Big-Data-Analysen im Mittelstand
KMU fehlt es an Know-how, Zeit und den richtigen Technologien, um das Potenzial ihrer Daten zu nutzen.
Laut einer Studie von Techconsult schöpfen nur 17 Prozent aller untersuchten klein- und mittelständischen Unternehmen das Potenzial ihrer Daten nach eigenen Angaben voll aus. Nur bei größeren Mittelständlern ab 500 Mitarbeitern sind es mit 24 Prozent etwas mehr. Knapp ein Viertel (24 Prozent) der Befragten gibt an, bereits heute Big-Data-Analysen in der Praxis durchzuführen.
Marketing, Produktion, Logistik und HR
Besonders in Marketing, Produktion, Logistik und HR sehen die Befragten starkes Potenzial. So sind mehr als die Hälfte aller Befragten (57 Prozent) der Meinung, dass sich mit Hilfe von Big-Data-Analysen genaue Absatz- und Bedarfsplanungen ermitteln lassen. 48 Prozent sehen Vorteile in der Analyse von Maschinendaten und Produktionsmengen in der Fertigung. 45 Prozent schreiben Big Data in der Logistik das Potenzial zu, Prozessabläufe zu verbessern sowie die Personaleinsatz- und Kapazitätsplanung zu steuern. HR-Mitarbeiter wiederum können datenbasiert überprüfen, ob die Mitarbeiter entsprechend ihrer Qualifikation eingesetzt sind oder wo es Optimierung bei Arbeitszeiten gibt (46 Prozent ).
Zu wenig Daten und Know-how
Gegen die grundsätzliche Nutzung von Big Data sprechen ein Mangel an Daten (55 Prozent), fehlendes Know-how (17 Prozent) und technische Ursachen wie veraltete IT-Architektur (11 Prozent) oder zu wenig Rechenkraft (12 Prozent).
Selbst wenn Daten erhoben werden, hakt es bei der Auswertung der Daten aus verschiedenen Gründen: Zu den größten Hindernissen zählt eine zu geringe Datenqualität (37 Prozent). Zeitmangel nennen 26 Prozent als Grund. 19 Prozent der Befragten fehlt es an Personal mit den entsprechenden analytischen Skills.
Da Big Data eine große Menge unterschiedlicher Daten vereint, deren Sensibilität nicht immer auf den ersten Blick erkennbar ist, stellen auch Compliance und Datensicherheit für den Mittelstand ein besonderes Hindernis dar (28 Prozent). Mangelnde Analyse-Tools beziehungsweise geeignete Technologien schlagen mit 20 Prozent zu Buche, der Implementierungsaufwand bei Big-Data-Analytics-Lösungen mit 14 Prozent.
Von Big-Data-as-a-Service-Anwendungen versprechen sich aktuell 76 Prozent der Befragten eine Verbesserung der Qualität von Datenanalysen und 64 Prozent Einsparungen bei Infrastruktur- und Personalkosten. Von der Beschleunigung einer datengetriebenen Entscheidungsfindung im C-Level-Bereich gehen 67 Prozent der Befragten aus.
