.

Fehlende Ressourcen im Fachbereich und

fehlendes Verständnis von datengetriebenen

Geschäftsmodellen sind die größten

Projekthemmnisse

Allgemein kämpfen Best-in-Class-Unterneh-

men als auch Nachzügler mit ähnlichen allge-

meinen Problemen in ihren Advanced- und Pre-

dictive-Analytics-Projekten: etwa die Hälfte be-

klagt fehlende Ressourcen im Fachbereich,

über ein Drittel fehlende Ressourcen in der IT,

sowie fehlendes Verständnis für datengetrie-

bene Geschäftsmodelle.

Technische Probleme (hohe Komplexität der

Lösung, hoher Implementierungsaufwand, feh-

lendes technisches Know-how) beeinträchtigen

etwa ein Viertel der Unternehmen.

Bei der Gegenüberstellung von Best-in-Class-

Unternehmen und Nachzüglern fallen beson-

ders zwei Ergebnisse auf – Datenschutz und

Organisation.

Nachzügler werden besonders oft durch eine

fehlende organisatorische Verankerung aus-

gebremst (31 Prozent), wohingegen nur elf Pro-

zent der Best-in-Class-Unternehmen dies an-

merken. Letztere haben demnach notwendige

organisatorische Maßnahmen bereits ergriffen.

Eine weitere Auffälligkeit ist die Bedeutung des

Datenschutzes (dem Schutz persönlicher Da-

ten) im Kontext fortgeschrittener Analysen. Fast

die Hälfte der Best-in-Class-Unternehmen sieht

sich hier mit Problemen konfrontiert, jedoch

schätzen nur elf Prozent der Nachzügler das

Thema als problembehaftet an. Der Grund kann

ein noch fehlendes Problembewusstsein der

Nachzügler sein oder aber auch dass Nachzüg-

ler sich bei ihren Advanced-Analytics-Projekten

vordergründig mit Daten beschäftigen, die noch

nicht als derart schützenswert eingestuft wer-

den müssen. Best-in-Class-Unternehmen hin-

gegen wünschen sich ggfs. für ihre weiter ent-

wickelten Projekte jedoch auch die Einbezie-

hung von schützenswerten Daten.

Hot Spot 4

Page 8: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 8 –

Unternehmen für IT/Telekommunikation und der

Finanzsektor sind Vorreiter in der Nutzung von

Advanced und Predictive Analytics, Handel und

Industrie planen den Einsatz verstärkt

Vorreiter in der Anwendung von Advanced Ana-

lytics sind der Finanz- sowie der IT- und Tele-

kommunikationssektor. Hier gaben mehr als die

Hälfte der teilnehmenden Unternehmen an An-

wender zu sein. In beiden Branchen haben die

hohe Kundenzahl verknüpft mit wachsendem

Wettbewerbsdruck sowie die Verluste durch

Betrug den Einsatz fortgeschrittener Analysen

früh gefördert. In allen anderen Branchen ge-

ben nur ca. 30 Prozent der Unternehmen an,

bereits heute Advanced Analytics zu nutzen. Al-

lerdings planen die meisten Branchen, von fort-

geschrittenen Analysen in Zukunft zu profitie-

ren. Besonders hohe Planwerte haben hier

Handel und Industrie, in denen Digitalisierungs-

initiativen stark auf die Datennutzung abzielen.

Insgesamt will nur etwa jedes zehnte Unterneh-

men ganz auf Advanced Analytics verzichten

(allein im Dienstleistungsbereich ist es jedes

dritte).

Hot Spot 5

Page 9: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 9 –

Fortgeschrittene Analysen steigern den

Geschäftsnutzen – selbst Nachzügler berichten

„etwas Advanced Analytics“ führt bereits zu

spürbarem Nutzen

Etwa die Hälfte der Best-in-Class-Unterneh-

men berichten, dass durch fortgeschrittene

Analyse die Planungssicherheit und der Um-

satz verbessert sowie neue Geschäftsmo-

delle, Produkte und Dienstleistungen entwi-

ckelt werden konnten.

Die Nachzügler, die Advanced Analytics be-

reits nutzen, sind den Best-in-Class-Unterneh-

men erstaunlich dicht auf den Fersen. Auch hier

gibt etwa jedes dritte Unternehmen an, in den

oben genannten Bereichen durch fortgeschrit-

tene Analysen zu profitieren. Das bedeutet:

selbst „etwas Advanced Analytics“ kann bereits

großen Nutzen erbringen.

Betrachtet man die Erwartungen an die unter-

schiedlichen aufgeführten Geschäftsnutzen, die

die Nachzügler angegeben haben, die noch

nicht über Advanced-Analytics-Konzepte, -Or-

ganisationsformen und -Technologien verfü-

gen, jedoch die Nutzung planen, so fällt auf,

dass die meisten dieser Erwartungen ähnlich

hoch gewichtet sind, wie sie später auch von

Best-in-Class oder sogar Advanced-Analytics-

nutzenden Nachzüglern erzielt werden (jeweils

ca. 30 bis 45 Prozent).

Hot Spot 6

Page 10: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 10 –

Grundlagen von Advanced und Predictive Analytics

Mit „Advanced und Predictive Analytics“ werden

Datenanalysen beschrieben, die über einfache

mathematische Berechnungen wie Summen-

und Durchschnittsbildung, Filterfunktion oder

Sortierung hinausgehen. Diese fortgeschritte-

nen Analysen nutzen mathematische und sta-

tistische Formeln und Algorithmen mit dem Ziel,

neue Informationen zu erzeugen, Muster zu er-

kennen und auch Vorhersagewerte mit den zu-

gehörigen Wahrscheinlichkeiten zu berechnen

(vgl. Abbildung 1).

Abbildung 1: Advanced & Predictive Analytics in der Klassifizierung von BI-Software

Die Zahl möglicher Anwendungsfälle ist im-

mens und reicht von klassischen Kundenwert-

und Erfolgsprognosen, der Verhinderung von

Vertragskündigungen oder Preis-, Absatz- und

Bedarfsprognosen bis zu neuen Aufgaben wie

der Vorhersage von Maschinenausfällen,

Social Media Monitoring und Auswertung oder

Predictive Policing.

Allgemein kann zwischen „Optimierung“ und

„Innovation“ unterschieden werden: Fortge-

schrittene Analysen ermöglichen es, beste-

hende Prozesse beispielsweise in Form einer

genaueren Verkaufsplanung (und somit Pro-

duktions- und Einkaufsplanung) zu verbessern.

Zum anderen können jedoch auch neue Ein-

sichten, die fortgeschrittene Analysen ermitteln,

neue Geschäftspotentiale aufzeigen oder gar

neue Produkte und Dienstleistungen möglich

machen. So ist eine Kundenklassifikation nach

A-, B- und C-Kunden in Bezug auf den zukünf-

tigen Umsatz wertvoller als eine rein vergan-

genheitsbezogene Einstufung. Stellt man als

Maschinenhersteller die Wartung der Maschi-

nen beim Kunden von vergangenheitsorientier-

ten Expertenschätzungen auf die Analyse und

Interpretation aktueller Maschinensensordaten

um, so können Wartungen im Bedarfsfall erfol-

gen, was Zeit und Geld spart. Zudem könnten

dem Kunden zusätzliche Anwendungen ange-

boten werden, die beispielsweise die Sensorda-

ten visualisieren und zukünftige Wartungster-

mine aufzeigen, um so mehr Transparenz und

Unterstützung zu bieten.

Die Aufgaben, die fortgeschrittene Analysen lö-

sen helfen, lassen sich vereinfacht wie folgt un-

tergliedern:

Page 11: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 11 –

Segmentierung: Erzeugung von Gruppen

aufgrund von Ähnlichkeiten der herange-

zogenen Objekte;

Assoziation: Identifikation der Häufigkeit

des gemeinsamen Auftretens und gegebe-

nenfalls die Ableitung von Regeln wie „Aus

A und B folgt meist C“;

Klassifikation: Bisher nicht Klassen zuge-

ordnete Elemente werden bestehenden

Klassen zugeordnet;

Regressionsanalyse: Identifizierung von

Beziehungen zwischen Elementeigen-

schaften;

Prognose: Ableitung zukünftiger Werte.

Ein wesentlicher Charakterzug von Projekten

im Umfeld der fortgeschrittenen Analysen ist die

vergleichsweise hohe Wahrscheinlichkeit des

Scheiterns: klassische Berichte zeigen nur Da-

ten – sind diese richtig, sind es die Berichte

höchstwahrscheinlich auch, da moderne BI-

Umgebungen seit Jahrzenten weiterentwickelt

werden und die Methoden und Konzepte zur

Berichtserstellung entsprechend gereift sind.

Demgegenüber ist nicht immer sichergestellt,

dass eine fortgeschrittene Analyse tatsächlich

im Stande ist, erwartete Ergebnisse zu liefern:

Für eine Kundenklassifikation steht heute eine

Vielzahl von Standard-Algorithmen bzw. Metho-

den bereit, und ständig werden neue entwickelt.

Genau die beste für die eigenen Daten zu fin-

den hängt von den Fähigkeiten des Experten o-

der dem genutzten Softwaresystem ab. Zudem

können die Algorithmen bei der Findung eines

geeigneten Ergebnisses (z.B. des Kundenklas-

sifikationsmodells) auch an mangelnden Daten

scheitern. Zeichnet sich im Rahmen der Umset-

zung eines fortgeschrittenen Analyseprojektes

ab, dass kein Ergebnis gefunden werden kann,

so sollte man es abbrechen und das nächste

Projekt beginnen.

Zusätzlich müssen Anwender von fortgeschrit-

tenen Analyseverfahren mehr Expertise in der

Arbeit mit Wahrscheinlichkeiten aufbauen:

Stellen klassische BI-Berichte korrekte Zahlen

dar, so sind Ergebnisse fortgeschrittener Analy-

sen unbedingt anhand ihrer Wahrscheinlichkei-

ten zu interpretieren! Die Güte einer Umsatz-

prognose oder Kundenklassifikation sollte somit

nicht nur auf jeder Auswertung vermerkt und

kommuniziert, sondern auch fortlaufend über-

wacht und optimiert werden.

Die Möglichkeiten und Potentiale von fortge-

schrittenen Analysen sind immens.1 Doch wie

häufig setzen Unternehmen Advanced und Pre-

dictive Analytics heute und zukünftig ein und für

wie relevant halten sie die Konzepte und Tech-

nologien?

1 weitere Anwenderbeispiele für erfolgreiche Initiativen im Umfeld von fortgeschrittenen Analysen sind im PAC In-

novation Register (http://www.innovation-register.com) aufgeführt

Page 12: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 12 –

Ergebnisse der Umfrage

Unternehmen befindet sich oft in der Findungs-

phase, wie sie sich in Bezug auf fortgeschrittene

Analyse aufstellen wollen. In der Marktumfrage

wurden die Teilnehmer gebeten, ihre Kompeten-

zen gegenüber dem Wettbewerb einzuschätzen.

Darauf aufbauend wurden die Teilnehmer in

„Best-in-Class“ und „Nachzügler“ aufgeteilt.

Diese Klassifikation wird in vielen Analysen in

der Studie aufgegriffen, um zu differenzieren,

welche Erfahrungen von den beiden Gruppen je-

weils gemacht wurden, bzw. welche Herausfor-

derungen und Chancen sie sehen.

Die Studienergebnisse sind wie folgt gegliedert:

Status quo Advanced und Predictive Analy-

tics in Unternehmen - Ergebnisse zur aktuel-

len Nutzung und Bedeutung.

Organisation in Unternehmen - Welche Ab-

teilungen nutzen heute (und in Zukunft) fort-

geschrittene Analyse, welche Aufbauorgani-

sationen werden verwendet, welche Anwen-

dergruppen sind beteiligt, welche Fähigkeiten

sind besonders relevant?

Technologie für die Umsetzung - Welche

Werkzeuge werden für die Umsetzung von

fortgeschrittenen Analysen verwendet, wel-

che technischen Hemmnisse treten auf?

Erfahrungen aus Advanced-Analytics-Pro-

jekten - Welche allgemeinen Probleme treten

auf, was für Daten werden genutzt, welche

Verfahren werden für fortgeschrittene Analy-

sen genutzt, welche Rolle spielt Big Data im

Kontext von Advanced Analytics?

Branchenbetrachtung - Welche Branchen

nutzen aktuell und planen die Nutzung von

fortgeschrittenen Analysen, Auflistung von

Use Cases.

Nutzen von Advanced Analytics - Welcher

Geschäftsnutzen wird durch fortgeschrittene

Analysen erreicht (z.B. bessere Planung,

Umsatzsteigerung, etc.), welche Herange-

hensweisen haben sich für die Umsetzung

von fortgeschrittener Analyse als wertvoll ge-

zeigt?

.

Page 13: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 13 –

Status quo Advanced Analytics in Unternehmen

Im Zuge der Digitalisierung sind Datenmanage-

ment und Datenanalyse typische Ansatzpunkte

für eine Effizienzsteigerung in Prozessen, neue

Produkte und Geschäftsmodelle. Wir haben die

Teilnehmer der Studie nach ihren aktuellen Her-

ausforderungen gefragt, um den Kontext von

Datennutzung und Datenanalyse zu verstehen.

Jedes zweite Unternehmen nennt demnach als

wichtigste Herausforderungen die Notwendig-

keit von Kostenreduktion, Steigerung von Pro-

zesseffizienz und bessere Prozesssteuerung

sowie die Entwicklung neuer Geschäftsmo-

delle, Produkte oder Dienstleistungen. Nachge-

lagert besteht Bedarf an der Unterstützung stra-

tegischer Entscheidungen, einer Umsatzerhö-

hung, dem Aufbau eines besseren Kundenver-

ständnisses, einer besseren Planbarkeit, Quali-

tätsverbesserungen und einem besseren

Marktverständnis (Abbildung 2).

Abbildung 2: Welches sind die wichtigsten Herausforderungen vor denen Ihr Unternehmen

heute steht? (n=209)

54%

50%

48%

44%

42%

40%

38%

36%

29%

9%

Kostenreduktion, Steigerung der Prozesseffizienz

Steuerung der Prozesse

Entwicklung neuer Geschäftsmodelle/Produkte

Unterstützung für strategische Entscheidungen

Erhöhung des Umsatzes

Besseres Kundenverständnis

Bessere Planbarkeit

Verbesserung der Qualität/Produkte

Verständnis des Marktes/Wettbewerbs

Einbindung von externen Partnern

Page 14: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 14 –

Nur fünf Prozent der Unternehmen setzen fortgeschrittene Analysen heute häu-

fig ein – immerhin fast ein Drittel vereinzelt

Abbildung 3: „Nutzen Sie Advanced und Predictive Analytics in Ihrem Unternehmen?“

(n=210)

Die Auswertung der Anwenderbefragung über-

rascht: nur fünf Prozent der befragten Unter-

nehmen setzen aktuell Advanced Analytics

häufig ein; ein Drittel immerhin vereinzelt. Je-

doch plant ein weiteres Viertel die kurzfristige

und ein Fünftel die langfristige Einführung. Nur

18 Prozent der befragten Unternehmen planen

keine Nutzung fortgeschrittener Analysen.

5%

32%

24%

21%

18%

Ja, Advanced und Predictive Analyticshäufig genutzt

Ja, Advanced und Predictive Analyticsvereinzelt genutzt

Nein, innerhalb der nächsten 12Monate geplant

Nein, langfristig geplant

Nein

Page 15: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 15 –

Fast alle Unternehmen (94 Prozent) schätzen fortgeschrittene Analyse für zu-

künftig wichtig für ihr Unternehmen ein

Abbildung 4: „Wie relevant ist Advanced und Predictive Analytics heute und zukünftig für Ihr

Unternehmen?“ (n=171)

Die Einschätzung könnte eindeutiger nicht aus-

fallen: bereits heute betrachten 40 Prozent aller

Unternehmen Advanced und Predictive Analy-

tics als strategisch wichtig, künftig werden es

fast alle sein (94 Prozent).

Doch wie viel Erfahrung haben Unternehmen

tatsächlich bereits mit fortgeschrittenen Analy-

sen praktisch gesammelt? Hier decken sich die

Ergebnisse der Umfrage sich mit den Projekter-

fahrungen von BARC: es sind erst recht weni-

gen Unternehmen, die heute das Potential fort-

geschrittener Analyseverfahren in größerem

Umfang nutzen und organisatorisch, in den Pro-

zessen und technisch umgesetzt haben. Die

meisten Unternehmen tasten sich hingegen

noch an die Thematik heran und wählen ein-

zelne Projekte aus, die mit verhältnismäßig we-

nig Aufwand einen hohen Mehrwert verspre-

chen. So bietet es sich an, beispielsweise für

das Marketing die Kundenklassifikationsfunkti-

onen des CRM-Systems zu nutzen, um nur

denjenigen Kunden teure Werbebriefe zukom-

men zu lassen, welche auch eine hohe Wahr-

scheinlichkeit für den Kauf aufweisen. Derartige

in die bestehenden operativen (z.B. CRM-) Sys-

teme eingebauten Funktionen sind allerdings

typischerweise recht beschränkt. Unterneh-

men, denen fortgeschrittene Analysen zukünftig

wichtig sind (so wie es 94 Prozent der Befragten

angegeben haben), sollten einen Wandel von

der bisherigen rückwärtsgewandten hin zu ei-

ner zukunftsgerichteten und explorativen Sicht

auch in der Unternehmensstrategie entspre-

chenden einleiten. Aus dieser modifizierten

Strategie leiten sich Maßnahmen zur Verbesse-

rung der Aufbau- und Ablauforganisation für

fortgeschrittene Analysen ab sowie die Anpas-

sung beziehungsweise Auswahl von Technolo-

gien, um die softwaregestützte Umsetzung zu

gewährleisten.

5%

46%

37%

48%

44%

6%

14%Heute

Zukünftig

Sehr wichtig Wichtig Weniger wichtig Überhaupt nicht wichtig

Page 16: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 16 –

Organisation von Advanced und Predictive Analytics in

Unternehmen

Die Teilnehmer der Studie gaben Rückmeldun-

gen zu den Fragen, welche Fachbereiche fort-

geschrittene Analysen einsetzen und welche

Benutzertypen („Rollen“) mit deren Umsetzung

betraut werden. Zudem wurde analysiert, inwie-

fern Advanced-Analytics-Projekte institutionali-

siert sind – also mittels spezieller Organisati-

onseinheiten oder doch projektgetrieben durch-

geführt werden. Eine weitere Frage war, welche

Mitarbeiterqualifikationen besonders wichtig für

fortgeschrittene Analysen sind.

Advanced Analytics wird vor allem von Finanz-, IT- und Management genutzt

Abbildung 5: „Welche Fachbereiche setzen heute bzw. planen zukünftig Advanced- und Pre-

dictive-Analytics-Methoden einzusetzen?“ (n=170)

Aktuell wird Advanced Analytics vor allem in

den Bereichen Finanzen, IT und im Manage-

ment genutzt. Dies kann an dem Profil unserer

Stichprobe liegen, zeigt aber dennoch, dass es

auch viele Anwendungsfälle neben den am

häufigsten sichtbaren Anwendungsbeispielen

aus Marketing- und Vertrieb gibt.

Der Prozentsatz der tatsächlichen Anwender je

Abteilung ist mit bis zu 18 Prozent noch recht

niedrig. Allerdings ist für die meisten Bereiche

eine kurz- und langfristige Nutzung geplant.

Hierbei planen insbesondere die klassischen

Finanz- und Vertriebsabteilungen eine entspre-

chende Nutzung (etwa 85 Prozent dieser Abtei-

lungen wollen von fortgeschrittener Analyse

profitieren). Wir gehen davon aus, dass im Fi-

nanzbereich ein besonderer Fokus auf Vorher-

sageverfahren zur Unterstützung und Automa-

tisierung von Planung und Forecasting liegt.

Vertriebs- und Marketingeinheiten nutzen Ad-

vanced Analytics inzwischen in sehr vielen An-

wendungsszenarien, von der Absatzprognose

und Sortimentsplanung über Preisfindung bis

hin zu genaueren Empfehlungen und Zielgrup-

penansprache.

18%

18%

15%

14%

13%

13%

10%

9%

6

4%

31%

16%

31%

38%

36%

19%

29%

22%

16%

8%

37%

26%

41%

29%

38%

27%

26%

31%

32%

25%

Finanzen und Controlling

IT

Management

Marketing

Vertrieb

Forschung & Entwicklung

Logistik/Supply Chain

Produktion

Beschaffungswesen/Einkauf

Personalwesen

Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant

Page 17: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 17 –

Abbildung 6: „Welche Fachbereiche setzen Advanced und Predictive Analytics ein?“ nach

Best-in-Class und Nachzügler (n=170)

In Best-in-Class-Unternehmen nutzt auf einer

Linie mit der IT und den Finanzabteilungen das

Management fortgeschrittene Analysen (36 bis

39 Prozent). Diese Erkenntnis zeigt die strate-

gische Bedeutung von Advanced Analytics,

überrascht aber dennoch: typische Werkzeuge

für fortgeschrittene Analysen sind noch immer

recht technisch und erfordern eine entspre-

chende Einarbeitung. Allerdings gestalten An-

bieter die Werkzeuge immer intuitiver oder fü-

gen den Produkten neue Ansätze der Benutzer-

führung hinzu. Entscheider im Management

profitieren von dieser Entwicklung.

39%

38%

36%

19%

18%

17%

17%

7%

6%

10%

14%

14%

13%

12%

12%

8%

3%

6%

Management

IT

Finanzen und Controlling

Marketing

Forschung & Entwicklung

Vertrieb

Produktion

Personalwesen

Beschaffungswesen/Einkauf

Best-in-Class-Unternehmen Nachzügler

Page 18: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 18 –

Key User im Fachbereich sind insgesamt die häufigsten Anwender, wobei

Best-in-Class Unternehmen stark auf Data Scientists setzen

Abbildung 7: „Wer führt bei Ihnen im Unternehmen Advanced und Predictive Analytics durch

bzw. wird dies durchführen?“ (n = 170)

Abbildung 8: „Wer führt bei Ihnen im Unternehmen Advanced und Predictive Analytics durch

bzw. wird dies durchführen?“ nach Best-in-Class und Nachzügler (n=170)

Für die Umsetzung von fortgeschrittenen Ana-

lysen wie dem Ermitteln eines passenden Um-

satzprognose- oder Kundenklassifikationsmo-

dells sind gewisse mathematische und statisti-

sche Kenntnisse erforderlich. Data Scientists,

die 15 Prozent der Nachzügler aber 54 Prozent

29%

23%

21%

15%

14%

28%

29%

23%

10%

12%

32%

21%

23%

28%

11%

11%

27%

33%

47%

62%

Key User im Fachbereich

BI CC (Business Intelligence CompetenceCenter)

Data Scientist

Gelegenheitsanwender im Fachbereich

Externer Dienstleister

Aktuell Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant

54%

48%

44%

10%

9%

15%

25%

19%

15%

16%

Data Scientist

Key User im Fachbereich

BI CC (Business IntelligenceCompetence Center)

Externer Dienstleister

Gelegenheitsanwender im Fachbereich

Best-in-Class-Unternehmen Nachzügler

Page 19: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 19 –

der Best-in-Class-Unternehmen nutzen, verfü-

gen typischerweise über entsprechende Fähig-

keiten. Erste Unternehmen berichten allerdings

schon über Schwierigkeiten bei der Rekrutie-

rung. Eine Knappheit ist hier absehbar.

Eine Schlüsselrolle fällt auch den Key Usern im

Fachbereich zu, die insgesamt die häufigsten

Nutzer von Advanced Analytics sind. Idealer-

weise kombinieren sie Domänenwissen aus

dem Fachprozess mit analytischen Fähigkeiten.

Eine weitere starke Rolle spielen Business In-

telligence Competence Center (BICC). Auch

nach unserer Wahrnehmung werden in diesen

Organisationseinheiten verstärkt Ressourcen

für die Fortgeschrittene Analyse aufgebaut, um

der Nachfrage gerecht zu werden und die Ver-

knüpfung mit der BI sicherzustellen.

Unternehmen planen über alle Anwendergrup-

pen (Key User im Fachbereich, BICC, Data Sci-

entists, Gelegenheitsnutzer im Fachbereich,

externer Dienstleister) mehr fortgeschrittene

Analysen: Im nächsten Jahr sollen doppelt, dar-

über hinaus dreifach so viele Mitarbeiter in

sämtlichen Bereichen fortgeschrittene Analy-

sen anwenden.

Best-in-Class-Unternehmen setzen nach wie

vor wenig auf externe Dienstleister (aktuell 14

Prozent, kurzfristig beziehungsweise langfristig

planen diese weitere zwölf und elf Prozent).

Nachzügler verlassen sich etwas mehr auf ex-

terne Unterstützung. Insbesondere um Exper-

tise in dem recht neuen Gebiet der fortgeschrit-

tenen Analyse aufzubauen, ist es sinnvoll, sich

durch externe Unternehmen beraten zu lassen

und erste Pilotprojekte umzusetzen. Einige

Dienstleister bieten „Data Scientist as a Ser-

vice“ an um diesen Bedarf zu decken. Für die

Nutzung und kurzfristige Modifikation der erar-

beiteten Modelle und Algorithmen und die Etab-

lierung fortgeschrittener Analysen im Unterneh-

men, sollten jedoch verlässliche und fachlich

eingearbeitete Spezialisten bereit stehen, die

bestenfalls direkt im Unternehmen angesiedelt

sind.

Schlüsselkompetenzen zur Umsetzung: Datenaufbereitung ist wichtiger als ma-

thematisch-/statistisches Verständnis

Abbildung 9: Fortgeschrittene Analysen entlang des Analytischen Zyklus umsetzen

Page 20: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 20 –

Für die Umsetzung fortgeschrittener Analysen

hat sich die in Abbildung 9 dargestellte Heran-

gehensweise als sinnvoll herausgestellt.

Aufgabenverständnis: Abstimmung von

Projektauftrag, Ausgangssituation, Er-

wartungshaltung an das Projekt, Dar-

stellung betriebswirtschaftlicher Ziele

Aufbau des Datenverständnisses, Da-

tenselektion, Datenintegration & Daten-

aufbereitung

Modellierung & Modellvalidierung: Er-

mittlung des günstigsten Modells (z.B.

Umsatzprognose- oder Kundenklassifi-

kationsmodell)

Ergebnisevaluation und Gütebewer-

tung: Prüfung des Modells auf Stimmig-

keit; Fehlerbetrachtung; Gegenüber-

stellung der Ergebnisse mit Projektauf-

trag

Operationalisierung: Verfügbarma-

chung der Ergebnisse in operativen

Prozessen (z.B. Einbau des Kunden-

klassifikationsmodells in das ERP-Sys-

tem zur automatischen Kundenklassifi-

kation)

Fortlaufende Bewertung der Güte des

Modells: Monitoring, inwiefern das Mo-

dell Ergebnisse in einer definierten

Güte liefert (z.B. Prüfung, ob die Kun-

denklassifikation bei geänderter Kun-

denstrategie weiterhin genutzt werden

kann oder justiert werden muss)

Typischerweise werden die unterschiedlichen

Aufgaben in den unterschiedlichen Phasen (Ko-

ordination, Datenintegration, Modellierung,

Operationalisierung) durch Mitarbeiter mit ent-

sprechenden Kenntnissen umgesetzt.2

Doch welche Mitarbeiter-Fähigkeiten stellen

sich in Unternehmen als besonders wichtig für

Fortgeschrittene-Analyse-Projekte heraus?

Abbildung 10: „Wie wichtig sind folgende Fähigkeiten für die Durchführung von fortgeschrit-

tenen Analysen?“ (n=170)

2 Weiterführende Erfolgsfaktoren von Advanced-Analytics-Projekten finden sich in der BARC-Marktübersicht „Marktübersicht Predictive Analytics Werkzeuge“ (http://barc.de/predictive)

60%

42%

36%

32%

20%

17%

5

36%

54%

53%

47%

61%

62%

25%

3

4

10%

19%

17%

19%

56%

1

1

2

2

1

14%

Fähigkeiten zur Datenaufbereitung

Statistisches, mathematisches Verständnis

Know-how über spezifische Geschäftsprozesse

Moderation zwischen Fachbereich und IT

Kommunikationsfähigkeit

Tool-Know-how

Programmierkenntnisse

Sehr wichtig Wichtig Weniger wichtig Überhaupt nicht wichtig

Page 21: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 21 –

Es fällt auf, dass alle befragten Unternehmen

entsprechende Mitarbeiterfähigkeiten für „wich-

tig“ oder gar „sehr wichtig“ halten. Nach Häufig-

keit der Antworten sind dies: statistisch-mathe-

matisches Verständnis (96 Prozent), Fähigkei-

ten zur Datenaufbereitung (94 Prozent), Know-

how über spezifische Geschäftsprozesse /-Be-

reiche (86 Prozent), Kommunikationsfähigkeit

(81 Prozent), Moderation zwischen Fachbe-

reich und IT (79 Prozent), und Tool-Know-how

(79 Prozent).

Es ist dabei bemerkenswert, dass Datenaufbe-

reitungs-Kompetenzen als wichtiger einge-

schätzt werden als ein statistisch-mathemati-

sches Verständnis. Es scheint sich damit die

These zu bestätigen, dass Daten zwar das Öl

des 21. Jahrhunderts sind, allerdings erst dann

einen Mehrwert erzielen können, wenn sie auch

in einer akzeptablen Qualität, auffindbar und

nutzbar vorliegen.

Überraschenderweise werden Programmier-

kenntnisse nur von 30 Prozent, Tool-Know-how

jedoch von 79 Prozent der Unternehmen als

wichtig oder sehr wichtig eingeschätzt. Unter-

nehmen setzen also eher auf Standard-Werk-

zeuge. Immer wiederkehrende Anforderungen

können so mit geringerem Aufwand im Ver-

gleich zur Eigenprogrammierung umgesetzt

werden, insbesondere, da es sich bei vielen

Standard-Werkzeugen für Advanced Analytics

eher um flexibel einsetzbare Werkzeugkästen

handelt. Die Verwaltung von (Geschäfts-, Mo-

dell-, Datenaufbereitungs-) Logik, Rechtema-

nagement, Dokumentation und Nachverfolgung

sind typische Projektanforderungen, die in der

Eigenentwicklung aufwändiger selbst entwickelt

oder zusammengestellt werden müssten. Stan-

dard-Tools bringen sowohl diese Fähigkeiten

mit und darüber hinaus eventuell auch Best

Practices, Vorgehensmodelle sowie die Mög-

lichkeit für externe Unterstützung.3

Data Scientists in Best-in-Class-Unternehmen

setzen dabei insgesamt noch am häufigsten auf

eigene Programmierung. Sie scheinen die Fle-

xibilität zu schätzen oder bringen lieber ihre ei-

gene Expertise in Open-Source-Entwicklungs-

umgebungen zum Einsatz als lizenzpflichtige

Werkzeuge anzuschaffen.

3 Typische funktionale Anforderungen sowie Einschätzungen von Advanced Analytics Werkzeugen sind in der BARC Marktübersicht „Marktübersicht Predictive Analytics Werkzeuge“ (http://barc.de/predictive) beschrieben.

Page 22: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 22 –

Organisation: Fortgeschrittene Analysen werden projektgetrieben umgesetzt,

häufig mit Unterstützung eines BICC

Abbildung 11: „Wie setzen Sie fortgeschrittene Analysen um?“ (n=165)

Unternehmen können unterschiedliche Strate-

gien wählen, um von fortgeschrittenen Analy-

sen zu profitieren. In der Anwenderbefragung

zeigt sich, dass drei Viertel der befragten Unter-

nehmen fortgeschrittene Analysen projektge-

trieben umsetzen. Das ist nicht verwunderlich –

fortgeschrittene Analysen können bei speziel-

len Anwendungsfällen oder Fragestellungen die

notwendigen Erkenntnissen liefern.

Interessanterweise beziehen 41 Prozent der

Unternehmen BICCs für fortgeschrittene Analy-

sen mit ein. BICCs sollten die Bedürfnisse der

Fachabteilungen hinsichtlich fortgeschrittenen

Analysen kennen und ihnen die notwendigen

Rahmenbedingungen schaffen. Diese Rah-

menbedingungen sind höchst individuell und

können zum Beispiel einen transparenten und

dokumentierten Zugriff auf Datenquellen, Sup-

port für die fortgeschrittenen Analysefunktionen

der bestehenden BI-Werkzeuge oder auch die

Koordination der Data Scientists umfassen.

Nur selten, nämlich in 15 Prozent der Unterneh-

men, kommen explizite „Analytics Competence

Center“ oder externe Dienstleister zum Einsatz.

Technologie für die Umsetzung von Advanced Analytics

Für die Umsetzung fortgeschrittener Analysen

können Unternehmen aus einer Vielzahl an

Softwareprodukten wählen. Grundsätzlich las-

sen sich dabei vier Klassen von Software un-

terscheiden. Das Spektrum reicht dabei von an-

wendungsspezifischen Lösungen, die einen

einfacheren Zugang zu den zum Teil komple-

xen statistischen und mathematischen Analyse-

verfahren bieten wollen, über Erweiterungen für

bestehende Business-Intelligence-Lösungen

und traditionelle Data-Mining-Software bis hin

zu Eigenentwicklungen, welche beispielsweise

mithilfe der umfangreichen und lizenzkosten-

freien „R-Bibliotheken“ umgesetzt werden

(siehe Abbildung 12).

76%

41%

15%

15%

15%

2%

Umsetzung in konkreten einzelnen Projekten(z.B. Preisvorhersagen)

Nutzung eines vorhandenen BusinessIntelligence Competency Centers

Einrichtung eines eigenen AnalyticsCompetence Centers

Auslagerung an externe Dienstleister

Fortgeschrittene Analyse ist durchgängigeStrategie im Unternehmen

Sonstige

Page 23: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 23 –

Anwendungsspezifische Lösungen bieten

neben den für den Anwendungsfall notwendi-

gen Algorithmen und Verfahren zusätzlich auch

fachbereichstaugliche Benutzeroberflächen.

Diese verbergen die zuweilen recht komplizier-

ten Modelle und die entsprechenden Berech-

nungen vor dem Anwender. Mittels vorgedach-

ter Logik in Form von fertigen aufgabenspezifi-

schen Modulen machen die Anbieter ihre Sys-

teme möglichst benutzerfreundlich und schnell

anwendbar. Möchte ein Fachbereich also einfa-

che, regelmäßig notwendige Analysen wie Wa-

renkorbauswertungen oder Kundenklassifizie-

rungen vornehmen, so bietet der Softwaremarkt

dafür diverse Werkzeuge mit vordefinierten

Vorlagen, Inhalten und entsprechenden Benut-

zeroberflächen.

Anders verhält es sich, wenn die Anforderungen

komplexer werden, also wenn beispielsweise

nicht drei sondern 30 Kennwerte in das Data-

Mining-Modell einzubeziehen sind. Auch wenn

das Modell explizit angepasst werden muss,

das heißt wenn zum Beispiel neue Variablen er-

zeugt werden, stoßen die anwendungsspezifi-

schen Lösungen an ihre Grenzen. Die Modelle

müssen dann entsprechend weiterentwickelt

werden, was nicht trivial ist. Sie muss durch

Personen erfolgen, die über das notwendige

Verständnis verfügen. Funktionsreiche und gut

bedienbare Software unterstützt dabei den

Data-Mining-Prozess.

4

Abbildung 12: Advanced Analytics lässt sich mit verschiedenen Tools und Methoden umset-

zen; Quelle: BARC

4 Eine ausführliche Beschreibung und Einordnung gängiger Produkte für Predictive Analytics sowie viele Tipps zur Auswahl bietet die „BARC-Marktübersicht – Softwarevergleich Predictive Analytics Werkzeuge“ (http://barc.de/predictive).

Page 24: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 24 –

Software: Fortgeschrittene Analysen werden zumeist durch BI-Software und

Data Mining Werkzeuge umgesetzt

Abbildung 13: „Welche softwareseitige Unterstützung für fortgeschrittene Analysen haben

Sie in Ihrem Unternehmen im Einsatz bzw. planen zukünftig den Einsatz?“ (n=169)

Fortgeschrittene Analysen werden zumeist

durch BI-Software und Data-Mining-Werk-

zeuge umgesetzt, unabhängig von der Advan-

ced-Analytics-Reife der Unternehmen. Jedes

zweite Unternehmen nutzt diese Technologien.

Etwa 1/4 der Unternehmen setzt zudem auf Ei-

gen- oder Individualentwicklungen oder

Spezialanwendungen für einen Anwen-

dungsfall (z.B. Bedarfsprognose).

64%

50%

25%

21%

65%

50%

23%

29%

67%

37%

15%

34%

Fortgeschrittene Analyse als Teil einerBI-Umgebung

Data-Mining-Software

Eigen- oder Individualentwicklung

Spezialanwendung für denAnwendungsfall (z.B.

Bedarfsprognose-Anwendung)

Best-in-Class-Unternehmen

Nachzügler: Ja, wir nutzen Advanced und Predicitive Analytics

Nachzügler: Die Nutzung wird geplant

Page 25: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 25 –

Abbildung 14: „Welche softwareseitige Unterstützung für fortgeschrittene Analysen haben

Sie in Ihrem Unternehmen im Einsatz bzw. planen zukünftig den Einsatz?“ nur Unterneh-

men, die Advanced Analytics einsetzen, nach Mitarbeiterzahl (n=169)

Betrachtet nach Unternehmensgrößen zeigt

sich, dass Data-Mining-Software eher von gro-

ßen und kleinen Unternehmen eingesetzt wird,

während die mittelgroßen (250 bis 5.000 Mitar-

beiter) stärker auf die Integration in BI-Umge-

bungen setzen. Spezialanwendungen finden

sich verstärkt in größeren Unternehmen.

64%

54%

36%

18%

71%

39%

18%

29%

55%

60%

25%

25%

Fortgeschrittene Analyse als Teileiner BI-Umgebung

Data-Mining-Software

Spezialanwendung für denAnwendungsfall (z.B.

Bedarfsprognose-Anwendung)

Eigen- oder Individualentwicklung

5.000 und mehr 250 bis 5.000 Weniger als 250

Page 26: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 26 –

Eine unzureichend agile BI-Infrastruktur und Probleme im Datenmanagement

sind technische Hauptprobleme

Abbildung 15: „Welche technischen Faktoren beeinträchtigen Ihre Advanced- und Predic-

tive-Analytics-Projekte?“ nach Best-in-Class und Nachzügler (n=87)

Neben Softwarewerkzeugen zur Modellierung

und Auswertung müssen weitere technische

Voraussetzungen geschaffen werden, um fort-

geschrittene Analyse erfolgreich umsetzen zu

können. Die Teilnehmer dieser Befragung wur-

den gebeten, typische Hemmnisse zu identifi-

zieren, die nach BARC-Erfahrung regelmäßig

den Erfolg von fortgeschrittenen Analyseinitiati-

ven schmälern oder diese gar scheitern lassen.

Als technisches Hauptproblem gibt jedes zweite

Best-in-Class-Unternehmen und 41 Prozent der

Nachzügler eine unzureichend agile BI-Infra-

struktur an. Die für die Auswertungen und Ana-

lysen zur Verfügung stehenden Technologien

5 Die deutschsprachige Studie „Time is Money“ ist kostenlos verfügbar über http://barc.de/docs/time-is-money

und Prozesse sind nicht schnell genug anpass-

bar, um neue Aufgabenstellungen zu lösen.

Diese Erkenntnis deckt sich auch mit anderen

BARC-Anwenderbefragungen, wie z.B. „Time is

Money“, in der 60 Prozent der Unternehmen

eine schnellere Bereitstellung von Informatio-

nen für die Entscheidungsfindung als eines ih-

rer wichtigsten Ziele definieren.5

Daneben geben über 30 Prozent der Unterneh-

men an, dass Probleme im Datenmanage-

ment (fehlender Zugriff auf Datenquellen, Feh-

ler im Datenmanagement, z.B. schlechte Da-

tenqualität) fortgeschrittene Analysen beein-

trächtigen. Dies gilt sowohl für Best-in-Class-

Unternehmen als auch für Nachzügler.

54%

46%

32%

29%

25%

21%

18%

14%

11%

41%

44%

37%

17%

25%

19%

25%

22%

8%

BI-Infrastruktur nicht agil genug

Fehlender Zugriff auf Datenquellen

Fehler im Datenmanagement

Benutzeroberfläche nicht intuitiv

Werkzeuge nicht flexibel genug

Fehlende Funktionen in Software

Fehlende Skalierfähigkeit der Systeme

Lange Antwortzeiten der datenlieferndenSysteme

Lange Antwortzeiten der Advanced- undPredictive-Analytics-Lösung

Best-in-Class-Unternehmen Nachzügler

Page 27: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 27 –

Nachzügler kämpfen stärker mit Performance- und Skalierungsproblemen

Jedes vierte bis fünfte Unternehmen klagt über

unzureichende Softwareunterstützung (Be-

einträchtigungen durch nicht intuitive Benutzer-

oberflächen, unzureichend flexible Werkzeuge,

fehlende Softwarefunktionen) sowie schlechte

Systemperformance (fehlende Skalierbarkeit

der Systeme, schlechte Antwortzeiten der da-

tenliefernden Systeme und der Advanced- und

Predictive-Analytics-Lösung). Dabei fällt auf,

dass Nachzügler mit ca. 23 Prozent größere

Probleme in Bezug auf Performance- und Ska-

lierungsproblemen haben als Best-in-Class-Un-

ternehmen (ca. 16 Prozent).

Fortgeschrittene-Analyse-Initiativen können

aber nur dann erfolgreich sein, wenn die Betei-

ligten in den unterschiedlichen Projektphasen

auch technologisch unterstützt werden: einmal

mehr fällt im Rahmen der Befragung auf, dass

Mitarbeiter, die sich eigentlich auf die Suche ei-

nes passenden statistischen Modells konzent-

rieren sollen, von ärgerlichen und zeitrauben-

den technischen Problemen ausgebremst wer-

den wie beispielsweise schlechter Datenquali-

tät, nicht angebundenen oder schlecht doku-

mentierten Datenquellen und fehlenden Funkti-

onen in der Software. IT-Abteilungen sollten

dies als Anlass nehmen und auf eine bessere

Ausstattung drängen, um den Anwendern die

Arbeit zu erleichtern. Schließlich profitieren von

einer höheren Datenqualität sowie einfacher

nutzbaren und dokumentierten Daten auch

viele andere Mitarbeiter in der täglichen Arbeit,

wie der durchschnittliche BI-Anwender beim

Ad-hoc Reporting oder der Nutzung von „Self

Service“-Lösungen.

Page 28: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 28 –

Advanced Analytics Projekte in Unternehmen

Wie werden fortgeschrittene Analysen in Unter-

nehmen konkret gemacht? In diesem Kapitel

widmen wir uns den Herausforderungen, ge-

nutzten Daten und Verfahren sowie der Rele-

vanz von Big Data in Kombination mit Advanced

Analytics.

Fehlende Ressourcen im Fachbereich und fehlendes Verständnis von datenge-

triebenen Geschäftsmodellen sind die Haupthemmnisse von Advanced-Analy-

tics-Projekten

Abbildung 16: „Welche allgemeinen Faktoren beeinträchtigen Ihre Advanced- und Predic-

tive-Analytics-Projekte?“ (n=89)

54%

46%

46%

43%

39%

36%

36%

32%

29%

29%

21%

21%

14%

11%

11%

7%

48%

36%

11%

44%

34%

28%

34%

34%

23%

31%

20%

16%

7%

10%

31%

10%

Fehlende Ressourcen im Fachbereich

Fehlendes Verständnis für datengetriebeneGeschäftsmodelle/Kultur

Datenschutz (Schutz persönlicher Daten)

Geschäftlicher Nutzen schwierig zuquantifizieren

Fehlende Ressourcen in IT

Zu geringe Managementunterstützung

Fehlendes fachliches Know-how imUnternehmen

Hohe Komplexität von Predictive-Analytics-Lösungen

Hoher Implementierungsaufwand

Fehlendes technisches Know-how imUnternehmen

Probleme in der Kommunikation zwischenFachbereich und IT

Kosten

Schulungsspezifische Probleme

Mangelndes Projektmanagement

Fehlende organisatorische Verankerung

Kein nutzen für Fachanwender

Best-in-Class-Unternehmen Nachzügler

Page 29: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 29 –

Allgemein kämpfen Best-in-Class-Unterneh-

men als auch Nachzügler mit ähnlichen allge-

meinen Problemen im Rahmen ihrer Advanced-

und Predictive-Analytics-Projekte: etwa die

Hälfte gibt fehlende Ressourcen im Fachbe-

reich und in der IT, sowie fehlendes Ver-

ständnis (für datengetriebene Geschäftsmo-

delle/ Kultur, schwierig zu begründen bzw. zu

quantifizierender geschäftlicher Nutzen, zu ge-

ringe Managementunterstützung) als Probleme

an.

Technische Probleme (hohe Komplexität der

Lösung, hoher Implementierungsaufwand, feh-

lendes technisches Know-how) beeinträchtigen

etwa ein Viertel der Unternehmen.

Es fällt auf, dass 31 Prozent der Nachzügler

eine fehlende organisatorische Verankerung

als Problem erkannt haben, wohingegen nur

elf Prozent der Best-in-Class-Unternehmen

dies anmerken. Letztere haben notwendige or-

ganisatorische Maßnahmen also scheinbar

schon ergriffen, während Nachzügler diese an-

gehen sollten.

Auch aus BARC-Sicht ist eine klare Definition

von Rollen, ihren Fähigkeiten und Verantwort-

lichkeiten entlang der verschiedenen Phasen in

Advanced-Analytics-Projekten ein Schlüssel für

den Erfolg (siehe Kapitel „Organisation und An-

wender von Advanced Analytics in Unterneh-

men“).

Eine weitere Auffälligkeit ist die Frage des Da-

tenschutzes (dem Schutz persönlicher Daten)

im Kontext fortgeschrittener Analysen. Fast die

Hälfte der Best-in-Class-Unternehmen sieht

sich hier mit Problemen konfrontiert, jedoch

schätzen nur elf Prozent der Nachzügler das

Thema als problembehaftet an. Der Grund kann

ein noch fehlendes Problembewusstsein der

Nachzügler sein oder aber auch dass Nachzüg-

ler sich bei ihren Advanced-Analytics-Projekten

vordergründig mit Daten beschäftigen, die noch

nicht als derart schützenswert eingestuft wer-

den müssen. Best-in-Class-Unternehmen hin-

gegen wünschen sich ggfs. für ihre weiter ent-

wickelten Projekte jedoch auch die Einbezie-

hung von schützenswerten Daten.

Datenquellen: Externe Daten gehen in die Analyse ein und dürfen auch etwas

kosten

Abbildung 17: „Woher stammen die von Ihnen analysierten Daten?“ nach Best-in-Class und

Nachzügler (n=158)

Selbstverständlich nutzen Unternehmen für ihre

Analysen interne Daten. Allerdings ist ersicht-

lich, dass auch externe Datenquellen bei zwei

Drittel der Best-in-Class-Unternehmen in die

Analyse einbezogen werden. 44 Prozent der

Best-in-Class-Unternehmen kaufen sogar ex-

terne Daten hinzu. Ein Trend, den auch BARC

beobachtet: Aus vielen Unternehmensprozes-

sen ist die Nutzung von Daten von Wirtschafts-

auskunfteien wie Dun & Bradstreet, Hoppens-

100%

64%

44%

96%

39%

31%

Interne Daten

Externe frei verfügbare Daten

Extern zugekaufte Daten

Best-in-Class-Unternehmen Nachzügler

Page 30: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 30 –

tedt, Creditreform oder Schufa nicht mehr weg-

zudenken. Und auch immer mehr Marketing-

Abteilungen nutzen die gesammelten und auf-

bereiten Daten von Marktforschungsinstitu-

ten wie TNS Infratest oder GfK.

Ebenso hat die IT-Branche die gesteigerte

Nachfrage nach Daten als weiteres Geschäfts-

feld entdeckt: Große Softwarekonzerne wie

Microsoft und Oracle eröffnen kommerzielle

„Daten-Märkte“, auf denen Kunden, Entwick-

ler und Partner ihre Daten einstellen und ent-

geltlich anderen Marktteilnehmern zur Verfü-

gung stellen können. Diese Daten können bei-

spielsweise direkt durch sie gesammelte Daten

sein, wie erhobene Maschinen- oder Wetterda-

ten. Zudem kann auch softwarespezifische Lo-

gik veröffentlicht werden – also aus Projekten

entwickelte Konzepte, Logikmodule oder Appli-

kationen. Derartige „App Stores“ werden auch

zunehmend von kleineren Softwareanbietern

ins Leben gerufen, um den Austausch mit den

Kunden und dieser untereinander anzuregen,

sodass durch die Weitergabe von Daten und

Logik die Weiterentwicklung von Software, Ver-

fahren, Denkmustern und Ideen vorangetrieben

wird.6

Datentypen: Aktuell wenig Experimente in Bezug auf die analysierten Datenar-

ten, jedoch besteht die Absicht, umfassender zu analysieren

Abbildung 18: „Welche Arten von Daten verwenden Sie bzw. planen zu verwenden für Ad-

vanced und Predictive Analytics?“ (n=88)

Die Rückmeldung, welche Datentypen in die

Analysen eingehen, zeigt, dass Unternehmen

6 Weitere Informationen zu Datenmärkten siehe BARC BI Manager Februar 2015 „Datenhandelsplätze – Wis-senstankstellen des 21. Jahrhunderts“.

vordergründig die Transaktionsdaten des Un-

ternehmens analysieren. Zugleich werten fast

36%

18%

11%

9%

9%

9%

8

5

29%

19%

19%

14%

19%

23%

17%

10%

50%

27%

35%

37%

32%

41%

37%

32%

19%

29%

Transaktionsdaten

Logdaten von IT-Systemen

Dokumente/Texte

Sensor, RFID Daten

Social Media Daten

Interne Daten

Clickstream Daten

Videos/Bilder

Strukturierte Daten

Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant

Page 31: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 31 –

20 Prozent der Unternehmen die Logdaten

von IT-Systemen aus.

Andere Daten wie Textdaten, maschinengene-

rierte, Social Media und Clickstream-Daten

werden zwar heute nur von unter zehn Prozent

der Befragten analysiert; halten die Unterneh-

men jedoch an ihrer Planung fest, so werden sie

im nächsten Jahr doppelt so viele Datentypen

auswerten. Langfristig wollen etwa 2/3 der Un-

ternehmen Daten aus den genannten Berei-

chen auswerten.

Allein die Analyse von Video- und Bilddaten

spielt hingegen eine untergeordnete Rolle.

Unternehmen setzen auf klassische Data-Mining-Verfahren

Abbildung 19: „Was sind die am weitesten verbreiteten Techniken für Advanced und Predic-

tive Analytics in Ihrem Unternehmen? Welche werden getestet?“ (n=158)

Im Rahmen der Anwenderbefragung sollte

auch eine Tendenz ermittelt werden, welche

Data-Mining-Verfahren Anwender im DACH-

Raum einsetzen, testen oder für nicht erforder-

lich halten.

Dabei wurde erkannt, dass etwa die Hälfte der

Unternehmen lineare Regression und Entschei-

dungsbäume im Einsatz hat. Etwas weniger (40

Prozent) nutzen andere Regressionsverfahren,

hierarchische Cluster, logistische Regression

und Assoziationsanalysen.

54%

48%

44%

41%

40%

39%

32%

25%

22%

18%

15%

7%

6%

43%

46%

44%

46%

47%

49%

38%

49%

39%

41%

41%

37%

35%

36%

59%

3

5%

12%

13%

12%

12%

30%

25%

39%

41%

44%

57%

59%

64%

41%

Lineare Regression

Entscheidungsbäume

Andere Regressionsanalysen

Hierarchisches Clustern

Logistische Regression

Assoziationsregeln

K-Means

Neuronale Netze

Support Vector Machines

Survival Analysis

ARIMA

GARCH

Sonstige

ES

Ensemble Learning

Im Einsatz Im Test Nicht erforderlich

Page 32: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 32 –

Weiter im Einsatz befindlich (unter 32 Prozent)

sind die spezielleren Verfahren K-Means, Neu-

ronale Netze, Support Vector Machines, Survi-

val Analysis, ARIMA und GARCH.

Es fällt somit auf, dass sich hauptsächlich klas-

sische Data-Mining-Verfahren im Einsatz befin-

den. Demgegenüber experimentiert aber etwa

die Hälfte der Unternehmen (35 bis 59 Prozent)

mit sämtlichen in der Anwenderbefragung ge-

nannten Data-Mining-Verfahren.

Die Befragungsergebnisse decken sich mit

BARC-Projekterfahrungen: Unternehmen ha-

ben vergleichsweise viel Erfahrung mit klassi-

schen Verfahren wie Regression oder Ent-

scheidungsbäumen. Auch sind sie nützlich oder

gar notwendig für die Bewertung von Sachver-

halten im Unternehmen und werden entspre-

chend stark produktiv genutzt.

Parallel dazu werden andere Verfahren getes-

tet. Überraschend sind die recht hohen Umfra-

gewerte von diesen im Test befindlichen Data-

Mining-Verfahren (etwa die Hälfte der Unter-

nehmen testet sämtliche in der Anwenderbefra-

gung genannten Data-Mining-Verfahren). Die

Gründe können vielgestaltig sein: Optimierung

von Modellen in bestehenden Kontexten und

Anwendungsfällen oder Test im Rahmen neuer

Aufgabenstellungen.

Insgesamt bleibt festzuhalten, dass fortge-

schrittene Analyse als nützliches aber auch

dynamisches Thema gesehen wird, welches

beispielsweise im fortlaufenden Test anderer

als bereits etablierter Data-Mining-Verfahren im

Unternehmen weiterentwickelt wird.

Page 33: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 33 –

Fast die Hälfte der Best-in-Class-Unternehmen setzt auf Big-Data-Konzepte und

-Technologie

Abbildung 20: „Welche der Aussagen trifft am besten auf Ihr Unternehmen bezüglich Advan-

ced und Predictive Analytics gegenüber Big Data zu?“ nach Best-in-Class und Nachzügler

(n=81)

Die Anwenderbefragung wollte auch ein Stim-

mungsbild zeigen, in welchem Zusammenhang

„Big Data“ mit Advanced Analytics steht.

In BARC-Projekten hat sich folgende Definition

von Big Data als hilfreiche Diskussionsgrund-

lage herausgestellt: „Big Data bezeichnet Me-

thoden und Technologien für die hochskalier-

bare Erfassung, Speicherung und Analyse po-

lystrukturierter Daten.“

Entsprechend wurden die Teilnehmer gefragt,

wie wichtig sie das Thema Big Data im Kontext

Advanced Analytics einschätzen und wie sie

sich technologisch, organisatorisch und fachlich

positionieren. Das Thema „Big Data“ hat dem-

nach einen hohen Stellenwert – nur jedes vierte

Unternehmen (egal ob sie sich als Best-in-

Class-Unternehmen oder Nachzügler verste-

hen) hält Big Data für nicht relevant im Kon-

text Advanced Analytics.

Ganze 43 Prozent der Advanced Analytics

Best-in-Class-Unternehmen nutzen Big Data

projektgetrieben in ihren Advanced Analy-

tics Projekten.

Sieben Prozent der Best-in-Class-Unterneh-

men sind noch mit der Evaluation von Big

Data beschäftigt, bei den Nachzüglern ist es ein

Drittel.

Ein Viertel der Best-in-Class-Unternehmen und

ein Drittel der Nachzügler steht eine hohe

Menge an Daten zur Verfügung, deren Poten-

tial aber noch nicht genutzt wird.

Big Data spielt für die im Advanced Analytics

Bereich erfolgreichen Unternehmen eine

Schlüsselrolle.

25%

25%

7%

43%

0%

23%

33%

34%

9%

1%

Big-Data-Konzepte sind nicht relevant

Potential der internen und externenDatenquellen wir nicht genutzt wird

Wir befinden uns in der Evaluation vonBig-Data-Konzepten

Big-Data-Konzepte werdenprojektgetrieben genutzt

Big-Data-Konzepte werdenunternehmensübergreifend eingesetzt

Nachzügler Best-in-Class-Unternehmen

Hoch

Niedrig

Relevanz von

Big Data

Page 34: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 34 –

Für die Etablierung von Advanced- und Predictive-Analytics investieren Unter-

nehmen insbesondere in Software und die Weiterbildung ihres Personals

Abbildung 21: „Wohin fließen hauptsächlich die Advanced- und Predictive-Analytics-Investiti-

onen Ihres Unternehmens?“ nach Best-in-Class und Nachzügler (n=169)

Für die Umsetzung von Advanced- und Predic-

tive-Analytics investieren Unternehmen insbe-

sondere in Software und die Weiterbildung ihres

Personals. Jedes dritte Best-in-Class-Unter-

nehmen will dabei neue Stellen und eine eigene

Organisationseinheit mit eigenem Budget

schaffen. Zudem setzen sowohl Best-in-Class-

Unternehmen als auch Nachzügler auf externe

fachliche Beratung (14 Prozent, 19 Prozent).

54%

43%

43%

36%

29%

25%

14%

14%

7%

36%

38%

24%

23%

8%

28%

16%

19%

27%

Weiterbildung des bestehendenPersonals

Anschaffung von Software

Implementierung/Migration

Personalaufbau/Schaffung neuerStellen

Schaffung einer eigenenOrganisationseinheit mit eigenem

Budget

Externe fachliche Beratung

Anschaffung von Hardware

Externe technische Beratung

Keine neuen Investitionen

Best-in-Class-Unternehmen Nachzügler

Page 35: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 35 –

Branchenbetrachtung

Unternehmen für IT/Telekommunikation und der Finanzsektor sind Vorreiter in

der Nutzung von Advanced und Predictive Analytics, Handel und Industrie pla-

nen den Einsatz verstärkt

Abbildung 22: Nutzung von Advanced und Predictive Analytics nach Branche (n=207) 7

Die Anwenderbefragung deckt einen breiten

Branchenschnitt ab. Unsere Stichprobe spiegelt

sehr gut die BARC-Erfahrung wieder; Vorreiter

in der Anwendung von Advanced Analytics sind

tendenziell der Finanz- sowie der IT- und Tele-

kommunikationssektor, wo sich mehr als die

Hälfte der teilnehmenden Unternehmen als An-

wender bezeichnen. In beiden Branchen haben

die hohe Kundenzahl verknüpft mit wachsen-

dem Wettbewerbsdruck sowie die Verluste

durch Betrug den Einsatz fortgeschrittener Ana-

lysen früh gefördert. In allen anderen Branchen

geben nur ca. 30 Prozent der Unternehmen an,

bereits heute Nutzer von Advanced Analytics zu

sein. Allerdings planen die meisten Branchen,

von fortgeschrittenen Analysen in Zukunft zu

profitieren. Besonders hohe Planwerte haben

hier Handel und Industrie, in denen Digitalisie-

rungsinitiativen stark auf die Datennutzung ab-

zielen. Insgesamt will nur etwa jedes zehnte

Unternehmen ganz auf Advanced Analytics ver-

zichten. (allein im Dienstleistungsbereich ist es

jedes dritte).

7 Bitte beachten Sie, dass der relativ hohe Wert für den Finanzsektor der geringen Fallzahl geschuldet sein kann.

53%

50%

30%

29%

27%

39%

36%

39%

55%

64%

IT und Telekommunikation n=36

Finanzsektor n=14

Dienstleistung n=64

Industrie n=55

Handel n=22

Ja, wir nutzen Advanced und Predicitive Analytics Die Nutzung wird geplant

Page 36: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 36 –

Advanced Analytics Use Cases je Branche

Im Rahmen der Befragung haben die Teilneh-

mer Anwendungsfälle notiert, die sie mit Advan-

ced und Predictive Analytics umsetzen. Diese

Rückmeldung ist im Folgenden branchenorien-

tiert zusammengefasst aufgeführt und kann als

Inspirationsquelle dienen. Es bleibt jedem Un-

ternehmen anzuraten, seine Initiativen im Ad-

vanced und Predictive Analytics strukturiert an-

zugehen. So bietet es sich an, wettbewerbsdif-

ferenzierende Use Cases im Unternehmen zu

erarbeiten und einige Pilotprojekte umzusetzen,

die einen hohen Lerneffekt hinsichtlich explora-

tiver Vorgehensweise („fail fast“), Datenqualität

und möglicher organisatorischer Effekte und

Nutzung versprechen (siehe auch Kapitel

„BARC-Handlungsempfehlungen“).

IT und Telekommunikation:

Die Telekommunikationsbranche nutzt fortge-

schrittene Analysen am häufigsten und dies

auch schon sehr lange. Dies ist darauf zurück-

zuführen, dass die Branche sehr marketingge-

trieben aufgestellt ist, um ihren Hauptprozess,

die Kundengewinnung, zu unterstützen. Zudem

verfügt diese Branche über hohe Kundenzah-

len, Betrugsausfälle und generell sehr große

Datenmengen. Insbesondere die Nutzung der

Lokationsdaten zeigt hier sowohl das immense

Potential, als auch die großen Herausforderun-

gen des Datenschutzes.

Teilnehmer der BARC-Anwenderstudie haben

folgende Einsatzbereiche von Advanced und

Predictive Analytics angegeben: Absatz- und

Umsatzplanung, Bedarfsplanung auf der Ab-

satzseite, Bessere Einschätzung des Vertriebs,

Churn, Einkauf, Ermitteln von Cross Selling Po-

tentialen, Finanzielle Unternehmensplanung

basierend auf aktuellen Monatswerten, Vorjah-

reswerten und Businessplan, Maschinenaus-

fallvorhersage, Mengen- und Umsatzoptimie-

rung, Netzwerkauslastung, Optimierung von

Serviceeinsätzen/SLAs, Personalplanung, Prei-

soptimierung, Prognose der 'Lebensdauer' ei-

ner Kundenbeziehung, Qualitäts-Optimierung,

Segmentation, Serverausfallvorhersage, Simu-

lationen, Up-Selling/ Cross-Selling, Vorhersage

von Kündigungen, What-If-Szenarien in Marke-

ting, What-If-Szenarien in Vertrieb, optimale

Serviceerbringung.

Finanzsektor (Banken und Versicherungen):

Die Nutzung von fortgeschrittene Analysen ist

im Finanzsektor ebenfalls sehr verbreitet (50

Prozent). Typischerweise werden die Konzepte

und Technologien für die Optimierung der Kun-

dengewinnung, Kundenbindung und Kredit-

vergabe, Börsenhandel aber auch Betrugser-

kennung genutzt.

In der BARC-Anwenderstudie haben die Teil-

nehmer folgende expliziten Angaben gemacht:

Kampagnenmanagement, Customer Experi-

ence, Schadenprüfung, Schadensvorhersagen,

Service-Optimierung.

Dienstleistung

Die weitreichende Branche der Dienstleistung

sieht entsprechend unterschiedliche Einsatz-

möglichkeiten von fortgeschrittenen Analysen.

Im Rahmen der BARC-Anwenderstudie wurden

folgende Einsatzbereiche explizit genannt:

Dienstleistung Beratung:

Absatzauswertung, Auslastungen, Finden

neuer Kunden, Kunden-Clustering, Organisa-

tion, Prozessoptimierungen, TCO, Umsatzent-

wicklung, Vertriebsplanung.

Dienstleistung Gesundheitswesen: Absatz-

optimierung, Bestandsoptimierung, Buy-ins-

Optimierung, CRM-Optimierung, Kundenbe-

darfvorhersage, Kündiger-Analysen, Predictive

Maintenance, Preisoptimierung, Versorgungs-

steuerung.

Dienstleistung Transportwesen und Logis-

tik: Fahrzeugwartung, Kundenansprache,

Maintenance, Retourenprognose, Überführung.

Handel

Im Handel können Konzepte und Technologien

der fortgeschrittenen Analyse über die gesamte

Prozesskette Mehrwerte erbringen. Folgende

Angaben haben die Teilnehmer der Befragung

Page 37: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 37 –

angegeben: Bestandsoptimierung, Marketing,

Preisoptimierung, Responseoptimierung, Sco-

ring-Modelle zur Werbemittelstreuung, techni-

sche Wartung.

Industrie

Die erzeugende und verarbeitende Industrie

werden entlang der gesamten Wertschöpfungs-

kette Potentiale für Advanced und Predictive

Analytics entdecken. Unternehmen wie Thys-

senKrupp nutzen beispielsweise Sensor- und

anderweitige Systemdaten für die Optimierung

der Wartung ihrer Aufzüge beim Kunden („Pre-

dictive Maintenance“). Neben diesem häufig

genannten Beispiel für „Industrie 4.0“ wird aber

deutlich, dass Datenanalysen eine hohe Rele-

vanz im Zuge der Modernisierung und Digitali-

sierung haben. Die Teilnehmer der BARC-Be-

fragung sehen folgende Einsatzmöglichkeiten:

Industrie Energie und Versorgungswirt-

schaft: Churn Prediction, Churn Reduzierung,

Prognoseverfahren.

Industrie Fertigungsindustrie (z.B. Automo-

tive, Maschinenbau): Absatzprognose, Be-

schaffungspreisprognose, Bestandsoptimie-

rung, Kapazitätsauslastung, Lieferoptimierung,

Order Backlog & Order Intake Planning, Quali-

tätsmanagement, Qualitätsverbesserungen in

der Produktion, Ressource Planning, Sensor-

Analyse und -Vorhersagen, Vertriebsplanung,

Vertriebsunterstützung, Wechselkursprognose.

Industrie Prozessindustrie (z.B. Chemie,

Pharma, Lebensmittelherstellung): Churn

Prevention, Demand Planning, Promotion Ana-

lysis, Out-of-Shelf Analysis, Risiken und Nutzen

sowie die Sicherheit und Wirksamkeit bei der

Entwicklung von neuen Wirkstoffen in der klini-

schen Forschung, Umsatz-Forecast, Verbesse-

rung der internen Prozesse.

Öffentlicher Sektor

Auch die diversen Prozesse und Aufgaben des

öffentlichen Sektors können von fortgeschritte-

nen Analysen profitieren. So arbeitet das Land

Nordrhein Westfalen an „Predictive Policing“,

also dem Vorhersagen von potentiellen Strafta-

ten, um den Einsatz der Polizisten zu optimie-

ren. Die Teilnehmer der BARC-Befragung ga-

ben folgende Anwendungsfälle an, die von fort-

geschrittenen Analysen profitieren können: Ca-

tegory Management, Churn Management,

Fraud Detection, Pricing, Produktionssteue-

rung, Sequencing in Consulting-Projekten, Be-

standsoptimierung, Dynamic Pricing, Kunden-

segmentierung zur Optimierung der Beratungs-

leistung, Problemidentifizierung, Prognosen.

Page 38: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 38 –

Investitionen in Advanced Analytics je Branche

Finanz-sektor

Indust-rie

Dienst-leistung

Han-del

IT und Te-lekom-munika-

tion

Öffentli-cher Sek-

tor

Weiterbildung des bestehenden Per-sonals

20% 49% 33% 40% 42% 46%

Anschaffung von Software 30% 44% 35% 30% 52% 23%

Implementierung/Migration 50% 18% 28% 20% 33% 38%

Personalaufbau/Schaffung neuer Stellen

0% 24% 26% 35% 36% 8%

Schaffung einer eigenen Organisati-onseinheit mit eigenem Budget

0% 4% 21% 10% 15% 8%

Externe fachliche Beratung 50% 27% 16% 40% 24% 31%

Anschaffung von Hardware 20% 16% 19% 10% 18% 8%

Externe technische Beratung 60% 22% 9% 20% 15% 15%

Keine neuen Investitionen 30% 22% 28% 25% 18% 23%

Abbildung 23: „Wohin fließen hauptsächlich die Advanced- und Predictive-Analytics-Investiti-

onen Ihres Unternehmens?“ nach Branche (n=169)

Abbildung 23 zeigt die Investitionsbereiche je

Branche. Danach geben 50 Prozent der Teil-

nehmer aus dem Finanzsektor an, unmittelbar

in die Implementierung bzw. Migration zu inves-

tieren. Hierbei möchte jedes zweite Unterneh-

men externe Unterstützung für fachliche und

technische Beratung einholen - die höchsten

Werte in der Befragung. Neue Stellen sollen in

unserer Stichprobe in dieser Branche nicht ge-

schaffen werden.

Fast die Hälfte der Unternehmen der Industrie

sowie der IT- und Telekommunikationsbran-

che geben an, in die Mitarbeiterweiterbildung

und neue Software zu investieren. Jedes dritte

Unternehmen dieser Branchen investiert in

neue Stellen.

Etwa jedes dritte Unternehmen im Dienstleis-

tungs- und Handelsbereiche investiert in die

Weiterbildung interner Mitarbeiter und neue

Software, sowie die Schaffung neuer Stellen. 40

Prozent der Handelsunternehmen wollen zu-

sätzliche externe fachliche Beratung in An-

spruch nehmen.

Der öffentliche Sektor setzt neben der Weiter-

bildung seiner Mitarbeiter (46 Prozent) auf die

Anschaffung neuer Software (23 Prozent) und

externe fachliche Beratung (31 Prozent); jedoch

nicht auf einen Personalaufbau (acht Prozent).

Page 39: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 39 –

Nutzen von Advanced Analytics

Abbildung 24: Welchen Nutzen konnten Sie durch den Einsatz von fortgeschrittenen Analy-

sen in Ihrem Projekt erzielen?“ n = 75

Fast die Hälfte der Unternehmen, die fortge-

schrittene Analysen einsetzen, profitieren von

einer besseren Planbarkeit. Auch in diversen

anderen Bereichen stiften fortgeschrittene Ana-

lysen Nutzen.

Im Folgenden soll untersucht werden, welchen

Nutzen Best-in-Class-Unternehmen und Nach-

zügler durch den Einsatz von Advanced Analy-

tics erzielen konnten. Ebenso wird gezeigt, wel-

che Erwartungen Unternehmen an haben, die

derartige Methoden, Konzepte und Technolo-

gien noch nicht nutzen dies aber planen.

48%

37%

37%

37%

36%

36%

35%

29%

29%

4%

Bessere Planbarkeit

Bessere Steuerung der operativen Prozesse

Kostenreduktion, Steigerung derProzesseffizienz

Entwicklung neuer Geschäftsmodelle/Produkte

Bessere Unterstützung für strategischeEntscheidungen

Erhöhung des Umsatzes

Besseres Kundenverständnis

Verbesserung der Qualität der Produkte

Besseres Verständnis des Marktes/Wettbewerbs

Bessere Einbindung von externen Partnern

Page 40: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 40 –

Fortgeschrittene Analysen steigern den Geschäftsnutzen

Abbildung 25: „Welchen Nutzen konnten Sie durch den Einsatz von fortgeschrittenen Analy-

sen in Ihrem Projekt erzielen?“ nach Best-in-Class und Nachzügler (n=86)

Etwa die Hälfte der Best-in-Class-Unterneh-

men berichten, dass durch fortgeschrittene

Analyse die Planbarkeit und der Umsatz ge-

steigert, sowie neue Geschäftsmodelle, Pro-

dukte und Dienstleistungen entwickelt wer-

den konnten. Weiteren Nutzen konnte etwa je-

des dritte Best-in-Class-Unternehmen in den

anderen Bereichen erzielen (besseres Kunden-

verständnis/Verbesserung der Kundenerfah-

rung, bessere Steuerung der operativen Pro-

zesse, bessere Unterstützung für strategische

Entscheidungen, Kostenreduktion/ Steigerung

der Prozesseffizienz, Verbesserung der Quali-

tät der Produkte und Dienstleistungen, besse-

res Verständnis des Marktes/ Wettbewerbs).

68%

46%

46%

43%

39%

39%

39%

32%

29%

11%

0%

36%

32%

30%

30%

36%

34%

36%

28%

30%

0%

2%

82%

45%

55%

36%

73%

64%

27%

27%

27%

0%

9%

Bessere Planbarkeit

Entwicklung neuer Geschäftsmodelle,Produkte oder Dienstleistungen

Erhöhung des Umsatzes

BesseresKundenverständnis/Verbesserung der

Kundenerfahrung

Bessere Steuerung der operativenProzesse

Bessere Unterstützung für strategischeEntscheidungen

Kostenreduktion, Steigerung derProzesseffizienz

Verbesserung der Qualität derProdukte und Dienstleistungen

Besseres Verständnis desMarktes/Wettbewerbs

Bessere Einbindung von externenPartnern

Sonstige

Best-in-Class-Unternehmen: Ja, wir nutzen Advanced und Predicitive Analytics

Nachzügler: Ja, wir nutzen Advanced und Predicitive Analytics

Nachzügler: Die Nutzung wird geplant

Page 41: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 41 –

Nachzügler berichten: selbst „etwas Advanced Analytics“ führt bereits zu spür-

baren Nutzen für das Unternehmen

Die Nachzügler, die Advanced Analytics be-

reits nutzen, sind den Best-in-Class-Unterneh-

men erstaunlich dicht auf den Fersen. Auch hier

gibt etwa jedes dritte Unternehmen an, in den

oben genannten Bereichen durch fortgeschrit-

tene Analysen zu profitieren. Das bedeutet:

selbst „etwas Advanced Analytics“ kann bereits

großen Nutzen erbringen.

Noch nicht alle erhofften Geschäftsziele lassen sich durch fortgeschrittene

Analysen erfüllen

Betrachtet man die Erwartungen an die unter-

schiedlichen aufgeführten Geschäftsnutzen, die

die Nachzügler angegeben haben, die noch

nicht über Advanced-Analytics-Konzepte, -Or-

ganisationsformen und -Technologien verfü-

gen, jedoch die Nutzung planen, so fällt auf,

dass die meisten dieser Erwartungen ähnlich

hoch gewichtet sind, wie sie später auch von

Best-in-Class oder sogar Advanced-Analytics-

nutzenden Nachzüglern erzielt werden (jeweils

ca. 30 bis 45 Prozent).

Die Erwartungen und die Erfüllungen gehen in

zwei Bereichen auseinander: 73 Prozent der

Nachzügler ohne Advanced Analytics hoffen

auf eine bessere Steuerung der operativen

Prozesse, was jedoch nur von ca. 37 Prozent

der Advanced Analytics nutzenden Unterneh-

men auch berichtet wird. Allem Anschein nach

bereitet die Operationalisierung – also der Ein-

bau der gewonnenen Modelle (z.B. einer Kun-

denklassifikation) in operative Systeme (z.B.

ERP-Systeme) und die entsprechende Nutzung

Probleme in der Praxis.

Daneben hoffen 64 Prozent der Nachzügler

ohne Advanced Analytics auf eine bessere Un-

terstützung für strategische Entscheidun-

gen, was jedoch nur ca. 36 Prozent der Advan-

ced Analytics nutzenden Unternehmen auch

berichten können. Der Grund ist sicherlich darin

zu finden, dass fortgeschrittene Analysen

hauptsächlich projektgetrieben für einen spezi-

fischen Anwendungsfall umgesetzt werden.

Strategische Entscheidungen werden jedoch

hinsichtlich breiterer Themenbereiche disku-

tiert. Die zumeist komplexen Algorithmen und

Methoden fortgeschrittener Analyseverfahren

sind hierbei wohl noch nicht adäquat nutzbar.

Kaum Interesse an der Einbindung externer Partner

Sofern die erreichten Nutzeneffekte ein Spie-

gelbild der umgesetzten Anwendungsfälle sind,

dann sind diese sehr stark auf das Unterneh-

men konzentriert. Die bessere Einbindung ex-

terner Partner spielt dagegen kaum eine Rolle.

Hauptgrund könnte eine Zurückhaltung in Be-

zug auf das Teilen von Daten mit externen Part-

nern sein.

Page 42: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 42 –

BARC-Handlungsempfehlungen

In BARC-Projekten und der Forschungsarbeit

für diese Studie zeigte sich, dass der DACH-

Markt das Thema Advanced Analytics interes-

siert beobachtet und vermehrt Schritte für den

innerbetrieblichen Einsatz ableitet.

Dies ist auch dringend anzuraten. Unser Infor-

mations- und Digitalisierungszeitalter bietet

neue Technologien und Methoden zur Verbes-

serung des eigenen Geschäftsbetriebes und

Erhaltung von Wettbewerbsvorteilen. Neue

„Big-Data“-Technologie ermöglicht die preis-

werte Speicherung, Verarbeitung und Analyse

großer Datenmengen. Moderne und intuitive

Benutzeroberflächen ermöglichen mehr An-

wendergruppen, Erkenntnisse zu ziehen und

fundierte Entscheidungen zu treffen. Advanced-

Analytics-Software ermöglicht bessere Auswer-

tungen und Analysen über Zusammenhänge

und zukünftige Ereignisse. Da auch der Wettbe-

werb die modernen Technologien nutzen kann,

um Entscheidungen oder Prozesse entlang der

Wertschöpfungskette zu beschleunigen oder

anderweitig zu verbessern, gilt es, den Einsatz

von Advanced Analytics im Unternehmen zu

evaluieren und voranzutreiben. Aus den Stu-

dienergebnissen und der BARC-Erfahrung las-

sen sich folgenden Handlungsempfehlungen

ableiten um eine Bewertung und Positionierung

von Advanced Analytics im Unternehmen vor-

zunehmen.

Fortgeschrittene Analysen erzielen Ge-

schäftsnutzen – sammeln Sie Erfahrun-

gen! Etwa die Hälfte der Best-in-Class-Un-

ternehmen berichten, dass durch Advan-

ced Analytics die Planbarkeit und der Um-

satz gesteigert, sowie neue Geschäftsmo-

delle, Produkte und Dienstleistungen ent-

wickelt werden konnten. Auch Nachzügler

berichten, dass selbst „etwas Advanced

Analytics“ bereits großen Nutzen erbringt.

Es ist also jedem Unternehmen anzuraten,

sich mit Advanced Analytics zu beschäfti-

gen. Dies muss nicht mit großem Aufwand

verbunden sein. Bereits bestehende Busi-

ness-Intelligence- oder CRM-Werkzeuge

enthalten neben Standard-Reporting- und

Analyse-Funktionen oft bereits fortge-

schrittene Funktionen für (Umsatz-) Prog-

nosen oder Klassifikationen. Open-

Source-Data-Mining-Werkzeuge sind frei

nutzbar und eignen sich in Verbindung mit

Beispiel-Modellen für kurzfristige Experi-

mente.

Es gilt grundsätzliche Fragen zu klären

– holen Sie externe Hilfe! Für die Umset-

zung von fortgeschrittenen Analysen kön-

nen Unternehmen heute aus einem um-

fangreichen Fundus an Technologien, Vor-

gehensmodellen, Anwendungsbeispielen

und Organisationskonzepten schöpfen.

Das Überangebot macht es jedoch schwie-

rig, schnell und zielgerichtet zu starten, gilt

es doch, einige wesentliche grundsätzliche

Fragen zu klären: Welche Werkzeuge sind

sinnvoll für unsere Advanced-Analytics-

Aufgabenstellungen, sind anwendungs-

spezifische Lösungen, moderne BI-Werk-

zeuge, generische Data-Mining-Plattfor-

men oder gar Entwicklungsumgebungen

der richtige Weg, welche Mitarbeiter/ Rol-

len sollten eingesetzt/geschult werden,

welchen Stellenwert soll Advanced Analy-

tics im Unternehmen haben und wie ist die

Positionierung der entsprechenden organi-

satorischen Einheit gegenüber BI, Fachbe-

reich und IT, welche Anwendungsfälle

bringen dem Unternehmen Mehrwert und

sind mit wenig Aufwand umsetzbar?

Unternehmen, die sich am Anfang befin-

den, sollten die Gelegenheit wahrnehmen,

von Externen zu lernen: Besuchen Sie

Fachvorträge, führen Sie Gespräche auf

Messen, lassen Sie sich coachen, indem

Sie ihre ersten Advanced-Analytics-Pro-

jekte mit internen Mitarbeitern und exter-

nen Data Scientists besetzen.

Page 43: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 43 –

Scheitern muss im Advanced-Analy-

tics-Bereich erlaubt sein – ein Um-

denken ist erforderlich! Im Vergleich

zu typischen IT-Projekten zeichnet sich

fortgeschrittene Analyse durch eine ex-

plorative Vorgehensweise aus: Wie in

einem Labor werden verschiedenste

Hypothesen getestet und bei vielen

Versuchen wird es keine befriedigen-

den Ergebnisse geben. Es ist gut mög-

lich, dass für manche Ideen kein Modell

gefunden wird, der Aufwand zur Ermitt-

lung des Modells seinen Wert über-

steigt oder einfach nicht die notwendi-

gen Daten bereit stehen. Eine Projekt-

Vorgehensweise mit definiertem Zeit-

bedarf, Budget und Ergebnis ist daher

nicht zielführend.

Daten sind Fundament und Treib-

stoff Ihrer Advanced-Analytics-Pro-

jekte – sorgen Sie für eine ausrei-

chende Menge, Qualität und Verfüg-

barkeit! Die Befragung zeigt wieder

einmal, dass (teure) Mitarbeiter, die

sich eigentlich mit der Suche und Eva-

luation eines passenden Modells be-

fassen sollen, von schlechter Daten-

qualität und nicht angebundenen oder

schlecht dokumentierten Datenquellen

ausgebremst werden. Sicherlich aus

diesem Grund schätzen die befragten

Unternehmen Kompetenzen zur Daten-

aufbereitung wichtiger ein als statis-

tisch-mathematisches Verständnis.

Um den Anwendern die Arbeit zu er-

leichtern sollten IT-Verantwortliche auf

eine bessere Ausstattung drängen.

Von einer höheren Datenqualität sowie

einfacher nutzbaren und dokumentier-

ten Daten profitieren auch viele andere

Mitarbeiter in der täglichen operativen

Arbeit sowie in Entscheidungsprozes-

sen. Evaluieren Sie moderne Konzepte

wie visuelle Datenintegrations- und Me-

tadatenmanagementwerkzeuge, Da-

tenvirtualisierung und Business Glos-

sare um für Transparenz und Nachvoll-

ziehbarkeit zu sorgen. Prüfen Sie, ob

sich Hadoop-Technologie lohnt, um

auch große Mengen an Daten kosten-

günstig abzulegen und dabei weiterhin

zugreifbar für ihre Anwender zu halten.

Lernen Sie, auch komplizierte Sach-

verhalte verständlich zu dokumen-

tieren und zu kommunizieren! Oft ha-

ben Unternehmen bereits bei einfachen

BI-Berichten das Problem, die Inhalte

verständlich an ihre Adressaten zu

kommunizieren. Tortendiagramme ver-

zerren die dargestellten Mengen, Le-

genden fehlen, Soll-, Ist- und Planwerte

sind nicht deutlich voneinander abge-

grenzt. Erkenntnisse aus fortgeschritte-

nen Analysen sind typischerweise

nochmals schwieriger zu kommunizie-

ren, stellen Sie doch Daten oft in min-

destens drei neuen weiteren Dimensio-

nen dar (z.B. Prognosewerte, Wahr-

scheinlichkeiten, mögliche Modelle).

Nutzen Sie Visualisierungsstandards

im Unternehmen, wie sie beispiels-

weise von Hichert oder Tufte entwickelt

wurden! Und verankern Sie eine Rolle

zur Visualisierung und Kommunikation

von Information und Analyseergebnis-

sen im Unternehmen (z.B. den „Data

Artist“)!

Optimieren Sie Ihre Advanced-Ana-

lytics-Organisation, Technologie

und Prozesse schrittweise! Fortge-

schrittene Analyse lebt von ihrer Dyna-

mik und Flexibilität. Sie benötigen für

die Umsetzung Mitarbeiter aus dem

Fachbereich, der IT, Statistiker und

Projektkoordinatoren, die in virtuellen

oder physischen Teams zusammenar-

beiten müssen.

Stellen Sie sich darauf ein, verschie-

dene Technologien wie In-memory-Da-

tenbanken und -Processing, Hadoop,

NoSQL, Self-Service-Datenintegration

Page 44: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 44 –

und Datenvirtualisierung auf ihre Nütz-

lichkeit hin zu prüfen. Die notwendige

Agilität kann Cloud-Computing-Ange-

bote attraktiv machen. Führen Sie

strukturierte Anbieterpräsentationen o-

der Proof-of-Concepts mit etablierten

Softwareanbietern und aussichtsrei-

chen Start Ups durch.

Falls Sie erkennen, dass die Advanced-Analy-

tics-Thematik in Ihrem Unternehmen einen ho-

hen Stellenwert einnimmt, so ist eine starke

Verflechtung und Interaktion unterschiedlicher

Abteilungen unvermeidlich. Die verschiedenen

Unternehmensbereiche sollten dann mit ihren

Daten, Softwaresystemen, Beteiligten und Pro-

zessen in einer möglichst integrierten Umge-

bung zusammenarbeiten können, um Rei-

bungsverluste zu reduzieren und schnell zu Er-

gebnissen zu kommen. Eine fortwährende Prü-

fung der eigenen Technologie, Strategie und

Organisation gegen aktuelle Konzepte und Me-

thoden ermöglicht die zukunftsfähige Positio-

nierung des Unternehmens am Markt.

Page 45: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 45 –

Anhang A: Methodik und Demografie

Die Online-Anwenderumfrage erfolgte von Ok-

tober 2015 bis November 2015 in der DACH-

Region. Die Befragung wurde von BARC über

Webseiten, Veranstaltungen und im E-Mail-

Newsletter beworben. Es beteiligten sich insge-

samt 215 Teilnehmer an der Erhebung – nach

der Datenbereinigung blieben 210 ausgewer-

tete Fragebögen übrig.

Aufgrund von Rundungen können sich bei Sum-

menbildungen geringfügige Abweichungen er-

geben.

Es wurde eine breit gefächerte Branchenvertei-

lung der Studienteilnehmer erreicht (vgl. Abbil-

dung 26). Besonders häufig sind die Dienstleis-

tungsbranche (31 Prozent), die Industrie

(27 Prozent), IT- und Telekommunikation (17

Prozent), der Handel (11 Prozent), der Finanz-

sektor (7 Prozent) und der öffentliche Sektor (7

Prozent) vertreten.

Abbildung 26: Branchenverteilung (n=207)

Die Unternehmensgröße nach Mitarbeiteranzahl

geht aus Abbildung 27 hervor. Mit 43 Prozent

sind Unternehmen der Größenklasse 250 bis

5.000 Mitarbeiter in der Studie am häufigsten

vertreten. Die Studie deckt mit 26 Prozent (mehr

als 5.000 Mitarbeiter) und 30 Prozent (weniger

als 250 Mitarbeiter) aber auch andere Unterneh-

mensgrößen repräsentativ ab.

Abbildung 27: Unternehmensgröße (Mitarbeiterzahl, n=207)

31%

27%

17%

11%

7%

7%

1%

Dienstleistung

Industrie

IT und Telekommunikation

Handel

Finanzsektor

Öffentlicher Sektor

Sonstige

30%

43%

26%

Weniger als 250

250 bis 5.000

5.000 und mehr

Page 46: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 46 –

Abbildung 28: „Nutzung von Advanced und Predictive Analytics nach Unternehmensgröße“

(n=207)

Die Befragung zeigt, dass die Anwendung von

fortgeschrittener Analyse keine Frage der Un-

ternehmensgröße ist: Etwa 1/3 der kleinen und

mittelständischen Unternehmen bis 5.000 Mit-

arbeiter und etwa die Hälfte der Großkonzerne

wenden fortgeschrittene Analysen an.

32%

31%

52%

Weniger als 250

250 bis 5.000

5.000 und mehr

Ja, wir nutzen Advanced und Predicitive Analytics Die Nutzung wird geplant

Page 47: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 47 –

Anhang B: Betrachtung der Unternehmen nach “Best in Class vs. Nachzügler

Die Anwenderbefragung zeigt, dass zukünftig

fast alle Unternehmen (94 Prozent) Advanced

und Predictive Analytics für wichtig für ihr Un-

ternehmen halten. Allerdings wenden erst ein

Drittel der Unternehmen fortgeschrittene Analy-

sen auch tatsächlich an. Wie sollen die restli-

chen zwei Drittel der Unternehmen nun Erfah-

rungen mit dem Thema fortgeschrittener Ana-

lyse sammeln und sich positionieren?

Informationen von Marketingabteilungen der

Software- und Serviceanbieter belegen leider

oftmals nicht, ob durch den entsprechenden

Einsatz von fortgeschrittenen Analysen tatsäch-

lich Mehrwerte für das Unternehmen erzielt

werden können.

Im Fokus dieser Studie stehen deshalb insbe-

sondere diejenigen Unternehmen, die sich

selbst in der fortgeschrittenen Analyse als über-

durchschnittlich gut einstufen. Die Studie wid-

met sich daher an vielen Stellen der Frage, was

diese Unternehmen beim Thema fortgeschritte-

ner Analyse besser machen, wodurch sie sich

von ihren Wettbewerbern abheben und was

man von ihnen lernen kann.

Abbildung 29: „Wie schätzen Sie die Fähigkeiten und Kompetenz im Bereich Advanced und

Predictive Analytics in Ihrem Unternehmen im Vergleich zu Ihren Hauptwettbewerbern ein?“

(n=85)

Hierzu wurden die Teilnehmer gefragt, wie sie

die Fähigkeiten und Kompetenzen ihres Unter-

nehmens im Bereich Advanced und Predictive

Analytics im Vergleich zu ihren größten Wettbe-

werbern einschätzen (vgl. Abbildung 29). Auf

Grundlage dieser Frage wurde die Klassifika-

tion von Best-in-Class-Unternehmen vorge-

nommen. Um als Best-in-Class-Unternehmen

eingestuft zu werden, mussten die Teilnehmer

bei der entsprechenden Frage ihre Fähigkeiten

und Kompetenzen im Bereich Advanced und

Predictive Analytics als „viel besser“ oder „et-

was besser“ einschätzen.

Dies trifft auf nur 13 Prozent der Befragten (28

Teilnehmer) zu. Diese Gruppe bezeichnen wir

als „Best-in-Class“. Wir stellen diese Best-in-

Class-Unternehmen in dieser Studie den ande-

ren 87 Prozent gegenüber, um herauszufinden,

was sie besser machen.

7%

26%

32%

26%

9%

Viel besser

Etwas besser

Gleich

Etwas schlechter

Viel schlechter

Best-in-Class-

Unternehmen

Nachzügler

Page 48: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 48 –

Anhang C: Glossar

Analytische Datenbank: Datenbanktechnologie, die auf Aufgabenstellungen der Datenanalyse opti-

miert ist (z.B. Abruf großer Datenmengen und deren Summierung).

Advanced Analytics (fortgeschrittene Analysen): Datenanalysen, die über einfache mathematische

Berechnungen wie Summen- und Durchschnittsbildung, Filterfunktion oder Sortierung hinausgehen.

Fortgeschrittene Analysen nutzen mathematische und statistische Formeln und Algorithmen mit dem

Ziel, neue Informationen zu erzeugen, Muster zu erkennen und auch Vorhersagewerte mit den zugehö-

rigen Wahrscheinlichkeiten zu berechnen.

Analytics: Sammelbegriff für mathematische Methoden der systematischen Auswertung von Daten wie

etwa OLAP-Analysen, Predictive Analytics, Optimierung oder Statistik. Im Gegensatz zu Business In-

telligence ist Analytics nach vorne ausgerichtet und erlaubt Einsichten in kommende Entwicklungen und

Szenarien. Eine Aufgabenstellung ist zum Beispiel: „Welche Produkte muss ich zu welchem Preis wel-

chem Kunden anbieten, damit mein Umsatz profitabel wächst?“

Business Intelligence: Methoden und Werkzeuge zur Entscheidungsunterstützung in Unternehmen.

Daten werden aus operativen oder anderweitigen Systemen (Warenwirtschaft, Kundendaten, etc.) ge-

sammelt und aufbereitet (z.B. gefiltert, summiert, verknüpft) um die resultierenden Daten in Dashboards,

Berichten und (OLAP-) Analysen darzustellen und so für die Entscheidungsunterstützung zu verwen-

den. Eine typische Frage ist etwa: „Wie viele Produkte habe ich zu welchem Preis in welcher Region

verkauft?“.

Data Mining: Methode und Softwarewerkzeuge um mittels ungerichteter Datenanalyse in Datenbestän-

den mit statistischen und anderen Verfahren (z.B. maschinelles Lernen, neuronale Netze) Datenmuster

zu erkennen und Zusammenhänge zu entdecken. Als Teilgebiet von Analytics geht es um die Beant-

wortung komplexer Fragestellungen wie etwa „Warum kauft ein Kunde genau diese Produkte in dieser

Kombination?“, um daraus Rückschlüsse auf die Optimierung der zugrundeliegenden Prozesse zu

schließen.

Data Scientist: Domänenexperte in Statistik, Mathematik, Stochastik mit sehr hoher Daten- und IT-

Affinität und Kommunikationsfähigkeit; Werkzeugexperte für ausgewählte Werkzeugumgebung.

Big Data: Mittlerweile etablierter Begriff für das Phänomen rasant steigender Datenmengen aus unter-

schiedlichsten Quellen. Getrieben durch überall vorhandene Sensoren und weiter fortschreitende Digi-

talisierung stehen Unternehmen immer mehr Daten zur Verfügung. Das fordert zum einen die vorhan-

dene IT-Infrastruktur heraus (speichern und verwalten der Daten) und erzeugt zum anderen neue Chan-

cen durch mehr Auswertmöglichkeiten (Analytics).

Page 49: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 49 –

Data Warehouse: Konzept und technische Infrastruktur zur Sammlung und Aggregation von Unterneh-

mensdaten im Rahmen von Business Intelligence und Analytics. In den 90er Jahren hat sich dieses

Konzept in der Unternehmenswelt großflächig durchgesetzt, weil dadurch immer neue Anforderungen

nach Auswertungen und Analysen bedient werden können. Die dafür typischerweise eingesetzten Da-

tenbanktechnologien genügen allerdings oft nicht mehr den Big-Data-Anforderungen von Unternehmen.

Hadoop: Open-Source-Framework für das verteilte Speichern und Rechnen mit großen Datenmengen.

Mittlerweile entstehen im Hadoop-Kontext eine ganze Reihe von Projekten (Spark, Hive, Pig, Yarn, Im-

pala, etc.), die sich damit beschäftigen, kostengünstig, schnell und einfach zugänglich mit einer Vielzahl

von Daten (Big Data, strukturiert/ unstrukturiert) umgehen zu können.

In-Memory-Analyse: Technologie, die datenintensive Berechnungsmethoden in den Hauptspeicher

verschiebt und damit Geschwindigkeitsvorteile gegenüber herkömmlichen Ansätzen erzielt. Bedingt

durch sinkende Preise für Arbeitsspeicher verfolgen viele Softwarefirmen mittlerweile den Ansatz, Daten

im Hauptspeicher zu halten und damit den Transfer von Festplatten oder Cache-Speichern zu umgehen.

Auch Analytics wird dadurch beschleunigt und ist daher eine Möglichkeit, den Herausforderungen von

Big Data zu begegnen.

Optimierung: Methode und Softwarewerkzeuge, um komplexe Abhängigkeiten zu berechnen und Lö-

sungen zu finden. Ein klassisches Beispiel ist das „Handelsvertreterproblem“: Welche Route soll der

Vertreter nehmen, um mit möglichst wenig Umwegen möglichst viele Kunden besuchen zu können?

Dabei gibt es typische Einschränkungen („Restriktionen“) wie Reisezeit pro Tag, Zwischenlagerstand-

orte für Waren, Geschwindigkeit des Fortbewegungsmittels etc. Vermehrt nutzen Optimierungsalgorith-

men dabei iterative Verfahren und In-Memory-Analyse.

Polystrukturierte Daten: übergreifende Bezeichnung für strukturierte (z.B. tabellarische) Daten und

unstrukturierte Daten (z.B. Text-, Audio-, oder Videodaten): Traditionell stark verbreitete Datenbanksys-

teme arbeiten vornehmlich mit sogenannten strukturierten Daten. Diese lassen sich in Form von Tabel-

lenzeilen und Tabellenspalten erfassen. Viele typische Fragestellungen in einem Unternehmen sind mit

solchen Datensätzen lösbar, etwa eine Kundendatenbank, Lagerbestände und Unternehmensprozesse

wie Einkauf, Rechnungslegung etc. Big Data stellt neue Herausforderungen: Texte, Bilder, Videos und

Maschinendaten folgen nicht mehr der eingeführten („relationalen“) Logik, sondern sind aus Sicht der

klassischen Datenbanksysteme „unstrukturiert“. Um diese Daten verwalten und auswerten zu können,

sind daher neue Technologien nötig, wie etwa Hadoop.

Predictive Analytics (Forecasting): Teilbereich von „Advanced Analytics“, Fokus liegt auf der Ermitt-

lung von zukünftigen Ereignissen, Werten und Information mit ihren jeweiligen Wahrscheinlichkeiten.

Ein häufiges Einsatzgebiet ist die Prognose von Nachfrage aufgrund saisonaler oder anderer Schwan-

kungen.

R: Programmiersprache und Bibliotheken mit Fokus auf statistischem Rechnen.

Page 50: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 50 –

Skalierung: Erhöhung der Leistungsfähigkeit durch Hinzufügen von Ressourcen (z.B. im Kontext Ha-

doop: durch das Hinzufügen weiterer Computer).

Statistik: Mathematische Teildisziplin, die Methoden der Wahrscheinlichkeitsrechnung entwickelt und

nutzt. Durchschnitte, Mittelwerte, Standardabweichungen sowie Korrelationen helfen dabei, Daten zu

durchdringen und zu verstehen. Statistik ist wiederum eine Teilmenge von Analytics.

Text Mining: Genau wie Data Mining sowohl Methode als auch Software, die das Erschließen von

Texten ermöglicht. Gerade in Zeiten von Big Data stehen immer mehr Daten in Form von Texten zur

Verfügung. Beispiele sind Internetinhalte wie Foren, soziale Netzwerke oder Nachrichtenseiten, aber

auch schriftliche Call-Center-Daten, Kunden-E-Mails oder Werkstattprotokolle mit Freitextfeldern. Dabei

können sowohl Inhalte als auch Stimmungen automatisiert erfasst und Auswertungen zum genaueren

Verständnis von Kunden und Prozessen verwendet werden.

Vorhersagemodell: Mathematische Abbildung von Erkenntnissen, um Aussagen über zukünftige Er-

eignisse treffen zu können. Anhand von vielen Daten aus der Vergangenheit, etwa dem Abverkauf von

Produkten, versuchen Analytiker Muster zu entdecken und in mathematische Formeln zu fassen. Wenn

dieses Vorsagemodell auf genügend vielen und genügend aussagekräftigen Daten basiert, werden die

daraus abgeleiteten Prognosen in ihrer Qualität besser.

Page 51: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 51 –

Das Business Application Research Center (BARC)

www.barc.de

Firmenprofil

Das Business Application Research Center

(BARC) ist ein Forschungs- und Beratungsinsti-

tut für Unternehmenssoftware mit Fokus auf die

Bereiche Business Intelligence, Enterprise Con-

tent Management (ECM), Customer Relation-

ship Management (CRM) und Enterprise

Ressource Planning (ERP). BARC-Mitarbeiter

sind seit 1994 in der Evaluation von Business-

Intelligence- und ECM-Produkten und Beratung

von Unternehmen tätig. Dabei vereinen die

BARC-Analysten Markt-, Produkt- und Einfüh-

rungswissen. Know-how-Basis sind die seit Jah-

ren ständig durchgeführten Marktanalysen und

Produktvergleichsstudien, die ein umfassendes

Detailwissen über den Leistungsumfang aller

marktrelevanten Software-Anbieter und neueste

Entwicklungen im Markt sicherstellen.

Neben dem Firmensitz in Würzburg unterhält

BARC heute Niederlassungen in München, Lon-

don, Wien und Zürich. BARC formt mit den Ana-

lystenhäusern CXP und PAC die führende euro-

päische Analystengruppe für Unternehmenssoft-

ware und IT Services mit Vorortvertretungen in

acht Ländern.

BARC ist aus den komparativen Produktanaly-

sen am Lehrstuhl Wirtschaftsinformatik der Uni-

versität Würzburg, Prof. Dr. R. Thome hervorge-

gangen. In seiner Stellung als unabhängiges

Institut beobachtet und analysiert BARC den

Markt für Business Applications. In Beratungs-

projekten, Software-Vergleichsstudien und auf

Fachtagungen bringt BARC Transparenz und

Vergleichbarkeit in den Software-Markt. Dabei

ist BARC strikt unabhängig von Software-Anbie-

tern. Dies bedeutet, dass keine Gebühren für die

Aufnahme in Studien oder Provisionen bei der

Empfehlung von Software erhoben werden.

BARC bietet auch keine Implementierung von

Software an, um keine internen Interessen zu er-

zeugen.

BARC-Mitarbeiter evaluieren seit mehr als 20

Jahren Business-Intelligence- und Enterprise-

Content-Management-Produkte und nutzen das

so erlangte Wissen in Beratungsprojekten zur

Software-Auswahl und IT-Strategie.

Über 1.200 Kunden jährlich, darunter mehr als

90 Prozent der DAX100-Unternehmen nutzen in

vielfältiger Weise das Know-how der BARC-

Analysten. BARC-Beratungsprojekte sind hoch

effizient und gewährleisten ein Höchstmaß an

Sicherheit bei Software-Auswahl und IT-Strate-

gie. BARC-Studien bieten einen qualifizierten

Marktüberblick und einen detaillierten Software-

Vergleich. BARC-Tagungen und Seminare ge-

ben einen konzentrierten Eindruck aller relevan-

ten Anbieter in verschiedenen Segmenten des

Marktes für Geschäftsanwendungen.

.

Page 52: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 52 –

SAS

www.SAS.de

Firmenprofil

SAS ist mit über drei Milliarden US-Dollar Um-

satz einer der weltweit größten Softwareher-

steller und der größte Anbieter von Big-Data-

Analytics-Software. Unternehmen an weltweit

75.000 Standorten setzen SAS Lösungen ein,

um aus ihren vielfältigen Geschäftsdaten auch

im Zusammenspiel mit externen Daten (Big

Data) konkrete Informationen für strategische

und operative Unternehmensentscheidungen zu

gewinnen (Analytics) und so ihre Wettbewerbs-

fähigkeit zu steigern.

Big Data Analytics ist der Schlüssel dazu, die Di-

gitale Transformation nicht nur zu bewältigen,

sondern davon zu profitieren und die notwendi-

gen disruptiven Prozesse im Unternehmen er-

folgreich umzusetzen. Dank fast 40 Jahren Er-

fahrung auf dem Gebiet der Datenanalyse ver-

fügt SAS dafür nicht nur über weitreichende Vi-

sionen – die Technologie ist zugleich pragma-

tisch, bewährt, sicher und schnell produktiv ein-

setzbar.

SAS kommt in der gesamten Wirtschaft und öf-

fentlichen Verwaltung zum Einsatz. Kernbran-

chen sind Banken, Versicherungen, Handel und

die Fertigungsindustrie. Banken steuern mit SAS

ihre Prozesse und erfüllen mit SAS die Vorschrif-

ten von Aufsichtsbehörden. Versicherungen

kommen mit SAS Versicherungsbetrügern auf

die Spur. Händler optimieren ihre Kundenan-

sprache und ihr Kampagnenmanagement oder

steigern das Kundenerlebnis beim Online-Shop-

ping. Industrieunternehmen steuern ihre Ser-

vice- und Wartungsprozesse zum Beispiel so,

dass Teile ersetzt werden, bevor sie auszufallen

drohen.

Big Data Analytics von SAS hilft Unternehmen,

das Maximum aus ihren Daten herauszuho-

len. Ganz gleich, wie groß und wie komplex die

Datenbestände sind – SAS Software erkennt die

relevanten Strukturen und Zusammenhänge. So

werden Daten zu Erkenntnissen, die als Basis

für sichere und vorausschauende Geschäftsent-

scheidungen dienen.

SAS High-Performance Analytics nutzt inten-

siv die Möglichkeiten von Hadoop und In-Me-

mory Computing für die wirtschaftliche und ext-

rem schnelle Verarbeitung von Big Data. Zudem

bietet SAS Unternehmen eine Plattform, um Da-

ten zu analysieren, zu verbessern und zu kon-

trollieren und trägt somit dazu bei, die Datenqua-

lität und Data Governance entscheidend zu ver-

bessern.

Alle Lösungen von SAS sind auch als Managed

Services verfügbar und lassen sich sowohl in

der Public Cloud, der Private Cloud oder in hyb-

riden Cloud-Umgebungen nutzen. Ein Schwer-

punkt liegt dabei auf Lösungen für Self-Service

Business Analytics, mobile Business Analytics

oder Datenvisualisierung, die es auch Fachab-

teilungen und der Managementebene ermögli-

chen, ohne besondere Statistikkenntnisse oder

Unterstützung der IT-Abteilung wertvolle Er-

kenntnisse aus dem Datenmaterial zu ziehen.

Hintergrund: SAS entstand im Rahmen eines

Forschungsprojekts an der North Carolina State

University. Das 1976 gegründete Unternehmen

mit Sitz im US-amerikanischen Cary, North

Carolina, beschäftigt rund 14.000 Mitarbeiter

und unterhält 400 Niederlassungen in 56 Län-

dern weltweit. SAS Deutschland hat seit 1982

seine Zentrale in Heidelberg mit weiteren Nie-

derlassungen in Berlin, Frankfurt, Hamburg,

Köln sowie München und beschäftigt aktuell

rund 550 Mitarbeiter. Zu den deutschen Kunden

gehören zum Beispiel Allianz, Continental, Com-

merzbank, HUK Coburg, Fraport, REWE Touris-

tik, Nestlé, Galeria Kaufhof, BASF und die Meyer

Werft.

Page 53: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 53 –

SDG

www.sdggroup.com

Firmenprofil

Seit Gründung im Jahr 1991 hat sich die SDG

Group zu einer global agierenden Management-

und IT-Beratung entwickelt, spezialisiert auf die

Bereiche:

• Reporting und Analyse

• Predictive & Advanced Analytics

• End2End-Planungslösungen

• Datenmanagement & DWH

• Big Data Architekturen

Über 400 Berater an international 16 Standorten

betreuen mehr als 350 aktive Kunden. Dazu ge-

hören namhafte Unternehmen aus Branchen wie

Handel, Konsumgüter, Pharma, Dienstleistung

und Industrie.

Fokus: Advanced & Predictive Analytics

Die Anwendung modernster Prognose- und

Data-Mining-Modelle, insbesondere in Verbin-

dung mit neuen Ansätzen wir z.B. Big Data oder

Cloud Computing, ermöglicht die Verarbeitung

von bisher überhaupt nicht vorhandenen oder

nur unzureichend genutzten Daten. Dadurch

sind wir in der Lage unsere Lösungen um früher

nicht für möglich gehaltene Analysen und daraus

resultierend bedeutende Erkenntnisse zu erwei-

tern.

Ein solcher datengetriebener Ansatz auf Basis

von State of the Art-Software in Kombination mit

einem klaren Verständnis für sinnvolle fachliche

Fragestellungen ist ein Kernelement des SDG-

Leistungsangebots, welches sich in die folgen-

den drei Themenfelder gliedert:

Predictive & Forecasting: In unseren aktuellen

Projekten spielt die intelligente Nutzung histori-

scher Daten zur Vorhersage zukünftiger Ent-

wicklungen eine immer stärker werdende Rolle.

Fachlich bietet diese Methodik in vielerlei Hin-

sicht große Potentiale, wie z.B. die quantitative

Prognose der künftigen Nachfrage für einzelne

Produkte zur operativen Optimierung der Supply

Chain oder die Vorhersage des Erfolgs von Mar-

ketingkampagnen, der Ausfälle von technischen

Anlagen (Predictive Maintenance) sowie Kun-

denwanderung oder Betrugserkennung.

Stream Mining: Darüber hinaus nutzen wir kon-

tinuierlich generierte Datenströme (z.B. Sensor-

daten technischer Anlagen) zur Ableitung des

„Normalzustands“ und der Identifikation von sig-

nifikanten Abweichungen. Auf diese Weise las-

sen sich Lösungen realisieren, die Realtime- o-

der Near-Realtime-Vorhersagen über die Ent-

wicklung kritischer Systemzustände, z.B. in Pro-

duktionsprozessen oder Kraftwerksanlagen zu-

lassen. Ein frühzeitiges Eingreifen wird ermög-

licht und kostspielige Ausfallzeiten sowie grö-

ßere Schäden reduziert.

Data Science: Unter das Thema „Data Science“

fallen Lösungen für ein breites Anwendungs-

spektrum, wie z.B. die Identifikation der kausa-

len Wirkung von Marketingaktionen, die Analyse

der Preiselastizität von einzelnen Produkten in

unterschiedlichen Shops einer Retail-Kette, die

Erstellung von – um quantitative Bedingungen

bereinigte – Vergleichen innerhalb dezentraler

Vertriebsstrukturen oder ganz allgemein gesagt

das „Entwirren“ komplexer Daten in interpretier-

bare und aussagefähige Erkenntnisse.

In den drei genannten Bereichen spielen die Da-

ten neben den eigentlichen Prognose und Mi-

ning Algorithmen eine zentrale Rolle. Erst durch

die Verfügbarkeit aller relevanten Daten und die

Schaffung einer Datability – den intelligenten

Umgang mit Daten, egal welcher Herkunft – er-

geben sich für Unternehmen echte neue Ge-

schäftspotentiale.

Von der Identifizierung der richtigen Datenquel-

len (insbesondere auch externer), dem Daten-

konzept zur Speicherung der heterogenen Da-

ten über Abfragetechniken bis hin zur Visualisie-

rung der Daten bietet SDG umfassenden Exper-

tise. So entstehen aus explorativer Analyse

komplexer Datenstrukturen wertvolle Business

Informationen.

Kontakt:

Telefon: +49 40 4689964 0

Mail: [email protected]

Page 54: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

BARC-Anwenderstudie: Advanced und Predictive Analytics 2016 – Schlüssel zur zukünftigen Wettbewerbsfähigkeit

- 54 –

Sopra Steria Consulting

www.soprasteria.de

Firmenprofil

Sopra Steria Consulting zählt heute zu den Top

Business Transformation Partnern in Deutsch-

land. Als ein führender europäischer Anbieter für

digitale Transformation bietet Sopra Steria eines

der umfassendsten Angebotsportfolios für End-

to-End-Services am Markt: Beratung, Systemin-

tegration, Softwareentwicklung, Infrastrukturma-

nagement und Business Process Services.

Unternehmen und Behörden vertrauen auf die

Expertise von Sopra Steria, komplexe Transfor-

mationsvorhaben, die geschäftskritische Her-

ausforderungen adressieren, erfolgreich umzu-

setzen. Im Zusammenspiel von Qualität, Leis-

tung, Mehrwert und Innovation befähigt Sopra

Steria seine Kunden, Informationstechnologien

optimal zu nutzen. 1968 gegründet, erzielte

Sopra Steria 2014 mit mehr als 37.000 Mitarbei-

tern in über 20 Ländern einen Pro-forma-Umsatz

in Höhe von 3,4 Mrd. Euro.

In Deutschland ist Sopra Steria Consulting mit

1700 Mitarbeitern in Hamburg, Berlin, Leipzig,

Frankfurt, Köln, München und Wilhelmshaven

vertreten.

Wodurch zeichnet sich Sopra Steria Consul-

ting aus?

Sopra Steria Consulting verbindet seine tiefge-

hende Kenntnis der Geschäftsprozesse seiner

Kunden mit einer umfassenden internationalen

Expertise in IT und Business Process Outsour-

cing. Im Bereich Business Intelligence (BI) und

Big Data unterstützt Sopra Steria Consulting

seine Kunden mit über 120 BI-Beratern in

Deutschland sowie 850 BI-Beratern weltweit bei

der digitalen Transformation in sämtlichen Fra-

gestellungen von der BI-Strategie und BI-

Governance, über Technologie & Architektur bis

hin zu Data Management- und Reporting & Ana-

lytics-Themen.

Die Lösungen und praxiserprobten Frameworks

und Methoden von Sopra Steria Consulting hel-

fen Entscheidungsträgern in einer Welt stetig

wachsender Datenvolumina, komplexer Daten-

ströme und steigender Vernetzung, einen

schnellen Zugriff auf präzise aufbereitete Infor-

mationen zu erhalten und valide Entscheidun-

gen für ein nachhaltiges Unternehmenswachs-

tum zu treffen.

Reporting & Analytics

Die Branchen- und BI-Experten von Sopra Steria

Consulting gestalten analytische Applikationen

mit einer optimalen Informationsbereitstellung

entlang branchenspezifischer Geschäftspro-

zesse und schaffen damit Entscheidungssicher-

heit durch Transparenz. Die Einbindung externer

Faktoren – über Predictive-Modelle – in die Re-

porting- und Planungsprozesse ist für die Aussa-

gekraft der Informationen und damit für die Wett-

bewerbsfähigkeit von zentraler Bedeutung.

Data Management

Das Data Integration Framework von Sopra Ste-

ria Consulting gewährleistet eine robuste, ska-

lierbare Data Management-Infrastruktur mit

stabiler Performance. Dieses Framework liefert

die Grundlage für eine nachhaltige Behandlung

großer Datenmengen und schafft die Basis für

die optimale Informationsbereitstellung.

Architecture & Technology

Auf Grundlage ihrer anbieterübergreifenden Er-

fahrung entwickeln die Spezialisten von Sopra

Steria Consulting innovative Architektur- und

Prozessmodelle unter Einbeziehung modernster

Technologien.

Strategy & Governance

Sopra Steria Consulting erarbeitet basierend auf

seiner praxiserprobten Methodik und Vorge-

hensweise gemeinsam mit seinen Kunden Stra-

tegien für die Produktion und den Einsatz von In-

formation. Dabei sichert der Bereich Gover-

nance ein bereichsübergreifendes, strategiekon-

formes Handeln und schafft Organisationsstruk-

turen für eine effiziente Nutzung und Weiterent-

wicklung.

Kontakt:

Telefon: +49 40 22703 0

E-Mail: [email protected]

Page 55: Advanced und Predictive Analytics – Schlüssel zu zukünftiger ...

Copyright © BARC GmbH 2016. All rights reserved.

Business Application Research Center – BARC GmbH

Germany

BARC GmbH

Berliner Platz 7

D-97080 Würzburg

+49 (0) 931 880651-0

www.barc.de

Austria

BARC GmbH

Goldschlagstraße 172 / Stiege 4 / 2.OG

A-1140 Wien

+43 (1) 8901203-451

Switzerland

BARC Schweiz GmbH

Buchhaldenstraße 7

CH-5442 Fislisbach

+41 (0) 763403516

Rest of the World

+44 1536 772 451

www.barc-research.com


Recommended