BARC: Big Data Use Cases

BARC Research Study
Autoren
Dr. Carsten Bange
Timm Grosser
Nikolai Janoschek
Geschäftsführer
Senior Analyst
Research Analyst
[email protected]
[email protected]
[email protected]
Die Autoren danken Adrian Wyszogrodzki für seine Unterstützung.
Diese unabhängige Studie wurde von BARC erstellt, einem objektiven Marktanalysten.
Dank eines Sponsorings durch Blue Yonder, Cloudera, Hewlett Packard, Information Builders,
pmOne, SAS, Tableau und Teradata kann diese Studie kostenfrei verteilt werden.
Big Data Use Cases 2015 – Getting real on data monetization
-2-
Inhaltsverzeichnis
An Big Data führt heute kein Weg mehr vorbei ...................................................................................4
Management Summary ..........................................................................................................................5
Big Data erobert die Unternehmen, allerdings nur wenn das Management vorangeht .................5
Big-Data-Initiativen liefern beachtlichen Mehrwert .........................................................................6
Der Kunde im Mittelpunkt ...............................................................................................................6
Unternehmen kämpfen mit massiven Know-how-Defiziten sowie Sicherheit und Datenschutz ....7
Europa hinkt hinterher ....................................................................................................................7
Industrie 4.0 ist mehr Wunsch als Wirklichkeit ...............................................................................8
Ergebnisse der Umfrage ........................................................................................................................9
Big Data Nutzung in Unternehmen wächst ................................................................................. 10
Big-Data-Initiativen übertreffen den erwarteten Nutzen .............................................................. 15
Big-Data-Initiativen in allen Unternehmensbereichen auf dem Vormarsch ................................ 17
Unternehmen setzen derzeit vor allem auf Standard-BI-Werkzeuge, Wandel steht jedoch
bevor ...................................................................................................................................... 30
Beschäftigungstreiber Big Data ................................................................................................... 33
Fehlendes Know-how bremst Big Data aus ................................................................................ 35
Fazit und Handlungsempfehlungen .................................................................................................. 40
Anhang A: Methodik und Demographie ............................................................................................ 42
Das Business Application Research Center (BARC) ....................................................................... 45
Firmenprofile der Sponsoren ............................................................................................................. 46
Blue Yonder ................................................................................................................................... 46
Cloudera ........................................................................................................................................ 47
Hewlett Packard............................................................................................................................. 48
Information Builders ....................................................................................................................... 49
pmOne ........................................................................................................................................... 50
SAS ................................................................................................................................................ 51
Tableau .......................................................................................................................................... 52
Teradata ........................................................................................................................................ 53
Big Data Use Cases 2015 – Getting real on data monetization
-3-
An Big Data führt heute kein Weg mehr vorbei
B
ig Data hat seinen Weg in die Unternehmen gefunden. So der zentrale Befund der Vorgängerstudie „Big Data
Analytics“, die 2014 die Entwicklung von Big
Data in der DACH-Region unter die Lupe genommen hat. Damals gab knapp ein Drittel der
befragten Anwenderunternehmen an, Big-DataAnalysen bereits fest in die eigenen Prozesse
verankert zu haben oder sich im Projektstadium
zu befinden.

Welche Unternehmensbereiche nutzen
und treiben Big-Data-Analysen?

Welche Einsatzszenarien sind in den
Fachbereichen anzutreffen?

Welchen Nutzen ziehen Unternehmen
aus ihren Big-Data-Analysen?

Auf welche fachlichen und technischen
Probleme und Herausforderungen stoßen
die Unternehmen?
Und die Aufmerksamkeit für Big Data wächst
gerade im Kontext von Digitalisierungsinitiativen
weiter stark an. Es gibt momentan keinen Unternehmensbereich, der nicht von der Big-DataWelle erfasst wird. Oder anders formuliert: Big
Data revolutioniert aktuell grundlegend die Art
und Weise, wie Unternehmen ihre komparativen Wettbewerbsvorteile definieren und neue
Geschäftsmodelle identifizieren.

Wie finanzieren Unternehmen ihre BigData-Projekte und wie ist es um den Return of Investment (ROI) dieser Projekte
bestellt?

Welche Technologien kommen derzeit
und zukünftig für Big Data zum Einsatz?
Die Studie wurde völlig unabhängig durch
BARC erstellt. Sie kann dank eines Sponsoring
von Blue Yonder, Cloudera, Hewlett Packard,
Information Builders, pmOne, SAS, Tableau
und Teradata kostenfrei veröffentlicht werden.
Bei so viel Euphorie stellt sich jedoch die Frage,
ob wir wirklich an der Schwelle zu einer neuen
datengetriebenen Zeitrechnung stehen? Macht
die Nutzung von Big Data Unternehmen tatsächlich schneller, produktiver, effizienter und
innovativer? Entspricht dieses Bild auch nur annähernd der täglichen Praxis in den Unternehmen? Und wenn ja, was genau machen Unternehmen, um an die Big-Data-Schätze zu gelangen?
Besonderer Dank gilt schon jetzt allen, die auch
an zukünftigen Befragungen von BARC teilnehmen, denn nur so sind auch weiterhin Beiträge
zu Diskussionen mit empirisch fundierter Datenbasis möglich.
Um hierauf Antworten zu liefern, durchleuchtet
die vorliegende Studie Anwendungsszenarien
von Big Data und ihre technologischen, organisatorischen und fachlichen Rahmenbedingungen in den Unternehmen. Im Mittelpunkt stehen
dabei insbesondere folgende Aspekte:
Würzburg, 18. Juni 2015
Dr. Carsten Bange, Timm Grosser,
Nikolai Janoschek
Big Data Use Cases 2015 – Getting real on data monetization
-4-
Management Summary
Unternehmen können sich dem Thema Big
Data nicht länger verschließen – sofern sie in
der gegenwärtigen, sich so schnell wie noch nie
verändernden Wirtschaftswelt wettbewerbsfähig
bleiben möchten. Ob effizientere Prozesse,
bessere strategische Entscheidungen, exaktere
Zukunftsprognosen oder neue Geschäftsmodelle: Fast kein Bereich des Unternehmens, der
nicht potentiell von einer besseren Nutzung von
Daten profitieren kann.
diese Studie zum Stand und zur zukünftigen
Entwicklung von Big Data und dessen Anwendungsfälle in Unternehmen. Mit weltweit über
550 Teilnehmern bei einer breit gefächerten
Branchenverteilung gehört die vorliegende Studie „Big Data Use Cases 2015“ zu den größten
Untersuchungen, die sich speziell den Themen
Rahmenbedingungen und Einsatzszenarien
von Big-Data-Analysen widmen. Die wesentlichen Erkenntnisse der Studie lassen sich zu
sechs Hot Spots zusammenfassen.
Ob es Unternehmen gelingt, sich die potentiellen Vorteile zunutze zu machen, untersucht
Hot Spot 1
Big Data erobert die Unternehmen, allerdings nur
wenn das Management vorangeht
Big Data setzt sich in den Unternehmen weiter
durch. Weltweit existieren mittlerweile nur noch
wenige Unternehmen, die eine Big-Data-Initiative für nicht denkbar halten (17 Prozent). Bereits über 40 Prozent der Unternehmen haben
Erfahrungen mit Big Data – sei es als fester Bestandteil ihrer Unternehmensprozesse oder als
Pilotprojekt.
schnellere und bessere Analysen (55 Prozent),
sowie der Wunsch nach ausgefeilteren Prognosetechniken (51 Prozent). Wie weit Big-DataInitiativen in den Unternehmen heute schon gediehen sind, hängt allerdings stark vom Management ab. Dort, wo Big-Data-Initiativen
heute bereits Bestandteil der Unternehmensprozesse sind, ist in 61 Prozent der Fälle das
Management der Treiber/Vordenker. In Unternehmen, wo solch eine Initiative lediglich denkbar ist, ist dies gerade einmal zu 34 Prozent der
Fall. Die Fachbereiche sind insgesamt noch
sehr passiv und treiben das Thema deutlich seltener.
Diese Entwicklung ist Ausdruck der vielfältigen
Herausforderungen, die Unternehmen mit ihren
Big-Data-Initiativen adressieren möchten. Unternehmen, für die eine Big-Data-Initiative mindestens denkbar ist, nennen diesbezüglich am
häufigsten große (57 Prozent) und unterschiedlich strukturierte Datenmengen (50 Prozent),
Big Data Use Cases 2015 – Getting real on data monetization
-5-
Hot Spot 2
Big-Data-Initiativen liefern beachtlichen Mehrwert
Unternehmen mit Big-Data-Initiative berichten
von beachtlichen Vorteilen. Ganz vorne auf der
Liste stehen: bessere strategische Entscheidungen (69 Prozent), eine bessere Steuerung
der operativen Prozesse (54 Prozent), ein besseres Kundenverständnis (52 Prozent) sowie
Kostensenkungen (47 Prozent). Unternehmen,
Hot Spot 3
die den Nutzen beziffern können, nennen eine
durchschnittliche Umsatzsteigerung von acht
Prozent und eine Kostensenkung um zehn Prozent. Dabei werden die im Vorfeld vorhandenen
hohen Erwartungen nicht nur erfüllt, sondern in
vielen Punkten sogar übertroffen.
Der Kunde im Mittelpunkt
In den Unternehmen existieren schon heute unchen, individueller auf ihn eingehen, Abwandeterschiedlichste Anwendungsfelder für Bigrungsverhalten vorbeugen oder neue Kunden
Data-Analysen. Auf die offenen Fragen nach
gewinnen.
den konkreten Einsatzszenarien in den unterMarketing und Vertrieb sind dementsprechend
schiedlichen Unternehmensbereichen fällt der
heute die Vorreiter bei Big-Data: in 25 bezieBegriff „Kunde“ bei weitem am häufigsten. Die
hungsweise 23 Prozent der Unternehmen, in
Wünsche, Motive, Bedürfnisse und das Verhaldenen Big Data zumindest
ten der Kunden sollen nicht
denkbar ist, sind in diesen Ab„Big-Data-Initiativen helfen
länger eine Unbekannte bleiteilungen Big-Data-Analysen
dabei, ein umfassendes Bild
ben. Big-Data-Initiativen helfester Bestandteil ihrer Ausdes Kunden zu zeichnen, infen dabei, ein umfassendes
wertungen. Gleichwohl finden
dem sie dessen komplette InBild des Kunden zu zeichnen,
sich auch in allen anderen
indem sie dessen komplette
teraktion mit dem UnternehUnternehmensbereichen
Interaktion mit dem Untermen transparent machen.“
heute schon ausreichend Annehmen transparent machen.
wendungsfälle – von der ProDamit dies gelingt, sind die Daten von den vielduktion über das Controlling bis hin zum Persofältigen Kontaktpunkten mit Kunden aus den
nalwesen. Die auffällig hohen Planwerte je BeDatensilos zu holen, im Rahmen der Big-Datareich (langfristig zwischen 34 und 56 Prozent in
Projekte zusammenzuführen und in Gänze ausden verschiedenen Abteilungen) sprechen für
wertbar zu machen. Durch das dadurch entstesich: Big Data kommt früher oder später so gut
hende Gesamtbild können Unternehmen ihre
wie überall an – gleich wenn derzeit mit 38 ProKunden beispielsweise zielgerichteter ansprezent der Befragten immer noch viele nach
überzeugenden Einsatzszenarien suchen.
Big Data Use Cases 2015 – Getting real on data monetization
-6-
Hot Spot 4
Unternehmen kämpfen mit massiven Know-howDefiziten sowie Sicherheit und Datenschutz
Neben fehlender überzeugender Einsatzszenarien sind es insbesondere zwei Themenkomplexe, die Unternehmen bei der Beschäftigung
mit Big Data Probleme bereiten: Einerseits der
Datenschutz und die
„Je stärker Big-Data-AnalyDatensicherheit, andesen allerdings Verbreitung
rerseits der Mangel an
finden, desto komplexer geBig-Data-Expertise.
rät oftmals die technologiDas Thema Datensche Infrastruktur. Diese
schutz ist für 49 Prozent der Umfrageteilsamt der darin enthaltenen
nehmer und die DatenDaten zu schützen, ist eine
sicherheit für 48 ProKernherausforderung für
zent eines der größten
Unternehmen.“
Probleme beim Einsatz
von Big-Data-Technologien. Da sich viele Einsatzszenarien auf den Kunden konzentrieren,
bedürfen ihre Daten auch eines besonderen
Schutzes. Dazu müssen Unternehmen diese
Hot Spot 5
bei ihren Analysen nicht nur ausreichend anonymisieren und pseudonymisieren, sondern
auch vor Angriffen von außerhalb schützen. Je
stärker Big-Data-Analysen allerdings Verbreitung finden, desto komplexer gerät oftmals die
technologische Infrastruktur. Diese samt der
darin enthaltenen Daten zu schützen, ist eine
Kernherausforderung für Unternehmen.
Hauptproblem Nummer zwei: das mangelnde
fachliche und technische Wissen für Big Data
und seine Analyse im Unternehmen. So klagen
53 Prozent der Befragten über fehlendes fachliches und 48 Prozent über fehlendes technisches Know-how in ihren Organisationen. 30
Prozent der Unternehmen mit Big-Data-Projekt
wollen daher neue Stellen in diesem Bereich
schaffen. Doch der weltweite Arbeitsmarkt kann
gegenwärtig nur unzureichend diesen Wunsch
nach solchen Experten erfüllen.
Europa hinkt hinterher
Zwischen Nordamerika und Europa existieren
deutliche Unterschiede in der Nutzung von Big
Data. Unsere Studie bestätigt die Hypothese,
nordamerikanische Unternehmen seien diesbezüglich wesentlich weiter als ihre europäische
Konkurrenz. In 28 Prozent der befragten nordamerikanischen Unternehmen sind Big-DataInitiativen bereits Bestandteil der Unternehmensprozesse. Zählt man die Unternehmen mit
Pilotprojekten hinzu, hat mehr als jedes zweite
nordamerikanische Unternehmen mittlerweile
praktische Erfahrung mit Big Data. Dahingegen
geben nur 16 Prozent der europäischen Unternehmen an, Big Data sei Teil der Unternehmensprozesse; insgesamt sind es nur 39 Prozent mit praktischer Big-Data-Erfahrung. Ein
deutlicher Rückstand für die europäischen Unternehmen.
Gleichwohl kämpft man auf beiden Seiten des
Atlantiks mit sehr ähnlichen Problemen – insbesondere mit dem mangelnden technischen und
fachlichen Know-how. Entgegen der Hypothese, dass Datenschutz in Nordamerika einen
geringeren Stellenwert hat als in Europa, zeigen sich sehr ähnliche Werte in puncto der Einschätzung, dass Datenschutz ein Problem in
Projekten ist (50 Prozent in Nordamerika im
Vergleich zu 49 Prozent in Europa). Die Datensicherheit wird in Nordamerika sogar noch deutlich stärker problematisiert (56 Prozent in Nordamerika im Vergleich zu 46 Prozent in Europa).
Big Data Use Cases 2015 – Getting real on data monetization
-7-
Hot Spot 6
Industrie 4.0 ist mehr Wunsch als Wirklichkeit
und ihr „Großprojekt“ Industrie 4.0 laufen
dadurch ernsthaft Gefahr, nicht aus den Startblöcken zu kommen.
Die Nutzung von Big Data ist in den Branchen
sehr unterschiedlich ausgeprägt. Während sich
der Handel eine Führungsposition gesichert hat
(27 Prozent der Unternehmen aus dem Handel
haben Big-Data-Initiativen als Bestandteil ihrer
Unternehmensprozesse umgesetzt), kommt
das viel diskutierte Thema Industrie 4.0 – also
vor allem die stärkere Digitalisierung von Produktions- und Logistikprozessen - beim Thema
Big Data nur schleppend voran. Nur 13 Prozent
der Industrieunternehmen berichten, Big-DataAnalysen seien Teil ihrer Unternehmensprozesse. Dennoch scheint die Diskussion auch
hier langsam ein Umdenken zu bewirken: Mit
24 Prozent weisen die Industrieunternehmen
den höchsten Wert bei den Pilotprojekten aus.
Als echte Bremse erweist sich indes für sie die
fehlende Big-Data-Expertise. So beklagen 63
Prozent fehlendes fachliches, 61 Prozent fehlendes technisches Know-how. Die Industrie
Sehr unterschiedlich gestaltet sich auch die Erwartungshaltung an Big Data in den verschiedenen Branchen. Im Handel erhofft man sich
insbesondere ein besseres Kundenver„Als echte Bremse erweist
ständnis (85 Prozent),
sich für die Industrieuntereine bessere Steuenehmen die fehlende Bigrung operativer ProData-Expertise.“
zesse (77 Prozent) sowie einen höheren Umsatz (65 Prozent); die Industrie erwartet überdurchschnittlich oft eine
bessere Steuerung operativer Prozesse (66
Prozent) sowie sinkende Kosten (43 Prozent);
und die Finanzbranche möchte aus Big-DataAnalysen vor allem neue Produktideen/Dienstleistungen generieren (52 Prozent).
Big Data Use Cases 2015 – Getting real on data monetization
-8-
Ergebnisse der Umfrage
Big Data ist einer der Eckpfeiler der viel diskutierten Entwicklung hin zu einer digitalisierten
Wirtschaft. Allerdings ist das Thema noch relativ jung; vieles befindet sich im Fluss. Manchmal scheint nicht klar zu sein, ob es wirklich genutzt wird oder reines Wunschdenken der Unternehmen ist. Viele Unternehmen scheinen
noch auf der Suche nach Möglichkeiten zu sein,
wie sie Big Data für sich konkret nutzbar machen könnten.
ternehmensbereichen Big-Data-Analysen anzutreffen sind und wie dort die konkreten Anwendungsszenarien aussehen (Kapitel „Big-DataInitiativen in allen Unternehmensbereichen auf
dem Vormarsch“). Das Kapitel „Unternehmen
setzen derzeit vor allem auf Standard-BI-Werkzeuge, Wandel steht jedoch bevor“ behandelt
anschließend die Frage nach den technologischen Rahmenbedingungen, insbesondere welche Technologie- und Datenarten Unternehmen für Big
„Manchmal scheint nicht klar
Um hier für mehr Klarheit zu
Data derzeit verwenden. Fersorgen, beschäftigt sich diese
zu sein, ob Big Data wirklich
ner fragt die Studie nach den
empirische Untersuchung mit
genutzt wird oder reines
finanziellen RahmenbedinAnwendungsszenarien von
Wunschdenken der Unternehgungen (Kapitel „BeschäftiBig Data und ihren technolomen ist.“
gungstreiber Big Data“) und
gischen, organisatorischen
zeigt abschließend typische
und fachlichen Rahmenbedingungen. Hierfür
Fallstricke auf, denen Unternehmen beim
beleuchtet diese Studie zunächst, wie stark BigThema Big Data begegnen (Kapitel „Fehlendes
Data-Analysen verbreitet sind und welchen NutKnow-how bremst Big Data aus“).
zen Unternehmen mit ihrer Hilfe tatsächlich erreichen (Kapitel „Big- Data-Nutzung in UnterAusgangspunkt für eine Einordung und Bewernehmen wächst“ und „Big-Data-Initiativen übertung von Big-Data-Initiativen ist folgende
treffen den erwarteten Nutzen“). Weiterhin blickt
BARC-Definition, die allenTeilnehmern der Umdiese Studie darauf, wie und wo Unternehmen
frage für ein gemeinsames Verständnis vorgediesen Nutzen generieren, also in welchen Unlegt wurde:
Big Data
bezeichnet Methoden und Technologien
für die hochskalierbare
Erfassung, Speicherung und Analyse
polystrukturierter Daten.
Abbildung 1: BARC Big-Data-Definition
Big Data Use Cases 2015 – Getting real on data monetization
-9-
Big Data Nutzung in Unternehmen wächst
Unternehmen wissen mittlerweile um den Wert,
der in ihren Daten schlummert – so eines der
Kernergebnisse des 2014 in der DACH-Region
durchgeführten BARC Survey „Datenmanagement im Wandel“. Die Ergebnisse dieser Studie
deuten nun darauf hin, dass Unternehmen ihr
Handeln zunehmend an der gewachsenen Bedeutung von Daten für Entscheidungsprozesse
ausrichten (Abbildung 2). Fast zwei Drittel der
teilnehmenden Unternehmen geben an, ihre
Entscheidungen würden unternehmensweit auf
Basis von Daten und Analysen getroffen. Und
nur zwölf Prozent sagen, der Hauptteil ihrer
Entscheidungen würde auf der Erfahrung der
Entscheider basieren.
Permanente Datenanalysen sind Grundlage der
Entscheidungs- und Prozessautomatisierung/optimierung
28%
Im gesamten Unternehmen werden
Entscheidungen auf Basis von Daten und
Analysen getroffen
34%
Es existieren faktenbasierte Entscheidungen in
einzelnen Unternehmensbereichen
27%
Es gibt Investitionen in BI, aber der Hauptteil der
Entscheidungen wird durch die Erfahrung der
Entscheider gefällt
Daten spielen in unserem Unternehmen keine
große Rolle
10%
2%
Abbildung 2: Welche Rolle spielen Daten in Ihrem Unternehmen? (n=543)
Die gewachsene Bedeutung von Daten für Unternehmen spiegelt sich auch im Status quo der
Big-Data-Initiativen wider (Abbildung 3). Danach setzen über 40 Prozent der Unternehmen
derzeit Big-Data-Initiativen um – sei es als fester Bestandteil der Unternehmensprozesse oder als Pilotprojekt. In lediglich 17 Prozent der
Unternehmen ist eine Big-Data-Initiative ausgeschlossen.
„Es bestätigt sich der vorherrschende Eindruck, wonach Nordamerika beim
Thema Big Data weiter ist
als ihre Konkurrenz in Europa.“
bestätigt sich beispielsweise der vorherrschende Eindruck, wonach Nordamerika beim
Thema Big Data weiter ist als ihre Konkurrenz
in Europa: In Nordamerika sind Big-Data-Initiativen bereits in 28 Prozent der Unternehmen fester Bestandteil der Unternehmensprozesse, in
mehr als jedem zweiten Unternehmen findet
sich eine Big-Data-Initiative. In Europa ist dies
nur in 16 beziehungsweise 39 Prozent der Fall.
Der Blick auf die Entwicklung in der DACH-Region offenbart überdies, dass die Nutzung von
Big Data zwar voranschreitet, anders als die
mediale Diskussion es aber vermuten lassen
könnte, nur mit einer mäßigen Geschwindigkeit
(Abbildung 4). Im Vergleich zum Vorjahr ist der
Anteil an Unternehmen mit Big-Data-Initiative
lediglich um vier Prozentpunkte angestiegen.
Big Data ist damit zwar
generell in den Unternehmen angekommen,
dennoch existieren teilweise große regionale
und branchenspezifische Unterschiede. Es
Big Data Use Cases 2015 – Getting real on data monetization
- 10 -
Ferner gilt es einige branchenspezifische Unterschiede herauszustellen. Das aktuell viel diskutierte Thema Industrie 4.0 scheint aus Big-DataSicht noch etwas zu stocken. In lediglich 13
Prozent der Industrieunternehmen gehören BigData-Analysen zum Alltag. Im Gegensatz dazu
Insgesamt
18%
sind es im Handel mit 27 Prozent mehr als doppelt so viele. Gleichwohl weist die Industrie mit
24 Prozent den höchsten Wert an Unternehmen
mit Pilotprojekten aus – offenbar ein Indiz dafür,
dass die intensive Diskussion langsam Früchte
trägt und sich damit die Situation in naher Zukunft ändern dürfte.
23%
42%
17%
Regionen
Nordamerika
Europa
28%
25%
16%
23%
37%
10%
42%
19%
Branchen
Handel
IT
27%
18%
22%
19%
43%
40%
Finanzsektor
20%
22%
45%
Industrie
13%
24%
46%
Dienstleistungen
Öffentlicher Sektor
13%
19%
13% 13%
56%
48%
12%
20%
13%
17%
12%
25%
Big-Data-Initiativen Bestandteil der Unternehmensprozesse
Big-Data-Initiative als Pilotprojekt
Noch keine Big-Data-Initiative, aber zukünftig denkbar
Keine Big-Data-Initiative und zukünftig auch keine geplant
Abbildung 3: Existiert in Ihrem Unternehmen eine Big-Data-Initiative? Insgesamt und nach
Regionen und Branchen (n=526)
Big Data Use Cases 2015 – Getting real on data monetization
- 11 -
14%
12%
Big-Data-Initiativen Bestandteil der
Unternehmensprozesse
20%
18%
Setzen Big-Data-Initative als Pilotprojekt
um
45%
49%
Noch keine Big-Data-Initiative existent,
aber für die Zukunft denkbar
21%
22%
Keine Big-Data-Initiative existent oder
geplant
2015
2013/14
Abbildung 4: Entwicklung Status quo in der DACH-Region (n=341/198)
Das Thema Big Data gerät dabei durch eine
ganze Reihe neuer Herausforderungen auf die
Tagesordnung der Unternehmen (Abbildung 5).
Ganz vorne dabei sind die oft zitierten drei „Vs“
(Volume 57 Prozent, Variety 50 Prozent und
Velocity 46 Prozent) von Big Data. Weitere
wichtige Treiber sind das Bedürfnis der Unternehmen nach besseren oder neuen Möglichkeiten der Datenanalyse (55 Prozent) sowie der
Wunsch, durch Vorhersagemodelle die Zukunft
weniger unsicher und besser vorhersehbarer zu
machen (51 Prozent). Gerade letzterer Wert
zeigt deutlich, dass Predictive Analytics und Forecasting inzwischen als wesentliche Bestandteile für Big Data Initiativen gesehen werden
und einen wesentlichen Beitrag zur Generierung von Mehrwert aus Daten leisten sollen. Interessanterweise sind es gerade die BI-Organisationen, die dieses Thema treiben. Mit 66 Prozent Studienteilnehmer aus diesem Bereich ist
der Aufbau von Vorhersagemodellen die am
häufigsten genannte Herausforderung, die sie
mit Big Data angehen möchten. Teilnehmer aus
der IT benennen am häufigsten die Analyse
großer Datenvolumen als wichtigste Herausforderungen (56 Prozent), für die Teilnehmer aus
den Fachbereichen sind es bessere oder neue
Analysemöglichkeiten (61 Prozent).
Das innovative Thema
„Das innovative Thema der
der zeitnahen Nutzung
zeitnahen Nutzung von Davon Daten ist ebenfalls
ten ist ebenfalls klar auf
klar auf dem Vordem Vormarsch.“
marsch. 27 Prozent
der Teilnehmer geben
an, Monitoring und Analyse von Streaming-Daten umsetzen zu wollen, und beachtliche 19
Prozent planen Entscheidungen im Prozess zu
automatisieren.
Big Data Use Cases 2015 – Getting real on data monetization
- 12 -
Analyse großer Datenvolumen
57%
Bessere oder neue Daten-Analysemöglichkeiten
55%
Aufbau von Vorhersagemodellen
51%
Analyse von Informationen aus
polystrukturierten Datenquellen
50%
Schnellere Bereitstellung von Daten zur Analyse
46%
Beschleunigung von Entscheidungen
31%
Monitoring/Analyse von StreamingDaten/Complex Event Processing
27%
Besseres Kosten-/Nutzenverhältnis für
analytische Umgebungen
23%
Automatisierung von Entscheidungen
19%
Es gibt aktuell keine Herausforderungen in
unserem Unternehmen
Sonstige
6%
1%
Abbildung 5: Welche Herausforderungen möchten Sie mit Ihrer/n Big-Data-Initiative(n) adressieren? (n=431)
Von den Unternehmensbereichen, die das
Thema Big Data treiben, findet sich vor allem
die IT mit 45 Prozent aller Beispiele, knapp gefolgt von der Geschäftsführung mit 43 Prozent
(Abbildung 6). Die übrigen Fachbereiche sind
hingegen insgesamt noch sehr passiv und treiben das Thema deutlich seltener – eine Erfahrung, die wir auch aus eigenen Projekten bestätigen können. Häufig ist es entweder der IT-Bereich, der quasi „bottom-up“ Big-Data-Technologien zur Lösung alter und neuer Herausforderungen nutzt und vorschlägt. Oder das Management hat den strategischen Nutzen von Digitalisierung und Datennutzung erkannt und treibt
das Thema „top-down“. Doch erst wenn die
Fachbereiche sich des Themas tatsächlich annehmen, wird ein nachhaltiger Erfolg möglich –
hier gibt es offensichtlich noch Nachholbedarf.
Bei näherem Blick auf die Daten zeigt sich
überdies: ausschlaggebend für den Fortschritt
einer Big-Data-Initiative ist das Management
(Abbildung 7). In 61 Prozent der Unternehmen,
in der sie der Treiber/Vordenker für das Thema
sind, sind Big-Data-Initiativen bereits fester Bestandteil der Unternehmensprozesse. Befinden
sich Big-Data-Initiativen im Pilotstatus oder sind
lediglich denkbar, gilt das Management nur in
46 beziehungsweise 34 Prozent als Vordenker.
Auffällig ist ferner, dass die Umfrageteilnehmer
auch die operativen Bereiche wie etwa den Vertrieb wesentlich häufiger als Treiber nennen,
wenn Big Data schon in den Unternehmensprozessen verankert ist.
Big Data Use Cases 2015 – Getting real on data monetization
- 13 -
IT-Abteilung
45%
Management/Geschäftsführung
43%
BI-Organisation
36%
Marketing
27%
Vertrieb
25%
Finanzen/Controlling
24%
Produktion
10%
Sonstige
9%
Logistik
6%
Abbildung 6: Wer sind die wichtigsten Vordenker/Treiber in Ihrem Unternehmen beim
Thema Big Data? (n=433)
Big Data Bestandteil der
Unternehmensprozesse
Management
61%
IT-Abteilung
37%
BI-Organisation
37%
Finanzen/Controlling
32%
Marketing
32%
Produktion
Logistik
16
14
6
Keine Big-Data-Initiative,
aber in Zukunft denkbar
46%
51%
Vertrieb
Sonstige
Big Data als
Pilotprojekt
34%
45%
42%
19%
23%
45%
31%
18%
23%
28%
24%
9
7
8
7
4
6
Abbildung 7: Treiber nach Status quo (n=433)
Big Data Use Cases 2015 – Getting real on data monetization
- 14 -
Big-Data-Initiativen übertreffen den erwarteten Nutzen
Im Vorfeld eines Big-Data-Projekts lautet eine
der wichtigsten Fragen von Unternehmen: Worin besteht eigentlich der Nutzen? Keine einfach
zu beantwortende Frage, gerade bei diesem
noch eher jungen Thema und der damit einher-
gehenden geringen Verfügbarkeit von Erfahrungswerten. Um in diesem Punkt für mehr
Klarheit zu sorgen, wurden die Unternehmen
nach dem generierten beziehungsweise erwarteten Nutzen gefragt (Abbildung 8).
69%
Bessere strategische Entscheidungen
60%
54%
56%
Bessere Steuerung operativer Prozesse
Besseres Kundenverständnis/Verbesserung
der Kundenerfahrung
52%
50%
47%
Kostenreduktion
37%
44%
Beschleunigung von Entscheidungen
31%
Entwicklung neuer
Produktideen/Dienstleistungen
43%
33%
Besseres Verständnis des
Marktes/Wettbewerbs
41%
43%
38%
Entwicklung neuer Geschäftsmodelle
26%
35%
35%
Erhöhung des Umsatzes
24%
Automatisierung von Entscheidungen
Sonstige
17%
3%
1%
Big Data Bestandteil der Unternehmensprozesse
Pilotprojekt & Big-Data-Initiative denkbar
Abbildung 8: Generierter Nutzen (bereits im Einsatz) vs. erwarteter Nutzen (Pilotprojekt, Big
Data denkbar) (n=94/335)
Zunächst fällt ins Auge, dass Unternehmen
sehr viele und verschiedenartige Nutzenaspekte durch die Auswertung von Big Data sehen: Am häufigsten berichten Unternehmen dabei von besseren strategischen Entscheidun-
gen (69 Prozent). Etwa jedes zweite Unternehmen erreicht eine effektivere Steuerung operativer Prozesse, ein tieferes Kundenverständnis/Verbesserung der Kundenerfahrung oder
eine Kostensenkung. Die Erwartungshaltung an
Big Data Use Cases 2015 – Getting real on data monetization
- 15 -
Big Data ist also extrem breit – von der strategischen Unterstützung bis zur Steuerung operativer Prozesse. Dies sollte bei jedem Projektansatz berücksichtigt werden, damit er nicht zu
eng ausfällt.
Eine genaue Quantifizierung des Nutzens fällt
den Teilnehmern erwartungsgemäß schwer.
Nur rund ein Drittel der Teilnehmer (32 von 94),
bei denen Big Data Teil der Unternehmensprozesse ist, haben die Frage beantwortet (Abbildung 9). Doch diese sind beeindruckend:
Durchschnittlich berichten sie von acht Prozent
mehr Umsatz und zehn Prozent geringeren
Kosten (Medianwerte), einige sogar von sehr
hohen Nutzenwerten, was den höheren arithmetischen Mittelwert erklärt.
Erfreulich ist, dass sich die recht hohen Erwartungen auch erfüllen – und in vielen Fällen sogar übertroffen werden. Dies gilt insbesondere
für die eher schwer vorhersehbaren Antwortoptionen wie Entwicklung neuer Geschäftsmodelle
und Produktideen, schnellere Entscheidungen,
Kostenreduktion und allgemein bessere strategische Entscheidungen.
13%
Umsatzsteigerung in Prozent
8%
16%
Kostensenkung in Prozent
10%
Arith. Mittelwert
Median
Abbildung 9: Können Sie den Nutzen Ihrer Big-Data-Analysen/-Initiative(n) quantifizieren?
(n=31/32)
Interessante Unterschiede zeigen sich auch bei
einem näheren Blick auf Europa und Nordamerika sowie bei den Branchen. Europäischen Unternehmen gelingt es demnach eher, Big Data
für die bessere Steuerung ihrer operativen Prozesse sowie für die Entwicklung neuer Produktideen/Dienstleistungen einzusetzen. Dahingegen ist ihnen ihre nordamerikanische Konkurrenz weit voraus, wenn es um die Beschleunigung von Entscheidungen geht (37 Prozent vs.
61 Prozent). Big-Data-Analysen scheinen ein
nicht zu unterschätzender Grund für schnelle
Reaktionsfähigkeit nordamerikanischer Unternehmen zu sein.
Sehr unterschiedlich fällt die Erwartungshaltung
in den verschiedenen Branchen aus. Auffällige
Abweichungen finden sich:

im Handel, der sich von Big Data vor allem ein besseres Kundenverständnis (85
Prozent), eine bessere Steuerung operativer Prozesse (77 Prozent) sowie einen
höheren Umsatz erhofft (65 Prozent);

in der Industrie, die sich überdurchschnittlich oft eine bessere Steuerung operativer
Prozesse (66 Prozent) sowie sinkende
Kosten (43 Prozent) erwarten;

in der Finanzbranche, die aus Big-DataAnalysen insbesondere neue Produktideen generieren möchten (52 Prozent).
Big Data Use Cases 2015 – Getting real on data monetization
- 16 -
Big-Data-Initiativen in allen Unternehmensbereichen auf
dem Vormarsch
Big-Data-Analysen scheinen ganz offensichtlich
ein großer Gewinn für diejenigen Unternehmen
zu sein, die schon heute auf sie setzen. Abbildung 10 zeigt die Bereiche, in denen Unternehmen mit Big-Data-Initiative oder für die eine Initiative denkbar ist, Big-Data-Analysen vornehmen bzw. planen vorzunehmen. Zunächst ist
festzuhalten, dass praktisch jeder Unternehmensbereich Big-Data-Analysen macht. Big
Data ist also ein echtes Querschnittsthema in
der Organisation. Vorreiter sind dabei die operativen, auf den Kunden konzentrierten Abteilungen Marketing (25 Prozent) und Vertrieb (23
Marketing
Prozent). Auffällig ist zudem, dass sie zusammen mit dem Kundenservice auch diejenigen
Bereiche sind, in denen Unternehmen kurzfristig die höchsten Planwerte aufweisen. Allerdings ist ebenfalls anzumerken, dass die Planwerte für praktisch alle Bereiche sowohl kurzals auch langfristig enorm hoch ausfallen. Ein
weiteres Indiz dafür, dass in Unternehmen nicht
nur das Bewusstsein für den Wert von Big Data
wächst, sondern diese auch zunehmend dementsprechend handeln.
25%
25%
Vertrieb
23%
Finanzen/Controlling
21%
21%
IT
21%
20%
Produktion
19%
21%
Bereichsübergreifend
19%
21%
Forschung und Entwicklung
18%
29%
27%
29%
28%
25%
27%
33%
19%
24%
Kundenservice
13%
Risikomanagement
11%
16%
29%
Logistik/Supply Chain
11%
16%
29%
Personalwesen/Human Resources
9%
Im Einsatz
24%
11%
Geplant innerhalb von 12 Monaten
26%
23%
Langfristig geplant
Abbildung 10: In welchen Bereichen nehmen Sie in Ihrem Unternehmen Big-Data-Analysen
vor bzw. planen Sie Big-Data-Analysen vorzunehmen? (n=423)
Big Data Use Cases 2015 – Getting real on data monetization
- 17 -
Im weiteren Verlauf des Kapitels sind die spezifischen Einsatzszenarien in den verschiedenen
Unternehmensbereichen abgebildet. Um herauszufinden, wie Unternehmen Big-Data-Analysen verwenden, sollten die Teilnehmer offene
Fragen beantworten, falls sie in einem Unternehmensbereich Einsatzszenarien haben oder
sich in Planung befinden. Insgesamt kamen so
über 1000 Antworten zustande. Welche Schlagwörter dabei besonders häufig vorkamen, zeigt
die „Wortwolke“. Die Tabelle zeigt zudem eine
Liste mit häufig genannten Einsatzszenarien je
Bereich (jeweils ohne die immer genutzten
Worte „data“ und „analysis“).
Abbildung 11: Worthäufigkeit aller Einsatzszenarien (n=261)
Big Data Use Cases 2015 – Getting real on data monetization
- 18 -
Big Data Use Cases von abteilungsübergreifenden Szenarien
Abbildung 12: Worthäufigkeit von abteilungsübergreifenden Einsatzszenarien (n=118)
Genannte Use Cases von abteilungsübergreifenden Szenarien
Prozessoptimierung, Steigerung der Prozessqualität
Übergreifende Prozesstransparenz, Synergien erkennen und nutzen
Aufbau von Wissensmanagementsystemen für die breitere und übergreifende Informationsnutzung
Integration und Verteilung bereichsübergreifender Unternehmensdaten
Risikomanagement und Compliance
Analyse und -vorhersage der Unternehmensentwicklung
Schnellere Reaktionsgeschwindigkeiten auf Kundenbedürfnisse
Qualitätssicherung
Kostenreduktion
Office Automatisierung
Ressourcen planen und steuern (Sourcing)
Einheitliche Kundensicht
Betrugs- und Verbrechensprävention
Portfoliomanagement
Bessere Unterstützung der Geschäftsprozesse durch umfangreichere Analysen und bessere Kalkulationen
Prozessfortschrittsüberwachung, bspw. im Sales-Prozess
Tabelle 1: Genannte Use Cases von abteilungsübergreifenden Szenarien
Big Data Use Cases 2015 – Getting real on data monetization
- 19 -
Big Data Use Cases im Vertrieb
Abbildung 13: Worthäufigkeit in Use Cases im Vertrieb (ohne Wort „Sales“, n=152)
Genannte Use Cases im Vertrieb
Kundenverhalten verstehen, vorhersagen und besseres Kundenverständnis aufbauen (360 Grad
Kundensicht)
Maßnahmen zur Steigerung der Kundenbindung und Verhinderung der Kundenabwanderung
(Customer Experience / Journey)
Bessere Überwachung/Genauere Analysen von Vertriebsaktivitäten
Personalisierung von Vertriebs-/Marketingaktivitäten
Marktbeobachtung/Wettbewerbsanalyse
Preisgestaltung/Optimierung von Angeboten
Exaktere Vertriebsplanungen/-vorhersage
Identifizierung von Cross- und Up-Selling-Potenzialen
Verbessertes Bestandsmanagement
Neukundengewinnung/Leadgenerierung
Kundenklassifizierung und Verkaufsgruppenanalyse
Tabelle 2: Genannte Use Cases im Vertrieb
Big Data Use Cases 2015 – Getting real on data monetization
- 20 -
Big Data Use Cases im Kundenservice
Abbildung 14: Worthäufigkeit in Use Cases im Kundenservice (n=85)
Genannte Use Cases im Kundenservice
Analyse von Kundenverhalten
Datenbereitstellung/Datenanalysen für Außendienstmitarbeiter vor Ort
Kundenwertanalysen
Identifikation von Trends in Kundenanfragen
Identifikation von Kunde, bei denen ein Abwanderungsrisiko besteht
Vorausschauende Wartung/Optimierung von Wartungszyklen
Mustererkennungen im Bereich Kundenreklamation
Globales Beschwerdemanagement zur rechtzeitigen Identifizierung von Problemen
Berechnung der Verfügbarkeit von Ersatzteilen
Gewährleitungsanalysen
Steigerung der Effizienz in den Serviceaktivitäten etwa durch automatisches Beantworten von Fragen
Tracking und Bewertung von Kundenservices
Echtzeitprofitabilitätsanalysen für bspw. Rabattierungen im Call-Center Gespräch
Direktmarketing und Produktempfehlungen
Customer Conversion
Tabelle 3: Genannte Use Cases im Kundenservice
Big Data Use Cases 2015 – Getting real on data monetization
- 21 -
Big Data Use Cases im Marketing
Abbildung 15: Worthäufigkeit in Use Cases im Marketing (ohne Wort „Marketing“, n=152)
Genannte Use Cases im Marketing
Analyse von Kundenverhalten
Datenbereitstellung/Datenanalysen für Außendienstmitarbeiter vor Ort
Kundenwertanalysen
Identifikation von Trends in Kundenanfragen
Identifikation von Kunde, bei denen ein Abwanderungsrisiko besteht
Vorausschauende Wartung/Optimierung von Wartungszyklen
Mustererkennungen im Bereich Kundenreklamation
Globales Beschwerdemanagement zur rechtzeitigen Identifizierung von Problemen
Berechnung der Verfügbarkeit von Ersatzteilen
Gewährleitungsanalysen
Steigerung der Effizienz in den Serviceaktivitäten beispielsweise durch automatisches Beantworten
von Fragen
Tracking und Bewertung von Kundenservices
Echtzeitprofitabilitätsanalysen zum Beispiel für Rabattierungen im Call-Center-Gespräch
Direktmarketing und Produktempfehlungen
Customer Conversion
Tabelle 4: Genannte Use Cases im Marketing
Big Data Use Cases 2015 – Getting real on data monetization
- 22 -
Big Data Use Cases im Controlling
Abbildung 16: Worthäufigkeit in Use Cases im Controlling (n=100)
Genannte Use Cases im Controlling
Verbesserung des Berichtswesens (allgemein)
Unternehmensplanung und Budgetierung, Forecasting
Schaffung einer integrierten Datensicht
Einfacheres Berichtswesen
Simulation, Unterstützung der Strategiefindung
Datenanalyse (allgemein)
Kostenanalyse und -optimierung
Rabatt- und Preisanalyse
Prozessoptimierung
Cash Flow Management, Liquiditätsverbesserung
Konsolidierung
Compliance
Tabelle 5: Genannte Use Cases im Controlling
Big Data Use Cases 2015 – Getting real on data monetization
- 23 -
Big Data Use Cases im Risikomanagement
Abbildung 17: Worthäufigkeit in Use Cases im Risikomanagement (ohne Worte „Risks, Management“, n=63)
Genannte Use Cases im Risikomanagement
Identifizierung neuer/bisher unbekannter Risiken
Identifizierung von "schlechten" Kunden
Allgemeine Verbesserung des Risikomanagements
Betrugserkennung
Kreditkartenbetrug
Bessere Prognose/Simulation von Risiken
Identifizierung von Zusammenhängen/Mustern
Identifizierung unternehmensexterner Risiken
Allgemein Verminderung/Vermeidung von Risiken
Identifizierung von Projektrisiken
Riskmonitoring
Compliance
Genauere Analyse von Risiken
Operative Risiken
Forecasting/Controlling
Vermeidung von Fehlinvestitionen
Tabelle 6: Genannte Use Cases im Risikomanagement
Big Data Use Cases 2015 – Getting real on data monetization
- 24 -
Big Data Use Cases in Forschung und Entwicklung
Abbildung 18: Worthäufigkeit in Use Cases in der Forschung und Entwicklung (n=71)
Genannte Use Cases in Forschung und Entwicklung
Analyse von Sensor- oder Telematikdaten
Entwicklung, Verbesserung und Testen von neuen Produkten/Verfahren
Gewinnung neuer Produktideen durch Trend- und Marktanalysen (bspw. Patentanalysen)
Identifikation von Kundenbedürfnissen
Verbesserte Nutzung von Informationen durch bspw. den Aufbau von Wissensdatenbanken, Einsatz von Selbstlernenden Algorithmen, Search Engines
Risikominimierung
Potentialanalyse für Preisgestaltung und Produktentwicklung
Innovationsmanagement
Auswertung von Produktinformationen über einen längeren Lebenszyklus
Optimierung der Entwicklungskosten
Tabelle 7: Genannte Use Cases in Forschung und Entwicklung
Big Data Use Cases 2015 – Getting real on data monetization
- 25 -
Big Data Use Cases im Personalwesen
Abbildung 19: Worthäufigkeit in Use Cases im Personalwesen (n=44)
Genannte Use Cases im Personalwesen
Personalbeschaffung
Mitarbeiterbindung
Mitarbeiterperformance
Effektiverer Einsatz von Personalressourcen
Mitarbeiterentwicklung/-förderung
Kosten
Compliance
Allgemein HR Analysen/Reporting/Controlling
Risikomanagement
Analysen zur Mitarbeitersituation (Zufriedenheit etc.)
Tabelle 8: Genannte Use Cases im Personalwesen
Big Data Use Cases 2015 – Getting real on data monetization
- 26 -
Big Data Use Cases in IT
Abbildung 20: Worthäufigkeit in Use Cases in der IT (n=108)
Genannte Use Cases in IT
Auswertung von Log-Files zur Problemsuche / Performanceoptimierung
Nutzungsanalysen für Daten, Applikationen, Devices, …
Optimierung der IT Infrastruktur (bspw. Self-Learning für Server Management)
Überwachung und Steuerung des IT Betriebes
Security und Risikominimierung
Kapazitätsplanung
Planung und Steuerung Human Resources, externes Sourcing
Prognose und Planung von IT-Umsetzungsprojekten
Bessere Unterstützung der Fachbereiche durch bessere Services
Ausbau der Service-Prozesse und Erhöhung der Service-Qualität (zum BeispielHelpDesk)
Entwicklung neuer IT-Produkte
Erhöhung der Reaktionsgeschwindigkeit in der IT auf neue Anforderungen (Prozessoptimierung)
Kostenoptimierung
Netzwerkanalysen
Tabelle 9: Genannte Use Cases in IT
Big Data Use Cases 2015 – Getting real on data monetization
- 27 -
Big Data Use Cases in Produktion
Abbildung 21: Worthäufigkeit in Use Cases in Produktion (ohne Wort „Production“, n=93)
Genannte Use Cases in Produktion
Reporting und Analyse von Produktionsprozessen und Effizienz
Produktionsplanung und Optimierung (Durchlaufzeiten, Ressourcenplanung, Kapazitäten, …)
Maschinenüberwachung / Sensor Daten / Asset Management
Qualitätsmanagement
Steuerung von Produktionsprozessen
Kostenreduktion
Materialanalysen (Verbrauch, …)
Steuerung Serviceintervalle / Predictive Maintenance
Individualisierung von Produkten
Profitabilitätsanalyse und -verbesserung
Nachverfolgung, Analyse von Telematik-/Bewegungsdaten
Leistungsvorhersage, Produktionsvorhersage
Reduktion von Standzeiten
Betrugsentdeckung / Schwund
Zugang zu Dokumenten
Messung der Datenqualität der Produktionsdaten
Benchmarking
Tabelle 10: Genannte Use Cases in der Produktion
Big Data Use Cases 2015 – Getting real on data monetization
- 28 -
Big Data Use Cases in Logistik/Supply Chain
Abbildung 22: Worthäufigkeit in Use Cases in Logistik/Supply chain (n=74)
Genannte Use Cases in Logistik/Supply Chain
Workflow Management, Prozessoptimierung
End-to-End-Reporting, Beschaffung bis Versand
Routenoptimierung
Optimierte Warenverteilung/Distribution, Liefertreue, Termintreue
Warenversorgung
Lagermanagement und -optimierung
Vorlaufzeitenoptimierung
Transportoptimierung
Tracking / Nachverfolgung
Logistikplanung und Optimierung
Qualitätsmanagement
Wartungsoptimierung
Lieferanten- und Kundenbewertung / Scoring
Infrastrukturgestaltung
Kapazitätsplanung
Ressourcenplanung
Absatzprognose
Tabelle 11: Genannte Use Cases in Logistik/Supply Chain
Big Data Use Cases 2015 – Getting real on data monetization
- 29 -
Unternehmen setzen derzeit vor allem auf Standard-BIWerkzeuge, Wandel steht jedoch bevor
Im Mittelpunkt der Diskussion um Big Data
standen lange Zeit technische Aspekte. Mittlerweile dreht sie sich mehr darum, wie konkrete
Anwendungsszenarien eigentlich aussehen.
Dennoch bleibt die Frage nach den eingesetzten Technologien hochaktuell. Big-Data-Analysen sind oftmals nur im Zusammenspiel mit
neuen bzw. lange Zeit eher wenig beachteten
Technologien möglich. Der Markt für diese
Technologien befindet sich derzeit stark in Bewegung. Viele Technologien treten mit dem
Versprechen mannigfaltiger Vorteile an. Welche
dieser Technologien hat es aber tatsächlich
schon in die Unternehmen geschafft und welche haben Unternehmen zukünftig auf ihrem
Zettel?
Standard-BI-Werkzeuge
62%
9
14%
Standard-Relationale-Datenbanken
53%
4 8
Standard-Datenintegrationswerkzeuge
53%
10 14%
Explorative Analyse-/Data-Discovery-Werkzeuge
43%
12
Individualentwicklung
38%
12
Analytische Datenbanken
36%
13
Data-Mining-/Predictive-Analytics-Lösungen
31%
20%
11
20%
14
24%
Hadoop-Ökosystem
17%
16
Streaming-Systeme/Event Processing
16%
15
Big Data Appliances
14% 10
Spezielle Big-Data-Analyseanwendungen
13% 7
NoSQL-Datenbanken
Im Einsatz
13%
Geplant innerhalb von 12 Monaten
13
24%
18%
22%
16%
19%
Langfristig geplant
Abbildung 23: Wählen Sie bitte alle Technologiearten, die in Ihrem Unternehmen für Big
Data genutzt werden bzw. in Zukunft genutzt werden sollen. (n=428)
Big Data Use Cases 2015 – Getting real on data monetization
- 30 -
Die drei häufigsten Technologien, die Unternehmen heute für Big Data einsetzen, sind allesamt
Standardtechnologien. Insbesondere werden
sehr häufig Standard-BI-Werkzeuge und
Standard-Relationale-Datenbanken genutzt
(Abbildung 23), was den Stellenwert von strukturierten Daten auch im Big-Data-Kontext unterstreicht. Deutlich wird auch, dass Standard-BIWerkzeuge nicht einfach durch spezielle BigData-Technologien ersetzt werden, sondern
auch zukünftig eine wichtige Rolle spielen.
den. Tatsächlich betreffen die größten Planwerte Technologien, die polystrukturierte Daten
handhabbar machen
sollen (Hadoop-Ökoys„Die größten Planwerte weitem, NoSQL-Datensen Technologien auf, die
banken), die Analysepolystrukturierte Daten
geschwindigkeit erhöhandhabbar machen, die
hen (Streaming-SysAnalysegeschwindigkeit erteme) und bessere
höhen und bessere VorherVorhersagen ermöglisagen ermöglichen.“
chen (Predictive-Analytics-Lösungen). Die
zunehmende Umsetzung von Use Cases für
Big Data und der Einsatz neuer Technologien
gehen hier Hand in Hand. Als Folge wird in Unternehmen zukünftig eine wesentlich heterogenere Technologielandschaft anzutreffen sein,
was für Herausforderungen sorgen wird.
Die in Abbildung 5 gezeigten Herausforderungen, die mit Big-Data-Initiativen angegangen
werden sollen, lassen allerdings vermuten,
dass Standardwerkzeuge zukünftig immer stärker durch spezielle Technologien ergänzt wer-
Standard-Relationale-Datenbanken
26%
Standard-BI-Werkzeuge
Standard-Datenintegrationswerkzeuge
Individualentwicklung
Explorative Analyse-/Data-Discovery-Werkzeuge
14%
11%
31%
31%
Data-Mining-/Predictive-Analytics-Lösungen
7
Streaming-Systeme/Event Processing
NoSQL-Datenbanken
Spezielle Big-Data-Analyseanwendungen
Big Data Appliances
37%
6 8
7
Geplant
36%
10% 8
Hadoop-Ökosystem
29%
7
11% 6
Analytische Datenbanken
Im Einsatz
7
38%
36%
40%
37%
38%
36%
40%
Grundsätzlich vorstellbar
37%
43%
52%
54%
46%
48%
54%
50%
56%
54%
60%
55%
Nicht vorstellbar
Abbildung 24: Welche der folgenden Technologiearten betreiben Sie/können Sie sich vorstellen in der Cloud zu betreiben? (n=454)
Big Data Use Cases 2015 – Getting real on data monetization
- 31 -
Die Cloud gilt in den Diskussionen um mehr
Flexibilität und Agilität in den Unternehmen als
einer der wichtigsten Bausteine. Aus Abbildung
24 geht hervor, wie Unternehmen auf das
Thema blicken: Welche Technologien betreiben
Unternehmen derzeit schon in der Cloud, wo
planen sie es und können sie es sich überhaupt
grundsätzlich vorstellen? Zunächst ist festzustellen, dass Unternehmen heute ihre verschiedenen Technologien nur zu einem Bruchteil in
der Cloud einsetzen. Am häufigsten nutzen sie
mit 26 Prozent relationale Datenbanken, also
eine Technologie, für die in der Regel viel Erfahrung existiert und die sich gut einschätzen
lässt. Auch die Planwerte fallen für alle Technologien eher mager aus. Zudem scheint es eine
Art Zweiteilung zu geben: Ungefähr eine Hälfte
der befragten Unternehmen ist dem Betrieb von
Big-Data-Technologien in der Cloud gegenüber
grundsätzlich aufgeschlossen eingestellt; für die
andere Hälfte ist dies nicht vorstellbar.
Daten aus Transaktionssystemen
64%
Logdaten von IT-Systemen
19%
59%
11
Sensor-, RFID-, oder andere Maschinendaten
30%
Dokumente/Texte
30%
24%
Clickstream-Daten
21%
Videoclips/Bilder
Im Einsatz
12%
Geplant innerhalb von 12 Monaten
13%
11
Social-Media-Daten
9
18%
23%
21%
26%
24%
19%
17%
22%
17%
Langfristig geplant
Abbildung 25: Welche der folgenden Datentypen nutzt Ihr Unternehmen für Big-Data-Analysen? (n=208)
Der starke Einsatz von Standard-BI-Technologien für Big Data spiegelt sich in den verwendeten Daten wider (Abbildung 25). An erster Stelle
stehen in den Unternehmen, die schon heute
Big-Data-Analysen verwenden, Daten aus
Transaktionssystemen (64 Prozent). Sie spielen
nicht nur allein sondern auch im Zusammenspiel mit anderen Datenquellen sehr häufig eine
entscheidende Rolle. Weithin gebräuchlich sind
mittlerweile auch Logdaten aus IT-Systemen
(59 Prozent), die wohl insbesondere von IT-Bereichen für die Analyse ihrer Systemlandschaf-
ten eingesetzt werden. Praktisch alle Datenarten weisen hohe Steigerungsraten auf. Ein weiterer Beleg dafür, dass den Unternehmen der
Wert ihrer Daten zunehmend bewusst ist und
sie daraus Kapital schlagen wollen. Überdies
weisen unstrukturierte Daten wie Social-MediaDaten oder Dokumente/Texte, aber auch
Streaming-Daten die höchsten Planwerte auf.
Hier besteht auch ein Zusammenhang mit den
kundenzentrierten Einsatzszenarien, die diese
Datenarten häufig nutzen sowie den Planwerten für entsprechende Technologien, die diese
Daten handhabbar machen.
Big Data Use Cases 2015 – Getting real on data monetization
- 32 -
Beschäftigungstreiber Big Data
Da Big Data gerade erst dabei ist, sich in den
Unternehmen zu etablieren, ist die Finanzierungsfrage von besonderem Interesse: Wie finanzieren die Unternehmen ihre Initiativen?
Wohin fließen die Investitionen? Wie entwickelt
sich das Budget?
Erhöhung des Budget für IT-Lösungen
55%
Weiterbildung des bestehenden Personals
48%
Personalaufbau/Schaffung neuer Stellen
30%
Externe technische Beratung
26%
Externe fachliche Beratung
24%
Schaffung einer eigenen
Organisationseinheit mit eigenem Budget
20%
Keine neuen Investitionen
Sonstige
7%
2%
Abbildung 26: Wohin fließen die Big-Data-Investitionen Ihres Unternehmens? (n=208)
In Unternehmen, die schon heute Big Data nutzen, fließen die meisten Investitionen in die Erhöhung des Budgets für IT-Lösungen (Abbildung 26). An erster Stelle steht offenbar, die
technologischen Voraussetzungen zu schaffen.
Da aber auch die beste Technologie ohne entsprechend qualifiziertes Personal nichts nützt,
investieren Unternehmen gleichzeitig in die
Weiterbildung (48 Prozent) aber auch in den
Aufbau von neuem Personal. Ganze 30 Prozent
der Unternehmen, die schon Big Data verwenden, wollen hier neue Stellen schaffen – ein
Jobmotor.
Projektbezogene Finanzierung
52%
Aus dem IT-Budget
46%
Aus dem Forschungs-/Innovationsbudget
31%
Aus Fachbereichsmitteln
30%
Sonstige
2%
Abbildung 27: Wie finanzieren Sie Ihre Big-Data-Initiative(n)? (n=209)
Big Data Use Cases 2015 – Getting real on data monetization
- 33 -
Woher stammen die Budgets für diese Investitionen? Die Antworten der Umfrageteilnehmer
lassen das frühe Stadium vieler Big-Data-Initiativen erkennen (Abbildung 27). So finanzieren
52 Prozent der Unternehmen, die heute schon
Big Data betreiben, ihre Initiativen projektbezogen. Offenbar ist das Thema noch eher lose in
den Prozessen verankert, sodass es noch nicht
in feste Budgets einfließt. Wenn es allerdings
Teil dieser ist, stammen die Mittel vor allem aus
dem IT-Budget (46 Prozent) – ein weiterer Hinweis darauf, dass Big Data noch immer ein eher technisch getriebenes Thema ist.
Interessante Unterschiede liefert der Regionenvergleich: Während in Nordamerika die Mittel
überdurchschnittlich oft aus dem IT-Budget (54
Prozent vs. 43 Prozent in Europa) und den
Fachbereichen stammen (39 Prozent vs. 24
Prozent), greifen europäische Unternehmen
weitaus stärker auf Forschungsbudgets zurück
(20 Prozent in Nordamerika vs. 37 Prozent in
Europa). In Nordamerika sind Ausgaben für Big
Data wesentlich häufiger Teil fester Budgets als
in Europa. Auch hier zeigt sich, dass nordamerikanischen Unternehmen beim Thema Big
Data weiter sind als die europäischen.
Vergangene
12 Monate
Kommende
12 Monate
Insgesamt
IT-Lösungen
5%
10%
Externe Beratung
0%
5%
Personalmaßnahmen
5%
10%
IT-Lösungen
5%
10%
Externe Beratung
0%
0%
Personalmaßnahmen
5%
10%
10%
10%
Externe Beratung
5%
5%
Personalmaßnahmen
5%
10%
Regionen
Nordamerika
Europa
IT-Lösungen
Abbildung 28: Veränderung des Big-Data-Budgets in den letzten und nächsten 12 Monaten
(Median) (n=222)
Dass Big Data in den Unternehmen angekommen ist, macht sich auch in der Budgetentwicklung deutlich (Abbildung 28). So stiegen die
Ausgaben für IT-Lösungen und Personalmaßnahmen in den letzten zwölf Monaten in den
Unternehmen, für die Big Data-Initiativen zumindest denkbar sind, um fünf Prozent (Medianwert). Für die kommenden zwölf Monate planen diese Unternehmen in allen Bereich nochmals eine Steigerung um durchschnittlich fünf
Prozent.
zwölf Monaten durchschnittlich fünf Prozent
mehr in IT-Lösungen und externe Beratung als
nordamerikanische. Da nicht bekannt ist, von
welchen absoluten Werten ausgehend diese
Steigerungen erfolgten, ist anzunehmen, dass
sich die geringeren Investitionen in Nordamerika durch bereits getätigte Budgetsteigerungen
in der Vergangenheit erklären lassen. Europäische Unternehmen haben offenbar die Notwendigkeit erkannt, dass sie ihre Investitionen steigern müssen, wenn sie mit ihrem nordamerikanischen Wettbewerbern mithalten wollen.
Etwas überraschend fällt das Ergebnis für die
unterschiedlichen Regionen aus. So investierten europäische Unternehmen in den letzten
Big Data Use Cases 2015 – Getting real on data monetization
- 34 -
Fehlendes Know-how bremst Big Data aus
Der Mehrwert für Unternehmen aus Big-DataAnalysen ist groß. Dennoch kämpfen Unternehmen gerade bei Big-Data-Projekten mit einer
Reihe von Problemen (Abbildung 29). Generell
scheint Big Data für die Unternehmen ein
Thema zu sein, das zwar mit vielen Vorteilen
einhergeht, derzeit allerdings relativ problembehaftet ist. Nur sechs Prozent aller Umfrageteilnehmer sagen, dass sie beim Einsatz von BigData-Technologien keine Probleme sehen.
Fehlendes fachliches Know-how
53%
Datenschutz
49%
Fehlendes technisches Know-how
48%
Datensicherheit
48%
Kosten
38%
Fehlende überzeugende Einsatzszenarien
38%
Unternehmensprozesse noch nicht reif
34%
Technische Probleme
26%
Kann Big Data nicht für Fachanwender im
Unternehmen nutzbar machen
24%
Keine Probleme
Sonstige
6%
1%
Abbildung 29: Welche Probleme sehen Sie beim Einsatz von Big-Data-Technologien/-Analysen? (n=545)
Besonders oft trifft man auch weiterhin auf die
dass Unternehmen zwar Stellen schaffen wolKnow-how-Problematik: Etwa jedes zweite Unlen, aber aufgrund des fehlenden Angebots seiternehmen berichtet von fehlendem fachlichem
tens des Marktes gar nicht in der Lage sind,
oder technischem Know-how. Offenbar bringt
diese zu besetzen. Dies rückt die Aus- und
der Arbeitsmarkt schlicht und ergreifend zu weWeiterbildung der existierenden Mitarbeiter in
nig qualifiziertes Personal
den Vordergrund.
„Etwa jedes zweite Unternehhervor. Ein Problem, dass
Ferner stehen die Themen
men berichtet von fehlendem
nicht regional beschränkt ist,
Datenschutz und -sicherheit
fachlichem oder technischem
sondern sowohl nordamerikaganz oben auf der Problemnische als auch europäische
Know-how.“
liste der Unternehmen. Der
Unternehmen beklagen: Die
hohe Wert für das Thema DaWerte für fehlendes fachliches und technisches
tenschutz ist vor dem Hintergrund der vielen
Know-how liegen in beiden Regionen bei circa
Einsatzszenarien, die den Kunden in den Mittel50 Prozent. Es könnte also der Fall eintreten,
punkt rücken, wenig erstaunlich. Je mehr sich
Big Data Use Cases 2015 – Getting real on data monetization
- 35 -
Analysen auf den Kunden konzentrieren, desto
wichtiger wird es für die Unternehmen, die Daten entsprechend zu anonymisieren, um die Privatsphäre der Kunden zu schützen. Bevor die
eigentlichen Analysen stattfinden, bedarf es
aufwendiger Verfahren, welche die Unternehmen heute offenbar vor großen Herausforderungen stellen, sowohl hinsichtlich der inhaltlichen Ausgestaltung, der Rechtssicherheit als
auch ihrer technischen Umsetzung.
Mit 38 Prozent ist überdies die Zahl derjenigen
sehr hoch, die über fehlende Einsatzszenarien
klagen – und das trotz einer relativ lebendigen
Diskussion in den Fachmedien. Fehlende Kreativität zur gewinnbringenden Datennutzung oder
gar Veränderung der Geschäftsmodelle auf Datenbasis oder das fehlende Vertrauen einer rentablen Einführung neuer Ansätze und Technologien sind ein häufiges Thema. Technische
Probleme sind hingegen offenbar nicht die
Hauptschwierigkeit, wenn es um den Einsatz
von Big-Data-Technologien geht. Nur 26 Prozent sehen diese als problematisch an.
„Je mehr sich Analysen auf
den Kunden konzentrieren,
desto wichtiger wird es für
die Unternehmen, die Daten
entsprechend zu anonymisieren, um die Privatsphäre
der Kunden zu schützen.“
Wenn es um Big Data
geht, ist auch die Datensicherheit in vielen
Unternehmen ein zentrales Thema. In Big
Data kann unternehmenskritisches Wissen
enthalten sein oder der
Zugriff auf neue Systeme Probleme aufwerfen. So sehen beispielsweise Produktionsunternehmen den Zugriff auf
ihre Maschinen zur Erfassung von Maschinendaten kritisch, da auf diesen Maschinen auch
Programme zur Maschinensteuerung liegen
können, die als kritisches Intellectual Property
zu schützen sind. Auch die Speicherung und
Übertragung von Daten in Cloud-basierten Systemen (zum Beispiel Social Media) oder Datenquellen birgt Unsicherheit, die es zu adressieren gilt.
Hervorzuheben sind zudem die nicht nur in
puncto fehlendes Know-how sehr ähnlichen Ergebnisse für Nordamerika und Europa: Erstaunlich insbesondere bei den Themen Datenschutz
(50 Prozent in Nordamerika vs. 49 Prozent in
Europa) und -sicherheit (56 Prozent in Nordamerika vs. 46 Prozent in Europa). Es scheint
also nicht so zu sein, wie häufig kolportiert,
dass nordamerikanische Unternehmen im Vergleich wesentlich weniger Wert auf das Thema
Datenschutz legen würden.
Unterschiede sind lediglich bei den technischen
Problemen festzustellen, die in Nordamerika
weiter verbreitet sind (30 Prozent vs. 23 Prozent). Dies ist jedoch nicht weiter verwunderlich, da nordamerikanischen Unternehmen eher
Vorreiter in Sachen Big Data sind und neue
Technologien früher einsetzen.
Big Data Use Cases 2015 – Getting real on data monetization
- 36 -
56%
48%
52%
Datenschutz
35%
55%
48%
51%
Datensicherheit
31%
46%
Fehlendes fachliches Know-how
41%
39%
Fehlendes technisches Know-how
Technische Probleme
16%
26%
25%
29%
36%
18%
17%
Fehlende überzeugende
Einsatzszenarien
14%
Unternehmensprozesse noch nicht reif
Keine Probleme
1%
63%
56%
48%
28%
19%
50%
36%
33%
Kosten
Kann Big Data nicht für Fachanwender
im Unternehmen nutzbar machen
53%
27%
26%
35%
26%
41%
42%
56%
50%
12%
8%
9%
Big Data Bestandteil der Unternehmensprozesse
Big Data als Pilotprojekt
Keine Big-Data-Initiative, aber in Zukunft denkbar
Nein, es existiert keine Big-Data-Initiative und es ist auch zukünftig keine geplant
Abbildung 30: Probleme nach Status quo der Big-Data-Initiative (525)
Weitere interessante Ergebnisse liefert ein Blick
auf die Probleme, über die Unternehmen in welchem Stadium ihrer Big-Data-Initiative klagen
(Abbildung 30). Dabei scheinen Unternehmen,
die auch zukünftig keine Big-Data-Initiative planen, zwei Hauptprobleme zu haben: Einerseits
haben sie in 56 Prozent der Fälle bisher keine
überzeugenden Einsatzszenarien ausmachen
können. Anderseits fehlt ihren Unternehmensprozessen überdurchschnittlich oft die entsprechende Reife für Big-Data-Projekte (50 Prozent). Unternehmen, die derzeit noch keine Initiative haben, aber die künftig planen, haben
neben größeren Know-how-Problemen überdurchschnittlich oft Schwierigkeiten damit, BigData-Initiativen finanziert zu bekommen (48
Prozent).
Auffällig ist ferner, dass Unternehmen, die Big
Data schon in ihre Unternehmensprozesse implementiert haben, immer noch sehr hohe
Werte im Bereich fehlendem Know-how aufweisen. Am gravierendsten sind ihre Probleme allerdings in den Bereichen Datenschutz und -sicherheit. Diese scheinen im Vorfeld oftmals unterschätzt zu werden.
Big Data Use Cases 2015 – Getting real on data monetization
- 37 -
fehlendes fachliches,
„Fehlendes Know-how ist of61 Prozent über fehfensichtlich ein wesentliches
lendes technisches
Hemmnis für das aktuelle
Know-how. Dies ist ofModethema „Industrie 4.0“.“
fensichtlich ein wesentliches Hemmnis
für das aktuelle Modethema „Industrie 4.0“, das
Unternehmen ganz besonders beachten sollten. Im öffentlichen Sektor dominieren der Datenschutz (68 Prozent), die Kosten (54 Prozent)
und fehlende Einsatzszenarien (51 Prozent) die
Liste der häufigsten Probleme.
Während sich zwischen den verschiedenen Regionen keine größeren Unterschiede bei den
genannten Problemen ausmachen lassen, finden sich bei einer näheren Betrachtung der verschiedenen Branchen ein paar interessante Erkenntnisse. Im Finanzsektor klagen die Unternehmen überdurchschnittlich oft über fehlende
Einsatzszenarien. So geben dort 53 Prozent
der Unternehmen an, sie sähen für sich keine
interessanten Anwendungsfälle. Industrieunternehmen hingegen klagen überdurchschnittlich
oft über fehlendes Know-how – 63 Prozent über
59%
55%
Fehlendes fachliches Know-how
44%
55%
Fehlendes technisches Know-how
47%
46%
54%
53%
Datenschutz
25%
51%
Datensicherheit
36%
38%
Kosten
45%
33%
36%
40%
36%
Fehlende überzeugende
Einsatzszenarien
26%
32%
34%
Technische Probleme
23%
22%
Big Data nicht für Fachanwender im
Unternehmen nicht nutzbar
2015
15%
2013/14
2012
Abbildung 31: Entwicklung Probleme in der DACH-Region (n= 206/322/204
Nicht minder interessant ist die Entwicklung der
Probleme in der DACH-Region in den letzten
drei Jahren (Abbildung 31). Dabei sind aus unserer Sicht insbesondere drei Sachverhalte hervorzuheben:
Big Data Use Cases 2015 – Getting real on data monetization
- 38 -


mit den vorhandenen Mitarbeitern anzugehen, denen aber das Know-how
fehlt.
Die einzigen Probleme, welche in der
DACH-Region wirklich rückläufig erscheinen, sind technischer Natur. Vermutlich ein Effekt der zunehmenden
Reife, da Unternehmen mit anfänglichen technischen Problemen langsam
aber sicher umzugehen wissen.

Auffällig ist, dass dies für die fachliche
und technische Wissenslücke offenbar
nicht gilt. Ganz im Gegenteil: diese
nimmt in der DACH-Region sogar weiter zu. Der Bedarf an qualifizierten BigData-Experten wird offenbar weder
vom Arbeitsmarkt noch von Weiterbildungsinitiativen gestillt, oder Unternehmen versuchen das Thema zunächst
Während im letzten Jahr das Thema
Datenschutz sprunghaft anstieg (von
25 auf 53 Prozent), ist dieses Jahr ein
ähnlicher Effekt beim Thema Datensicherheit festzustellen. Hier spiegeln
sich offenbar die vorherrschenden Veränderungen in der Diskussion um Big
Data wider. Wurde im Vorjahr noch
ausgiebig über die Snowden-Dokumente und die Praktiken der NSA berichtet, konzentriert sich die Diskussion
der letzten Monate eher auf Sicherheitsthemen wie den Schutz vor Cyberattacken.
Big Data Use Cases 2015 – Getting real on data monetization
- 39 -
Fazit und Handlungsempfehlungen
Big Data setzt sich in den Unternehmen langsam aber sicher durch. So gibt es nur sehr wenige Unternehmen, die von sich sagen, eine
Big-Data-Initiative wäre für sie überhaupt nicht
denkbar. Weltweit haben schon über 40 Prozent der Unternehmen Erfahrungen mit Big
Data gesammelt. Gleichzeitig zeigen sich auch
größere regionale und branchenspezifische Unterschiede: dabei drohen nordamerikanische
Unternehmen ihrer europäischen Konkurrenz
zu enteilen; und während Fertigungsunternehmen mit Industrie 4.0 bei Big Data noch nicht so
recht aus den Startlöcher gekommen sind, hat
sich der Handel die Führungsposition gesichert.
haben: Von einer durchschnittlichen Umsatzsteigerung von acht Prozent und einer Kostensenkung um zehn Prozent berichten diejenigen
Unternehmen, die den Nutzen ihrer Big-DataInitiative beziffern können. Es bedarf sicherlich
keiner allzu großen Fantasie, um sich auszumalen, dass Big-Data-Verweigerer zunehmend
Gefahr laufen, ökonomisch abgehängt zu werden.
Schon heute existiert eine ganze Bandbreite
unterschiedlicher Einsatzszenarien. In deren
Mittelpunkt steht eindeutig der Kunde, den man
besser verstehen möchte. Gleichwohl dringt Big
Data in alle Unternehmensbereiche vor und in
allen Bereichen finden sich bereits heute ausreichend Anwendungsfälle – von der Produktion
über das Controlling bis hin zum Personalwesen. Die außerordentlich hohen Planwerte je
Bereich sprechen dabei für sich: Big Data
kommt früher oder später so gut wie überall
zum Einsatz. Kein Unternehmensbereich kann
und sollte sich Big Data verschließen, wenn
man zukünftig als Unternehmen in Gänze wettbewerbsfähig bleiben möchte.
„Der Mehrwert ist dabei beachtlich, den Unternehmen
erzielen können, wenn sie
sich beim Thema Big Data
vorwagen.“
Zahlreich sind sowohl
Herausforderungen als
auch Akteure innerhalb
der Unternehmen, die
Big Data auf die Tagesordnung setzen:
stark wachsende und
unterschiedlich strukturierte Datenmengen, der
Wunsch nach schneller und besseren Analysen, generell ein gestiegenes Bewusstsein für
den Wert von Daten, ausgefeiltere Prognosetechniken … die Liste an Treibern ist lang. Letzten Endes gibt allerdings oftmals die aktive
Rolle des Managements den Ausschlag, wie
weit heute schon Big-Data-Initiativen in den Unternehmen gediehen sind.
Sowie die Anwen„Schon heute existiert eine
dungsfälle in Unterganze Bandbreite unternehmen langsam aber
schiedlicher Einsatzszenastetig zunehmen, gerät
rien. In deren Mittelpunkt
die herkömmliche BIsteht eindeutig der Kunde,
Infrastruktur auf den
den man besser verstehen
Prüfstand. In den Einmöchte.“
satzszenarien finden
oftmals völlig neue Daten(-arten) Verwendung: Maschinensensoren,
Emails und andere Dokumente, Streaming- oder Social-Media Daten. Die herkömmliche auf
strukturierte Daten ausgelegte und vielfach wenig flexible BI-Infrastruktur erreicht hier ihre
Grenzen. Zwar setzen die Unternehmen heute
hauptsächlich noch auf Standard-BI-Technologien, allerdings deutet sich der technologische
Umbruch schon an. Dabei schaffen die Unternehmen ihre tradierten BI-Systeme keinesfalls
Der Mehrwert ist dabei beachtlich, den Unternehmen erzielen können, wenn sie sich beim
Thema Big Data vorwagen. Ganz vorne auf der
Liste stehen: bessere strategische Entscheidungen, bessere Steuerung der operativen Prozesse, ein besseres Kundenverständnis sowie
Kostensenkungen, um nur einige zu nennen.
Dabei werden die im Vorfeld vorhandenen hohen Erwartungen nicht nur gänzlich erfüllt, in
vielen Punkten werden sie sogar übertroffen.
Gerade die Punkte Kostensenkung und Umsatzsteigerung sollten diejenigen nachdenklich
stimmen, die sich Big Data bisher verweigert
Big Data Use Cases 2015 – Getting real on data monetization
- 40 -
ab, sondern ergänzen diese zunehmend um
Technologien, welche die Anforderungen von
Big Data in puncto Geschwindigkeit, Volumen
und Datenstrukturen standhalten können.
Die dadurch entstehende komplexe technologische Infrastruktur bringt gleichwohl ganz neue
Herausforderungen mit sich. Datenschutz und
Datensicherheit sind die beiden größten Probleme in Unternehmen, die schon heute BigData-Initiativen in ihren Unternehmensprozessen implementiert haben. Der Schutz und die
Anonymisierung von sensiblen Kunden- und
Unternehmensdaten in einer Big-Data-Umgebung stellt offenbar eine nicht ganz triviale Angelegenheit dar.
Kernproblem Nummer
zwei: das fehlende
Know-how in den Unternehmen. Praktisch
überall auf der Welt
klagen Unternehmen
über fehlende technische und fachliche Big-Data-Expertise. Zwar
geben viele Unternehmen an, sogar neue Stellen in diesem Bereich schaffen zu wollen. Dennoch bleibt es äußerst fraglich, ob sich auf den
weltweiten Arbeitsmärkten auch nur annähernd
so viele fähige Kandidaten tummeln, wie die
Unternehmen benötigen. Insbesondere die Industrie und ihr „Großprojekt“ Industrie 4.0 laufen Gefahr, hierdurch bereits ins Stocken zu geraten, bevor es überhaupt so richtig losgegangen ist.
„Praktisch überall auf der
Welt klagen Unternehmen
über fehlende technische
und fachliche Big-Data-Expertise.“

Starten Sie jetzt mit ihren Big-Data-Initiativen! Die Teilnehmer dieser Studie zeigen
die zahlreichen Anwendungsbeispiele und
den hohen erreichbaren Nutzen aus der
Analyse von Big Data. Fangen Sie mit Pilot-Projekten an, die verschiedene Bereiche, Datenarten und Prozesse umfassen!

Setzen Sie Kreativität frei! Schaffen Sie
Freiräume, in denen Mitarbeiter die vielen
Beispiele in dieser Studie auf ihre Einsatzmöglichkeit im eigenen Unternehmen
bewerten, aber vor allem auch selbst Vorschläge entwickeln können, in welchen
Prozessen oder Geschäftsmodellen Daten einen Beitrag zur Verbesserung leisten können.

Das Top Management ist ein wichtiger
Treiber, aber die weiteren Ebenen in den
Fachbereichen müssen ebenfalls zu Protagonisten werden. Nur so können die
Einsatzszenarien in den verschiedenen
Bereichen auch tatsächlich umgesetzt
werden.

Beginnen Sie mit der internen Weiterbildung und sondieren Sie den Arbeitsmarkt
nach technischer und fachlicher Big Data
Expertise. Sie werden sie brauchen.

Entwerfen Sie eine Datenstrategie für Ihr
Unternehmen, die alle Daten einschließlich Big Data umfasst. Eine Einordnung
Ihrer Daten in Schutzklassen und Sicherheitszonen mit zugehörigen Richtlinien
und Verantwortlichkeiten hilft, Datenschutz und Datensicherheit zu konkretisieren und Unsicherheiten zu nehmen.

Berücksichtigen Sie, dass Big-Data-Projekte häufig explorativ mit Daten umgehen. Business-Intelligence-Standardverfahren sind hier der falsche Maßstab. Datenexperimente müssen schnell fehlschlagen können, damit man daraus lernt und
sich einer guten, vielleicht bahnbrechenden Lösung annähern kann.
Zusammenfassend sollten Unternehmen sich
insbesondere folgende Handlungsempfehlungen zu Herzen nehmen:
Big Data Use Cases 2015 – Getting real on data monetization
- 41 -
Anhang A: Methodik und Demographie
Die Online-Anwenderumfrage wurde weltweit
von Dezember 2014 bis Februar 2015 durchgeführt. Die Befragung wurde von BARC über
Webseiten, Veranstaltungen und im E-MailNewsletter beworben.
meisten Teilnehmer aus der DACH-Region (Abbildung 32). Mit etwas Abstand folgen die Teilnehmer aus Nordamerika (22 Prozent). Die weiteren Teilnehmer verteilen sich relativ gleichmäßig auf die anderen europäischen und weltweiten Regionen – mit Ausnahme von Afrika und
des Nahen Ostens, die nur vier Prozent der
Stichprobe ausmachen.
Es beteiligten sich insgesamt 559 Teilnehmer
an der Erhebung. Mit 37 Prozent stammen die
DACH-Region
37%
Nordamerika
22%
Südeuropa
8%
Frankreich & französisch sprechende
Gebiete
7%
Asien/Pazifik
7%
UK & Nordeuropa
5%
Osteuropa
5%
Lateinamerika
5%
Sonstige
4%
Abbildung 32: Verteilung nach Regionen (n=546)
Es wurde eine breit gefächerte Branchenverteilung der Studienteilnehmer erreicht (Abbildung
33). Besonders häufig ist die IT (16 Prozent),
die Fertigungsindustrie (14 Prozent), die Beratungsbranche (13 Prozent) und der Handel
(8 Prozent) vertreten.
Big Data Use Cases 2015 – Getting real on data monetization
- 42 -
IT
16%
Fertigungsindustrie
14%
Beratung
13%
Handel
8%
Bankensektor
5%
Dienstleistungen (außer Beratung)
5%
Gesundheitswesen
5%
Prozessindustrie
5%
Bildung
4%
Transportwesen und Logistik
4%
Versicherungen
4%
Energie und Versorgungswirtschaft
3%
Öffentlicher Sektor
3%
Telekommunikation
3%
Medien/Verlagswesen
2%
Sonstige
2%
Öl, Gas und Bergbau
1%
Baugewerbe
1%
Landwirtschaft
0,4%
Abbildung 33: Branchenverteilung (n=543)
Die Unternehmensgröße nach Mitarbeiteranzahl geht aus Abbildung 34 hervor. Mit 38 Prozent sind Unternehmen der Größenklasse
250 bis 5.000 Mitarbeiter in der Studie am häufigsten vertreten. Die Studie deckt mit jeweils
knapp 32 Prozent (Mehr als 5.000 Mitarbeiter)
und 29 Prozent (Weniger als 250 Mitarbeiter)
aber auch andere Unternehmensgrößen repräsentativ ab.
Weniger als 250
29%
250 bis 5.000
38%
5.000 und mehr
32%
Abbildung 34: Unternehmensgröße (Mitarbeiterzahl, n=543)
Eine Betrachtung der Herkunft der Studienteilnehmer nach Unternehmensbereichen zeigt
eine Dominanz der IT (42 Prozent) (Abbildung
35). Unter den Fachbereichen sind das Control-
ling (17 Prozent) und das Management (14 Prozent) am häufigsten vertreten. 14 Prozent entfallen auf Teilnehmer aus einer bereichsübergreifenden BI-Organisation, zum Beispiel Business Intelligence Competency Center (BI CC).
Big Data Use Cases 2015 – Getting real on data monetization
- 43 -
IT
42%
Finanzen/Controlling
17%
Management
14%
Eigenständige BI-Organisation
14%
Sonstige
3%
Marketing
3%
Forschung/Entwicklung
2%
Vertrieb
2%
Produktion
1%
Personalwesen
1%
Beschaffungswesen/Einkauf
0,4%
Logistik/Supply Chain
0,4%
Abbildung 35: In welchem Fachbereich sind Sie tätig? (n=530)
Big Data Use Cases 2015 – Getting real on data monetization
- 44 -
Das Business Application Research Center (BARC)
www.barc.de
Firmenprofil
Das Business Application Research Center
(BARC) ist ein Forschungs- und Beratungsinstitut für Unternehmenssoftware mit Fokus auf die
Bereiche Business Intelligence, Enterprise Content Management (ECM), Customer Relationship Management (CRM) und Enterprise Ressource Planning (ERP). BARC-Mitarbeiter sind
seit 1994 in der Evaluation von Business-Intelligence- und ECM-Produkten und Beratung von
Unternehmen tätig. Dabei vereinen die BARCAnalysten Markt-, Produkt- und Einführungswissen. Know-how-Basis sind die seit Jahren ständig durchgeführten Marktanalysen und Produktvergleichsstudien, die ein umfassendes Detailwissen über den Leistungsumfang aller marktrelevanten Software-Anbieter und neueste Entwicklungen im Markt sicherstellen.
Markt für Business Applications. In Beratungsprojekten, Software-Vergleichsstudien und auf
Fachtagungen bringt BARC Transparenz und
Vergleichbarkeit in den Software-Markt. Dabei
ist BARC strikt unabhängig von Software-Anbietern. Dies bedeutet, dass keine Gebühren für die
Aufnahme in Studien oder Provisionen bei der
Empfehlung von Software erhoben werden.
BARC bietet auch keine Implementierung von
Software an, um keine internen Interessen zu erzeugen.
BARC-Mitarbeiter evaluieren seit mehr als 20
Jahren Business-Intelligence- und EnterpriseContent-Management-Produkte und nutzen das
so erlangte Wissen in Beratungsprojekten zur
Software-Auswahl und IT-Strategie.
Über 1.200 Kunden jährlich, darunter mehr als
90 Prozent der DAX100-Unternehmen nutzen in
vielfältiger Weise das Know-how der BARCAnalysten. BARC-Beratungsprojekte sind hoch
effizient und gewährleisten ein Höchstmaß an
Sicherheit bei Software-Auswahl und IT-Strategie. BARC-Studien bieten einen qualifizierten
Marktüberblick und einen detaillierten SoftwareVergleich. BARC-Tagungen und Seminare geben einen konzentrierten Eindruck aller relevanten Anbieter in verschiedenen Segmenten des
Marktes für Geschäftsanwendungen.
Neben dem Firmensitz in Würzburg unterhält
BARC heute Niederlassungen in München, London, Wien und Zürich. BARC formt mit den Analystenhäusern CXP und PAC die führende europäische Analystengruppe für Unternehmenssoftware und IT Services mit Vorortvertretungen in
acht Ländern.
BARC ist aus den komparativen Produktanalysen am Lehrstuhl Wirtschaftsinformatik der Universität Würzburg, Prof. Dr. R. Thome hervorgegangen. In seiner Stellung als unabhängiges
Institut beobachtet und analysiert BARC den
.
Big Data Use Cases 2015 – Getting real on data monetization
- 45 -
Firmenprofile der Sponsoren
Blue Yonder
www.blue‐yonder.com
Firmenprofil
Blue Yonder ist der führende SaaS-Anbieter für
Predictive Applications im europäischen Markt
und wurde jüngst in den Gartner Report ‚Cool
Vendors in Data Science 2015‘ aufgenommen.
Im Januar 2014 rief Blue Yonder die Data Science Academy ins Leben, um Unternehmen relevantes Fachwissen zur Verfügung zu stellen
und gezielt Entscheider aus dem Management,
den Fach- und IT-Abteilungen zu schulen.
Die Plattform des Unternehmens automatisiert
Entscheidungen in Echtzeit und liefert präzise
Prognosen. Gegründet vom ehemaligen CERNForscher Prof. Michael Feindt wird das Unternehmen durch die Private Equity-Gesellschaft
Warburg Pincus und der Otto Group unterstützt.
Die Arbeit von Blue Yonder wurde bereits mehrfach ausgezeichnet, unter anderem mit dem
Preis „Deutschland − Land der Ideen 2015“, dem
IoT Award 2014, BT Retail Week Technology Award 2014, dem Innovationspreis 2014 und dem
FOCUS Digital Star Award 2013.
Das seit 2008 in Karlsruhe ansässige Unternehmen bietet branchenspezifische Prognosesoftware, mit deren Hilfe Kunden wie Otto, EON und
EAT ihre Kernprozesse optimieren und zu „Predictive Enterprises“ werden können. Dazu nutzt
Blue Yonder wissenschaftlich basierte und innovative Techniken wie Predictive Modelling und
Machine Learning. Die skalierbare und cloudbasierte Plattform von Blue Yonder stellt treffsichere Prognosen für die Absatzplanung und automatisierte Disposition bereit. Darüber hinaus
wird sie auch in der dynamischen Preisgestaltung sowie für Kundenanalysen eingesetzt.
Kontaktinformationen
Dunja Riehemann
Director Marketing
Blue Yonder GmbH
Ohiostraße 8
D-76149 Karlsruhe
Tel +49 (0)721 383 117 0
[email protected]
www.blue-yonder.com
Big Data Use Cases 2015 – Getting real on data monetization
- 46 -
Cloudera
www.cloudera.com
Firmenprofil
Mit der ersten integrierten Big Data-Plattform auf
Basis des Apache Hadoop™-Frameworks gestaltet Cloudera die Datenverwaltung im Unternehmen von Grund auf neu. Cloudera bietet Unternehmenskunden integriertes Speichern, Bearbeiten und Analysieren all ihrer Daten und ermöglicht ihnen damit nicht nur eine effizientere
Nutzung ihrer Systemlandschaft, sondern auch
völlig neue Methoden der Datenverwertung. Nur
Cloudera liefert sämtliche für den Aufbau eines
internen Daten-Hubs erforderlichen Komponenten, einschließlich der Software für geschäftskritische Kernfunktionen wie Speicherung, Zugang,
Verwaltung, Analyse, Schutz und Suche von Daten. Als führender Anbieter hat Cloudera weltweit bereits mehr als 27.000 Hadoop™-Experten geschult. Darüber hinaus sorgen über 1.700
Partner und ein erfahrenes Serviceteam für den
schnellstmöglichen Einsatz neuer Software. Nur
Cloudera bietet den dynamischen und zukunftsorientierten Support, der Unternehmen darin unterstützt, ihren Enterprise Data Hub effizient einzusetzen. Führende Unternehmen aller Wirtschaftsbereiche, sowie staatliche Institutionen
setzen bei der Verarbeitung und Analyse großer
Datenvolumen auf Cloudera!
Kontaktinformationen
Cloudera GmbH
Romanstr. 35
80639 München
Email: [email protected]
Big Data Use Cases 2015 – Getting real on data monetization
- 47 -
Hewlett Packard
www.hp.com/de
Firmenprofil
HP Analytics, Datenmanagement und BI Modernisierung
Zum HP Hardware und Appliances- Angebot für
den Betrieb von Big Data Umgebungen gehören
Server, Speichersysteme und Netzwerke. Die
vordefinierten Hardware Lösungen basieren auf
der HP Big Data Referenz Architektur (HP
BDRA), eine mit neuesten Technologien ausgestattete Lösung für den Einsatz in Big Data Analytics Umgebungen.
Analytics und Data Management ist einer der
vier Kernbereiche der HP Strategie. HP kombiniert die traditionellen Stärken des Unternehmens aus dem Bereich Computing, Software
und Services mit einem End-zu-End Angebot für
die Modernisierung von Business Intelligence
Umgebungen in Richtung Big Data.
Big Data Services
Einsatz-Szenarien:
Mit einer Vielfalt von Dienstleistungen rund um
Datenmanagement, BI Modernisierung und Big
Data Analytics unterstützt HP die Kunden bei der
Definition und der Bewertung des Nutzenaspektes möglicher Anwendungsfälle, der Konzeption,
Implementierung und im Produktiv-Betrieb.
Dazu gehören die HP Implementation Services
für vordefinierte Hardware-Lösungen, Professional Services für Planung und Implementierung
von Software als auch Dienstleistungen für die
Konzeption und Implementierung von Gesamtlösungen rund um BI und Big Data.
HP unterstützt Kunden bei der Analyse von Daten in allen Industrie-Zweigen. Einsatz-Szenarien beinhalten die Datenanalyse für Compliance
-Anwendungsfälle, Warranty- Analytics, Predictive Maintenance, Social Media Analytics, Stimmungsanalysen für Produkte und Unternehmen,
Fanverhalten bei Sportveranstaltungen, Operations Analytics für die IT; Service Desk Analytics
u.v.m.
Big-Data-Technologien:
Die technologische Basis für HP’s Big Data Lösungen bilden Software und Hardware Produkte
wie die HP Big Data Analytics Plattform HP Haven. Sie besteht aus einer vorintegrierten Kombination unterschiedlicher Software und Hardware Technologien. Mittels Haven können jegliche Datenformate – ob strukturiert, unstrukturiert, Video, Audio, Fotos, Text etc. analysiert
werden.
Kontaktinformationen
Gerhard Haberstroh
Hewlett-Packard GmbH
Herrenberger Str. 140
71034 Böblingen
Tel.: 07031 – 14-0, E-Mail: [email protected]
Internet: www.hp.com/de
Big Data Use Cases 2015 – Getting real on data monetization
- 48 -
Information Builders
www.informationbuilders.de
Firmenprofil
Information Builders unterstützt Unternehmen
dabei, Daten in geschäftlichen Nutzen zu verwandeln. Lösungen für die Bereiche Business
Intelligence und Analytics, Integration und Datenintegrität ermöglichen Unternehmen, intelligente Entscheidungen zu treffen, Kundenbeziehungen zu stärken und Wachstum zu fördern. Information Builders ist bekannt dafür, konsolidierte Business Intelligence- und Analytics-Anwendungen für den großflächen, unternehmensweiten Einsatz zur Verfügung stellen zu können.
Für valide Datenhaltung runden Datenqualitätsund Master Data Management das Lösungsangebot ab. Information Builders sieht in Big Data
ein großes Potenzial, das sich für Unternehmen
durch neuartige Einblicke in Daten und erstmalig
mögliche Informationserschließung ergibt. Aktuell sind innovative, große Big Data-Projekte in
der Umsetzung begriffen, die Informationsarten
wie maschinengenerierte Daten, Social Media
Analytics, Location- und Geo-Intelligence, Konsumverhalten von Kunden („Customer Activity
Monitoring"), Webanalyse u.v.m. beinhalten. Information Builders unterhält Partnerschaften mit
allen Anbietern im Big Data-Umfeld, die Hadoop,
Datenbankabfragen und alle zugehörigen Analyse-Technologien
abdecken.
Information
Builders hilft bei allen Arten der Geschäftsanalyse, nicht nur bezogen auf Big Data, um Umsatz
und Gewinn positiv zu beeinflussen.
Information Builders bietet Geschäftsanalyse für
führende Unternehmen aus allen Industriezweigen, wie z.B. Banken und Versicherungen, Herstellungsindustrie, Gesundheitswesen, Handel,
Logistik, Telekommunikation sowie Behörden
und Bildungswesen. Aus diesem Grund vertrauen zehntausende führende Unternehmen
auf Information Builders und sehen uns als vertrauenswürdigen Partner. Information Builders
wurde 1975 gegründet, hat seinen Hauptsitz in
New York, verfügt über Niederlassungen weltweit und ist eines der größten, unabhängigen, in
Privatbesitz befindlichen Unternehmen in der
Softwarebranche.
Besuchen Sie uns unter informationbuilders.com
bzw. informationbuilders.de, folgen Sie uns auf
Twitter unter @infobldrs_DE, werden Sie Fan
auf Facebook und besuchen Sie unsere
LinkedIn-Seite.
Kontaktinformationen
Information Builders (Deutschland) GmbH
Mergenthalerallee 35
D-65760 Eschborn
Tel.: +49 (0) 6196 77576 0
Fax: +49 (0) 6196 77576 99
E-Mail: [email protected]
Internet: www.informationbuilders.com
Big Data Use Cases 2015 – Getting real on data monetization
- 49 -
pmOne
www.pmOne.de
Firmenprofil
Die 2007 gegründete pmOne AG ist ein Software- und Beratungsunternehmen mit Lösungsangeboten zum Thema Business Intelligence
und Big Data. Dafür werden die technologischen
Plattformen von Microsoft und SAP um die eigenentwickelte Software cMORE ergänzt.
cMORE hilft Anwendern unter anderem dabei,
skalierbare Lösungen für Reporting und Analyse
schnell aufzubauen, effizient zu betreiben und
zu erweitern. Mit Tagetik vertreibt und implementiert die pmOne AG eine weltweit führende Softwarelösung für Unternehmensplanung und Konsolidierung. Zur pmOne-Gruppe gehört die
MindBusiness GmbH, die auf SharePoint-Lösungen und Dienstleistungen für Office-Rollouts
spezialisiert ist. Die pmOne AG hat 200 Mitarbeiter und ist an acht Standorten in Deutschland,
Österreich und der Schweiz vertreten.
wie Microsoft Excel und SharePoint genutzt und
intelligent erweitert wird. Dadurch verringert sich
der Einführungs- und Schulungsaufwand. Heutige Anforderungen der Fachanwender nach
mehr Eigenständigkeit bei der Berichtserstellung
und -verteilung – Stichwort Self-Service BI –
werden in einer innovativen Benutzeroberfläche
realisiert. Konzeptionell orientiert sich cMORE
an den Prinzipien des „Information Design“, bei
denen es um die unternehmensweite Standardisierung des Reporting nach wissenschaftlich abgesicherten Grundsätzen geht.
cMORE hilft Anwendern, schneller Lösungen für
Business Intelligence (BI) und Big Data aufzubauen, zu erweitern und effizient zu betreiben.
cMORE nutzt die Software-Infrastruktur von
Microsoft, insbesondere den SQL Server, Excel
und SharePoint, und erweitert sie auch zu einer
komplementären BI- und Big-Data-Lösung in einem SAP-Umfeld. cMORE ist ein Akronym für
Collaboration, Modellierung und Reporting.
 Kistler eine einheitliche Plattform für unterschiedliche Anforderungen des Finanzbereichs,
Die pmOne AG implementiert und betreut Lösungen bei zahlreichen Unternehmen, unter anderem bei
 Air Berlin ein unternehmensweites Data Warehouse,
 Henkel die integrierte Konzernplanung,
 Heraeus ein Enterprise Data Warehouse,
 M+W Group Konzernkonsolidierung, Planung, Reporting, Treasury und Projektcontrolling,
 Vorwerk unterschiedliche Geschäftsprozesse im Finanzbereich in einer Anwendung.
cMORE erleichtert Standard- und Adhoc- Reporting, indem vorhandene Software-Infrastruktur
Big Data Use Cases 2015 – Getting real on data monetization
- 50 -
SAS
www.SAS.de
Firmenprofil
SAS ist mit über drei Milliarden US-Dollar Umsatz einer der weltweit größten Softwarehersteller und der größte Anbieter von Big-DataAnalytics-Software. Kunden an weltweit 75.000
Standorten setzen SAS Lösungen ein, um aus
ihren vielfältigen Geschäftsdaten (Big Data) konkrete Informationen für strategische Entscheidungen zu gewinnen (Analytics) und so ihre
Leistungsfähigkeit zu steigern. SAS Lösungen
kommen in unterschiedlichsten Branchen zum
Einsatz, darunter Banking, Versicherungen,
Manufacturing oder Handel. Mit den Lösungen
von SAS können Handelsunternehmen die Kundenzufriedenheit erhöhen, das Online Shopping
optimieren, Social-Media- und Callcenter-Daten
auswerten sowie ihre Marketingkosten senken.
Banken profitieren unter anderem von besserem
Risk- und Fraud-Management.
Unternehmen sowie neue digitale Geschäftsmodelle. Mit den Erkenntnissen können Unternehmen nicht nur strategische Weichen schnell und
sicher stellen, sondern auch operative Prozesse
besser
steuern.
SAS
High-Performance
Analytics nutzt intensiv die Möglichkeiten von
Hadoop und In-Memory Computing für die wirtschaftliche und extrem schnelle Verarbeitung
von Big Data. Zudem bietet SAS Unternehmen
eine Plattform, um Daten zu analysieren, zu verbessern und zu kontrollieren und trägt somit
dazu bei, die Datenqualität und Data
Governance entscheidend zu verbessern.
Alle Lösungen von SAS sind auch als Managed
Services verfügbar und lassen sich sowohl in der
Public Cloud, der Private Cloud oder in hybriden
Cloud-Umgebungen nutzen. Darüber hinaus
stellt SAS Lösungen für Self-Service Business
Intelligence (BI), mobile BI oder Datenvisualisierung bereit, die es auch der Managementebene
ermöglichen, ohne besondere Statistikkenntnisse oder Unterstützung der IT-Abteilung wertvolle Erkenntnisse aus dem Datenmaterial zu
ziehen. So haben die richtigen Manager und Mitarbeiter die relevanten Informationen zur richtigen Zeit zur Hand – egal, wo sie sich gerade befinden.
Wodurch zeichnet sich SAS aus?
Die Lösungen von SAS helfen Unternehmen,
das Maximum aus ihren Daten herauszuholen.
Ganz gleich, wie groß und wie komplex die Datenbestände sind – SAS Software zieht relevante Erkenntnisse daraus und schafft die Basis
für sichere und vorausschauende Geschäftsentscheidungen. Mit Big Data Analytics lassen sich
Fragestellungen in den unterschiedlichsten Geschäftsbereichen beantworten: vom Kundenund Kampagnenmanagement über Unternehmenssteuerung, Maschinen- und Anlagensteuerung (Industrie 4.0) bis hin zu Lösungen für den
transparenten Dialog zwischen Staat und Bürgern (Open Government). Darüber hinaus macht
Big Data Analytics von SAS in den Datenbeständen (bisher unbekannte) Muster und Zusammenhänge sichtbar – und schafft damit die Voraussetzung für die digitale Transformation von
Zur Geschichte:
SAS entstand im Rahmen eines Forschungsprojekts an der North Carolina State University. Das
1976 gegründete Unternehmen mit Sitz im USamerikanischen Cary, North Carolina, beschäftigt 14.000 Mitarbeiter und unterhält 400 Niederlassungen in 56 Ländern weltweit. SAS Deutschland hat seit 1982 seine Zentrale in Heidelberg
mit weiteren Niederlassungen in Berlin, Frankfurt, Hamburg, Köln und München und beschäftigt aktuell rund 550 Mitarbeiter.
Big Data Use Cases 2015 – Getting real on data monetization
- 51 -
Tableau
www.tableau.com
Firmenprofil
Tableau hat sich das Ziel gesetzt, Benutzer dabei zu unterstützen, ihre Daten sichtbar und verständlich zu machen. Dieser Weg, so unsere
Grundüberzeugung, ist nur gangbar, wenn Daten demokratisiert werden, also wenn „die Personen, die die Daten kennen, berechtigt sind,
Fragen zu den Daten zu stellen“. Wissensarbeiter sollten einfach und selbstverständlich auf ihre
Daten zugreifen können, ganz gleich, wo diese
gespeichert sind. Dieselben Wissensarbeiter
sollten zudem ihre Daten analysieren und daraus Erkenntnisse ziehen können, ohne die Hilfe
einer kleinen Elite aus Informatikspezialisten
und Entwicklern in Anspruch nehmen zu müssen.
Zur Umsetzung dieser Big Data-Vision konzentriert sich Tableau auf sechs Säulen:
 Breiter Zugang zu Big Data-Plattformen
(Hadoop, NoSQL, Spark, Cloud, Operational Data Stores, schnelle analytische
Datenbanken)
 Self-Service-Visualisierung von Big Data
für Unternehmen
 Hybrid-Datenarchitektur zum Optimieren
der Abfrageleistung
 Datenverschmelzung zum Ausführen
von Analysen aus mehreren Datenquellen
 Abfrageleistung der Plattform insgesamt
Unabhängig vom Datenvolumen ist die Visualisierung von Daten wichtig, da sie Informationen
in Erkenntnisse und Maßnahmen verwandeln
kann. Besondere Bedeutung hat die Visualisierungsstrategie für Big Data, da die mit dem Speichern, Vorbereiten und Abfragen von Daten verbundenen Kosten viel höher sind. Unternehmen
müssen daher gut strukturierte Datenquellen
nutzen und Best Practices konsequent anwenden, um ihren Wissensarbeitern direkte Abfragen in Big Data zu ermöglichen. In jüngster Zeit
hat der Bereich Big Data erhebliche Innovationen durchlaufen. Somit steht eine Vielzahl von
Optionen zur Verfügung, von denen jede ihre eigenen Stärken besitzt. Tableau verfolgt die Vision, jede beliebige Big Data-Plattform zu unterstützen, die für unsere Benutzer relevant wird,
und sie dabei zu unterstützen, mit ihren Daten in
Echtzeit zu interagieren.
 Leistungsfähige und einheitliche visuelle
Schnittstellen mit Daten
Erfahren Sie mehr unter:
http://www.tableau.com/solutions/big-data-analysis
Tableau Germany GmbH
An der Welle 4
60322 Frankfurt am Main
Deutschland
+49 (0) 69 58997-6700
[email protected]
www.tableau.com
Big Data Use Cases 2015 – Getting real on data monetization
- 52 -
Teradata
www.teradata.de
Firmenprofil
Teradata hilft Unternehmen dabei, größeren
Nutzen aus ihren Daten zu ziehen. Mit unseren Big-Data-Analyse- und integrierten
Marketinglösungen erzielen Firmen nachhaltige Wettbewerbsvorteile. Die Experten
von Teradata unterstützen Unternehmen
bei der Auswertung ihrer Daten, sodass sie
mehr über ihr Geschäft und ihre Kunden
wissen und gezielt aktiv werden können. Mit
11.000 Mitarbeitern weltweit, in mehr als 40
Ländern, steht Teradata Unternehmen zur
Seite, die ihre Daten für neue Erkenntnisse
und zusätzliches Geschäft nutzen wollen.
Mehr als 2.500 Kunden weltweit vertrauen
Teradata. Sie stammen aus nahezu allen
Branchen: Automobil, Banken und Versicherungen, E-Commerce, Energie, Fertigung, Gesundheitswesen, Groß- und Einzelhandel, Kommunikation, Konsumgüter,
Medien, Öffentliche Verwaltung, Reisen,
Transport und Logistik, Versorgungsunternehmen.
gehört die Teradata Database, für Big-DataAnalysen bieten wir Teradata Aster Discovery und unser Hadoop-Portfolio. Die einzigartige Teradata Unified Data Architecture
hilft Kunden dabei, durch die Integration verschiedener Technologien zu einer soliden
Hybrid-Architektur neue Einblicke zu gewinnen. Die Marketing- und Analyseanwendungen von Teradata – die vor Ort installiert
oder als Cloud-Lösungen eingesetzt werden
– werten Daten aus, um die Wirksamkeit
des Marketings zu verbessern, die Rentabilität zu steigern und den Bedarf vorherzusagen. Diese leistungsstarken Lösungen und
unsere langjährige Erfahrung aus der Zusammenarbeit mit führenden Unternehmen
ermöglichen es unseren Kunden, maximalen Nutzen aus ihren Daten zu ziehen und
ihre Kundenkommunikation zu verbessern.
Teradata ist wegen seiner Technologiekompetenz, Nachhaltigkeit, sozialen Verantwortung, seines ethischen Handelns und seiner
Unternehmenswerte anerkannt.
Weitere Informationen: www.teradata.de
Als zukunftsorientiertes Unternehmen ist
Teradata seit 35 Jahren der Innovation verpflichtet. Teradata-Plattformen fassen die
Daten eines Unternehmens zu einem einheitlichen Überblick über das Geschäft zusammen. Zu unserer Datenbank-Software
Big Data Use Cases 2015 – Getting real on data monetization
- 53 -
Copyright © BARC GmbH 2015. All rights reserved.
Business Application Research Center – BARC GmbH
Central Europe
Berliner Platz 7
97080 Würzburg
Germany
+49 931 880651-0
www.barc.de
Rest of the World
+44 1536 772 451
www.barc-research.com