Advanced, predictive, preventive: Data Analytics – Trend oder Zukunft?

Die Themen Digitalisierung und Big Data stehen bereits seit Jahren auf der »To-do-Liste« der Unternehmen und sind auch in den Fachmedien mehr als präsent. Allerdings steckt die Umsetzung in der Realität bei vielen Unternehmen noch in den Kinderschuhen. Das Potenzial, das Daten bieten, ist häufig nicht auf den ersten Blick ersichtlich. Erst durch eine detaillierte Analyse der Daten lassen sich diese optimal nutzen. Mittlerweile eröffnen sich hier mit Data Analytics ganz neue Möglichkeiten.

Bevor wir uns mit Data Analytics im Folgenden näher beschäftigen, ist es hilfreich, die Begriffe Digitalisierung und Big Data näher zu -betrachten. Der Prozess der Digitalisierung wird oftmals auch als digitale Transformation von Unternehmen und Organisationen bezeichnet, da komplette Strukturen und bestehende Vorgehensweisen optimiert oder komplett obsolet werden. Durch die Digitalisierung bei der Transformation kommt es zwangsläufig zu einer Zunahme von Daten. Je umfangreicher Daten angehäuft werden, desto schwieriger wird es, diese mit herkömmlichen, manuellen Methoden auszuwerten. Bei Big Data handelt es sich um umfangreiche Mengen unstrukturierter oder semistrukturierter Daten. Laut einer Studie des Speicherherstellers Seagate und dem Marktforschungsunternehmen International Data Corporation (IDC) erhöhen sich die global erzeugten Datenmengen bis zum Jahr 2025 um mehr als 142 auf 175 Zettabytes (1 ZB = 1.000.000.000.000 GB). Im übertragenen Sinne könnte man mit dieser Datenmenge DVDs brennen, deren Höhe der Entfernung zum Mond, gestapelt 22 Mal (ca. 384.400 km) entspricht. Bei 30 Prozent dieser Daten handelt es sich um Echtzeit-daten, denen in der Regel eine besondere Bedeutung zukommt, da diese schnellstmöglich verarbeitet werden müssen. Aber auch der generelle Umgang mit Daten wird sich verändern. Laut der Studie wird dann jede Person mit einem Zugang zum Internet mindestens alle 18 Sekunden mit verschiedenen Formen von Daten interagieren. 

Der Begriff »Data Analytics«. Als Data Analytics wird die detaillierte Analyse von Datenmengen bezeichnet. Um große Datenmengen, sogenannte Big Data analysieren zu können, ist es zunächst notwendig, die Extrahierung, Indexierung und Speicherung der Daten zu definieren. Daten können grundsätzlich von diversen Quellen erzeugt worden sein, verschiedene Datenformate besitzen oder auch aus Echtzeitdaten bestehen. Wie wertvoll generierte Daten sind, erkennen Unternehmen auch heute oftmals nicht. Genau dort setzt Data Analytics an. Data Analytics bietet die Möglichkeit, durch einen verbesserten Einblick in die Infrastrukturen Optimierungspotenziale zu generieren. Entscheidungen lassen sich somit fundiert durch Fakten untermauern. Dies bedeutet: Versteckte Muster oder Korrelationen werden erkannt und können zur Optimierung von Unternehmensbereichen und Geschäftsprozessen genutzt werden. 

Um die Voraussetzungen für Data Analytics zu erfüllen, sollte die Strategie zunächst auf den Einsatz von Big Data und Data Analytics ausgelegt werden. Daten dezentralisiert zu sammeln ist für die spätere Analyse hinderlich und ineffektiv, da hierfür zusätzliche Ressourcen benötigt werden. Daher ist es ratsam, alle erzeugten Daten zentralisiert zu sammeln. Ein weiterer wichtiger Faktor besteht darin, die komplette Infrastruktur einzubeziehen. Nur so kann Data Analytics erfolgreich funktionieren. Des Weiteren müssen die IT-Security-Maßnahmen und Sicherheitskonzepte berücksichtigt werden, um eine nachhaltige Datensicherheit gewährleisten zu können. Dort wo unternehmenswichtige Daten gespeichert, zusammengeführt und verarbeitet werden, ist es unerlässlich, entsprechende Sicherheitsmaßnahmen zum Schutz dieser Daten zu implementieren. Zusätzlich ist ein Rollenkonzept mit verschiedenen Zugriffsrechten notwendig, um DSGVO-Bestimmungen einzuhalten. So sind die Daten und Informationen nur für die Personen zugänglich, die diese auch einsehen und nutzen dürfen.

 

Nach dem Sammeln der Daten, der Aufbereitung und dem Data Mining beginnt die eigentliche Arbeit von Data Analytics. Die analysierten Daten können durch geeignete Softwarelösungen in den Bereichen Operational Intelligence und Automation helfen, zukünftige Szenarien automatisiert zu bearbeiten, beziehungsweise mögliche externe Einflüsse einzubeziehen, bevor diese eintreffen.

Nach dem Sammeln der Daten, der Aufbereitung und dem Data Mining beginnt die eigentliche Arbeit von Data Analytics. Die analysierten Daten können durch geeignete Softwarelösungen in den Bereichen Operational Intelligence und Automation helfen, zukünftige Szenarien automatisiert zu bearbeiten, beziehungsweise mögliche externe Einflüsse einzubeziehen, bevor diese eintreffen.

 

Um die Zusammenhänge und den Wert der gesammelten Daten erkennen zu können, ist es erforderlich, geeignetes Personal einzusetzen. Big Data und Data Analytics begründen sich zwar aus der Branche der Informationstechnologie, aber die Fachkräfte für die Datenanalyse benötigen zusätzliche Qualifikationen. Beispielsweise besteht die Hauptaufgabe eines Data Scientist darin, mithilfe von analytischen Methoden aus den Fachbereichen Statistik und Operations Research detaillierte Informationen zu gewinnen und Zusammenhänge aus den gesammelten Daten zu erkennen. Der Data Scientist verfügt über Fachkenntnisse zu Big-Data-Technologien und kümmert sich um die Aufarbeitung, Visualisierung und Erklärung geschäftsrelevanter und sinnvoller Aufgabenstellungen zur Optimierung geschäftsrelevanter Prozesse. 

Reifegrad Data Analytics. Das mittelfristige Ziel beim Einsatz von Data Analytics besteht darin, sich von einer reaktiven zu einer proaktiven Organisation zu entwickeln. Eine reaktive Datennutzung umfasst die Extraktion von Rohdaten, Bereinigung der Daten sowie das Data Mining, also die systematische Anwendung von Methoden, um in den Datenbeständen verschiedene Muster und Trends zu erkennen und diese zu visualisieren. Der Sprung in die proaktive Datennutzung beginnt teilweise schon mit dem Data Mining. Durch die ausgeführten Methoden erhalten Unternehmen eine Klassifikation und Segmentierung ihrer Daten, die dann unter anderem Prognosen zu verschiedenen Szenarien ermöglichen. Nach dem erfolgreichen Data Mining beginnt die eigentliche Arbeit von Data Analytics. Die analysierten Daten können nun mithilfe von Softwarelösungen in den Bereichen Operational Intelligence und Automation helfen, zukünftige Szenarien automatisiert zu bearbeiten, beziehungsweise mögliche externe Einflüsse einzubeziehen, bevor diese eintreffen.

Warum jedes Unternehmen Data Analytics benötigt?

  • Reaktion
    Data Analytics unterstützt durch eine professionelle Auswertung geschäftsrelevanter Daten, fundierte, auf Fakten basierende Entscheidungen zu treffen. Durch optimierte Reaktionszeiten wird zudem die Systemeffizienz erhöht. Zusätzlich lassen sich durch die frühzeitige Erkennung drohender Defekte oder Störungen innerhalb von Infrastrukturen längere, kostspielige Ausfälle verhindern.
  • Transparenz
    Data Analytics führt zu einem besseren Verständnis der vorliegenden Daten. Datenfragmente werden mit Metainformationen angereichert und haben dadurch einen größeren Nutzen für ein Unternehmen. Durch die erhöhte Transparenz können gezielt Informationen für verschiedene Zielgruppen bereitgestellt werden.
  • Kapazitäten
    Eine große Herausforderung für Unternehmen ist es, die eigenen internen Ressourcen so zu planen, dass der benötigte Bedarf optimal gedeckt wird. Allerdings kann sich das Risiko einer Ressourcenknappheit bei externen Einflüssen erhöhen. Eine Veränderung der Parameter innerhalb des Systems führt zwangsläufig zu einer Neubewertung der Ressourcenplanung und des Ausfallrisikos. Mithilfe von Data Analytics wird es möglich, dynamisch und proaktiv auf diese Einflüsse einzuwirken und schneller den »richtigen Weg« zu finden.
  • Unterschiedliche Datenquellen
    In den Zeiten der Digitalisierung erhalten Geräte IP-Adressen, an die vor ein paar Jahren noch niemand gedacht hat. Laut der Studie »Visual Networking Index 2018« des US-Unternehmens Cisco Systems wird die Anzahl der an IP-Netzwerke angeschlossenen Geräte bis 2022 mehr als dreimal so hoch sein, wie die gesamte Weltbevölkerung. Dies bedeutet, dass es pro Kopf mehr als 3,6 Geräte geben wird. Schaut man bei dieser Studie nur auf den westeuropäischen Markt, erhöht sich die Zahl nochmals auf 9,4 Geräte pro Kopf. Für das Thema Data Analytics bedeutet dieser Sachverhalt, dass die Daten erzeugenden Devices aus verschiedenen Quellen zunehmen werden. Gerade unterschiedliche Datenquellen – beispielsweise aus Netzwerken, Smarthomes, Smartphones oder Produktions- und Fertigungsstraßen – lassen sich mit Data Analytics hervorragend erfassen und auswerten.

Fazit. Abschließend lässt sich feststellen, dass kein Unternehmen die Themen Digitalisierung, Big Data und Data Analytics ignorieren kann. Der Einsatz von Data Analytics ist besonders in den Bereichen Prozess- und Infrastrukturoptimierung von Bedeutung. Aufgrund der fortschreitenden Digitalisierung und der zunehmenden Cloud-Nutzung ist es ratsam, sich dieser Thematik frühzeitig zu stellen. Controlware ist für die Integration von Data-Analytics-Lösungen als Systemintegrator ein kompetenter Partner – mit langjähriger Erfahrung in den Bereichen Network Solutions, Collaboration, Information Security, Application Delivery, Data Center & Cloud sowie IT-Management.


Christopher Gasteier,
Solution Manager
IT-Management,
Controlware GmbH
www.controlware.de

 

 

Illustration: © Yuri Hoyda /shutterstock.com

 

678 search results for „Big Data Digitalisierung“

Digitalisierung von Geschäftsprozessen – Wenn aus »Big Data« »Smart Data« wird

INFORM ist spezialisiert auf intelligente Software zur optimierten Planung und Echtzeit-Disposition von Geschäftsprozessen. Integriert in die bestehende IT-Umgebung optimieren diese Systeme den Erfolg vieler Planungen, Betriebsprozesse und Dispositionsentscheidungen in Bezug auf Produktivität und Zuverlässigkeit. Wir sprachen mit Jens Siebertz, stellvertretender Leiter des Geschäftsbereichs Produktion bei INFORM.

Big Data und Advanced Analytics: Erfolgsfaktoren der Digitalisierung

Die Analyse von Big Data verspricht weitere und aktuellere Daten für die operative Steuerung und Entwicklung neuer Angebote. Doch bislang geht die Mehrheit der Unternehmen das Thema noch sehr vorsichtig an, wie jetzt eine gemeinsame Umfrage der QUNIS GmbH, Controller Akademie und Aquma GmbH zeigt [1]. Neben einen weiterhin hohen Informationsbedarf sind es vor allem…

6 Gründe für ein Cloud-basiertes Data Warehouse

Ein Data Warehouse, das Daten aus verschiedenen Quellen zusammenfasst, um sie analysieren und darauf reagieren zu können, ist heute entscheidend für den Geschäftserfolg. Denn es verarbeitet schnell die enormen Datenmengen, die sich heute in Unternehmen ansammeln. Darauf basierend können Führungskräfte zuverlässige datenbasierte Entscheidungen treffen. Allerdings halten es fast zwei Drittel der kürzlich befragten Experten für…

Wie Automatisierung des Data Warehouse den Wert der Unternehmensdaten erhöhen kann

Volume, Velocity, Variety, Veracity. Im englischen IT-Sprachgebrauch haben sich die vier Vs der Datenspeicherung längst etabliert. Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit gilt es in Einklang zu bringen, um die Daten eines Unternehmens erfolgreich verwalten zu können. Herkömmliche Data-Warehouse-Infrastrukturen sind häufig nicht mehr in der Lage, die enormen Datenmengen, die Vielfalt der Datentypen, die Geschwindigkeit mit…

Master Data Management per Open-Source-Plattform: Ein Unternehmen, eine Datenplattform

  Auf dem Weg zur Digitalisierung stehen Unternehmen auch vor der Aufgabe, ihre Stammdaten effizienter zu organisieren. Dafür braucht es ein unternehmensübergreifendes Stammdaten-System, in dem alle Daten in hoher Qualität, einschließlich ihrer Relationen untereinander, hinterlegt und abgerufen werden können. Für die technische Umsetzung bieten sich Open-Source-Plattformen als zukunftsfähige und kostengünstige Lösung an.   Daten werden…

Fünf Vorurteile über Data Analytics

Die Entwicklungen von Big Data, Machine Learning und künstlicher Intelligenz werden 2019 wieder zu einem spannenden Jahr machen. Dank der Zukunftstechnologien gewinnt vor allem die Datenanalyse an Fahrt und Unternehmen werden noch weniger um die effektive Auswertung ihrer Informationen herumkommen. Manch einer tut sich aber schwer mit dieser neuen, tragenden Säule im Geschäftsalltag. IT-Experten sehen…

Digitalisierung im Mittelstand: Die IT als zentraler Treiber für unternehmerische Wertschöpfung

Um die Digitalisierung im Mittelstand voranzutreiben, muss sich die Rolle der IT und die Sichtweise auf sie in Unternehmen ändern. Zwar gewinnt die Umgebung an Komplexität, doch Prozesse werden insgesamt verschlankt: Statt einer hohen Individualisierung wird heute eine Standardisierung von Software angestrebt. Diese bietet die notwendige Agilität, um den sich ständig verändernden Anforderungen des Marktes…

Big Data killed the Radio Star? Wie künstliche Intelligenz die Musikindustrie beeinflusst

Schon immer war die Musikindustrie eine, die sich konstant weiterentwickelt und an die Gegebenheiten der Welt angepasst hat. Mittlerweile hat mit Streaming, Cloud Computing und Algorithmen eine neue Ära dieser begonnen. Künstliche Intelligenz hat nicht nur die Prozesse in der Branche revolutioniert, sondern hilft uns auch dabei, Musik auf eine neue Art und Weise wahrzunehmen…

Health-Check: Wie fit ist Ihr Data Warehouse?

In vielen Unternehmen ist das Data Warehouse in die Jahre gekommen. Gleichzeitig wachsen die Anforderungen der Fachabteilungen. Mit IoT und der Digitalisierung kommen zudem neue Herausforderungen hinzu. Ist Ihr Data Warehouse all dem noch gewachsen? Machen Sie den Health-Check. Das Data Warehouse (DWH) bildet das Fundament für Business Intelligence und Data-Analytics-Plattformen. Es dient als zentraler…

Compliance als Haupttreiber von Data Governance

Die Datenschutzgrundverordnung (DSGVO) entfaltet ihre Wirkung und zwingt Unternehmen zur Umsetzung von Data Governance, insbesondere im europäischen Raum. Ein gut definierter Data-Govnernance-Prozess hilft, die Sichtweisen von Datensammlern und Datenkonsumenten näher zusammenzubringen und so insgesamt zu einer besseren Datenqualität beizutragen.   Das Business Application Research Center (BARC) veröffentlicht »How To Rule Your Data World«, eine weltweite…

Wie langfristige MPS-Konzepte die Digitalisierung in der Logistik vorantreiben

Speditionsunternehmen stehen unter starkem Druck, ihre Prozesse möglichst effizient aufzustellen. Denn auch wenn heute vieles bereits digital passiert, ist der Zeit- und Kostenaufwand für papierbasierte Druck- und Kopierprozesse in der Logistik verglichen mit anderen Branchen immer noch besonders hoch.   Gerade Logistiker, die auch international arbeiten und die Waren weltweit transportieren, müssten sich damit beschäftigen,…

Data Economy: Unternehmen verschenken Potenzial

Durch eine tiefe Integration in die Geschäftsprozesse können ERP-Systeme die datengetriebene Wertschöpfung weiter vorantreiben.   Daten spielen für die wirtschaftliche Leistung in Deutschland, Österreich und der Schweiz eine immer größere Rolle. Ein internationaler Vergleich aus 2018 zeigt jedoch: Hiesige Unternehmen bleiben bei der digitalen Wertschöpfung noch hinter ihren Möglichkeiten. Dabei bietet ein ERP-System, so der…

Startklar für Industrie 4.0 und Big Data: Maschinendaten in wenigen Tagen digitalisieren

Endian auf der SPS IPC Drives – Stand 6-150T PM│Endian PoC-Kit – startklar für Industrie 4.0 und Big Data: Maschinendaten in wenigen Tagen digitalisieren Endian bietet ein Proof-of-Concept (PoC)-Kit, um Maschinendaten zu extrahieren und zu visualisieren. Damit können Unternehmen auf Basis ihrer eigenen Daten entscheiden, wie sie Big-Data-Modelle zukünftig für sich nutzen wollen. Endian präsentiert…

681 search results for „Data Analytics“

Fünf Vorurteile über Data Analytics

Die Entwicklungen von Big Data, Machine Learning und künstlicher Intelligenz werden 2019 wieder zu einem spannenden Jahr machen. Dank der Zukunftstechnologien gewinnt vor allem die Datenanalyse an Fahrt und Unternehmen werden noch weniger um die effektive Auswertung ihrer Informationen herumkommen. Manch einer tut sich aber schwer mit dieser neuen, tragenden Säule im Geschäftsalltag. IT-Experten sehen…

»Data Analytics«-Markt: Machine Learning – Preise sinken, die Produktreife steigt

»Machine Learning as a Service« ist zu einem umkämpften Markt geworden, in dem sich nahezu alle wichtigen IT-Provider positionieren. Sie müssen die Funktionen, zugrundeliegenden Algorithmen und Modelle dabei qualitativ wie quantitativ schnell weiterentwickeln, um Marktanteile und Kunden zu gewinnen. Dies stellt der neue große Anbietervergleich »ISG Provider Lens Germany 2019 – Data Analytics Services &…

Data Analytics in der Praxis – 7 Beispiele für erfolgreiche BI- und Big-Data-Projekte

  Angesichts sich immer schneller ändernder Rahmenbedingungen ist die Bedeutung von Datenanalyselösungen rapide gestiegen. Unternehmen müssen in immer kürzerer Zeit immer weitreichendere Entscheidungen treffen. Dazu brauchen sie einen verlässlichen Datenbestand, der einerseits alle Informationen der Organisation enthält und andererseits rasch und unkompliziert ausgewertet werden kann. Die nachfolgenden, branchenübergreifenden Praxisbeispiele zeigen, wie Unternehmen Daten systematisch analysieren…

Robotik, KI, AVs, Blockchain, Big Data Analytics und Sensoren krempeln die traditionelle Lieferkette um

95 % der Unternehmen noch nicht in der Lage, Vorteile der Digitalisierung für Supply Chains voll auszuschöpfen. Neue Technologien entwickeln sich so rasant, dass Schritthalten für Unternehmen schwierig ist. Mehr als 75 % erkennen potenzielle Vorteile von Informationstechnologie zur Kostenreduzierung, scheitern jedoch bei Implementierung an internen Hürden.   Der Report von DHL zur Digitalisierung in…

Big Data Analytics – Aus Rohdaten wird Gewinn

Verborgene Schätze – Sensoren, Maschinenlogs, SAP-Daten, Remote-Plattformen oder andere Quellen liefern jeden Tag enorme Datenmengen. Sie bleiben häufig ungenutzt. Die Herausforderung ist es, diese Big Data so aufzubereiten, dass man daraus Werte schaffen kann – auf der Kosten-, der Risiko- und vor allem der Wachstumsebene.

Big Data und Data Analytics: Schritt für Schritt zur eigenen Infrastruktur

Big Data und Data Analytics gehören zu den Kernthemen, mit denen sich Unternehmen heute im Rahmen der Digitalisierung ihrer Geschäftsmodelle auseinandersetzen. Externe Unterstützung in der Vorbereitungs- und Aufbauphase hilft Unternehmen, schnell und zielgerichtet eigene Strukturen aufzubauen, um Daten zur Wertschöpfung nutzen zu können. Big Data ist für die Mehrheit der Unternehmen inzwischen ein relevantes Thema,…

Big Data Analytics: So wird jeder Tag zum Black Friday

Vier Ansätze, wie Händler mit Big Data ihre Umsätze steigern. In den letzten Jahren sind Diskussionen über den Erfolg des Black Friday aufgekommen. Gründe dafür waren erste Angebote schon Tage vor dem Verkaufs-Freitag und schließlich die Erkenntnis, dass die Schnäppchen gar nicht so günstig sind, wie sie von den Unternehmen beworben werden. Dazu hat sich…

Katana neuer USU-Geschäftsbereich für Big Data Analytics

Die Digitalisierung der Industrie entwickelt sich zu einem Treiber für die Nachfrage nach Big-Data-Analytics-Anwendungen und Daten-getriebenen Services. Mit Data-as-a-Service-Lösungen werden bereits in 2019 weltweit knapp 12 Milliarden Dollar umgesetzt, so eine aktuelle Studie der Marktforscher von 451 Research. Die USU Software AG hat seit 2012 in diesem Umfeld mit eigener Forschung eine neue Big-Data-Analytics-Plattform entwickelt…

Data Analytics wird in den kommenden fünf Jahren zum kritischen Faktor für die Industrie

Studie zeigt: Trotz des Mangels an Fachleuten sehen die Unternehmen in Data Analytics ein erhebliches wirtschaftliches Potenzial. Industrial Analytics, also die Auswertung der in der Industrie über den Lebenszyklus der Produkte anfallenden Daten, führt in der öffentlichen Wahrnehmung ein Nischendasein. Doch im Rahmen der digitalen Transformation ist es für die Industrie von vitaler Bedeutung, wie…

Consulting 4.0: Data Analytics verändert die Beratungswelt

Bei Managementberatungen besteht Aufholbedarf in der Nutzung von Business-Intelligence-Software. Einsatz analytischer Software wichtiger Erfolgsfaktor für Beratungsangebote rund um die digitale Transformation. Managementberater erwarten, durch analytische Software den Zeitaufwand in der Analyse- und Umsetzungsphase zu halbieren. Egal ob im Vertrieb, der Fertigung oder in sozialen Netzwerken – heute werden überall Daten gesammelt und das Datenvolumen steigt…

Bankenbranche: Cognitive Computing und Data Analytics

Für Banken stellt sich aktuell verstärkt die Frage, wie dauerhaftes, profitables Wachstum in allen Geschäftsfeldern erreicht werden kann. Es geht darum, bei Produkten, Services, Konditionen, etc. besser zu sein als der Wettbewerb (Verdrängungswettbewerb). Zu den Gewinnern zählt nur, wer dauerhaft und profitabel wächst. Vor dem Hintergrund des aktuellen Marktumfelds sind Bankmanager sehr daran interessiert, ihre…

Big Data Analytics erfordert eine verlässliche Datenbasis

Der Begriff Big Data Analytics bezeichnet ein umfangreiches Spektrum von Methoden und Verfahren, beispielsweise Datenintegration, Datenmanagement, Business Intelligence und Predictive Analytics. Sie alle verfolgen das Ziel, eine breite Datenbasis möglichst effizient zur Optimierung von Entscheidungsprozessen im Unternehmen einzusetzen. Eine wichtige Rolle dabei spielt eine kontinuierlich hohe Datenqualität, ohne die keine echten Fortschritte erreichbar sind und im schlimmsten Fall das Risiko besteht, falsche Schlüsse zu ziehen.

Verschläft die Wirtschaft Data Analytics?

Unternehmen suchen die falschen Mitarbeiter und versäumen Geschäftschancen. Deutsche Firmen drohen bei Data Analytics den Anschluss zu verlieren. Diese Gefahr zeigt die Deloitte-Studie »Datenland Deutschland: Talent meets Technology – Data Analytics und der menschliche Faktor« auf. Viele Unternehmen bleiben in alten Mustern verhaftet: Fast 60 Prozent suchen nach klassisch ausgebildeten Wirtschaftswissenschaftlern für die Datenanalyse. Weniger…

Weitere Artikel zu