Big Data für Prognosen, nicht fürs Reporting

Wer den Markt aufmerksam beobachtet – egal, in welcher Branche – stellt spätestens zur Jahresmitte 2016 fest: Digitalisierung ist keine Option mehr, sondern Pflicht. Es geht nicht nicht mehr um Philosophie – der Druck kommt aus dem Markt. Bestes Beispiel ist das Marketing: Digitale Kanäle, soziale Medien und die damit einhergehende Vielfalt an Optionen prägen die Erwartungshaltung des Kunden. Um die Interaktion zwischen Kunde und Marke möglichst in Echtzeit zu optimieren, nimmt die Bedeutung von Analytics zu.

Digitalisierung lässt sich aber nicht einfach anordnen und durchsetzen. Voraussetzung ist eine neue analytische Kultur in den Unternehmen. Dazu gehört, dass Mitarbeiter aus den Fachabteilungen ohne Umwege über Daten-Spezialisten Zugang zu Analytics und datenbasierten Entscheidungen bekommen – Stichwort: “Approachable Analytics”. Hinzu kommt, dass analytische Entscheidungen zunehmend geschäftskritisch sind. Sie müssen in großem Stil, verlässlich und skalierbar wie am Fließband Ergebnisse liefern.

Deutsche Unternehmen sehen den Zusammenhang zwischen Big Data Analytics und ihrer Wettbewerbsfähigkeit. Dennoch sind Umsetzung und Verankerung von Big Data Analytics optimierungsfähig. Die meisten Unternehmen setzen zwar analytische Verfahren ein, können daraus jedoch zu wenige Vorteile ziehen. Das geht aus der Studie “Wettbewerbsfaktor Analytics” der Universität Potsdam hervor.

Das Problem: Viele setzen Big Data immer noch rein für Reportings ein, also rückwärtsgewandt. Dabei kann Big Data viel besser für Prognosen, Optimierungen und statistische Analysen genutzt werden, um die Wertschöpfung zu steigern oder neue Produkte zu entwickeln.

Die gute Nachricht ist: Diese Defizite sind der Mehrheit der Verantwortlichen bewusst, die Einsatzfelder von Big Data Analytics verschieben sich allmählich. So erwarten die Befragten, dass die Erschließung von Innovationen stark zunehmen wird (22 Prozent). Die Optimierung bestehender Prozesse und Produkte bleibt wichtig (28 Prozent) und die Erhöhung der Rentabilität tritt weiter in den Vordergrund (21 Prozent).

Das reine Berichtswesen verliert jetzt schon an Bedeutung. Wichtig bleibt es nur für den Check “Was funktioniert, was funktioniert nicht”. Analysen, die Ermittlung von Zusammenhängen, Prognosen und die Identifikation von Schwachstellen nehmen einen immer größeren Raum ein.

Neue günstige Speicher- und Auswertungstechnologien wie Hadoop ermöglichen wirtschaftlichere Analysen vieler und vielfältiger Daten. Zunehmen werden analytische Leistungen und Tools aus der Cloud bezogen.

Leistungsstarke Analytics-Werkzeuge, die auch mit unstrukturierten, komplexen Daten umgehen können, sind gefragt. Damit lassen sich immer mehr unterschiedliche Quellen und Formate erfassen. Viel zu schade für rückwärtsgewandtes Business Intelligence.