Industrial Analytics –<br>Riesenpotenziale, großer Nachholbedarf

Industrial Analytics –
Riesenpotenziale, großer Nachholbedarf

Viele Firmen sind den Herausforderungen von IoT und Industrie 4.0 noch nicht gewachsen.

07.12.2016, Autor: Axel Bange

In Zeiten von Big Data und des  „Internet of Things“ (IoT)  wird die Datenanalyse auch für Industrieunternehmen immer wichtiger. Die aktuelle Studie "Industrial Analytics Report 2016/2017" des Digital Analytics Association e.V. hat den Einsatz von Datenanalyse in Industrieunternehmen untersucht. Für die Studie wurden weltweit 151 Entscheider aus Industrieunternehmen befragt. Circa die Hälfte der teilnehmenden Unternehmen hat ihren Hauptsitz in Deutschland. Klares Fazit der Studie:  Die meisten Firmen erkennen die Potenziale von Industrial Analytics. Es hapert jedoch noch oft bei der Umsetzung und es fehlen Fachkräfte. 

Steigende Umsätze sind Haupttreiber von Analytics-Projekten


Die Bedeutung von Analytics in Industrieunternehmen steigt rasant: 15% der in der Studie Befragten sehen Industrial Analytics als entscheidenden Faktor für den geschäftlichen Erfolg ihrer Unternehmen heute, während 69% der Ansicht sind, dass dies in fünf Jahren entscheidend sein wird. Bereits 68% der Befragten haben eine unternehmensweite Datenanalyse-Strategie, 46% verfügen über eine eigene Organisationseinheit, aber nur 30% haben tatsächlich Projekte abgeschlossen.

Laut der Studie erzielen ein Drittel der Unternehmen durch den Einsatz von Analytics Umsatzsteigerungen (Abbildung 1). Höhere Umsätze sollen laut der Studie mit dem Einsatz von Analytics auf drei Arten erreicht werden: Upgrade bestehender Produkte, Änderung des Geschäftsmodells bestehender Produkte und Schaffung neuer Geschäftsmodelle. Kundenzufriedenheit (22%) gehört auch zu den meistgenannten Vorteilen von Industrial Analytics. „Kostensenkungen“ hingegen sind mit nur drei Prozent der Nennungen weniger relevant. Als Haupteinsatzbereiche von Industrial Analytics in den kommenden ein bis drei Jahren werden „Predictive Machine Maintainance“ (für 79% der Befragten wichtig), Kunden-/marketingbezogene Analytics (77%) sowie die Analyse von Anwendererfahrungen mit Produkten (76%) genannt.

Abbildung 1: Vorteile durch Industrial Analytics (Quelle: © 2016 IoT Analytics GmbH)

IoT – Daten werden erfasst, jedoch unzureichend ausgewertet

Das „Internet of Things“ stellt zusätzliche Herausforderungen an Industrial Analytics, einschließlich Echtzeitdatenströmen, enorm großen Datensätzen und völlig neuen Anwendungsfällen. Eine Mehrheit der Unternehmen fühlt sich „gut“ oder „sehr gut“ aufgestellt bei der Erfassung von IoT-bezogenen Sensordaten (60%). Es hakt jedoch noch bei der Analyse:  Nur 32 Prozent meinen, dass sie gute oder sehr gute Erkenntnisse aus ihren Sensordaten gewinnen.  Noch größer bemisst sich der Unterschied bei der IoT-Infrastruktur. 68% der Befragten halten diese für wichtig oder sehr wichtig, aber nur 17% fühlen sich gut aufgestellt. Dies sind alarmierende Zahlen, die auf einen sehr großen Nachholbedarf hindeuten.Demo-Text seit 1500, als ein unbekannter Schriftsteller eine Hand voll Wörter nahm und diese durcheinander warf um ein Musterbuch zu erstellen.

Bedarf an Data Science & Scientists


Ein Drittel der befragten Unternehmen hat überhaupt keine eigenen Datenanalyse-Projekte (Abbildung 2). Stattdessen outsourcen viele große Industrieunternehmen ihre Data-Analytics an externe Dienstleister (55%). Ein Grund dafür dürften fehlende qualifizierte Mitarbeiter sein, denn die größte Kompetenzlücke sehen die Befragten Unternehmen bei der Data Science: 92% halten sie für wichtig oder sehr wichtig, aber nur 22% fühlen sich gut aufgestellt.

Dazu meint Frank Pörschmann, Vorstandsmitglied des Digital Analytics Association e.V.: „Das Anwerben und vor allem die unternehmensspezifische Ausbildung von Datenspezialisten wird in den kommenden Jahren für Industrieunternehmen zum wettbewerbsrelevanten Engpass. Data-Teams sind idealerweise interdisziplinär und vereinen moderne Analysefähigkeiten mit Technologie, Prozess und Kundenwissen. Führungskräfte müssen verstehen, wie sie solche Expertenteams zusammenstellen und leiten. Datenkompetenz hat sich längst auch zu einer zusätzlichen Führungsdisziplin entwickelt, unabhängig von Seniorität oder Führungsebene.“

Industrieunternehmen sollten also nun schnell handeln und interne Strukturen und Ressourcen anpassen, damit sie künftig ihre Analytics-Datenschätze heben können!

Abbildung 2: Wichtigkeit von Data Analytics Fähigkeiten (Quelle: © 2016 IoT Analytics GmbH)

Axel Bange ist Geschäftsführer der B-Eye-Media GmbH und Herausgeber von BI-Scout.com. Er verfügt über mehr als zwölf Jahre Erfahrung in den Branchen Medien und IT in verschiedenen Tätigkeiten.

Kontakt: redaktion@bi-scout.com