foto cc0
An der Bedeutung intelligenter Datenanalysen als Innovationsmotor und Treiber der digitalen Transformation herrscht in neun von zehn deutschen Firmen keinerlei Zweifel mehr. Für die meisten von ihnen steht der geschäftliche Nutzen von Data Science inzwischen außer Frage.
Gleichwohl vertraut noch immer jedes zweite Unternehmen bei wichtigen Entscheidungen eher der menschlichen Intuition als computergestützten Analysen und Prognosen. Verantwortlich für diese Diskrepanz ist laut einer Untersuchung von Sopra Steria Consulting vielerorts die Schwierigkeit, fachliche Aspekte von Geschäftsprozessen mit den neuen Möglichkeiten moderner Data-Science-Lösungen unter einen Hut zu bringen [1].
Dass sich die wirtschaftliche Performance verbessert, sobald Geschäftsprozesse quasi von Daten angetrieben werden – davon sind 94 Prozent der Unternehmen in der Bundesrepublik überzeugt. 36 Prozent sehen im Erkenntnisgewinn aus Datenanalysen zudem ein »sehr hohes Potenzial«, um ihre Innovationskraft zu steigern und die Digitalisierung ihrer Prozesse weiter voranzubringen. Obgleich sich der Geschäftsnutzen von Advanced- und Predictive-Analytics-Technologien mit betriebswirtschaftlichen Kennzahlen nur schwer beziffern lässt, sind die Erwartungen in Chefetagen, IT-Abteilungen und im Vertrieb besonders hochgesteckt. Wie aus einer von Sopra Steria Consulting unterstützten Anwenderstudie des Business Application Research Centers BARC hervorgeht, versprechen sich Unternehmen vom Data-Science-Einsatz in erster Linie verbesserte Planbarkeit (48 Prozent), optimierte Steuerung operativer Prozesse (37 Prozent) sowie nachhaltig sinkende Kosten dank steigender Effizienz (ebenfalls 37 Prozent).
Der Schlüssel zur digitalen Exzellenz
Für viele Firmen ist es bis dahin aber noch ein weiter Weg. Tatsache ist zum Beispiel, dass sich 54 Prozent der für die Potenzialanalyse befragten Entscheider eher auf ihre Intuition verlassen als auf fundierte Datenanalysen. »In der Praxis erweist sich die Schwierigkeit, die fachliche Spezifik von Geschäftsprozessen mit den Mitteln fortschrittlicher Analytics-Technologien adäquat abzubilden, als eine der größten Hürden für die erfolgreiche Umsetzung von Data-Science-Projekten«, kommentiert Lars Schlömer, Head of Business Intelligence bei Sopra Steria Consulting. Neben hochkarätigem Technologie-Know-how sei dafür eben auch tiefes Prozessverständnis notwendig. In der Auflösung dieses Spannungsfeldes liegt für Lars Schlömer der Schlüssel zur digitalen Exzellenz.
Offenbar setzt sich diese Erkenntnis auch in immer mehr Unternehmen durch: Um ihre aktuellen Defizite zu beseitigen, wollen 70 Prozent von ihnen innerhalb der nächsten zwölf Monate in neue Analyse-Technologien investieren; 62 Prozent planen zudem die Neueinstellung von Data-Science-Spezialisten.
[1] Im Februar 2016 ließ Sopra Steria Consulting insgesamt 220 Vorstände und Führungskräfte aus Unternehmen mit mehr als 500 Mitarbeitern zum Thema »Data Science« befragen. Die Studienteilnehmer stammten aus unterschiedlichen Branchen – darunter Banken, Versicherungen und sonstige Finanzdienstleister, Energieversorger, Automotive, verarbeitendes Gewerbe, öffentlicher Sektor, Telekommunikation und Medien. Explizit ausgeschlossen waren Beratungsfirmen und Anbieter von IT-Lösungen. Die Erhebung fand in Form einer Online-Panel-Umfrage statt.Die Potenzialanalyse »Data Science« steht hier nach Registrierung zum Download zur Verfügung. https://www.soprasteria.de/newsroom/publikationen/studie/potenzialanalyse-data-science
Deutsche und französische Unternehmen nutzen Big Data systematischer als britische
Neue Einsatzgebiete für Business Intelligence und Datenmanagement
Data Analysts und Data Scientists – Auf der Suche nach den Datendetektiven
Studie: Suche nach Data Scientists muss höhere Priorität bekommen