Laut einer aktuellen Lünendonk®-Studie unter 100 Industrieunternehmen soll der Anteil von Embedded Software in den kommenden Jahren massiv steigen. Schätzungen zufolge wurden 2018 weltweit etwa 33 Zettabyte an Daten generiert. Bis 2025 könnte die jährlich generierte Datenmenge auf 175 Zettabyte steigen – was eine Steigerung um 430 Prozent wäre. Viele Daten werden durch private Personen, etwa über das Smartphone, erzeugt, doch auch Unternehmen sitzen bereits heute auf großen Datenbergen: Finanzdienstleister sollen 2018 rund 2,1 Zettabyte an Daten etwa durch Mobile Payment, Online-Banking oder digitale Handelsplattformen generiert haben – Tendenz steigend. Rund 3,6 Zettabyte an Daten sollen durch das produzierende Gewerbe entstanden sein – etwa durch die zunehmend automatisierte Fertigung, die Vernetzung von Fahrzeugen, Maschinen und Anwendungen (Industrial Internet of Things, kurz: IIoT) und durch die steigende Relevanz digitaler Absatz- und Marketingkanäle.
Die Praxis zeigt jedoch: Die gewonnenen Daten auszuwerten und Erkenntnisse daraus abzuleiten stellt sich als komplex heraus und verlangt eine hohe Datenexpertise. Nicht umsonst hat sich etwa das Berufsbild Data Scientist in den vergangenen Jahren etabliert und zählt zu den gefragtesten Berufen in der IT, wie der digitale Job Monitor des Handelsblatts zeigt. Doch was erhoffen sich Unternehmen von Daten und deren Nutzung? Wie profitieren Unternehmen von Daten? Und warum gelingt diese Transformation zur „Data-driven Company“ nicht jedem Unternehmen?
Anwendungsfälle und Erwartungen
Die reine Verfügbarkeit von Daten bringt selbstverständlich noch keinen Mehrwert. Unternehmen verfolgen unterschiedliche Anwendungsfälle und haben verschiedene Erwartungen. Häufig genutzte Use Cases sind beispielsweise in der Industrie Predictive Maintenance und Predictive Monitoring. Dabei geht es darum, basierend auf Vergangenheitsdaten Muster zu erkennen, wann und warum Maschinen oder Geräte ausfallen und diese Ausfälle zu antizipieren, sodass es gar nicht erst zu Ausfallzeiten kommt und somit ein potenzieller teurer Produktionsstopp vermieden werden kann.
Ebenso beschäftigen sich 73 Prozent der Unternehmen mit dem Aufbau neuer, digitaler und datenbasierter Geschäftsmodelle, die das bisherige Produktportfolio ergänzen sollen. Daten werden somit als Geschäftsmodell gedacht. Beispiele hierfür können kostenpflichtige Over-the-Air-Updates (OTA) der Software in Fahrzeugen, Maschinen oder Haushaltsgeräten via WLAN oder Mobilfunknetz sein, die Optimierungen vornehmen.
Gleichzeitig erwarten 74 Prozent der Unternehmen, dass die Digitalisierung – und damit auch Daten – die Operational Excellence verbessern, etwa indem Durchlaufzeiten verkürzt und sowohl die Qualität als auch die Geschwindigkeit von Prozessen erhöht werden. Eine vielversprechende Technologie in diesem Kontext ist Process Mining. Dabei lassen sich Geschäftsprozesse basierend auf tatsächlichen Bewegungsdaten visualisieren, analysieren und optimieren. Ganze End-to-End-Prozesse, beispielsweise Order-to-Cash oder Procure-to-Pay, können in Echtzeit untersucht und auf Abweichungen vom Soll- zum Ist-Prozess hin überprüft werden. Außerdem sind Daten eine wichtige Voraussetzung für die Personalisierung von Produkten und Services und das Targeting, um Cross- und Upselling-Effekte im E-Commerce zu erzielen. Indem Userinnen und User an digitalen Interaktionspunkten auf Plattformen als Individuen identifiziert werden, etwa über einen zentralen Kunden-Login, der mit dem CRM-System verbunden ist, kann der aktuelle Status des Kundenlebenszyklus ermittelt und das Angebot darauf angepasst werden. 78 Prozent der Marketeers und Vertriebsverantwortlichen planen daher in den Jahren 2022/2023 sehr bis eher starke Investitionen in diesem Bereich.
Voraussetzungen und Herausforderungen
All diese Beispiele lassen sich jedoch (leider) nicht ohne weiteres von heute auf morgen durchführen. Um Use Cases und Mehrwerte von Daten (Data Thinking) zu eruieren, muss zunächst einmal eine datenorientierte Kultur etabliert werden. So bestätigen nur 36 Prozent der mittelständischen Unternehmen und Konzerne, dass ihre Beschäftigten die notwendigen Skills für die Digitalisierung haben, 49 Prozent stimmen dem zumindest teilweise zu. Zu den häufigsten Gründen dafür zählt, dass den Mitarbeitenden ein generelles Verständnis für Daten, Technologien und deren Einsatzmöglichkeiten fehlt. Diese Ergebnisse werden durch eine weitere Studie aus dem Jahr 2020 in Kooperation mit valantic gestützt: So gaben 36 Prozent der Unternehmen an, dass sie eine hohe oder zumindest eher hohe Inhouse-Expertise zu Data Analytics haben. 34 Prozent sagen, dass sie einen Mangel an Analytics-Expertise haben und somit auf externe Dienstleister angewiesen sind.
Ebenso ist für 35 Prozent der mittelständischen Unternehmen und Konzerne ihre eigene Datenqualität eine große Hürde auf dem Weg zum datengetriebenen Unternehmen. Ein wesentlicher Grund für diese schlechte Datenqualität ist oftmals, dass Informationen immer noch auf diversen Abteilungssilos verteilt abgelegt werden und keine echte Data Governance vorliegt und keine zentrale Datensammlung über einen Data Lake oder ein strukturiertes Data Warehouse vorgenommen wird.
Eng damit verbunden ist der Aspekt des mangelnden systemübergreifenden Datenaustauschs (Interoperabilität). 34 Prozent der Unternehmen halten ihre IT-Landschaft für komplex und verzweigt, wodurch der Austausch über verschiedene IT-Systeme und Datenbanken hinweg erschwert wird.
Investitionsbereitschaft
Die gute Nachricht vorweg: Data Analytics und die Transformation zur Data-driven Company stehen bei vielen Unternehmen oben auf der CIO-Agenda. 39 Prozent der deutschen Unternehmen wollen stark in die Ausrichtung ihrer Organisation, Prozesse, Kultur und Steuerungsmetriken hin zu einer datenbasierten Realtime-Organisation investieren. Auf die Frage, in welche Technologien CIOs in den kommenden zwei Jahren investieren wollen, antworten 63 Prozent, dass auf Data Analytics ein starker Fokus liegt. Neben der IT-Modernisierung, der Cloud-Transformation und Cyber Security zählt Data Analytics damit zu den am höchsten priorisierten Themen.
Nicht nur IT-Abteilungen, sondern auch Fachbereiche haben einen hohen Bedarf und ein hohes Interesse an Datenlösungen. So zählen bei Marketingverantwortlichen (CMOs) Data-Management- und Data-Analytics-Plattformen zu den Investitionsschwerpunkten: 47 Prozent der Befragten wollen 2021 und 2022 eher bis sehr stark in diese Lösungen investieren, etwa um Kundendaten im Marketing auf einer homogenen Datenbasis besser auswerten zu können. Data Analytics ist somit nicht nur für die IT eine interessante Disziplin, sondern auch für diejenigen Fachbereiche, die die Daten generieren und sie besser nutzen möchten. Unter Entwicklungs- und F&E-Einkaufsleitungen wiederum wollen 65 Prozent ihr extern vergebenes Budget zur Generierung von Data Insights 2022 steigern. Für die Entwicklung datenbasierter Geschäftsmodelle plant etwa die Hälfte (49 %) der Unternehmen Budgetsteigerungen.
Fazit und Ausblick
Die Frage, ob Daten nun tatsächlich das neue Gold sind, lässt sich nicht pauschal beantworten. Wirft man jedoch einen Blick auf die wertvollsten Unternehmen der Welt, so zeigt sich, dass viele dieser Unternehmen schon lange datenbasierte Geschäftsmodelle als Teil ihrer Unternehmensstrategie nutzen – und damit der Zeit voraus waren. Je früher Unternehmen sich mit ihren Daten und Data Analytics beschäftigen, desto höher ist die Chance, nachhaltige Differenzierungsfaktoren und Wettbewerbsvorteile aufzubauen.
Verfasst von
