Studie Predictive Analytics 2018 - Gold-Partner
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Studie
RESEARCH SERVICES
Predictive Analytics
2018
Gold-Partner Silber-Partner
Bronze-Partner
Editorial 3
Das Ende der
Bauch-
entscheidungen
Heinrich Vaske
Editorial Director
COMPUTERWOCHE & CIO
Um vorherzusagen, dass Predictive Analytics Dennoch gibt es limitierende Faktoren, die
in den nächsten Jahren eine wichtige Rolle nicht zu unterschätzen sind. Da ist zum
spielen wird, braucht man kein Predictive einen der chronische Mangel an gut aus
Analytics. Die technologische Eintritts gebildetem IT-Personal. Vor allem Data
barriere ist so tief gesunken, dass nahezu Scientists sind knapp und teuer. Schwerer
jedes Unternehmen beginnen kann, Trends noch wiegt aber die kulturelle Überforderung
zu analysieren und Wahrscheinlichkeiten – von Entscheidern, die sich nun auf Daten
etwa zu Kundenverhalten, Absatzchancen statt auf ihren Bauch verlassen sollen. Sonst
oder auch Maschinenausfällen – zu errech- wird es nichts mit dem viel beschworenen
nen. „Data-driven Enterprise“.
Entsprechende Daten lassen sich im großen Die Mentalität des „Das haben wir schon
Stil sammeln, konsolidieren und auswerten. immer so gemacht“ ist der natürliche
Der öffentliche Cloud-Speicher ist grenzen- Feind eines jeden Predictive-Analytics-
los groß, die in der Wolke verfügbaren Projekts. Datengestützt zu entscheiden ver-
Analytics- und KI-Lösungen reichen weit. langt von Managern wie von Mitarbeitern,
Auch im Open-Source-Lager findet sich Gewohnheiten abzulegen und den Zahlen zu
ein gewaltiger Fundus an Werkzeugen, mit vertrauen. In den meisten Unternehmen ist
dem Unternehmen einsteigen können. Und diese Umstellung der größte Hemmschuh.
an Tools, mit denen sich wunderbare Dash-
boards bauen lassen, mangelt es ebenfalls Eine spannende Lektüre wünscht
nicht. Heinrich Vaske
Inhalt
Die Round Tables
Editorial Viele Daten, aber noch
kein Plan...................................... 7
3
Wo Mehrwert noch an
Grenzen stößt .........................10
6
Management Summary
Die Key Findings im Überblick........................................................... 14
Die Key Findings im Einzelnen
1. Predictive Analytics gehört die Zukunft..............................................16
2. Große Unternehmen gehen bei Analytics-Projekten voran...........18
3. Vielfältige Einsatzszenarien: Firmen nutzen Ergebnisse aus
Predictive Analytics für Geschäftsentscheidungen..........................19
4. Hohe Erfolgsquote: Der Aufwand lohnt sich................................... 20
5. Predictive Analytics: Firmen investieren vor allem in die
IT-Infrastruktur.......................................................................................... 21
6. Top-3-Herausforderungen: Komplexität, mangelnde
Ressourcen und Skills............................................................................ 22
7. Analytics soll die betrieblichen Prozesse und
Entscheidungen optimieren................................................................. 24
8. Firmen vertrauen bei Predictive Analytics auf externe
Servicepartner..........................................................................................25
13 Studiendesign
Studiensteckbrief...................41
Stichprobenstatistik...............42
Die Studienreihe
Unsere Autoren / Sales-Team /
Gesamtstudienleitung..................50
41
Vorschau Studienreihe..................51
© shutterstock.com / Sergey Nivens
49
Weitere
Studienergebnisse
1. Excel ist (noch) Analyse-Tool Nummer eins........................................ 27
2. Lösungen für Predictive Analytics: Do it yourself vor Cloud...........28
3. Firmen realisieren Umsätze mit Predictive-Analytics-Services........29
4. Die IT-Abteilung dominiert das Thema Analytics...............................30
5. Management nutzt Predictive Analytics am häufigsten.................... 31
6. Hoher Grad der Automatisierung bei IT-Prozessen für
Predictive Analytics.................................................................................... 32
7. Vielschichtig:
technologische Probleme mit Analytics-Software............................. 33
8. Predictive Analytics:
Management profitiert künftig am stärksten........................................34
9. Mitarbeiter brauchen Datenkompetenz............................................... 35
10. Das Vertrauen in den Dienstleister und Anbieter
ist entscheidend.........................................................................................36
26
Blick in die
Zukunft
Unsere Gold- und Hohe Erfolgsquote darf
nicht blenden
Silber-Studienpartner
stellen sich vor 38
Lufthansa Industry Solutions......................44
DATAVARD......................................................46
43 Kontakt /
Impressum
48
Die Round Tables Predictive Analytics
Die Round Tables 7
Viele Daten, aber noch kein Plan
Den Nutzen von Predictive Analytics muss den Anwenderfirmen keiner mehr erklären.
Allein an der Umsetzung hapert es. Technische Aspekte, unklare Daten-Ownership
und manchmal auch nur das Bauchgefühl – sieben Branchenkenner diskutierten an
einem Round Table der COMPUTERWOCHE über die Gründe.
Von Christiane Pütter
Data Lakes, in denen Informationen auf Nim- soll. So manch ein Manager ist froh, wenn er
merwiedersehen verschwinden, wenn man das Thema mit dem Auftrag – „Hier sind mei-
nicht aufpasst, CIOs im Konkurrenzkampf mit ne Daten, machen Sie was damit“ – an einen
dem Digitalisierungschef und mittendrin ver- Data Scientisten weiterdelegieren kann. Dass
lorene Data Scientists: Predictive Analytics vielfach keine zielgerichtete Strategie dahin-
nimmt zwar allmählich Fahrt auf in den tersteckt, zeigt auch die Beobachtung, dass
Unternehmen, doch der Weg zu auf Daten- Sachbearbeiter meist weder motiviert noch
analysen beruhenden Vorhersagemodellen incentiviert werden, Daten zu pflegen. Einen
ist weit und voller Stolpersteine. weiteren Schwachpunkt bildet oft die Tech-
nik: In vielen Firmen kaufen die Fachabtei-
Wie weit deutsche Unternehmen in Sachen lungen IT-Systeme ein. „Best-of-Breed re-
Predictive Analytics heute sind, diskutierten giert“, wie einer der Diskussionsteilnehmer
Ende Januar in der Redaktion der COMPU- sagt. Aber 20 bis 30 Systeme zu orchestrieren,
TERWOCHE Jan-Henrik Fischer (Seven Prin- das ist „richtig viel Arbeit“.
ciples), Arne Kaldhusdal (Alexander Thamm
GmbH), Benjamin Krebs (Dell EMC), Hardy 2. Analytics in fünf Schritten
Kremer (Deloitte), Vladislav Malicevic (Jedox), Analytics ist eine Reise. Mit den neuen tech-
Lars Schwabe (Lufthansa Industry Solutions) nischen Möglichkeiten gibt es auch neue
und Gregor Stöckler (Datavard). Die Experten Optionen für das Business. Die Experten spre-
kamen dabei zu folgenden Schlüssen: chen von verschiedenen Phasen beziehungs
weise Stufen, in denen sich Analytics im Un-
1. Der Wille zur Nutzung von Predictive ternehmen weiterentwickelt. Da war zunächst
Analytics ist da, doch die Umsetzung das traditionelle Monitoring and Reporting.
scheitert an verschiedensten Faktoren Predictive Analytics stellt erst Schritt zwei dar.
Auf einer Skala von eins (für „wenig bereit“) bis Im dritten Schritt geht es um die Frage, was
zehn („sehr bereit“) geben die Experten deut- Entscheider mit den Daten anfangen können.
schen Unternehmen zwei unterschiedliche In Schritt vier schält sich dann heraus, wie
Werte. In Sachen Aufmerksamkeit/Bewusstsein mit den Daten konkret Geld verdient werden
für Predictive Analytics erreichen Anwender kann, und mit dem fünften Schritt wird das
oft eine Neun oder Zehn – bei der Umsetzung datengetriebene Unternehmen erreicht.
liegen die Werte jedoch deutlich niedriger und
schwanken zwischen Zwei und Fünf. 3. Data Ownership oft ungeklärt, auch
So sammeln zwar viele Entscheider Daten innerhalb der Unternehmen
und legen Data Lakes an. Doch dann fehlt oft Analytics ohne Daten funktioniert nicht.
ein greifbares Ziel oder ein konkreter Plan da- Doch damit fangen die Fragen erst an. Wem
für, wie mit diesen Daten gearbeitet werden gehören eigentlich die Daten, mit denen manDie Key Findings im Einzelnen Predictive Analytics
Predictive Analytics
gehört die Zukunft
66 Prozent der Unternehmen rechnen damit,
dass Predictive Analytics innerhalb der
nächsten drei Jahre für sie wichtig bis sehr
wichtig wird. Aktuell sind es 47 Prozent.
Management
Summary
47 % 66 % Die
Key Findings
im Überblick
Status quo
Etwas mehr als ein Drittel der
Unternehmen hat bereits
Analytics-Projekte umgesetzt,
die Hälfte davon im Bereich
Predictive Analytics.
37 % 56 %
Projekte umgesetzt Predictive Analytics
Der Aufwand
lohnt sich
Das Gros der Firmen
ist mit den bisherigen
94 % Predictive-Analytics-
Maßnahmen und
dem Kosten-Nutzen-
Verhältnis sehr
zufrieden oder
Vielfältige zufrieden.
Einsatzszenarien 59 %
Überwältigende 94 Prozent der
Firmen nutzen Predictive Analytics für
bessere Geschäftsentscheidungen,
insbesondere im IT-Bereich, im
Management und in der Produktion.
11 %
„Sehr zufrieden“ „Eher unzufrieden“
oder bis
„Zufrieden“ „Sehr unzufrieden“16 Management Summary
1. P
redictive Analytics gehört die Zukunft
Predictive Analytics wirft auf Basis von komplexen Datenanalysen einen Blick in die
Zukunft. In den nächsten zwei bis drei Jahren wird das Thema in den Unternehmen
stark an Bedeutung gewinnen.
Derzeit bewerten „nur“ 47 Prozent der Unternehmen die Relevanz von Pre
dictive Analytics als sehr hoch (18 Prozent) oder hoch (29 Prozent), immerhin
ein Drittel der Firmen als eher niedrig bis sehr niedrig.
Ganz anders sieht es bei den Werten für die Zukunft aus. Zwei Drittel der
Unternehmen gehen davon aus, dass Predictive Analytics binnen drei Jahren
für sie wichtig oder sehr wichtig wird. Nur noch 14 Prozent der Firmen stufen
dessen künftige Bedeutung als eher gering bis sehr gering ein.
Der Relevanz-Wert steigt mit der Unternehmensgröße. So messen 53 Pro-
zent der Unternehmen mit mehr als 1.000 Mitarbeitern Predictive Analytics
derzeit eine große bis sehr große Bedeutung zu, 68 Prozent in den nächsten
Welche Bedeutung haben in Ihrem Unternehmen fortgeschrittene Analyse
techniken wie Predictive Analytics heute und für die künftige Geschäftsentwicklung
(in zwei, drei Jahren)?
Angaben in Prozent. Abfrage auf einer Skala von 1 („Sehr große Bedeutung“) bis 6 („Sehr geringe Bedeutung“).
Basis: n = 417
33,4
32,6 Gesamtergebnis
29,0
19,8 19,7
17,8
16,0
10,3 Derzeit
7,5 7,3
4,1 Künftig
2,6
Sehr große Große Eher größere Eher geringere Geringe Sehr geringe
Bedeutung Bedeutung Bedeutung Bedeutung Bedeutung BedeutungWeitere Studienergebnisse Predictive Analytics
Weitere Studienergebnisse 27
1. Excel ist (noch) Analyse-Tool Nummer eins
Das gute, alte Microsoft Excel ist immer noch die wichtigste Analytics-Software in
Unternehmen vor Reporting sowie Datenvisualisierung. Investiert wird vor allem
in die Analyse von Datenströmen.
69 Prozent der Firmen setzen bei der Analyse ihrer Daten auf Microsoft Excel,
knapp gefolgt von Software für Abfragen und Reporting (65 Prozent). Auch
Datenvisualisierung kommt in mehr als der Hälfte der Firmen zum Einsatz
(53 Prozent).
Weitere wichtige Software betrifft die Gebiete Data Mining (49 Prozent),
Data Warehouse (46 Prozent) oder Business Intelligence (BI) mit 44 Prozent.
Zentral für Predictive Analytics sind Vorhersagemodelle, die immerhin
43 Prozent der Unternehmen einsetzen. 41 Prozent wollen in diese wichtigen
Tools investieren.
Etwas mehr als ein Drittel der Firmen setzt bei der Analyse großer Daten-
mengen auf Künstliche Intelligenz (KI). Damit steht diese wichtige Analyse-
form auf dem drittletzten Rang knapp vor der Sprachanalyse (32 Prozent) und
der Videoanalyse (30 Prozent).
Immerhin wollen 37 Prozent der Firmen in nächster Zeit in Analysever
fahren mit KI investieren. Hauptfelder für Investitionen sind die Analyse von
Datenströmen (Streaming Analytics), Dashboards und Vorhersagemodelle.
Welche Arten von Analytics-Software haben Sie in Ihrem Unternehmen bereits im Einsatz?
Wo sind Investitionen geplant?
Angaben in Prozent. Basis: n = 207 (Filter: Nur Unternehmen, die in den nächsten zwölf Monaten wahrscheinlich oder sicher in
Predictive Analytics investieren werden)
12,3 8,0 10,5 13,8 13,2
20,7
49,2 45,8
Abfragen
Microsoft 27,3 Daten- 52,6 Data Mining / Data 46,3 Planungs-
und
19,0 Excel 64,7 visualisierung Data Science Warehouse tools
Reporting
68,7
36,8 37,0 33,0 41,1
16,4 16,3 12,2 16,3
43,9 22,6 23,9
Business- 42,6 42,5 41,8
42,5 Data 39,7
Intelligence- Vorhersage- Process
Optimierung Simulation Discovery /
Suite / Tools modelle Mining
Dashboards
(BI)
39,7 41,1 45,3 34,9 41,8 36,4
16,9 36,6 27,3 35,3
26,5 35,8
Analyse von 36,6 35,5 Künstliche
31,6 36,6 29,5
38,4
Datenströmen / Geodaten- Intelligenz (KI) / Sprach- Video-
Data Lake
Streaming analyse Machine analyse analyse
Analytics Learning
35,1 46,4 28,0 37,4 32,6 33,9
Steht zur Verfügung Investition geplant Keine Investition geplantBlick in die Zukunft Predictive Analytics
Blick in die Zukunft 39
Hohe Erfolgsquote darf nicht blenden
Predictive Analytics gewinnt in den Unternehmen zunehmend an Relevanz.
Zudem sind die meisten Firmen mit den bisherigen Analyseprojekten und dem
Kosten-Nutzen-Verhältnis sehr zufrieden oder zufrieden. Doch noch besteht
großer Nachholbedarf, nicht nur in kleinen und mittleren Unternehmen.
Um wettbewerbsfähig zu bleiben, müssen Firmen mehr Ressourcen bereitstellen
und vor allem in die Skills ihrer Mitarbeiter investieren.
Von Jürgen Mauerer
Was wird passieren? Predictive Analytics trifft auf Basis von Datenmodellen
Voraussagen darüber, wie sich eine Situation in Zukunft entwickeln wird
oder kann. In den Unternehmen gewinnt die fortschrittliche Datenanalyse
zunehmend an Bedeutung, sei es für Absatzprognosen für ein bestimm-
tes Produkt in verschiedenen Regionen, dynamische Preisgestaltung
oder Predictive Maintenance. Das zeigen die Ergebnisse der Studie von
COMPUTERWOCHE und CIO.
Derzeit bewerten „nur“ 47 Prozent der Unternehmen die Relevanz von
Predictive Analytics als sehr hoch oder hoch, immerhin ein Drittel der Firmen
als eher niedrig bis sehr niedrig. Ganz anders sieht es bei den Werten für die
Zukunft aus. Zwei Drittel (66 Prozent) der Unternehmen gehen davon aus,
dass Predictive Analytics binnen drei Jahren für sie wichtig oder sehr wichtig
wird. Nur noch 14 Prozent der Firmen stufen dessen künftige Bedeutung als
eher niedrig bis sehr niedrig ein.
Hohe Erfolgsquote: Der Aufwand lohnt sich
Gut ein Drittel der Unternehmen hat bereits Analytics-Projekte umgesetzt,
mehr als die Hälfte davon im Bereich Predictive Analytics. Vorreiter sind die
großen Unternehmen. Aber: Immerhin 15 Prozent der Firmen planen weder
Analytics-Projekte noch haben sie bereits welche umgesetzt. Bei den kleinen
Firmen ist es knapp ein Drittel. Hier besteht also Nachholbedarf.
Die hohe Erfolgsquote sollte Ansporn genug sein. Nur elf Prozent der
befragten Firmen sind unzufrieden oder sagen, dass sich ihre bisherigen
Predictive-Analytics-Projekte nicht gelohnt hätten. 60 Prozent der Firmen
sind mit den bisherigen Predictive-Analytics-Maßnahmen und dem
Kosten-Nutzen-Verhältnis sehr zufrieden oder zufrieden. Das positive
Ergebnis ist damit zu erklären, dass die Firmen einen Business Case mit
klaren Zielen für ihre entsprechenden Projekte definieren.Sie können auch lesen
