This document is not to be shared, distributed or reproduced in any way without prior permission of BARC. BARC Research Study

Größe: px
Ab Seite anzeigen:

Download "This document is not to be shared, distributed or reproduced in any way without prior permission of BARC. BARC Research Study"

Transkript

1 This document is not to be shared, distributed or reproduced in any way without prior permission of BARC BARC Research Study

2 Autoren Timm Grosser Senior Analyst Nikolai Janoschek Research Analyst Die Autoren danken Jevgeni Vitsenko für seine Unterstützung. Diese unabhängige Studie wurde von BARC erstellt, einem objektiven Marktanalysten. Dank eines Sponsorings durch Data Virtuality, Denodo, EXASOL, IBM, Informatica und MapR Technologies kann diese Studie kostenlos verteilt werden. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 2

3 Vorwort: Datenmanagement im Wandel... 4 Einleitung... 6 Management Summary... 7 Hot Spot 1: Datenschätze im Visier, ungenügende Ausrüstung zur Bergung... 7 Hot Spot 2: Nur wer seine Ausrüstung überprüft und anpasst, wird den Wettlauf zu den Datenschätzen erfolgreich bestehen... 8 Hot Spot 3: Zentrale Datenstrategie: unverzichtbares Hilfsmittel, um an die Datenschätze zu gelangen... 9 HoSpot 4: Best-in-Class-Unternehmen machen sich schon an die Bergung des Datenschatzes, während ihre Konkurrenz noch auf der Suche ist Ergebnisse der Umfrage Anspruch und Wirklichkeit im Datenmanagement Nie war die Bedeutung von Daten größer als heute und sie nimmt weiter zu Nur wenige Unternehmen haben den Mehrwert einer Datenstrategie zur effizienten Nutzung von Daten erkannt Showstopper für das Datenmanagement liegen in mangelnden Ressourcen, fehlender Flexibilität sowie langsamer Reaktionsgeschwindigkeit Einsichten und Maßnahmen im Datenmanagement Maßnahmen für das Datenmanagement Treiber für Veränderungen Bedarf zur Änderung ist erkannt, doch bremsen Ressourcenknappheit und mangelnde Bereitschaft das Vorhaben Kontinuität und Zukunft im Datenmanagement Technologische Spielwiesen und Virtualisierung sollen zukünftig die Flexibilität erhöhen Neue Techniken im Data Warehousing Stärken und Schwächen des Data Warehouse Wachsende Bedeutung von Datenintegration im Zeitalter von Big Data und Self-Service Ausblick Anhang A: Methodik und Demographie Anhang B: Von den Besten lernen Das Business Application Research Center (BARC) Firmenprofile der Sponsoren Data Virtuality Denodo EXASOL IBM Informatica MapR Technologies Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 3

4 Vorwort: Datenmanagement im Wandel Das Datenmanagement von Unternehmen verändert sich. Nicht zuletzt Themen wie Big Data und Self-Service zwingen viele BI-Verantwortliche zum Handeln. Zugleich zeichnet sich eine fundamentale Veränderung in der Unternehmensführung ab, die den Erfolgs- und Handlungsdruck auf Verantwortliche im Datenmanagement weiter erhöhen wird: Der (strategische) Wandel hin zu einer datengetriebenen Wirtschaft. Viele Entscheidungsträger entdecken derzeit den (tatsächlichen) Wert von Daten und Informationen für den Unternehmenserfolg. Sie möchten die Daten daher für sich umfassender und schnell nutzbar machen - und erwarten zugleich innovative und profitable Anwendungsmöglichkeiten aus der IT und den Fachbereichen. Alte Probleme im Datenmanagement verschärfen sich so weiter, neue Anforderungen und Techniken kommen hinzu. Dabei geraten traditionelle Herangehensweisen an das Datenmanagement heute an mehreren Fronten gleichzeitig unter Druck: die großen Datenmassen lassen sich in vielen Fällen nicht mehr effizient in das Data Warehouse integrieren; die Strukturen der Daten entsprechen oftmals nicht mehr dem vorhergesehenen strukturierten Format; durch festgelegte Ladezeiten - oftmals einmal täglich - entsteht eine Latenzzeit, welche die Reaktionsgeschwindigkeit und die Möglichkeit für Realtime-Analysen stark einschränkt; steigende Datenvolumina, Datenquellen und -strukturen, sowie der vermehrte Einsatz von Self-Service-Werkzeugen und die Ausbreitung abteilungsinternen Datensilos rücken die Idealvorstellung eines Single Point of Truth in einem Data Warehouse in weite Ferne; der zunehmende Einsatz von Self-Service-Konzepten und -Werkzeugen in den Fachbereichen verkompliziert die ohnehin äußerst heikle Aufgabe, einheitliche Standards und eine kohärenten Datastrategie durchzusetzen, ungemein; die Umsetzungszeiten bei neuen Anforderungen stehen im Zeitalter von Big Data und Self- Service generell im immer größeren Gegensatz zu den Flexibilitätsbedürfnissen der Fachbereiche; die Umsetzung erfolgt oftmals mit geringen Ressourcen und unter hohem Kostendruck. Dass sich etwas im Datenmanagement ändern muss, um diese komplexen Anforderungen zu erfüllen, erscheint vor diesem Hintergrund unumgänglich. Offen bleiben eine ganze Anzahl von Detailfragen: Vor welchen Herausforderungen stehen die Anwender tatsächlich im Alltag? Sind dies wirklich die Themen, die Datenmanagementverantwortlichen unter den Nägeln brennen? Hat das Data Warehouse ausgedient? Welche Architekturvarianten sind in den Unternehmen anzutreffen und wie verändern sie sich vor dem Hintergrund der erwähnten Herausforderungen? Welche neuen Technologien sind besonders gefragt? Wie verändert sich das Lösungsprofil für die Datenintegration sowie die Rolle der Integrationstechnologie? Wie gehen Unternehmen mit der Herausforderung Self-Service um? Die vorliegende Studie liefert auf diese und viele weitere Fragen rund um das Thema Datenmanagement Antworten. Ein besonderes Augenmerk liegt dabei auf den Unternehmen, die angegeben haben, deutlich bessere Fähigkeiten und Kompetenzen als ihre Konkurrenz im Bereich Datenmanagement zu besitzen bzw. in deren Unternehmen Daten eine herausragende Rolle spielen. Von diesen Best-in-Class- Unternehmen kann man lernen. Die Studie wurde völlig unabhängig durch BARC erstellt. Sie kann dank eines Sponsoring von Data Virtuality, Denodo, EXASOL, IBM, Informatica und MapR Technologies kostenfrei veröffentlicht werden. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 4

5 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. Würzburg, 04. Dezember 2014 Timm Grosser, Nikolai Janoschek Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 5

6 Einleitung Nie war die Bedeutung von Daten für Unternehmen größer als heute. Um das Potential der Daten jedoch richtig ausschöpfen zu können, ist ein wirkungsvolles Datenmanagement notwendig. Doch dieses fehlt vielerorts, weil Organisationen fachliche Anforderungen nicht zeitnah umsetzen können. Gründe hierfür sind offenbar mangelnde Ressourcen, eine fehlende Flexibilität sowie eine zu hohe Komplexität in der Datenintegration (vgl. Abbildung 7). Insbesondere die beiden letzten Punkte lassen sich häufig auf historisch fest -gewachsene, komplexe Data-Warehouse-Systeme und aufwändige Datenintegrationsimplementierungen zurückführen. Durch die fehlende Flexibilität greifen viele Fachbereiche zur Selbsthilfe und entwickeln autarke Insellösungen mit eigener Datenhaltung. Die Vision eines Unternehmens, das qualitätsgesicherte, einheitliche Daten und Analysen zur Unterstützung oder Steuerung der Kernprozesse nutzen möchte, rückt dadurch in weite Ferne. Für die IT wird es damit zu einer großen Herausforderung, die Hoheit über Systeme und Daten zu behalten. Angesichts dieser Situation wächst in vielen Unternehmen der Wunsch und der Zwang, das bisherige Datenmanagement dahin zu ändern, dass es flexibler, schneller und effizienter wird. Abbildung 9 zeigt den Handlungsbedarf. Größtes Problem ist nach BARC-Umfrage die Fähigkeit zur Anbindung und Integration verschiedener Datenquellen an das Data-Warehouse-System. So müssen heutzutage neben strukturierten Daten auch neue Datenformate berücksichtigt werden, die unterschiedlichste Arten des Datenzugriffs voraussetzen. Platz zwei unter den Top-3 der angestrebten Änderungen belegt der Wunsch, Aufgaben der Datenintegration in die Fachbereiche zu verlagern. Der Grund hierfür liegt meist darin begründet, dass die IT aufwändige Datenintegrationsstrecken betreibt, deren Implementierung aufgrund der Anforderungen an Qualität und Stabilität zu viel Zeit verschlingt. Allerdings ist bei der nun propagierten Self-Service-Data-Integration besonders zu beachten, dass kein Wildwuchs in den Daten und Analysen entsteht und ein Konzept zugrunde liegt, das Rahmenbedingungen für den kontrollierten Einsatz schafft. Ebenfalls wollen Unternehmen neue Technologien einsetzen, um dem Gesamtsystem seine Komplexität zu nehmen und dieses letztendlich flexibler und performanter zu machen. Den größten Nutzen stiften dabei laut BARC- Umfrage dabei neuen Technologien wie In-memory oder Virtualisierung (vgl. Abbildung 12). Soweit die Pläne der befragten Unternehmen. Doch was wird nun wirklich getan, um auf eine hochdynamische Welt zu reagieren? Klar ist, dass es nicht realistisch ist, sämtliche Daten in ein zentrales System packen zu wollen. Dies hat bereits in der Vergangenheit nicht funktioniert, da analytische Aufgabenstellungen zu heterogene Anforderungen an die Datenhaltung führen können. Das Data Warehouse allein hilft also heute nur noch bedingt weiter, sondern Umstrukturierungen in der Analytischen Infrastruktur. Best-in-Class -Unternehmen machen es vor und erweitern ihre Data- Warehouse-Landschaft beispielsweise um Sandboxes für die explorative Analyse oder fügen Virtualisierungsschichten ein. Die Unternehmen nehmen damit eine heterogene Systemlandschaft in Kauf, um möglichst flexibel unterschiedlichste Anforderungen abzudecken. Das stellt die IT vor neue Herausforderungen, die Wahrheit in den Daten zentral zu halten. Die Steuerung des Datenmanagements durch eine Data Governance gewinnt damit an Bedeutung. Viele Unternehmen wünschen sich aus technischer Sicht einen logischen Punkt der Datenwahrheit, dem sogenannten Single Point of Truth. Datenintegrationstechnologien, verstanden als zentrale Plattform für den einheitlichen Zugriff auf Daten und Systeme, gewinnen hierbei künftig an Bedeutung. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 6

7 Management Summary Damit der Wandel hin zu einem erfolgreich datengetrieben Unternehmen gelingen kann, müssen Unternehmen ihren Blick auf die Basis richten: das Datenmanagement. Denn ohne funktionierendes Datenmanagement, keine gehaltvollen Analysen; und ohne aussagekräftigere Analysen, keine optimierte Entscheidungsfindung und folglich auch keine Verbesserung des Unternehmenserfolges. Gerade im Datenmanagement müssen die Verantwortlichen im Zuge von Big Data und Self-Service allerdings in immer kürzeren Zeitabständen immer neue Herausforderungen meistern. Der Druck zu handeln und Veränderungen vorzunehmen nimmt stetig zu. Ob Unternehmen dies gelingt, macht diese Studie zum Stand und zur zukünftigen Entwicklung des Datenmanagements in Unternehmen der DACH-Region deutlich. Mit über 340 Teilnehmern aus Deutschland, Österreich und der Schweiz bei einer breit gefächerten Branchenverteilung gehört die vorliegende Studie Datenmanagement im Wandel zu den größten Untersuchungen, die sich speziell den Themen Datenmanagement, Data Warehousing und Datenintegration widmen. Die wesentlichen Erkenntnisse der Studie lassen sich dabei zu vier Hot Spots zusammenfassen. Hot Spot 1: Datenschätze im Visier, ungenügende Ausrüstung zur Bergung Das Bewusstsein für den Wert von Daten ist mittlerweile vorhanden, die Umsetzung in der Unternehmenspraxis hinkt jedoch hinterher Datenmanagementhemen genießen eine hohe Aufmerksamkeit in den Unternehmen. Jeweils 90 Prozent der Befragten geben an, die klassischen Themen Datenintegration, Data Warehouse und Datenarchitektur seien in ihrem Unternehmen heute kritische oder wichtige Themen. Für Big Data gilt dies heute immerhin für 34 Prozent, zukünftig sogar für 50 Prozent der Teilnehmer. Das gestiegene Bewusstsein für den Wert von Daten kommt ferner in den fachbereichsrelevanten Treibern für Veränderung im Datenmanagement zum Ausdruck. Mit 62 Prozent ist die gestiegene Erwartungshaltung in den Fachbereichen der häufigste Auslöser für Veränderungen. Dass Unternehmen Daten zunehmend wichtiger nehmen, zeigt auch der BARC Information Culture Survey 2014: Dort gaben 41 Prozent der Teilnehmer an, Daten hätten einen hohen Stellenwert bei der Entscheidungsfindung, zukünftig trifft dies sogar auf 65 Prozent zu. Das Thema ist dementsprechend in den Köpfen angekommen. Dennoch spiegelt sich die Wertschätzung der Daten in der Unternehmenspraxis nur unzureichend wider. Showstopper für das Datenmanagement: fehlende Ressourcen, mangelnde Flexibilität sowie langsame Reaktionsgeschwindigkeit Teilnehmer klagen in nahezu allen Bereichen des Datenmanagements auffällig häufig über fehlende Ressourcen: 60 Prozent der Befragten äußern sich sehr oder eher unzufrieden hinsichtlich der zur Verfügung stehenden Ressourcen für die Weiterentwicklung des Datenmanagements; 66 Prozent sagen, unzureichende Ressourcen seien das größte Hemmnis für Veränderungen im Datenmanagement; und 55 Prozent der Teilnehmer klagen über mangelnde Ressourcen zum Betrieb ihres Data Warehouse. Dabei sollten Unternehmen, wenn sie es denn ernst meinen mit der Wertschätzung ihrer Daten, gerade diese strategischen Themen mit entsprechenden Ressourcen versehen. Auf der Problemliste sehr weit oben befinden sich überdies die mangelnde Flexibilität/Geschwindigkeit bei der Umsetzung neuer Anforderungen, das einfache Anbinden neuer Datenquellen sowie die fehlende organisatorische Verankerung (siehe dazu Hot Spot 3). 62 Prozent nennen die Umsetzungsgeschwindigkeit von Änderungen/neuer Anforderungen beim Betrieb ihres Data Warehouse als großes Problem, 44 Prozent sind mit der Umsetzung neuer Anforderungen an das Datenmanagement sehr oder eher unzufrieden. Dabei leidet die Umsetzungsgeschwindigkeit Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 7

8 insbesondere durch die hohe Komplexität und mangelnde Flexibilität der historisch gewachsenen Data-Warehouse-Systeme. Dies lähmt oftmals die ganze Basis und macht es so unmöglich, an innovative Neuerungen zu denken. Unternehmen sprechen dem Datenmanagement zwar eine sehr hohe Relevanz zu, aber nur wenige stellen auch die dementsprechenden Ressourcen bereit. Hot Spot 2: Nur wer seine Ausrüstung überprüft und anpasst, wird den Wettlauf zu den Datenschätzen erfolgreich bestehen Der hohe Druck der vielfältigen Treiber scheint Wirkung zu zeigen. 85 Prozent der Unternehmen geben an, derzeit große oder moderate Veränderung in den Bereichen Data Warehouse und Datenintegration vorzunehmen; zukünftig trifft dies sogar auf 95 Prozent zu. Unternehmen haben durchaus erkannt, dass sie sich mit ihren Herausforderungen auseinandersetzen müssen, bevor es zu spät ist. Dabei gehen Unternehmen zugleich alte und neue Aufgabenstellungen an. Weit oben auf der Maßnahmenliste stehen einerseits die klassischen Probleme wie hohe Komplexität, großer Aufwand, geringe Geschwindigkeit und Kosten des Datenmanagements. Dazu zählen etwa der Einsatz neuer Technologien, um die Komplexität zu senken (53 Prozent), der Versuch die Aufwände zu reduzieren (49 Prozent) und die Beschleunigung der Umsetzungsgeschwindigkeit durch Self-Service in den Fachbereichen (53 Prozent). Andererseits erhält mit 69 Prozent die Integration heterogener Datenquellen eine Big-Data-spezifische Herausforderung die meisten Nennungen. Explorative Umgebungen und Virtualisierung erweitern klassische Architekturen Altbewährte Architekturen sind nach wie vor weit verbreitet: So ist ein zentrales Data Warehouse mit Data Marts, die so genannte Hub & Spoke -Architektur, mit 38 Prozent aller Unternehmen die am häufigsten eingesetzte Architektur. Ebenso sind die Architekturvarianten eines zentralen Enterprise Data Warehouse ohne Data Marts (27 Prozent) und mehrere Data Warehouse mit fachlich abgestimmten Data Marts (23 Prozent) aktuell häufig anzutreffen. Gleichwohl befinden sich Veränderungen auf dem Weg. Insbesondere Sandboxing (40 Prozent), explorative Big-Data-Umgebungen (35 Prozent) sowie Virtualisierungsschichten (28 Prozent) stehen ganz oben auf der Liste der geplanten Architekturumbauten. Es ist offensichtlich, dass Unternehmen mit ihrer Hilfe die Herausforderungen bezüglich Flexibilität, Verbesserung der Umsetzungsgeschwindigkeit und Big-Data-spezifische Problemstellungen bewältigen wollen. Nutzen des Data Warehouse bleibt unbestritten neue Technologien als sinnvolle Ergänzung Der Großteil der Unternehmen ist der Meinung, dass das Data Warehouse seinen Nutzen erfüllt. 95 Prozent der Befragten berichten, dass ihr Data Warehouse zumindest teilweise eine vertrauenswürdige Datenbasis herstelle, 93 Prozent, dass sich ihr Berichtswesen beschleunigt und 90 Prozent, dass sich ihre Analysebasis für fortgeschrittene Analysen erweitert. Das Data Warehouse ist grundsätzlich keineswegs veraltet. Für die zweifelsfrei bestehenden Probleme gelten In-Memory-Technologien quasi als Allheilmittel. 85 Prozent der Teilnehmer geben an, sie sehen in dieser Technologie einen mittleren oder hohen Nutzen. In-Memory-Technologie verspricht dabei, durch enorme Performance die Komplexität in Data Warehouse Systemen zu reduzieren. Aber auch dem automatisierten Data Warehousing, Eigenentwicklungen und der Datenvirtualisierung schreiben über 70 Prozent einen mittleren oder hohen Nutzen zu. Beide Technologien vereinfachen vor allem die Datenintegration, den Hauptaufwandstreiber in BI Projekten. Viel Kontinuität zeigt sich trotz neuer Anforderungen auf den ersten Blick auch bei den eingesetzten Technologien. Es dominieren Standardtechnologien wie relationale oder multidimensionale Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 8

9 Datenbanken (bei 91 bzw. 66 Prozent im Einsatz) oder Standard-Datenintegrationswerkzeuge (57 Prozent). Allerdings verfolgen manche der Befragten durchaus ehrgeizige Pläne bei innovativen Technologien wie dem Hadoop-Ökosystem (von 25 Prozent zukünftig geplant), Big Data Appliances (25 Prozent) oder Werkzeuge für die Datenvirtualisierung (23 Prozent). Solche Unternehmen haben erkannt, dass die neuen Herausforderungen nur mit Hilfe von technologischen Neuerungen zu bewältigen sind. Die Rolle der Datenintegration gewinnt an Bedeutung Bislang bleibt das Thema Datenintegration zwar auf klassische ETL-Prozesse bezogen (84 Prozent der Befragten), doch erwarten die meisten Unternehmen eine starke Veränderung der Rolle der Datenintegration. So glauben nur 30 Prozent, dass die wesentliche Aufgabe der Datenintegration auch künftig im Bereich ETL liegen wird. Stattdessen werden das Aufgabenspektrum und die funktionalen Anforderungen an die Datenintegration breiter. Im Mittelpunkt stehen Big-Data-Themen wie Echtzeitanalyse (52 Prozent nennen dies als wesentliche Aufgabe der Datenintegration in Zukunft), Integration (einer Vielzahl) polystrukturierter Daten (52 Prozent) aber auch Governance- Themen wie Datenqualität (52 Prozent) sowie Kontrolle und Dokumentation (50 Prozent). Die steigende Komplexität in der Datenintegration erfordert erhöhte Aufmerksamkeit, Handhabbarkeit und Kontrolle der Daten und datenverändernden Prozesse Themen einer Data Governance. Das scheint erkannt. Hot Spot 3: Zentrale Datenstrategie: unverzichtbares Hilfsmittel, um an die Datenschätze zu gelangen Dass eine zentrale Datenstrategie zur effizienten Nutzung von Daten einen erheblichen (wirtschaftlichen) Mehrwert bietet, haben offenbar nur die wenigsten Unternehmen erkannt. Nur 45 Prozent verfügen überhaupt über eine Datenstrategie. Und von diesen sind es lediglich 10 Prozent, die eine zentrale, alle Unternehmensdaten umfassende Datenstrategie einsetzen. Ebenso wie bei der Ressourcenzuteilung spiegelt sich der hehre Anspruch, dem Datenmanagement eine besondere Relevanz zuzuweisen, auch in der organisatorischen Umsetzung in Form einer zentralen Datenstrategie nur unzureichend wider. Positiv heben sich allerdings die Best-in-Class-Unternehmen hervor. 1 Von diesen haben bereits 34 Prozent eine zentrale Datenstrategie geschaffen. Eine Datenstrategie ist dementsprechend ein auffälliges Differenzierungsmerkmal zwischen Best-in-Class- Unternehmen und ihren Wettbewerbern. Dass Best-in-Class-Unternehmen besonders häufig eine zentrale Datenstrategie implementiert haben, verwundert nicht. Praktisch alle Ergebnisse in diesem Survey belegen deren überaus positiven Effekte. Dies gilt zum einen für die Zufriedenheit mit fast allen Aspekten des Datenmanagements. Auf sie hat eine zentrale Datenstrategie einen stark überdurchschnittlichen Einfluss. So geben beispielsweise jeweils 83 Prozent der Unternehmen mit einer zentralen Datenstrategie an, mit ihrer Datenintegration bzw. ihrem Data Warehouse sehr oder eher zufrieden zu sein. Bei denjenigen, die gar keine Datenstrategie im Einsatz haben, sind es gerade einmal 40 bzw. 44 Prozent. Zum anderen scheint sich eine zentrale Datenstrategie auch finanziell auszuzahlen. 33 Prozent der Unternehmen, die über eine unternehmensübergreifende Datenstrategie verfügen, berichten, sie hätten im letzten Jahr finanziell sehr viel besser als ihre Konkurrenten abgeschnitten. Wo diese fehlt, behaupten dies nur zwischen zehn und 14 Prozent der Teilnehmer. 1 Siehe Näheres zur Klassifikation der Best-in-Class-Unternehmen im Anhang B Von den Besten lernen. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 9

10 HoSpot 4: Best-in-Class-Unternehmen machen sich schon an die Bergung des Datenschatzes, während ihre Konkurrenz noch auf der Suche ist Positiv heben sich die Best-in-Class-Unternehmen hervor. Während ihre Konkurrenz noch damit beschäftigt ist, klassische Datenmanagementaufgaben in den Griff zu bekommen, gehen Best-in- Class-Unternehmen vermehrt die neueren Big-Data-Herausforderungen an. So sind klassische Datenmanagementthemen zwar für beide gleich wichtig, jedoch weisen Best-in-Class-Unternehmen Big Data eine wesentlich höhere Relevanz zu. Für 58 Prozent von ihnen ist das Thema bereits heute kritisch oder wichtig, wohingegen dies nur zu 31 Prozent für ihre Wettbewerber gilt. Ferner haben bereits 34 Prozent der Best-in-Class-Unternehmen eine zentrale Datenstrategie geschaffen, bei den anderen Unternehmen trifft dies auf lediglich 6 Prozent zu. Dementsprechend unterschiedlich fallen auch die Ergebnisse für die Zufriedenheit mit fast allen Aspekten des Datenmanagements aus. Besonders groß sind die Unterschiede hinsichtlich der Datenqualität (70 Prozent der Best-in-Class-Unternehmen geben an, sehr oder eher zufrieden zu sein, wohingegen es nur 32 Prozent der anderen Unternehmen sind) und den zur Verfügung stehenden Ressourcen für die Weiterentwicklung (44 vs. 12 Prozent). Die unterschiedlichen Treiber für Veränderungen im Datenmanagement unterstreichen ebenfalls, dass Best-in-Class-Unternehmen sich wesentlich häufiger mit Big Data auseinandersetzen. Unternehmen mit (unter-)durchschnittlichen Fähigkeiten im Bereich Datenmanagement haben noch vielfach eher mit klassischen BI-Problemen zu kämpfen, wie beispielsweise die Unzufriedenheit mit der Umsetzung bei neuen Anforderungen (46 Prozent der anderen Unternehmen vs. 36 Prozent der Best-in-Class- Unternehmen) oder Performance-Problemen (42 Prozent vs. 31 Prozent). Best-in-Class-Unternehmen berichten dagegen wesentlich öfter, dass Big-Data-spezifische Problemstellungen den Ausschlag für Veränderungen und Fortentwicklungen ihres Datenmanagements geben, beispielsweise die wachsende Anzahl//Vielfalt von Datenquellen (64 Prozent der Best-in-Class-Unternehmen vs. 54 Prozent) oder der Umgang mit verschiedenen Datenstrukturen (51 Prozent vs. 38 Prozent). Architekturen und Technologien der Best-in-Class-Unternehmen passen sich zunehmend den Big-Data-Herausforderungen an Best-in-Class-Unternehmen sind auch in puncto Architektur ihrer Konkurrenz ein ganzes Stück voraus. Sie greifen wesentlich öfter auf ein zentrales Data Warehouse zurück und auch beim Thema Sandboxing (bei 24 Prozent von ihnen bereits im Einsatz vs. 11 Prozent bei den anderen Unternehmen) für Self-Service-Bedürfnisse und einer Virtualisierungsschicht (38 Prozent vs. 12 Prozent) sind sie schon weiter. Da sie größtenteils ihre Hausaufgaben erledigt haben, ist es nicht verwunderlich, dass sie zukünftig wesentlich öfter explorative Big-Data-Umgebungen (geplant bei 53 Prozent vs. 32 Prozent) oder sogar einen Data Lake (32 Prozent vs. 18 Prozent) ins Auge fassen. Dahingegen sind die Durchschnitts- und Nachzüglerunternehmen gerade erst auf dem Weg zu einem zentralen Data Warehouse. Für fortgeschrittene Themen wie Big Data scheint deshalb wesentlich weniger Aufmerksamkeit übrig. Best-in-Class-Unternehmen setzen zudem bereits heute Big-Data-Technologien in weitaus größerem Maßstab ein als der Rest. Im Vergleich weisen NoSQL-Datenbanken, speziellen Big-Data-Analysen- Anwendungen und Streaming-Datenbanken eine doppelt bis dreifach so hohe Verbreitung unter Bestin-Class-Unternehmen auf. Hervorzuheben ist auch das hohe Planvorhaben der Best-in-Class- Unternehmen im Bereich Hadoop-Ökosystem. Zwar setzen es derzeit erst sieben Prozent ein, gleichwohl steht es bei 40 Prozent der Best-in-Class-Unternehmen auf der Agenda allerdings betrifft dies eher die längerfristige Planung. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 10

11 Ergebnisse der Umfrage Wie gehen Unternehmen mit denen im Vorwort angesprochenen Herausforderungen um? Um einen Überblick darüber zu gewinnen, beschäftigt sich diese empirische Untersuchung mit dem Stand und der zukünftigen Entwicklung des Datenmanagements in Unternehmen der DACH-Region. Zunächst beleuchtet diese Studie, wie Unternehmen das Thema wahrnehmen, wie der Status quo aussieht und wie zufrieden die Unternehmen damit sind (Kapitel Anspruch und Wirklichkeit im Datenmanagement ). Weiterhin blickt diese Studie darauf, was sich bei den Unternehmen im Datenmanagement allgemein verändert, was die Veränderungen auslöst und wo die Stolpersteine liegen (Kapitel Einsichten und Maßnahmen im Datenmanagement ). Zum Abschluss widmet sich die Studie dann dem Stand und der Fortentwicklung spezieller Datenmanagementbereiche wie den Datenarchitekturen und Technologien, dem Data Warehouse sowie der Datenintegration (Kapitel Kontinuität und Zukunft im Datenmanagement ). Anspruch und Wirklichkeit im Datenmanagement Fragt man Verantwortliche nach ihren vordringlichsten Aufgaben, so herrscht große Einigkeit: Für jeweils 90 Prozent der Befragten sind die klassischen Themen Datenintegration, Data Warehouse und Datenarchitektur kritisch oder wichtig (vgl. Abbildung 1). Ebenso gewinnt Big Data an Bedeutung. Hier sehen derzeit 34 Prozent und künftig gar 50 Prozent der Befragten ein wichtiges, wettbewerbsrelevantes Thema. Datenintegration 42% 54% 4% Data Warehouse 25% 63% 11% Datenarchitektur 22% 68% 10% Big Data 6% 28% 66% Kritisch Wichtig Nicht so wichtig Abbildung 1: Wie wichtig sind die folgenden Themen für Ihr Unternehmen? (n=339) Interessant ist die Betrachtung der Best-in-Class-Unternehmen. Gemeint sind damit laut BARC- Definition solche Unternehmen, die sich eine im Vergleich zum Wettbewerb überdurchschnittlich hohe Bewertung ihrer Datenmanagement-Aktivitäten geben. 2 Sie weisen gegenüber ihren Mitbewerbern zwar ähnliche Werte bei den klassischen Themen Datenintegration (88 Prozent Best-in-Class vs. 97 Prozent Durchschnitt & Nachzügler), Data Warehousing (95 Prozent vs. 87 Prozent) und Datenarchitekturen (98 Prozent vs. 89 Prozent) auf, allerdings heben sie sich beim Thema Big Data deutlich hervor (58 Prozent vs. 31 Prozent). Es ist anzunehmen, dass während die Durchschnitts- und Nachzüglerunternehmen noch damit beschäftigt sind, klassischen Datenmanagementaufgaben in den Griff zu bekommen, die Best-in-Class-Unternehmen vermehrt die neueren Big-Data- Herausforderungen angehen. Das unterstreichen auch die Planwerte (vgl. Abbildung 2). 2 Siehe Näheres zur Klassifikation der Best-in-Class-Unternehmen im Anhang B Von den Besten lernen. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 11

12 Big Data Datenintegration Datenarchitektur Data Warehouse Best-in-Class 60% 38% 3 Durchschnitt & Nachzügler 57% 43% Best-in-Class 43% 50% 8% Durchschnitt & Nachzügler 46% 51% 3 Best-in-Class 50% 50% Durchschnitt & Nachzügler 51% 48% Best-in-Class 70% 22% 8% Durchschnitt & Nachzügler 50% 44% 5% Wird wichtiger Gleichbleibend Wird unwichtiger Abbildung 2: Entwicklung der Bedeutung der Themen nach Best-in-Class (n=334) Nie war die Bedeutung von Daten größer als heute und sie nimmt weiter zu Dass Daten eine zunehmend wichtigere Rolle in Unternehmen spielen, zeigt der BARC Information Culture Survey Unternehmen der DACH-Region weisen derzeit zwar noch einen größeren Nachholbedarf hinsichtlich der erfolgreichen Verwendung von Daten und Informationen auf (vgl. Abbildung 3). Beispielsweise geben nur 41 Prozent der Teilnehmer an, dass es auf ihr Unternehmen zutrifft, dass Informationen einen hohen Stellenwert bei der Entscheidungsfindung genießen. Ebenso ernüchternd sind die Ergebnisse, wenn es darum geht, Entscheidungen auf Basis von Daten auf Management- oder Führungskräfteebene zu fällen. Nur 16 bzw. 22 Prozent der Teilnehmer gaben an, dies würde auf ihr Unternehmen zutreffen. Allerdings geht aus Abbildung 3 auch hervor, dass Unternehmen die Bedeutung von Daten erkannt haben. So weisen alle Aussagen (bis auf Daten sind ein Hauptumsatzträger ) zur zukünftigen Verwendung von Daten und Informationen Steigerungsraten zwischen 17 und 28 Prozent auf. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 12

13 Informationen haben einen hohen Stellenwert bei der Entscheidungsfindung 41% 65% Informationen gelten als Vermögenswerte Entscheidungen auf operativer werden überwiegend auf Basis von Daten gefällt 36% 35% 54% 52% Wir nutzen Informationen, um zukünftige Trends und Verhalten vorauszusagen Wir nutzen Informationen, um neue Geschäftsmodelle/-möglichkeiten zu identifizieren Entscheidungen auf (Top-)Management- Ebenen werden überwiegend auf Basis von Daten gefällt Daten sind ein Hauptumsatzträger (wir haben Datenprodukte) Entscheidungen auf Führungskraft-Ebene werden überwiegend auf Basis von Daten gefällt Trifft zu 16% Trifft zukünftig zu 22% 20% 29% 29% 32% 55% 50% 48% 44% Abbildung 3: BARC Information Culture Survey 2014, In welchem Umfang treffen folgende Aussagen heute/zukünftig auf Ihr Unternehmen zu? (DACH-Region, n=337) Nur wenige Unternehmen haben den Mehrwert einer Datenstrategie zur effizienten Nutzung von Daten erkannt Aus der hohen Relevanz von Daten und den Themen Data Warehousing, Datenintegration, Datenarchitekturen sowie Big Data auf eine entsprechende Organisation und strategische Behandlung dieser Aufgaben zu schließen, ist indes nur bedingt richtig. Vielmehr verfügen über 50 Prozent der Unternehmen über keine Datenstrategie (vgl. Abbildung 4). Und dort, wo dies der Fall ist, haben lediglich zehn Prozent eine zentrale Datenstrategie, die alle Unternehmensdaten umfasst. Dabei bildet eine zentrale Datenstrategie die Grundvoraussetzung für fehlerfreie, vollständige und einfach zugängige Datenbestände sowie deren zweckorientierte Verwendung und damit Schaffung von Wert. Aufgrund einer größtenteils fehlenden oder nur vereinzelt eingesetzten Datenstrategie können nur die wenigsten Unternehmen das volle Potential auszuschöpfen, das in ihren Daten schlummert. Einzelne Fachbereiche organisieren den Umgang mit Daten partiell zwar gut, aber der Wandel zum datengetriebenen Unternehmen auf Unternehmensebene ist noch selten anzutreffen. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 13

14 Keine Datenstrategie existent & keine in Planung 33% Datenstrategie ist in Planung 22% Datenstrategie in einzelnen Fachbereichen/Datendomänen existent Zentrale Datenstrategie existent, die alle Unternehmensdaten umfasst 10% 35% Abbildung 4: Existiert in Ihrem Unternehmen eine Datenstrategie? (n=313) Positiv heben sich allerdings die Best-in-Class-Unternehmen hervor. Von diesen haben bereits 34 Prozent eine zentrale Datenstrategie geschaffen (im Vergleich zu 6 Prozent bei ihrer Konkurrenz) und zeigen mit 70 Prozent der Befragten auch ein weit höheres Interesse an Big Data. Eine Datenstrategie ist dementsprechend ein auffälliges Differenzierungsmerkmal zwischen Best-in-Class-Unternehmen und ihren Wettbewerbern. Analysiert man, welche Faktoren die Zufriedenheit der Anwender besonders beeinflussen, steht an erster Stelle das Vorhandensein einer zentralen, unternehmensweit gültigen Datenstrategie (vgl. Abbildung 5). Sie hat auf fast alle Aspekte des Datenmanagements einen stark überdurchschnittlichen Einfluss (bis auf die Lade- und mit Abstrichen auch auf die Abfrageperformance). Wie ein Blick auf die Zufriedenheit mit den zur Verfügung stehenden Ressourcen offenbart, scheinen Unternehmen mit einer zentralen Datenstrategie dem Thema generell wesentlich mehr Ressourcen zu widmen. Bei ihnen stimmt die geäußerte Relevanz auch mit dem tatsächlichen Handeln im Unternehmen überein. Auch Best-in-Class-Unternehmen äußern sich über alle abgefragten Aspekten wesentlich zufriedener als ihre Konkurrenz. Da wir bereits vorher gesehen haben, dass vor allem Best-in-Class-Unternehmen auf eine zentrale Datenstrategie zurückgreifen, ist das Ergebnis auch nicht weiter verwunderlich. Besonders groß sind die Unterschiede hinsichtlich der Datenqualität (70 Prozent der Best-in-Class- Unternehmen geben an, sehr oder eher zufrieden zu sein, wohingegen es nur 32 Prozent der anderen Unternehmen sind) und den zur Verfügung stehenden Ressourcen für die Weiterentwicklung (44 vs. 12 Prozent). Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 14

15 Datenintegration allgemein Data Warehouse allgemein Datenaktualität Durch das DWH/IT bereitgestellten Daten für den Fachbereich Abdeckung der fachlichen Anforderungen Datenqualität Abfrage-Performance Einfachheit der Anbindung neuer Datenquellen Geschwindigkeit der Umsetzung von Änderungen/neuen Anforderungen Lade-Performance Zur Verfügung stehende Ressourcen für die Weiterentwicklung Zufriedenheit allgemein 53% 46% 40% 58% 39% 44% 60% 48% 55% 66% 52% 39% 46% 66% 55% 35% 50% 62% 39% 28% 28% 61% 55% 43% 50% 59% 29% 17% 16% 53% 33% 19% 28% 41% 48% 38% 46% 41% 18% 9% 12% 63% 45% 33% 38% 83% 83% 79% Zentrale Datenstrategie In einzelnen Fachbereichen In Planung Keine Datenstrategie Abbildung 5: Zufriedenheit nach Datenstrategie (sehr zufrieden und eher zufrieden zusammengefasst, n=309) Diese Diskrepanz zwischen Anspruch und Wirklichkeit zeigt sich offenbar auch in den wirtschaftlichen Folgen. So berichten 33 Prozent der Unternehmen, die über eine unternehmensübergreifende Datenstrategie verfügen, sie hätten im letzten Jahr finanziell sehr viel besser als ihre Konkurrenten abgeschnitten. Wo diese fehlt, behaupten dies nur zwischen zehn und 14 Prozent der Teilnehmer (Abbildung 6). Zentrale Datenstrategie existent, die alle Unternehmensdaten umfasst Datenstrategie in einzelnen Fachbereichen/Datendomänen existent 13% 33% 45% 33% 29% 29% 12% 4% Datenstrategie ist in Planung 10% 34% 38% 18% Keine Datenstrategie existent & keine in Planung 14% 45% 30% 11% Sehr viel besser Etwas besser Gleich gut Etwas schlechter Abbildung 6: Finanzielles Abschneiden des Unternehmens im Vergleich zum Wettbewerb nach Datenstrategie (n=257) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 15

16 Showstopper für das Datenmanagement liegen in mangelnden Ressourcen, fehlender Flexibilität sowie langsamer Reaktionsgeschwindigkeit Was die tägliche Arbeit im Datenmanagement betrifft, geben sich die Teilnehmer einigermaßen zufrieden (vgl. Abbildung 7). Allerdings mit deutlichen Abstrichen bei einigen Aspekten wie der Datenqualität, der Geschwindigkeit bei der Umsetzung von Änderungen/neuen Anforderungen, der Einfachheit der Anbindung neuer Datenquellen und insbesondere bei den zur Verfügung stehenden Ressourcen für die Weiterentwicklung. Zur Verfügung stehende Ressourcen für die Weiterentwicklung Geschwindigkeit der Umsetzung von Änderungen/neuen Anforderungen Einfachheit der Anbindung neuer Datenquellen Datenqualität 38% 33% 30% 29% 11% 7% 11% 22% Datenintegration allgemein 19% 4% Abfrage-Performance 19% 2% Lade-Performance 17% 3% Data Warehouse allgemein 16% 4% Abdeckung der fachlichen Anforderungen 17% 2% Datenaktualität 15% 2% Durch das DWH/IT bereitgestellten Daten für den Fachbereich 14% 2% Eher unzufrieden Sehr unzufrieden Abbildung 7: Zufriedenheit im Unternehmen mit ausgewählten Themen, (sehr unzufrieden und eher unzufrieden, n=337) Generell verfestigen die Ergebnisse dieses Abschnitts den Eindruck, dass Unternehmen den Themen Datenmanagement, BI und Big Data zwar große Aufmerksamkeit schenken und ihnen eine hohe Relevanz zusprechen, diese aber in der Unternehmenspraxis noch zu selten gelebt wird. Gerade strategische Themen, die entsprechend mit Ressourcen versehen werden sollten, bleiben so auf der Strecke oder werden nur halbherzig verfolgt. Dies hindert Unternehmen massiv daran, den Nutzen aus den Daten voll auszuschöpfen und damit effizient zu arbeiten. BARC geht daher davon aus, dass der Leidensdruck in den Unternehmen, in den Bereichen BI und Big Data auch wirklich tätig zu werden, in nächster Zeit stark ansteigen und so die Unternehmen vermehrt zum Handeln veranlassen wird. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 16

17 Einsichten und Maßnahmen im Datenmanagement Immerhin ist die gute Absicht vorhanden, sich mit den Problemen und Widersprüchen im Datenmanagement künftig auseinanderzusetzen. So erklären 85 Prozent der Umfrageteilnehmer, derzeit große oder moderate Veränderungen in den Bereichen Datenintegration und Data Warehousing anzugehen (vgl. Abbildung 8). Zukünftig sind es gar nur fünf Prozent, die von keinen nennenswerten Veränderungen berichten. Ein näherer Blick auf die Daten macht überdies deutlich, dass dies sowohl auf Best-in-Class-Unternehmen als auch auf ihre Konkurrenz zutrifft. Sowohl heute als auch zukünftig weisen beide Gruppen nahezu identische Werte auf. Derzeit befindet sich im Datenmanagement also vieles in Bewegung: Unternehmen prüfen Altes und bewerten Neues. Heute 30% 55% 15% Zukünftig 37% 58% 5% Große Veränderungen Moderate Veränderungen Keine nennenswerten Veränderungen Abbildung 8: In welchem Umfang nehmen Sie derzeit/zukünftig Veränderungen in Ihrem Unternehmen in den Bereichen Datenintegration und Data Warehousing vor? (n=329) Maßnahmen für das Datenmanagement Zu komplex, zu aufwändig, zu langsam, zu teuer: Mit diesen Charakteristika werden heutige Data- Warehouse-Systeme schon lange in Verbindung gebracht. Auf diese Probleme scheint jetzt ein besonderes Augenmerk zu liegen (vgl. Abbildung 9). Weit oben auf der Maßnahmenliste der Unternehmen stehen neue Technologien, um die Komplexität zu senken (53 Prozent), Aufwände zu reduzieren (49 Prozent) und die Umsetzungsgeschwindigkeit durch Self-Service in den Fachbereichen zu beschleunigen (53 Prozent). Die meisten Nennungen erhielt jedoch eine Big-Data-spezifische Herausforderung: die Integration heterogener Datenquellen (69 Prozent). Zudem sind derzeit ganze 43 Prozent der Befragten dabei, eine Datenstrategie/Governance aufzubauen. Die Notwendigkeit einer Strategie scheint also erkannt, um Daten zielführend und effizient einsetzen zu können. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 17

18 Zunehmende Integration von heterogenen Datenquellen Befähigung der Fachbereich, Daten selbstständig zu integrieren/auszuwerten Nutzung neuer Technologien, um die Komplexität der Datenarchitektur zu reduzieren Versuch der Reduzierung des ressourcenbindenden Aufwands Nutzung einer Datenstrategie/Governance 53% 53% 49% 43% 69% Einsatz neuer Technologien/Methoden zur Abbildung eines Unternehmensgedächtnis Zunehmender Einsatz von Hilfsmittel zur einfachen Integration neuer Datenquellen Zunehmender Einsatz von Big-Data-Technologien 22% 27% 31% Rückgriff auf neue Datenarchitekturansätze Auslagerung/paralleler Betrieb von einzelnen Funktionsbereichen des Data Warehouse 14% 12% Rückgriff auf ein cloud-basiertes Date Warehouse Sonstige 6% 5% Abbildung 9: Was verändert sich in Ihrem Unternehmen konkret bzw. wird sich konkret verändern bei den Themen Datenintegration und Data Warehousing? (n=322) a) Stärkere Nachfrage nach Daten Dass die wachsende Vielfalt und Anzahl an Datenquellen einer der größten Problembereiche der Teilnehmer ist, unterstreicht die Frage nach den Daten, die Unternehmen derzeit und zukünftig in das Data Warehouse laden (vgl. Abbildung 10). Gegenwärtig sind es mit Ausnahme von Log-Daten aus IT-Systemen fast ausschließlich Daten aus den Transaktionssystemen. Diese liegen im Normallfall strukturiert vor und bereiten dementsprechend geringe Probleme bei der Befüllung des Data Warehouse. Betrachtet man allerdings die Planwerte, zeigt sich, dass nahezu alle anderen Datentypen deutlich zunehmen werden. Wir sprechen dann von polystrukturierten Daten. Dies gilt insbesondere für Social-Media-Daten (von 33 Prozent geplant) und Dokumente/Texte (von 31 Prozent geplant). Da diese Datenformate aber in der Regel keine relationale Struktur aufweisen und Data Warehouse in ihrer traditionellen Form nur unzureichend auf nicht-relationale Datenformate ausgelegt sind, müssen Unternehmen alternative Lösungen finden. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 18

19 Daten aus Transaktionssystemen 84% 5% 5% 6 Logdaten aus IT-Systemen 43% 5% 14% 38% Dokumente/Texte 18% 10% 22% 51% Sensor-, RFID-, oder andere Maschinendaten 14% 8% 17% 61% Clickstream-Daten 11% 7% 13% 69% Open Data 11% 7% 19% 63% Social-Media-Daten 6% 10% 23% 60% Videoclips/Bilder % 82% Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant Abbildung 10: Welche Daten laden Sie in Ihr Data Warehouse? (n=318) b) Schnellere Umsetzung- durch Self-Service BI Beim Self-Service, das unter den Maßnahmen an zweiter Stelle rangiert, geht es den Fachbereichen vor allem darum, sowohl die historisch gewachsene Komplexität von Data-Warehouse-Anwendungen, zu wenige Daten als auch die mangelnde Flexibilität und Umsetzungsgeschwindigkeit der IT bei der Integration neuer Daten und neuer Analysen zu umgehen (vgl. Abbildung 11). Entsprechend erklären 41 Prozent der Umfrageteilnehmer einen direkten Zugriff auf die operativen Systeme mit Self-Service-BI-Tools schaffen zu wollen und 37 Prozent wollen so Änderungswünsche schneller umsetzen. Erlaubter Einsatz/direkter Zugriff auf die operativen Systeme mit Self-Service BI-Tools Schnellere Umsetzung von Änderungswünschen 37% 41% Sandboxing im Data Warehouse Verlagerung bestimmter Datenmanagementaufgaben in den Fachbereich Schnellere Ladezyklen im Data Warehouse 28% 27% 31% Umfassendes Data-Governance-Konzept Wir haben keine Herausforderung mit Self- Service-BI-Anwendungen Verbot von Self-Service-BI-Tools im Unternehmen Auslagerung in die Cloud 2% 4% 17% 15% Abbildung 11: Wie gehen Sie mit der Self-Service-BI-Herausforderung um? (n=337) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 19

20 Self-Service BI kann durchaus eine gesunde Maßnahme sein. Differenziert betrachtet unterscheidet man zwischen Datenverwendung (beispielsweise wenn Fachbereiche Berichte auf Basis bestehender Daten erstellen oder modifizieren) und Datenaufbereitung (beispielsweise wenn Fachbereiche lokale Daten integrieren oder Daten eigenständig modellieren). Gerade die Datenaufbereitung ist allerdings vor dem Hintergrund einheitlicher und konsistenter Kennzahlen als kritisch einzustufen. Um weiterhin zentrale Datenwahrheiten garantieren zu können, wo diese nötig und sinnvoll sind, müssen Unternehmen passende Strategien, Rahmenbedingungen und Einsatzbereiche schaffen. Sonst droht ein Datenwildwuchs, der wiederum zu Inkonsistenzen in den Kennzahlen führt. Es empfiehlt sich deshalb, bereits vor der Nutzung von Self-Service BI für die Datenaufbereitung die Frage zu stellen, warum Self-Service überhaupt notwendig ist. Oftmals liegt ein Problem im Datenmanagement vor, das Unternehmen so eher vertuschen als lösen. Unter Umständen können hier andere Maßnahmen wesentlich effektiver sein. c) Agilität dank des Einsatzes innovativer Technologien Vielversprechend sehen viele Teilnehmer ganz eindeutig den Einsatz von In-Memory- Datenbanksystemen (vgl. Abbildung 12). 85 Prozent von ihnen geben an, sie sehen in dieser Technologie einen mittleren oder hohen Nutzen. In-Memory-Technologie verspricht durch enorme Performance die Komplexität in Data Warehouse Systemen zu reduzieren. Zusätzliche Schichten zur Performanceoptimierung werden obsolet, das Data Warehouse wird schlanker. Aber auch dem automatisierten Data Warehousing, Eigenentwicklungen und der Datenvirtualisierung schreiben über 70 Prozent einen mittleren oder hohen Nutzen zu. Beide Technologien vereinfachen vor allem die Datenintegration, den Hauptaufwandstreiber in BI Projekten. Ein automatisiertes Data Warehouse unterstützt durch die automatisierte Aufbereitung von Daten, wohingegen Datenvirtualisierung eine einfache und schnelle Möglichkeit bieten kann, Daten ohne größeren Modellierungsaufwand integriert bereitzustellen. Am wenigsten Potential sehen die Teilnehmer bislang im Einkauf fertiger Lösungen (Appliances) sowie in Cloud-basierten Data-Warehouse-Lösungen. In-Memory-Datenbanksysteme 55% 30% 11% 4 Automatisiertes Data Warehousing 34% 36% 26% 4 Eigenentwicklung 34% 36% 19% 11% Datenvirtualisierung/Logical Data Warehouse 24% 49% 21% 6% Referenzdatenmodelle 18% 35% 38% 9% Verknüpfung von Best-in-Class-Lösungen 17% 47% 26% 9% Lösungsbausteine vom Softwarehersteller 16% 43% 36% 5% Einkauf fertiger Lösungen 11% 35% 42% 12% Cloud-basierte Data-Warehouse-Lösungen 8% 24% 40% 28% Hoher Nutzen Mittlerer Nutzen Geringer Nutzen Kein Nutzen Abbildung 12: Wie schätzen Sie den Nutzen folgender Technologien zu einer schnelleren und einfacheren Umsetzung von DWH-Anforderungen ein? (n=312) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 20

21 Treiber für Veränderungen Dass Unternehmen Daten zunehmend wertzuschätzen wissen, drückt sich auch in den fachbereichsrelevanten Treibern für die gegenwärtigen Entwicklungen und Veränderungen aus (vgl. Abbildung 13). So fordern die Fachbereiche vor allem mehr Nutzen aus den Analysen und Daten sowie mehr Flexibilität und Skalierbarkeit der Plattformen, um neue Datenquellen zu integrieren und steigende Datenvolumina zu bewältigen. Sich schneller ändernde Geschäftsprozesse verschärfen darüber hinaus den Wunsch nach mehr Flexibilität und einer schnelleren Reaktionsgeschwindigkeit im Datenmanagement. Gestiegene Erwartungshaltung in den Fachbereichen Wachsende Anzahl/Vielfalt von Datenquellen Datenwachstum Sich schneller verändernde Geschäftsprozesse Unzufriedenheit mit der Umsetzungszeit neuer Anforderungen Erhöhung der Wettbewerbsfähigkeit Performance-Probleme Umgang mit verschiedenen Datenstrukturen Erhöhte Anforderungen an Reaktionsschnelligkeit Kostengründe Probleme operative Prozesse mit Near-/Real- Time-Daten zu unterstützen Gestiegene Ressourcenbindung in der IT- Abteilung Compliance-Anforderungen 62% 55% 52% 51% 45% 42% 41% 40% 37% 32% 32% 28% 26% Sonstige 3% Abbildung 13: Welches sind aus Ihrer Sicht die wichtigsten Treiber für die Veränderungen im Bereich Datenintegration und Data Warehouse/Datenarchitektur? (n=323) Detaillierte Analysen bringen spannende Unterschiede zwischen Best-in-Class-Unternehmen und Unternehmen mit (unter-)durchschnittlichen Fähigkeiten im Bereich Datenmanagement ans Tageslicht (vgl. Abbildung 14). Während Letztere noch vielfach eher mit klassischen BI-Problemen zu kämpfen haben (Unzufriedenheit mit der Umsetzung bei neuen Anforderungen, Performance-Probleme), berichten Best-in-Class-Unternehmen wesentlich häufiger big-data-spezifische Problemstellungen würden den Ausschlag für Veränderungen und Fortentwicklungen ihres Datenmanagements geben (wachsende Anzahl//Vielfalt von Datenquellen, Umgang mit verschiedenen Datenstrukturen). Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 21

22 Wachsende Anzahl sowie Vielfalt von Datenquellen Gestiegene Erwartungshaltung in den Fachbereichen Sich schneller verändernde Geschäftsprozesse Umgang mit verschiedenen Datenstrukturen Datenwachstum Erhöhte Anforderungen an Reaktionsschnelligkeit Erhöhung der Wettbewerbsfähigkeit Kostengründe Unzufriedenheit mit der Umsetzungszeit bei neuen Anforderungen Probleme operative Prozesse mit Near-/Real- Time-Daten zu unterstützen Performance-Probleme Compliance-Anforderungen Gestiegene Ressourcenbindung in der der IT- Abteilung Best-in-Class Sonstige 3% 3% 64% 54% 59% 63% 54% 50% 51% 38% 49% 53% 41% 37% 38% 42% 38% 31% 36% 46% 33% 31% 31% 42% 26% 26% 26% 28% Durchschnitt & Nachzügler Abbildung 14: Treiber für Veränderungen nach Best-in-Class-Unternehmen (n=317) Bedarf zur Änderung ist erkannt, doch bremsen Ressourcenknappheit und mangelnde Bereitschaft das Vorhaben Es verändert sich derzeit zwar viel, aber dennoch klagen die Teilnehmer, wie auch schon im vorherigen Abschnitt gesehen, insbesondere über fehlende Ressourcen (66 Prozent), eine fehlende Bereitschaft zu Veränderungen in ihrem Unternehmen (58 Prozent), aber auch über fehlendes technisches und fachliches Know-how (41 bzw. 40 Prozent) (vgl. Abbildung 15). Die Ergebnisse sind dementsprechend auch hier wieder zwiegespalten: Einerseits die hohe Relevanz des Themas, die vielfältigen Treiber und die daraus resultierenden größeren Umbauten im Datenmanagement vieler Unternehmen. Andererseits allerdings die fehlende Ausstattung mit Ressourcen und entsprechendem Know-how. Dies wirft die Frage auf, ob Daten tatsächlich den Wert genießen, den ihnen die Unternehmen zusprechen, oder ob beispielsweise die Know-how-Problematik eher auf mangelnde geeignete Ideen oder Kandidaten auf dem Arbeitsmarkt zurückzuführen ist? Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 22

23 Unzureichende Ressourcen 66% Fehlende Bereitschaft zur Änderung 58% Fehlendes technisches Know-how Fehlendes fachliches Know-how Fehlende Strategie/Nachfrage Fehlende Investitionen 41% 40% 40% 38% Sonstige 2% Abbildung 15: Worin sehen Sie die größten Herausforderungen und Hemmnisse bei den Veränderungen? (n=317) Dieser Abschnitt hat deutlich gemacht, dass derzeit eine Vielzahl unterschiedlicher Treiber und Herausforderungen Ausgangspunkt für Veränderungen und Weiterentwicklungen im Datenmanagement sind. Konkrete Maßnahmen sind im Datenzugriff, einer höheren Flexibilität und der Reduktion der technischen Komplexität zu sehen. Die vielfältigen Veränderungen reflektieren nochmal die Bedeutung der Daten im Unternehmen und das diese als entsprechend wertvollen Gutes zu behandeln sind. Unzureichende Ressourcen, mangelndes Know-how und fehlende Bereitschaft zu Veränderungen sind dabei allerdings die größten Hemmnisse. Dies führt generell zur Frage, ob die IT für die gegenwärtige Situation bereits richtig aufgestellt ist und ob die Unternehmen die Voraussetzungen erfüllen. Antworten gibt der nächste Abschnitt, der einen genaueren Blick auf verschiedene (technologische) Teilbereiche des Datenmanagements wirft. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 23

24 Kontinuität und Zukunft im Datenmanagement Wie verändern sich die Data-Warehouse-Architekturen und die eingesetzten technischen Komponenten angesichts der vielfältigen Anforderungen im Datenmanagement? Bislang scheinen diesbezüglich die klassischen Datenarchitekturen im Trend zu bleiben (vgl. Abbildung 16). So ist ein zentrales Data Warehouse mit Data Marts, die so genannte Hub & Spoke -Architektur, mit 38 Prozent aller Unternehmen die am häufigsten eingesetzte Architektur. Ebenso sind die Architekturvarianten eines zentralen Enterprise Data Warehouse ohne Data Marts (27 Prozent) und mehrere Data Warehouse mit fachlich abgestimmten Data Marts (23 Prozent) aktuell häufig anzutreffen. Technologische Spielwiesen und Virtualisierung sollen zukünftig die Flexibilität erhöhen Doch Veränderungen zeichnen sich ab. So stehen insbesondere Sandboxing (40 Prozent) explorative Big-Data-Umgebungen (35 Prozent) sowie Virtualisierungsschichten (28 Prozent) ganz oben auf der Liste der geplanten Architekturumbauten. Es ist offensichtlich, dass Unternehmen mit ihrer Hilfe die vorher aufgezeigten Herausforderungen bezüglich Flexibilität, Verbesserung der Umsetzungsgeschwindigkeit und Big-Data-spezifische Problemstellungen bewältigen wollen. Der derzeit in den Medien für Aufmerksamkeit sorgende Data Lake ist hingegen für Unternehmen allenfalls langfristig von Interesse. Insgesamt bleibt aber die Hub & Spoke -Architektur zusammen mit projektspezifischen Ergänzungen wie ein Operational Data Store gelebte Praxis, gleichwenn die Heterogenität der Architekturlandschaft langsam aber sicher zunimmt. Data Marts mit zentralen DWH 38% 10% 12% 40% Operational Data Store 30% 8% 12% 50% Zentrales EDWH ohne Data Marts 27% 6% 13% 53% Unabhängige Data Marts (ohne zentrales DWH) 27% % DWHs mit fachlich abgestimmten Data Marts 23% 5% 10% 62% DWH mit zusätzlichen unabhängigen Data Marts 22% 8% 10% 60% Data Marts mit gemeinsamen Dimensionen 21% 4% 6% 70% Virtualisierungsschicht/Logical DWH 14% 11% 17% 58% Sandbox 13% 17% 23% 47% Keine dedizierte dispositive Datenhaltung 9% 4% 7% 79% Explorative Umgebung für Big Data 6% 13% 22% 60% Data Lake % 78% Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant Abbildung 16: Welche der folgenden Varianten nutzen Sie in Ihrer Architekturlandschaft bzw. planen Sie zukünftig zu nutzen? (n=318) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 24

25 Data Lake Explorative Umgebung für Big Data Unabhängige Data Marts Sandbox Zentrales EDWH ohne Data Marts Schicht zur Virtualisierung Operational Data Store Data Marts mit einem zentralen DWH Best-in-Class-Unternehmen sind auch hier ihrer Konkurrenz ein ganzes Stück voraus (vgl. Abbildung 17). Sie greifen wesentlich öfter auf ein zentrales Data Warehouse zurück und auch beim Thema Sandboxing für Self-Service-Bedürfnisse und einer Virtualisierungsschicht sind sie schon weiter. Da sie mehr oder weniger ihre Hausaufgaben erledigt haben, ist es nicht verwunderlich, dass sie zukünftig wesentlich öfter explorative Big-Data-Umgebungen oder sogar einen Data Lake ins Auge fassen. Dahingegen sind die Durchschnitts- und Nachzüglerunternehmen gerade erst auf dem Weg zu einem zentralen Data Warehouse. Für fortgeschrittene Themen wie Big Data scheint deshalb wesentlich weniger Aufmerksamkeit übrig. Best-in-Class 56% 6% 9% 29% Durchschnitt/Nachzügler 36% 11% 12% 42% Best-in-Class 41% 9% 15% 35% Durchschnitt/Nachzügler 29% 8% 11% 52% Best-in-Class 38% 7% 7% 48% Durchschnitt/Nachzügler 12% 12% 18% 59% Best-in-Class 37% 3% 60% Durchschnitt & Nachzügler 27% 7% 14% 53% Best-in-Class 24% 15% 21% 41% Durchschnitt/Nachzügler 11% 17% 24% 48% Best-in-Class 13% 3% 6% 77% Durchschnitt/Nachzügler 29% 3% 3% 65% Best-in-Class 6% 19% 34% 41% Durchschnitt/Nachzügler 5% 12% 20% 63% Best-in-Class 3 13% 19% 65% Durchschnitt/Nachzügler % 80% Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant Abbildung 17: Eingesetzte Architekturen nach Best-in-Class-Unternehmen (Auswahl, n=313) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 25

26 Neue Techniken im Data Warehousing Viel Kontinuität zeigt sich trotz neuer Anforderungen auf den ersten Blick auch bei den eingesetzten Technologien (vgl. Abbildung 18). So dominieren Standardtechnologien wie relationale oder multidimensionale Datenbanken oder Standard-Datenintegrationswerkzeuge. Allerdings verfolgen manche der Befragten durchaus ehrgeizige Pläne bei innovativen Technologien wie dem Hadoop- Ökosystem (von 25 Prozent zukünftig geplant), Big Data Appliances (25 Prozent) oder Werkzeuge für die Datenvirtualisierung (23 Prozent). Solche Unternehmen haben erkannt, dass die neuen Herausforderungen nur mit Hilfe von technologischen Neuerungen zu bewältigen sind. Standard Relationale Datenbanken 91% 5 Multidimensionale Datenbanken 66% 5% 7% 22% Standard-Datenintegrationswerkzeuge 57% 5% 8% 30% Individualentwicklung 53% % Analytische Datenbanken 42% 7% 14% 36% Stand-alone Self-Service-BI-Lösungen 42% 9% 15% 34% Werkzeuge für die Datenvirtualisierung 22% 7% 16% 55% Big Data Appliances 12% 4% 20% 65% NoSQL-Datenbanken 10% 4% 10% 76% Big-Data-Analyse-Anwendungen 8% 4% 15% 74% Streaming-Datenbanken 6% 3 13% 78% Hadoop-Ökosystem 6% 7% 18% 69% Automatisiertes Data Warehousing 4 7% 87% Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant Abbildung 18: Welche der folgenden technischen Komponenten haben Sie in Ihrer Architekturlandschaft im Einsatz bzw. planen Sie zukünftig einzusetzen? (n=337) Vor allem Best-in-Class-Unternehmen setzen bereits heute Big-Data-Technologien in weitaus größerem Maßstab ein als der Rest (vgl. Abbildung 19). Im Vergleich weisen NoSQL-Datenbanken, speziellen Big-Data-Analyseanwendungen und Streaming-Datenbanken eine doppelt bis dreifach so hohe Verbreitung unter Best-in-Class-Unternehmen auf. Hervorzuheben ist auch das hohe Planvorhaben der Best-in-Class-Unternehmen im Bereich Hadoop-Ökosystem. Zwar setzen es derzeit erst sieben Prozent ein, gleichwohl steht es bei 40 Prozent der Best-in-Class-Unternehmen auf der Agenda allerdings betrifft dies eher die längerfristige Planung. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 26

27 Streaming- Datenbanken Spezielle Big- Data-Analyse- Anwendungen NoSQL- Datenbanken Werkzeuge für die Datenvirtualisierung Hadoop- Ökosystem Big Data Appliances Best-in-Class 34% 9% 9% 47% Durchschnitt & Nachzügler 20% 7% 16% 56% Best-in-Class 16% 6% 29% 48% Durchschnitt & Nachzügler 11% 3% 18% 68% Best-in-Class 7% 7% 33% 52% Durchschnitt & Nachzügler 5% 7% 16% 71% Best-in-Class 22% 4% 15% 59% Durchschnitt & Nachzügler 9% 4% 10% 78% Best-in-Class 19% 8% 19% 54% Durchschnitt & Nachzügler 7% 3 14% 76% Best-in-Class 16% 4% 16% 64% Durchschnitt & Nachzügler 5% 2 12% 80% Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant Nicht geplant Abbildung 19: Technologische Komponenten nach Best-in-Class-Unternehmen (Auswahl, n=332) Interessant ist auch, dass es bislang keinen Beleg für die in der öffentlichen Diskussion geäußerte Vermutung gibt, Hadoop könnte das Data Warehouse ersetzen (vgl. Abbildung 20). Vielmehr spielt für nur neun Prozent der Umfrageteilnehmer, die Hadoop einsetzen oder einsetzen wollen, dieser Anwendungsfall eine Rolle. Stattdessen dient Hadoop insbesondere dazu, das Data Warehouse zu ergänzen, um semi- und unstrukturierte Daten zu speichern, zu verarbeiten und zu analysieren. Manchen dient Hadoop auch als kostengünstige Möglichkeit, bestimmte Daten aus dem Data Warehouse auszulagern (30 Prozent) oder zu archivieren (20 Prozent). Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 27

28 Speicher für semi- und unstrukturierte Daten Verarbeitung und Analyse semi- und unstrukturierter Daten 66% 73% Staging Area/Vorverarbeitung von Daten Offloading bestimmter Daten aus dem Data Warehouse Data Lake 30% 30% 34% Archivsystem 20% Ersatz für das Data Warehouse 9% Sonstige 2% Abbildung 20: Wie nutzen bzw. planen Sie Hadoop zu nutzen? (n=64) Der Markt rund um Hadoop ist hochdynamisch und durch die schnelle Weiterentwicklung in Richtung Kompatibilität mit Analysewerkzeugen oder dem Einsatz von In-Memory-Technologien (beispielsweise SPARK) ein interessanter Technologiebaustein zum Aufbau einer skalierbaren und flexiblen analytischen Infrastruktur. Es lohnt sich, den Markt zu beobachten und die eigene Infrastruktur von Zeit zu Zeit neu zu bewerten. Stärken und Schwächen des Data Warehouse Um herauszufinden, wie groß der Nutzen ihres Data Warehouse ist, wurden die Umfrageteilnehmer für eine Reihe von Nutzenaspekten gebeten, anzugeben, in welchen Umfang sie diese durch ihr Data Warehouse erreicht haben. Anschließend wurden die Ergebnisse gewichtet und sowohl ein Durchschnittswert je Nutzenaspekt als auch einen für den gesamten Geschäftsnutzen errechnet. Das Ergebnis ist in Abbildung 21 dargestellt. Das Ergebnis macht deutlich, dass man nicht behaupten kann, das Data Warehouse sei grundsätzlich veraltet. Es erfüllt nach Ansicht der Unternehmen durchaus seinen Nutzen, insbesondere wenn es um Schnelligkeit im Berichtswesen geht, eine vertrauenswürdige Datenbasis gesucht wird oder es einer Analysebasis für fortgeschrittene Analysen bedarf. Weniger überzeugend schneidet das Data Warehouse indes ab, wenn eine übergreifende Prozesstransparenz hergestellt werden soll, bei der Steuerung operativer Prozesse sowie bei der Governance/Compliance der Reporting-Prozesse. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 28

29 Schnelles Berichtswesen Vertrauen in Daten Erweiterung der Analysebasis Fortgeschrittene Analysen Flexible Berichtserstellung Höhere Kundenzufriedenheit Unterstützung des Planungsprozesses Governance des Reportingprozesses Steuerung operativer Prozesse Übergreifende Prozesstransparenz 3.58 Durchschnittlicher Geschäftsnutzen 5.31 Abbildung 21: In welchem Umfang wurde der gewünschte fachliche Nutzen durch Ihr Data-Warehouse- System erreicht? (gewichtete Skala von 10=Nutzen übertroffen bis 0=Nutzen nicht erreicht, n=305) Gleichwenn das Data Warehouse in vielen Fällen den Nutzen liefert, den es verspricht, berichten die Teilnehmer dennoch über zahlreiche Probleme mit ihrem Data Warehouse (vgl. Abbildung 22). Lediglich 5 Prozent geben an, keine Probleme zu haben. Die größten Probleme bereiten die zu langsame Umsetzungsgeschwindigkeit bei Änderungen oder neuen Anforderungen, die mangelnden Ressourcen zur Umsetzung sowie die Datenqualität. Damit stimmen die häufigsten Probleme mit den Aspekten überein, bei denen die größte Unzufriedenheit herrscht (vgl. Abbildung 7). Damit bestätigt die Umfrage die Erfahrungen aus der BI-Beratung. Die Probleme resultieren häufig aus einer fehlenden strategischen und organisatorischen Verankerung von BI in Unternehmen. Es fehlt oftmals an einer Institution, die Prozesse, Verantwortungen und Zuständigkeiten für BI verbindlich regelt. Das Resultat sind historisch gewachsene und schwer erweiterbare Data-Warehouse-Landschaften. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 29

30 Geschwindigkeit der Umsetzung von Änderungen/neuen Anforderungen Ressourcen zur Umsetzung Datenqualität Wichtige Fachbereiche des Unternehmens sind noch nicht integriert Einschränkungen bei Anbindung vieler, heterogener Datenquellen Administrationsaufwand Wartbarkeit Implementierungs- und Supportkosten Lade-Performance 36% 35% 31% 28% 26% 62% 55% 50% 45% Kosten für Software 16% Es gibt keine Probleme 5% Abbildung 22: Was sind aktuell die größten Probleme beim Betrieb des Data Warehouse? (n=333) Wie bereits weiter oben gezeigt, sehen viele Teilnehmer einen Ausweg im Einsatz von In-Memory- Datenbanksystemen, automatisierten Data Warehousing, Eigenentwicklungen und der Datenvirtualisierung (vgl. Abbildung 12). Wachsende Bedeutung von Datenintegration im Zeitalter von Big Data und Self-Service Auf den Bereich Datenintegration scheint der Veränderungsdruck durch Big Data und Self-Service besonders stark zu wirken (vgl. Abbildung 23 und Abbildung 24). Bislang bleibt das Thema Datenintegration zwar auf klassische ETL-Prozesse bezogen (84 Prozent der Befragten), doch erwarten die meisten Unternehmen eine starke Veränderung der Rolle der Datenintegration. So glauben nur 30 Prozent, dass die wesentliche Aufgabe der Datenintegration auch künftig im Bereich ETL liegen wird. Stattdessen werden das Aufgabenspektrum und die funktionalen Anforderungen an die Datenintegration breiter. Im Mittelpunkt stehen Big-Data-Themen wie Echtzeitanalyse, Integration (einer Vielzahl) polystrukturierter Daten aber auch Governance-Themen wie Datenqualität sowie Kontrolle und Dokumentation. Best-in-Class-Unternehmen verwenden bereits heute Datenintegrationstechnik für wesentlich mehr Aufgaben als ihre Konkurrenz. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 30

31 Klassisches ETL 84% Sicherstellung der Datenqualität 67% Abbildung des Single Point of Truth Integration vieler unterschiedlicher Datenquellen Datensicherheit Aufbau/Verwaltung von Berechnungslogiken 54% 49% 46% 44% Unterstützung der Kollaboration zwischen Fachbereich und IT Kontrolle/Dokumentation der Daten/datenverändernden Prozesse Sicherstellung der fachlichen/technischen Skalierbarkeit im Umgang mit Daten Information Lifecycle Management Bereitstellung von Echtzeitdaten Schnelle Ad-hoc-Integration von Daten Befähigung der Fachbereiche für Aufgaben der Datenintegration Integration polystrukturierter Daten 33% 31% 21% 19% 14% 14% 13% 11% Abbildung 23: Worin liegen für Sie heute die wesentlichen Aufgaben der Datenintegration? (n=307) Trotz des drastischen Rückgangs hat klassisches ETL heute lange noch nicht ausgedient. Vielmehr fordern die aktuellen Entwicklungen mehr denn je die Weiterentwicklung in Richtung einer architektonischen funktional, skalierbaren Datenintegrationsplattform. Diese Freiheit in der Wahl von Methoden und Funktionen innerhalb der Datenintegrationsschicht benötigt man, um die erweiterte Erwartungshaltung der Anwender nicht nur in Bezug auf Big-Data-Anforderungen flexibel abdecken zu können. Dazu zählen vor allem die Bereitstellung von Echtzeitdaten und die Datenqualität. Ein Ergebnis, dass sich mit dem am Markt diskutierten Big-Data-Entwicklungen deckt von den eher technisch getriebenen Big-Data-Fragestellungen Volume und Variety (Vielfältigkeit) hin zu fachlicheren Fragestellungen Velocity (Geschwindigkeit) und Veracity (Glaubwürdigkeit). Treiber hierfür ist unter anderem die Erkenntnis, dass Big Data im Kontext der Digitalisierung nicht allein mit (explorativer) Analytik gleichzusetzen ist. Vielmehr rücken die operativen (Geschäfts-) Prozesse und damit das Was machen wir damit? und Wo wollen wir hin? in den Fokus. Die steigende Komplexität in der Datenintegration erfordert erhöhte Aufmerksamkeit, Handhabbarkeit und Kontrolle der Daten und datenverändernden Prozesse Themen einer Data Governance. Das scheint erkannt: Immerhin 50 Prozent der Befragten geben an, zukünftig sei die Kontrolle/Dokumentation der Daten/datenverändernden Prozesse eine wesentliche Aufgabe der Datenintegration. Zusammengefasst ändert sich die Rolle der Datenintegration erheblich und gewinnt zunehmend an Bedeutung für das Arbeiten mit Daten. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 31

32 Sicherstellung der Datenqualität Integration vieler unterschiedlicher Datenquellen Bereitstellung von Echtzeitdaten Kontrolle/Dokumentation der Daten/datenverändernden Prozesse Schnelle Ad-hoc-Integration von Daten Integration polystrukturierter Daten Abbildung des Single Point of Truth Information Lifecycle Management Unterstützung der Kollaboration zwischen Fachbereich und IT Sicherstellung der fachlichen/technischen Skalierbarkeit im Umgang mit Daten Aufbau/Verwaltung von Berechnungslogiken Befähigung der Fachbereiche für Aufgaben der Datenintegration Datensicherheit 52% 52% 52% 50% 49% 48% 47% 43% 41% 40% 37% 37% 36% Klassisches ETL 30% Abbildung 24: Worin liegen für Sie zukünftig die wesentlichen Aufgaben der Datenintegration? (n=307) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 32

33 Ausblick Kontinuität und Wandel verlaufen derzeit im Datenmanagement Seite an Seite. Gemein ist allen Aktivitäten, dass bisherige Data-Warehouse-Umgebungen trotz mancher Stärken insgesamt für neue Anforderungen etwa durch Big Data und Self-Service-Vorhaben oftmals nicht vorbereitet sind. Des weiteren lassen sie sich schwer und vor allem nicht schnell genug anpassen. Best-in-Class- Unternehmen zeigen den Weg, wie sich Datenarchitekturen verändern sollten und wie sich vorhandene und neue Techniken intelligent und innovativ kombinieren lassen. Der Lohn sind nicht nur zufriedenere Mitarbeiter und aktuellere und vollständigere Analysen, sondern auch mehr Umsatz, wie ihn heute schon Vorreiterunternehmen vermelden. Das Data Warehouse wird dabei nicht überflüssig, sondern behält für die große Mehrheit seine Rolle. Deutlich zeigt die Studie, dass das Ziel, an einem Ort eine über alle Daten hinweg gültige Wahrheit herzustellen ( Single Point of Truth ) auch im Zeitalter von Big Data eine sehr hohe Relevanz für Unternehmen behält. 70 Prozent aller Befragten sehen dies aktuell so, künftig wollen weitere Anwender diesem Ziel ebenfalls nachfolgen. Allerdings sehen die Teilnehmer auch, dass durch die zunehmende Heterogenität in ihrer Architekturlandschaft es ein Mehr an Flexibilität und zusätzlichen Lösungsmöglichkeiten bedarf. Dies drückt sich in der zunehmenden Bedeutung der Datenintegration und Datenvirtualisierung aus. Erstaunlich ist überdies, dass circa ein Drittel der Teilnehmer heute und zukünftig ihren Single Point of Truth im BI-Anwenderwerkzeug sehen. Voraussetzung für jeden erfolgreichen Wandel im Datenmanagement ist allerdings eine Datenstrategie, die diesen Namen verdient. Erst durch sie können neue Ansätze und Techniken im Datenmanagement sinnvoll erprobt und integriert werden, bleiben Daten konsistent, Architekturen stabil und zugleich flexibel. Aber auch die Datenstrategie bleibt Theorie, wenn Unternehmen nicht die organisatorischen Voraussetzungen schaffen. Hierzu gehört insbesondere die Beseitigung des viele Vorhaben belastenden und bremsenden Ressourcen-Engpass. Es hilft wenig, über Big Data und Co. zu schwärmen und wir auch! zu rufen, wenn in der Praxis Vieles, wenn nicht Alles im Datenmanagement beim Alten bleibt! Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 33

34 Anhang A: Methodik und Demographie Die Online-Anwenderumfrage wurde von Juli 2014 bis September 2014 in der DACH-Region durchgeführt. Die Befragung wurde von BARC über Webseiten, Veranstaltungen und im - Newsletter beworben. Insgesamt beteiligten sich 341 Teilnehmer aus der DACH-Region an der Erhebung. Da einige Fragestellungen lediglich optional beantwortet werden mussten, kann die Grundgesamtheit je Frage von der Gesamtzahl der Studienteilnehmer abweichen. Es wurde eine breit gefächerte Branchenverteilung der Studienteilnehmer erreicht (vgl. Abbildung 25) Besonders häufig sind die Industrie (27 Prozent), die Dienstleistungsbranche (16 Prozent), der Finanz- (15 Prozent) und der IT-Sektor (14 Prozent) vertreten. Unter der Kategorie Sonstige wurden beispielsweise Baugewerbe, Immobilienwirtschaft und Verlagswesen genannt. Industrie Dienstleistungen Finanzsektor IT Handel Öffentliche Sektor Transport/Logistik Telekommunikation Sonstige 6% 4% 3% 2% 16% 15% 14% 12% 27% Abbildung 25: Branchenverteilung (n=336) Die Unternehmensgröße nach Mitarbeiteranzahl geht aus Abbildung 26 hervor. Mit 46 Prozent sind Unternehmen der Größenklasse 250 bis Mitarbeiter in der Studie am häufigsten vertreten. Die Studie deckt mit jeweils knapp 31 Prozent (Mehr als 500 Mitarbeiter) und 23 Prozent (Weniger als 250 Mitarbeiter) aber auch andere Unternehmensgrößen repräsentativ ab. 31% 23% Weniger als bis und mehr 46% Abbildung 26: Unternehmensgröße (Mitarbeiterzahl, n=334) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 34

35 Eine Betrachtung der Herkunft der Studienteilnehmer nach Unternehmensbereichen zeigt ein ausgeglichenes Verhältnis zwischen IT und Fachbereich (jeweils ca. 50 Prozent) (vgl. Abbildung 27). Unter den Fachbereichen sind das Controlling (20 Prozent) und das Management (20 Prozent) am häufigsten vertreten. Sieben Prozent entfallen auf Teilnehmer aus einer bereichsübergreifenden BI- Organisation (z.b. Business Intelligence Competency Center (BI CC)). IT Finanzen & Controlling BI Organisation in der IT Management BI Organisation als Team aus IT & Fachbereich Sonstige BI Organisation in einem anderen Fachbereich Marketing Vertrieb Forschung & Entwicklung Personalwesen Logistik/Supply Chain Produktion After Sales/Kundenservice 2% 2% 1% 1% 1% 0,3% 0,3% 6% 5% 7% 11% 20% 20% 24% Abbildung 27: In welchem Fachbereich sind Sie tätig? (n=338) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 35

36 Anhang B: Von den Besten lernen Wie die Studie offenlegt, befindet sich das Datenmanagement in vielen Unternehmen im Umbruch. Allerdings fehlt es oftmals an gesicherten empirischen Informationen, welche Veränderungen auch tatsächlich den von den Marketingabteilungen versprochenen Mehrwert liefern können. Im Fokus dieser Studie stehen deshalb insbesondere diejenigen Unternehmen, die sich über stark überdurchschnittliche Fähigkeiten im Bereich Datenmanagement auszeichnen bzw. in denen Daten eine herausgehobene Stellung innehaben. Die Studie widmet sich daher an vielen Stellen der Frage, was diese Unternehmen beim Thema Datenmanagement besser machen, wodurch sich diese Unternehmen von ihren Wettbewerbern abheben und was man von ihnen lernen kann. Stark überdurchschnittlich 5% Überdurchschnittlich 35% Gleich 41% Unterdurchschnittlich 16% Stark unterdurchschnittlich 2% Abbildung 28: Wie schätzen Sie die Fähigkeiten und Kompetenzen Ihres Unternehmens im Bereich Datenmanagement im Vergleich zu Ihren Hauptwettbewerbern ein? (n=313) Hierzu wurden die Teilnehmer einerseits danach befragt, wie sie die Fähigkeiten und Kompetenzen ihres Unternehmens im Bereich Datenmanagement im Vergleich zu ihren größten Wettbewerbern einschätzen (vgl. Abbildung 28). Anderseits sollten die Teilnehmer angeben, welche Rolle Daten in ihrem Unternehmen spielen (vgl. Abbildung 29). Auf Grundlage dieser beiden Fragen wurde die Klassifikation von Best-in-Class-Unternehmen vorgenommen. Um als Best-in-Class-Unternehmen eingestuft zu werden, mussten die Teilnehmer mindestens auf einer dieser Fragen die höchste Kategorie auswählen ( stark überdurchschnittliche Fähigkeiten im Bereich Datenmanagement oder Permanente Datenanalyse als Grundlage der Entscheidungs- und Prozessautomatisierung/- optimierung ), gleichzeitig aber auf die zweite Frage nicht schlechter als überdurchschnittliche Fähigkeiten bzw. Im gesamten Unternehmen Entscheidungen auf Basis von Daten und Analyse antworten. Dies trifft auf zwölf Prozent der Befragten (40 Teilnehmer) zu. Diese Gruppe bezeichnen wir als Bestin-Class. Wir stellen diese Best-in-Class-Unternehmen in dieser Studie den anderen 88 Prozent gegenüber, um herauszufinden, was sie besser machen. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 36

37 Daten spielen im Unternehmen keine große Rolle 0.3% Hauptteil der Entscheidungen aus dem Bauch heraus/durch Erfahrung gefällt 19% Faktenbasierte Entscheidungen in einzelnen Unternehmensbereichen 30% Im gesamten Unternehmen Entscheidungen auf Basis von Daten und Analysen 36% Permanente Datenanalysen als Grundlage der Entscheidungs- und Prozessautomatisierung/- optimierung 15% Abbildung 29: Welche Rolle spielen Daten in Ihrem Unternehmen? (n=331) Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 37

38 Das Business Application Research Center (BARC) 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 BARC- Analysten 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. 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 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 Enterprise- Content-Management-Produkte und nutzen das so erlangte Wissen in Beratungsprojekten zur Software-Auswahl und IT-Strategie. Über Kunden jährlich, darunter mehr als 90 Prozent der DAX100-Unternehmen nutzen in vielfältiger Weise das Know-How der BARC- Analysten. 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 Software-Vergleich. BARC- Tagungen und Seminare geben einen konzentrierten Eindruck aller relevanten Anbieter in verschiedenen Segmenten des Marktes für Geschäftsanwendungen. Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 38

39 Firmenprofile der Sponsoren Data Virtuality Firmenprofil Die Data Virtuality GmbH entwickelt und vertreibt die Software datavirtuality, mit der Unternehmen eine Vielzahl von Daten und Applikationen besonders einfach integrieren und miteinander verknüpfen können. Die Lösung revolutioniert das technologische Konzept der Datenvirtualisierung und baut innerhalb weniger Tage ein Data Warehouse aus relationalen und nicht-relationalen Datenquellen auf. Über integrierte Konnektoren können die Daten sofort in Analyse-, Planungs- oder Statistiklösungen weiterverarbeitet und bei Bedarf in die Quellsysteme zurückgeschrieben werden. Das selbstlernende Data Warehouse passt sich automatisch an Änderungen der IT-Landschaft und des Nutzerverhaltens an. Durch den Einsatz von datavirtuality erlangen Unternehmen ein Höchstmaß an Flexibilität und Schnelligkeit bei gleichzeitig minimalem Administrationsaufwand. Zum Kundenkreis von datavirtuality gehören global agierende Konzerne als auch datengetriebene ecommerce Unternehmen. Das Unternehmen mit Sitz in Leipzig (D) und Palo Alto (USA) ging 2012 aus einer Forschungsinitiative des Informatiklehrstuhls der Universität Leipzig hervor. Mehr Informationen unter Datenmanagement im Wandel Data Warehousing und Datenintegration im Zeitalter von Self Service und Big Data 39

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center

Mehr

Time is Money Wie schnell erhalten Entscheider kritische Kennzahlen?

Time is Money Wie schnell erhalten Entscheider kritische Kennzahlen? MANAGEMENT SUMMARY Time is Money Wie schnell erhalten Entscheider kritische Kennzahlen? München, den 19. Juni 2015: Zeit ist Geld wenn relevante Daten den Mitarbeitern für deren tägliche Entscheidungen

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014 Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig

Mehr

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst Durchblick im Self-Service-Dschungel Hannover, 16.03.2015 Patrick Keller, Senior Analyst Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software

Mehr

Digitalisierung wie aus einer Strategie Realität wird.

Digitalisierung wie aus einer Strategie Realität wird. Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Dr. Carsten Bange Business Intelligence (BI) beschreibt die Erfassung, Sammlung und Darstellung von Information zur Planung, Steuerung und Kontrolle der Unternehmensleistung.

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

Mehr

Virtual Roundtable: Business Intelligence - Trends

Virtual Roundtable: Business Intelligence - Trends Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Andreas Seufert Organisation: Institut für Business Intelligence

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Copyright 2007 Infor. Alle Rechte vorbehalten. Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Hubertus Thoma Presales Consultant PM Schalten Sie bitte während

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

Workforce-Management-Software: Zwischen Anspruch und Wirklichkeit

Workforce-Management-Software: Zwischen Anspruch und Wirklichkeit Klare Strategie, vorausschauende Planung und die richtige Software helfen, Engpässe und Ausfälle zu vermeiden. Workforce-Management-Software: Zwischen Anspruch und Wirklichkeit Obwohl die Bedeutung von

Mehr

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES]

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] NOW YOU KNOW [ SERIES] Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Potential ontologiebasierter Wissens- Lösungen

Mehr

Hadoop als Wegbereiter für Analytics

Hadoop als Wegbereiter für Analytics Hadoop als Wegbereiter für Analytics Der gelbe Elefant im Visier deutschsprachiger Unternehmen BARC Research Study Sponsored by: Autoren Timm Grosser Senior Analyst tgrosser@barc.de Jacqueline Bloomen

Mehr

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

Mehr

IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud

IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud Pressemeldung Frankfurt, 24. April 2013 IDC Studie: Deutsche Unternehmen verlassen sich auf IT Service Management für die Cloud Unternehmen verlassen sich für das Management ihrer Cloud Services auf IT

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN PRESSE-INFORMATION BI-19-09-12 NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN Big Data für den Handel wettbewerbsentscheidend Neue Anforderungen und Handlungsbedarf Technologie-Innovationen

Mehr

IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf

IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf Pressemeldung Frankfurt am Main, 02. Februar 2012 IDC-Studie: Software Quality Assurance Unternehmen in Deutschland haben Nachholbedarf Software Quality Assurance wird nicht geliebt aber praktiziert. Die

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Business Intelligence braucht mehr Business!

Business Intelligence braucht mehr Business! Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology

Mehr

Besondere Stärken: ganzheitliches Management des mobilen Arbeitsplatzes und Services für gehobenen Mittelstand

Besondere Stärken: ganzheitliches Management des mobilen Arbeitsplatzes und Services für gehobenen Mittelstand Experton Mobile Enterprise Vendor Benchmark 2015: Computacenter weiterhin führend im Mobile-Enterprise-Markt Besondere Stärken: ganzheitliches Management des mobilen Arbeitsplatzes und Services für gehobenen

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT April 2013 ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT von Maren Weiß & Prof. Dr. Michael Durst Welche Rolle spielen Trends in den Frühen Phasen im Innovationsmanagement? Wie setzen Unternehmen Trends

Mehr

Statusreport: Interne Unternehmenskommunikation. Eine Eigenstudie der SKOPOS VIEW

Statusreport: Interne Unternehmenskommunikation. Eine Eigenstudie der SKOPOS VIEW Statusreport: Interne Unternehmenskommunikation Eine Eigenstudie der SKOPOS VIEW Vorwort. 1 Kommunikation ist mehr als nur über etwas zu sprechen. Der VIEW Statusreport gibt Aufschluss darüber, wie dieses

Mehr

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

The BI Survey 14 von BARC

The BI Survey 14 von BARC Kunden haben das Wort: cubus in The BI Survey 14 von BARC good. better. outperform. Mit Blick auf das Wesentliche. The BI Survey 14 Die jährlich von BARC durchgeführte Studie The BI Survey ist die weltweit

Mehr

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

Executive Briefing. Big Data und Business Analytics für Kunden und Unternehmen. In Zusammenarbeit mit. Executive Briefing. In Zusammenarbeit mit

Executive Briefing. Big Data und Business Analytics für Kunden und Unternehmen. In Zusammenarbeit mit. Executive Briefing. In Zusammenarbeit mit Big Data und Business Analytics für Kunden und Unternehmen Umfangreiche und ständig anwachsende Datenvolumen verändern die Art und Weise, wie in zahlreichen Branchen Geschäfte abgewickelt werden. Da immer

Mehr

Big Data, small Data und alles dazwischen!

Big Data, small Data und alles dazwischen! Technologische Entwicklung Governance & Compliance Entwicklung 15.05.2015 Big Data, small Data und alles dazwischen! Wien, 20.5.2015 Herbert Stauffer Geschichtliche Entwicklung der Weg zu Big Data 1970

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System

Mehr

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Self-Service Business Intelligence Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Agenda Einleitung Self-Service Business Intelligence Definition(en) und Grundlage(n)

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

1. Management Summary. 2. Grundlagen ERP. 3. ERP für die Produktion. 4. ERP für den Handel. 5. EPR für Dienstleistung. 6.

1. Management Summary. 2. Grundlagen ERP. 3. ERP für die Produktion. 4. ERP für den Handel. 5. EPR für Dienstleistung. 6. Inhalt Erfolg für Ihr Projekt 1. Management Summary 2. Grundlagen ERP 3. ERP für die Produktion 4. ERP für den Handel 5. EPR für Dienstleistung 6. Einzelne Module 7. Blick auf Markt und Technologien 8.

Mehr

EMC. Data Lake Foundation

EMC. Data Lake Foundation EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured

Mehr

Interview zum Thema Management Reporting &Business Intelligence

Interview zum Thema Management Reporting &Business Intelligence Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed Industrialisierung, Agilität und Compliance die Rolle von Performance Management

Mehr

Wertbeitrag der IT in Unternehmen steigt und wird durch. Systemintegration und Hybrid Cloud sind Top-Themen der

Wertbeitrag der IT in Unternehmen steigt und wird durch. Systemintegration und Hybrid Cloud sind Top-Themen der PRESSE-INFORMATION IT- 15-04- 15 LÜNENDONK - WHITEPAPER: 5 VOR 12 DIE DIGITALE TRANSFORMATION WARTET NICHT Digitaler Wandel gelingt nur Top-Down sowie durch Re-Organisation und neue Unternehmenskultur

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival Guide für Ihr Business Intelligence-Projekt Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren

Mehr

Pressemeldung. Frankfurt am Main, 3. März 2014

Pressemeldung. Frankfurt am Main, 3. März 2014 Pressemeldung Frankfurt am Main, 3. März 2014 IDC-Studie zu Mobile Content Management: Deutsche Unternehmen nutzen File Sharing und Synchronisationslösungen, präferieren dabei die Private Cloud und wollen

Mehr

AutoScout24 Werkstattbarometer 1. Halbjahr 2014. Punkte. 54 Punkte. 53 Punkte. 76 Punkte. Werkstatt-Index. Ausblick. Gegenwart.

AutoScout24 Werkstattbarometer 1. Halbjahr 2014. Punkte. 54 Punkte. 53 Punkte. 76 Punkte. Werkstatt-Index. Ausblick. Gegenwart. AutoScout24 Werkstattbarometer 1. Halbjahr 2014 54 Punkte 61 Werkstatt-Index Punkte 53 Punkte 76 Punkte Rückblick Gegenwart Ausblick Zufriedenheit mit der Entwicklung des Umsatzes im 2. Halbjahr 2013 Zukünftige

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

IDC-Studie: Der deutsche Mittelstand entdeckt Print Management und Document Solutions für sich

IDC-Studie: Der deutsche Mittelstand entdeckt Print Management und Document Solutions für sich Frankfurt am Main, 7. Mai 2012 IDC-Studie: Der deutsche Mittelstand entdeckt Print Management und Document Solutions für sich Die aktuelle IDC-Studie Print Management & Document Solutions in Deutschland

Mehr

Balanced Scorecard Strategien umsetzen. CP-BSC ist ein Modul der Corporate Planning Suite.

Balanced Scorecard Strategien umsetzen. CP-BSC ist ein Modul der Corporate Planning Suite. Balanced Scorecard Strategien umsetzen CP-BSC ist ein Modul der Corporate Planning Suite. UnternehMenSSteUerUng Mit ViSiOn UnD StrAtegie Strategien umsetzen. Jedes Unternehmen hat strategische Ziele und

Mehr

IDC Studie: Deutsche Unternehmen wollen mit Cloud Services Geschäftsprozesse optimieren

IDC Studie: Deutsche Unternehmen wollen mit Cloud Services Geschäftsprozesse optimieren Pressemeldung Frankfurt, 26. Juli 2013 IDC Studie: Deutsche Unternehmen wollen mit Cloud Services Geschäftsprozesse optimieren Die Fachbereiche deutscher Unternehmen fordern von der IT eine bessere Unterstützung

Mehr

Data Warehousing in der Lehre

Data Warehousing in der Lehre Data Warehousing in der Lehre Prof. Dr.-Ing. Tomas Benz Dipl.-Inform. Med. Alexander Roth Agenda Vorstellung Fachhochschule Heilbronn Vorstellung i3g Vorlesungen im DWH-Bereich Seminare Projekte Studien-

Mehr

KuppingerCole und Beta Systems untersuchen in aktueller Studie die Treiber von Identity Access Management und Governance in der Finanzindustrie

KuppingerCole und Beta Systems untersuchen in aktueller Studie die Treiber von Identity Access Management und Governance in der Finanzindustrie P R E S S E M I T T E I L U N G KuppingerCole und Beta Systems untersuchen in aktueller Studie die Treiber von Identity Access Management und Governance in der Finanzindustrie KWG und MaRisk sind die mit

Mehr

Data Warehousing mit Oracle

Data Warehousing mit Oracle Data Warehousing mit Oracle Business Intelligence in der Praxis von Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker 1. Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr

Die Cloud, die für Ihr Unternehmen geschaffen wurde.

Die Cloud, die für Ihr Unternehmen geschaffen wurde. Die Cloud, die für Ihr Unternehmen geschaffen wurde. Das ist die Microsoft Cloud. Jedes Unternehmen ist einzigartig. Ganz gleich, ob im Gesundheitssektor oder im Einzelhandel, in der Fertigung oder im

Mehr

Integration und massiver Excel-Einsatz Herausforderungen in der Planung

Integration und massiver Excel-Einsatz Herausforderungen in der Planung Integration und massiver Excel-Einsatz Herausforderungen in der Planung CeBIT, Hannover, 10.03.2014 Dr. Christian Fuchs, Senior Analyst Business Application Research Center Historie 1994: Beginn der Untersuchung

Mehr

Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen

Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen Fabian Geist, B.Sc. Dipl.-Wirtsch.-Ing. Torsten Kluin Prof. Dr. Harald Ritz Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

Die Bedeutung von Datenqualität

Die Bedeutung von Datenqualität Die Bedeutung von Datenqualität Unabhängige Anwenderbefragung von TDWI und emagixx, März 2013 Inhaltsverzeichnis Vorwort...3 1. Executive Summary...4 2. Klassifizierung...5 2.1. Branche...5 2.2. Unternehmensgröße...5

Mehr

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Patrick Keller Senior Analyst BARC Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement.

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

IDC-Studie: Big Data in Deutschland 2012 Unternehmen stehen noch ganz am Anfang

IDC-Studie: Big Data in Deutschland 2012 Unternehmen stehen noch ganz am Anfang Pressemeldung Frankfurt am Main, 19. Oktober 2012 IDC-Studie: Big Data in Deutschland 2012 Unternehmen stehen noch ganz am Anfang Die wachsenden Datenmengen werden für Unternehmen immer stärker zu einem

Mehr

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Pentaho ermöglicht Analyse der von den über 120 Millionen registrierten Spielern generierten Datenflut

Mehr

» Outsourcing von Personalfunktionen in. deutschen Großunternehmen. Kienbaum Management Consultants

» Outsourcing von Personalfunktionen in. deutschen Großunternehmen. Kienbaum Management Consultants Kienbaum Management Consultants» Outsourcing von Personalfunktionen in deutschen Großunternehmen Recruitment Human Resource Management Public Management Strategy & Change 2 1. Bisher noch kein Megatrend

Mehr

IT-Trends im Handel 2013. Investitionen, Projekte und Technologien

IT-Trends im Handel 2013. Investitionen, Projekte und Technologien IT-Trends im Handel 2013 Investitionen, Projekte und Technologien Forschung Kongresse Medien Messen Inhalt 5 Vorwort Erhebungsmethode Verwendete Begriffe Struktur des Untersuchungspanels Wirtschaftliche

Mehr

Strategische Unternehmenssteuerung immer in Richtung Erfolg

Strategische Unternehmenssteuerung immer in Richtung Erfolg Strategische Unternehmenssteuerung immer in Richtung Erfolg CP-Strategy ist ein Modul der Corporate Planning Suite. STRATEGISCHE UNTERNEHMENSSTEUERUNG Immer in Richtung Erfolg. Erfolgreiche Unternehmen

Mehr

Bessere Daten durch Stammdatenmanagement

Bessere Daten durch Stammdatenmanagement make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere

Mehr

Customer Relationship Marketing

Customer Relationship Marketing Customer Relationship Marketing Marc Müller Die Entwicklung des Marketings hin zum Customer Relationship Marketing lässt sich unter anderem auf die technologische Entwicklung zurückführen. Die Änderungen

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Pressemitteilung. Studie: Managing Business Intelligence Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren

Pressemitteilung. Studie: Managing Business Intelligence Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren Pressemitteilung Studie: Managing Business Intelligence Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren 21. Januar 2008, sieber&partners, Norman Briner 1 Vorwort Die bessere Nutzung und Auswertung

Mehr

Managing Business Intelligence. Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren

Managing Business Intelligence. Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren Managing Business Intelligence Wie Sie aus Ihren Daten einen Wettbewerbsvorteil realisieren 2008 Dr. Pascal Sieber & Partners AG Alle Rechte vorbehalten. Die Verwendung, Bearbeitung, Übersetzung, Vervielfältigung

Mehr

Die wahre Entdeckung besteht nicht darin, Neuland zu finden, sondern die Dinge mit neuen Augen zu sehen. Marcel Proust

Die wahre Entdeckung besteht nicht darin, Neuland zu finden, sondern die Dinge mit neuen Augen zu sehen. Marcel Proust Dynamische Rollen Dreh- und Angelpunkt von perbit.insight ist ein intuitiv bedienbares HR Solution Center. Hier stehen alle personalwirtschaftlichen Anwendungen zusammengeführt unter einer einheitlichen

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

Studie Serviceorientierte Architektur (SOA) in Deutschland - Branchen im Vergleich: Banken & Versicherungen,, Transport & Logistik Stellenwert der IT im Unternehmen Strategisch 21.4 27.6 35.6 64.0 W ertbeitrag

Mehr

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN PRESSE-INFORMATION BI-13-09-13 BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN Business Analytics und Business Performance Management sind wesentliche Wachstumstreiber Mittelstand ist bedeutende

Mehr

Die Rolle des Stammdatenmanagements im digitalen Unternehmen

Die Rolle des Stammdatenmanagements im digitalen Unternehmen Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Die Rolle des Stammdatenmanagements im digitalen Unternehmen Frankfurt, April 2015 Die Digitalisierung der Welt Nach der Globalisierung

Mehr

Unsere Leidenschaft. Service, Bestände, Kosten mit uns haben Sie das magische Dreieck des Supply-Chain-Managements im Griff. Supply Chains never sleep

Unsere Leidenschaft. Service, Bestände, Kosten mit uns haben Sie das magische Dreieck des Supply-Chain-Managements im Griff. Supply Chains never sleep Unsere Leidenschaft Service, Bestände, Kosten mit uns haben Sie das magische Dreieck des Supply-Chain-Managements im Griff Supply Chains never sleep - 1 - ILOCS bietet Software, Trainings und Lösungen

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014 Martin Böhn, Head of CRM, Senior Analyst CRM in der heutigen Praxis: Kampf Vor-Ort- Termine Prospekte, Beispiele

Mehr

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,

Mehr

Interview Conny Dethloff 20.07.2009 [Auszug einer Audio Aufzeichnung] Kurze Darstellung der Person

Interview Conny Dethloff 20.07.2009 [Auszug einer Audio Aufzeichnung] Kurze Darstellung der Person Interview Conny Dethloff 20.07.2009 [Auszug einer Audio Aufzeichnung] Kurze Darstellung der Person Mein Name ist Conny Dethloff. Ich bin seit 10 Jahren in der Beratung tätig, dabei hauptsächlich in BI-Projekten

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr