Cloud oder Nicht-Cloud – für viele noch immer eine Grundsatzfrage, so Andreas Becks, Manager Business Analytics, SAS DACH. Doch Vorteile gewinnen die Überhand gegenüber Misstrauen.
Einmal Business-Software anschaffen, die im Unternehmen implementiert und dann möglichst lang mit inkrementellen Erweiterungen genutzt wird, dieses Konzept könnte bald endgültig der Vergangenheit angehören. Denn: IT-Budgets schrumpfen, und die Anforderungen an ein Geschäfts ändern sich heute rasant. Da sind große, teure und monolithische Einheiten immer öfter fehl am Platz.
Insbesondere gilt das bei kleinteiligeren, agilen Unternehmensstrukturen oder auch auf Bereichsebene – wenn also beispielsweise das Marketing analytische Fragestellungen klären will, die keine eigene Infrastruktur rechtfertigen. Cloud-Lösungen können hier eine sinnvolle Alternative sein.
So lassen sich Risiken bei der Planung eines SAP S/4HANA-Projektes vermeiden
Ziel dieses Ratgebers ist es, SAP-Nutzern, die sich mit SAP S/4HANA auseinandersetzen, Denkanstöße zu liefern, wie sie Projektrisiken bei der Planung Ihres SAP S/4HANA-Projektes vermeiden können.
Aber auch mit Blick auf den unternehmensweiten Einsatz von Analytics ist die Cloud der Schlüssel für ein weit verbreitetes Problem, das zum Beispiel die Universität Potsdam in verschiedenen Studien identifiziert hat.
Diese in Zusammenarbeit mit SAS erstellten Untersuchungen zum Status quo von Analytics in Deutschland, Österreich und der Schweiz zeigen, dass Unternehmen den Wert von Analytics durchaus zu schätzen wissen. Die flächendeckende Umsetzung scheitert jedoch häufig an internen Hürden, die sich mit einem Cloud-Ansatz überwinden lassen.
Cloud ist allerdings nicht gleich Cloud. Die Bandbreite der Möglichkeiten reicht hier von Hosted Services, Software-as-a-Service über Remote-Angebote bis hin zu Varianten, bei denen nicht nur die Analytics-Lösung extern betrieben, sondern auch gleich die Datenanalyse durchgeführt wird. Vereinfacht gesagt: Unternehmen liefern Daten, der Analytics-Anbieter modelliert, analysiert und liefert Ergebnisse zurück.
Mangel an Know-how und Ressourcen
Analytics liefert ein gutes Beispiel für den Nutzen dieses Results-as-a-Service-Ansatzes. Grundsätzlich ist er natürlich auch für andere Disziplinen sinnvoll, und zwar immer genau dann, wenn es für Unternehmen nicht profitabel oder schwierig ist, Mitarbeiter einzustellen, die den Umgang mit solch komplexen Aufgabenstellungen beherrschen.
Report: State of Digital Transformation EMEA 2019
Zu den größten Hürden der digitalen Transformation zählen der mobile Zugriff auf Unternehmensdaten und Anwendungen, die Nutzung unsicherer Netzwerke und nicht verwalteter Geräte. Das geht aus dem Report „State of Digital Transformation EMEA 2019“ von Zscaler hervor. Jetzt den vollständigen Report herunterladen!
Bei analytischen Fragestellungen heißt dieser Engpass Data Scientist: schwer zu finden und für gelegentliche analytische Anfragen in Vollzeit schlicht zu teuer. Das betrifft häufig kleine und mittelständische Unternehmen, die in analytischer Hinsicht zwar mit Großunternehmen mithalten müssen, die erforderlichen Ressourcen aber schwer selbst vorhalten können.
Ein spezialisierter Anbieter, der solche Experten für viele Kunden gleichzeitig einsetzen kann, tut sich da leichter. Diese stehen den Kunden dann quasi auf Abruf bereit. Allerdings sollten Unternehmen darauf achten, mit ihrem Analytics-Anbieter plausible Service-Level-Vereinbarungen zu treffen, damit sie die Ergebnisse auch immer in der erforderlichen Zeit erhalten.
Es gibt Brücken
Der analytische Service kann verschiedenste Bereiche abdecken: von Profilierung, Segmentierung, Kundenbindung über Reaktionsmodellierung, Visualisierung und Prognosen bis hin zu Betrugserkennung. Das hängt ganz vom Unternehmen ab. Insofern gibt es an dieser Stelle keine Standardlösungen, sondern nur maßgeschneiderte, situationsgerechte Angebote.
Dennoch lassen sich selbst die schneller umsetzen als vergleichbare Inhouse-Projekte, weshalb sie sich auch für größere Unternehmen als Übergangslösung eignen, um die Zeit bis zum Start einer selbst betriebenen Lösung zu überbrücken. Aber auch, um erst mal ohne allzu hohen Kostendruck ein analytisches Experimentierfeld aufzumachen und sich der Frage zu nähern, wie Analytics dem eignen Unternehmen helfen kann, eignet sich ein solches Outsourcing des vollständigen Analytics-Prozesses.
Die Daten sind da, die Cloud ist da – jetzt heißt es, die entsprechenden Prozesse anzustoßen, um das Potenzial von Big Data auch wirklich zu nutzen. Es gibt Hürden. Aber es gibt auch Brücken.
