Wie gehen Entscheidungsträger an Analytik und Datenverwaltung heran, wenn es um ihre Investitionen in digitale Innovationen geht? Viele Unternehmen wollen ihre Daten besser nutzen, weshalb die Digitalisierung von Unternehmensdaten und die dazugehörigen Speicherlösungen wichtige Bereiche für Investitionen in die IT sind.
Die meisten Umfrageteilnehmer haben eine Multi-Cloud-basierte Plattform implementiert und implementieren oder erwägen eine Selfservice-Plattform für Low-Code-/No-Code-Analysen zur schnelleren Datenauswertung.
Wie unsere Studie zeigt, investieren Unternehmen weiter in digitale Innovationen, um ihre Angebote und Geschäftsprozesse zu optimieren. Dabei geht es neben der Digitalisierung von Produkten, Dienstleistungen, Kundenservice und Produkten und Dienstleistungen und Kundenservice und Support auch um die Lieferkettentransparenz sowie die organisatorische Agilität und Effizienz. Da Daten im Mittelpunkt jeder digitalen Transformation stehen, ist eine bessere Datennutzung das am häufigsten genannte Ziel digitaler Innovationen, weshalb die Digitalisierung von Unternehmensdaten und Geschäftsprozessen ein primärer Bereich für Investitionen ist.
Außerdem sind Analytik und Datenverwaltung entscheidend, damit Unternehmen ihre Zielsetzungen für soziale Verantwortung und ökologische Nachhaltigkeit überwachen, auswerten und in Berichten erheben können. Neue Technologien helfen, riesige Datenmengen aus unterschiedlichen Quellen auszuwerten und z.B. durch Automatisierung Lieferketten- oder Fertigungs- und Betriebsprozesse effizienter zu gestalten, sodass Unternehmen ihren Energie- und Ressourcenverbrauch senken können – was nicht nur im aktuellen Umfeld wichtige Ziele sind.
Trotz ihres Potenzials kann das Thema Big Data eine echte Herausforderung sein, da enorme Datenströme aus zahlreichen Quellen eingehen – etwa aus sozialen Netzwerken, aus dem Internet, über Mobiltelefone, Maschinen oder andere Geräte. Dieser endlose Zufluss an Daten kann eine beträchtliche Belastung für die Speicher- und Rechenkapazitäten von Unternehmen darstellen. Cloud-Plattformen versprechen skalierbare und effiziente Infrastrukturen sowie eine einfachere Handhabung von Big Data. Unsere gemeinsame Studie mit PAC bestätigt, dass die Public Cloud nicht nur als wichtige Plattform für Entwicklung von Software und Hosting betrachtet wird, sondern zunehmend auch als Startrampe für Innovationen. Aus diesem Grund werden immer mehr Daten in (Multi-)Cloud-Plattformen, cloudbasierte Data Lakes und Data Warehouses verlegt.
Datenwissenschaftler und Anwendungsentwickler können Infrastructure/Platform-as-a-Service (IaaS/PaaS)-Lösungen nutzen, die ihnen eine Umgebung für die Konzeption innovativer Analyseanwendungen bereitstellen. Zudem steht eine immer breitere Auswahl von Cloud-Analyse-Anwendungen bereit, bis hin zu direkt einsetzbaren Algorithmen, die in die eigenen Anwendungen eingebettet werden können.
In einem digitalisierten Unternehmen ist die Entwicklung von Wissen und grundlegenden Kompetenzen in der Datenhandhabung entscheidend, von der Datenerhebung, -anpassung und -auswertung bis hin zur Bewertung, Visualisierung und dem „Storytelling“. Spezifische Kompetenzen sind jedoch selten und Schulungsmaßnahmen binden Ressourcen – und kommen unter Umständen nicht bei allen Mitarbeitenden in gleichem Maße an. Deshalb wird die Bereitstellung einer Selfservice-Plattform für Low-Code-/No-Code-Analysen zur schnelleren Datenauswertung als besonders hilfreich betrachtet, um die Entwicklung der erforderlichen Datenkultur zu unterstützen. Hierfür werden einfach zu nutzende und effiziente Lösungen zur besseren Datenvisualisierung unabhängig von den jeweiligen Analysekompetenzen bereitgestellt. Über die Hälfte der Befragten haben bereits entsprechende Plattformen implementiert; die übrigen Umfrageteilnehmer ziehen eine solche Bereitstellung in Betracht.
Die PAC-Studie zeigt: Während die traditionellen Anwendungsbereiche von Unternehmensdaten früher die Untersuchung und Auswertung historischer Informationen waren, liegt der Schwerpunkt inzwischen auf der zeitnahen Entscheidungsfindung ausgehend von Echtzeitanalysen. Dieser Schwerpunkt wird zunehmend auch auf die prädiktive Modellierung ausgedehnt, also die Anwendung von Statistikverfahren, maschinellem Lernen und künstlicher Intelligenz auf historische und Echtzeitdaten für Prognosen in u. a. folgenden Bereichen: Kundenverhalten, Kapazitätsauslastung, vorausschauende Instandhaltung, Lieferkettenoptimierung oder die Simulation von Geschäftsentscheidungen.
Da digitalisierte und datengesteuerte Unternehmen vermehrt Cyberangriffen ausgesetzt sind, muss Datensicherheit ein fester Bestandteil jeder Datenkultur sein. Darüber hinaus haben die verschiedenen Krisen der jüngsten Zeit zu einer Zunahme von Cyberangriffen geführt, weshalb das Bewusstsein für Investitionen in Cybersicherheit gestiegen ist. Angesichts der enormen Zunahme der Datenvolumen und deren Bedeutung für digitalisierte Unternehmen sowie immer strikterer regulatorischer Vorgaben in Europa sowie in zahlreichen Branchen stand Datensicherheit bei den meisten befragten Entscheidungsträgern ganz weit oben auf der Liste ihrer individuellen Prioritäten.
Analytik und Datenverwaltung wirken sich nicht nur direkt auf eine bessere Nutzung von Daten aus (dem in unserer Umfrage am häufigsten genannten Ziel digitaler Innovationen), sondern sie liefern auch eine wichtige Grundlage für zahlreiche andere digitale Technologien, wie künstliche Intelligenz, maschinelles Lernen, erweiterte und virtuelle Realität, das Internet der Dinge, Automatisierung sowie eine zukünftige Nutzung im Quantencomputing – diese Themen werden jedoch noch separat erörtert.
