Advanced Analytics in der DACH-Region

Der Begriff „Advanced Analytics“ beschreibt 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 zugehörigen Wahrscheinlichkeiten zu berechnen. Zur Umsetzung von Advanced Analytics müssen Verantwortliche in Unternehmen einige Entscheidungen treffen: Welche Anwendungsfälle sollen angegangen werden, welchen Stellenwert soll das Thema generell im Unternehmen haben, welche Rollen mit welchen Fähigkeiten sollen aufgebaut oder genutzt werden und auf welche Technologie möchte man sinnvollerweise setzen?

Jedes Jahr untersucht BARC mittels seiner Anwenderbefragung „Advanced & Predictive Analytics DACH“ die gegenwärtigen Advanced-Analytics-Entwicklungen bei Anwenderunternehmen im deutschsprachigen Raum. Mit 210 Teilnehmern bei einer breit gefächerten Branchenverteilung deckt die aktuelle Studie verschiedene Unternehmensgrößen ab und bietet einen objektiven Blick auf den Status quo und die Planung von Unternehmen hinsichtlich Advanced und Predictive Analytics. Der Artikel stellt wesentliche Ergebnisse aus dem Survey 2017 vor.

Unternehmen befinden sich überwiegend in der Prototypisierung von Advanced Analytics Use Cases

Der Reifegrad von Unternehmen in Bezug auf die Umsetzung von Advanced Analytics variiert stark. Dem analytischen Zyklus folgend haben wir die Teilnehmer der Studie gefragt, in welcher Phase der Umsetzung sie sich gegenwärtig hauptsächlich befinden.

Über 50% der befragten Unternehmen, die aktuell Advanced Analytics nutzen, befinden sich derzeit in der Prototypisierung von Use Cases bzw. der Evaluation der Prototypen. Rund ¼ hat diese Phase bereits abgeschlossen und setzt Advanced Analytics regelmäßig zur Entscheidungsunterstützung ein (15%) oder hat wichtige Geschäftsprozesse automatisiert (7%). 18% befinden sich derzeit in der Use-Case-Identifikation.
Die Unternehmen, die Advanced Analytics in eine konsistente Strategie einbetten, sind jedoch nach wie vor in der Unterzahl (5%). Die Mehrheit der Unternehmen (50%) beginnt sich in einzelnen Projekten zu orientieren bzw. informiert sich auf Tagungen oder mittels externer Dienstleister über Wege, Advanced
Analytics ins Unternehmen zu tragen.

Abbildung 1: „In welcher Phase der Umsetzung befinden Sie sich derzeit hauptsächlich?“ nach fachbereichsgetriebenen und IT- & Data-Scientist-getriebenen Unternehmen (n=74)

Eine Infografik zur BARC-Studie Advanced Analytics stellt einige der interessantesten Ergebnisse vor.

Fazit & BARC-Handlungsempfehlungen

Kommunikation ist wichtig: Für die Use-Case-Identifikation, die Beurteilung von Prototypen und die Operationalisierung ist die Kommunikation zwischen Data Scientists, Fachbereichen und IT extrem wichtig. Hier sind Unternehmen, die Data Science auch im Fachbereich verankert haben, im Vorteil, da die Nähe zu den zu optimierenden Prozessen gegeben ist. IT- & Data-Scientist-getriebene Unternehmen müssen daran arbeiten, ein Verständnis für die Prozesse und Methoden im Bereich Advanced Analytics in den Fachbereichen aufzubauen und die analytische Kapazität zu stärken.  

Data Science dauert: Um Advanced Analytics umzusetzen, müssen Investitionen getätigt und Projektteams gebildet werden. Mitarbeiter, die in diese Initiativen involviert sind, müssen über ein ausreichendes Zeitbudget verfügen. Dass dies nach wie vor nicht umfassend berücksichtigt wird, zeigen die Ergebnisse der Umfrage: Fehlende Ressourcen in Fachbereich und IT sowie fehlende Data Scientists werden als größte Probleme genannt.

Data Science kostet: Advanced Analytics Use Cases wie fortgeschrittene Entscheidungsunterstützung oder Prozess-automatisierung erfordern besondere Software, um die Datenaufbereitung schneller, die Modellierung präziser und die Operationalisierung einfacher zu machen. Hier haben Fachbereiche Nachholbedarf und bemängeln fehlende Unterstützung durch die IT.

Externe Beratung hilft: Externe Beratung sollte langfristig nicht den Aufbau entsprechender Kapazitäten im Unternehmen ersetzen, kann aber Lernprozesse beschleunigen. Sinnvolle Schwerpunkte sollten im Aufbau analytischer Kompetenz in den Fachbereichen, der Vermittlung des notwendigen speziellen Know-hows in den Data-Science-Teams, sowie im Ausbau der Methodik-Kompetenz für die Identifikation und Priorisierung von Use Cases liegen.

Abbildung 3: „Welche softwareseitige Unterstützung für fortgeschrittene Analysen haben Sie in Ihrem Unternehmen im Einsatz bzw. planen Sie, zukünftig einzusetzen?“ nach fachbereichsgetriebenen und IT- & Data-Scientist-getriebenen Unternehmen (n=162)

Dr. Sebastian Derwisch ist Data Scientist am Business Application Research Center (BARC). Er berät Unternehmen in den Bereichen Use-Case-Identifikation für Datenanalyse, Werkzeugauswahl für Advanced Analytics und die Organisation von Data-Science-Teams. Er führt Proof of Concepts für Advanced Analytics durch und gibt Data Science Coachings. Sebastian Derwisch ist Autor von BARC-Marktstudien und Forschungsartikeln, hält Vorträge auf Konferenzen und BARC- und Inhouse-Seminare.

BARC Studie: Advanced und Predictive Analytics: Data Science im Fachbereich

Beitrag: Advanced Analytics Software für das Controlling

BI Scout Marktübersicht Advanced Analytics