A Steria Report. Business Intelligence: Status quo in Europa. Europäische 2012/13. è

Transkript

1 A Steria Report Business Intelligence: Status quo in Europa Europäische bima -Studie 2012/13 è

2 02 bima 2012/13 Status quo in Europa è Business Intelligence: Status quo in Europa Europäische bima -Studie 2012/13 Mai 2013 Autoren Dr. Carsten Dittmar Senior Manager Volker Oßendoth Principal Consultant Klaus-Dieter Schulze Senior Executive Manager Die diesjährige bima-studie entstand mit Unterstützung des Business Application Research Center (BARC) Die in dieser Studie dargestellten Informationen und Bilder sind urheberrechtlich geschützt. Sämtliche Rechte bleiben vorbehalten. Jegliche Weitergabe der Texte oder Bilder an Dritte ist ungeachtet der zum Einsatz kommenden Vorgehens weise ohne vorherige schriftliche Genehmigung von Steria unzulässig und rechtswidrig. Alle im Text genannten Produktnamen sind eingetragene Warenzeichen beziehungsweise Warenzeichen ihrer Hersteller. Änderungen, Irrtümer und Druckfehler vorbehalten.

3 è bima 2012/13 Status quo in Europa 03 Inhalt Vorwort 5 1 Management Summary 7 2 Zielsetzung, Methodik und Demografie 11 3 Datenqualität bleibt Kernherausforderung Trend Big Data noch nicht angekommen 15 4 Das Reifegradmodell auf einen Blick bimm 21 5 Status quo der Reifegrade von Business-Intelligence-Landschaften 29 6 Fachliches Potenzial von BI-Lösungen wird nur unzureichend gehoben 35 7 Organisatorische Versäumnisse immer noch erkennbar 45 8 Technisch flexiblen BI-Lösungen gehört die Zukunft 57 9 Fazit und Handlungsempfehlungen Anhang: Das Reifegradmodell im Detail 68

4 04 bima 2012/13 Status quo in Europa è

5 è bima 2012/13 Status quo in Europa 05 Vorwort Die vorliegende Studie steht dieses Jahr ganz im Zeichen der Big-Data-Hysterie, die wir derzeit im Markt erleben. Aktuell gibt es kaum einen Be griff, der in den verschiedensten Print- oder Online-Medien einen so großen Widerhall findet. Big Data muss dabei als Synonym für alles herhalten, was den Umgang mit exponentiell wachsenden Datenmengen betrifft, die immer häufiger aktu alisiert werden und aus immer heterogeneren Quellen stammen. Die Diskussion geht dabei längst über die bisher üblichen Spezialpublikationen oder Fachkonferenzen hinaus. Insbesondere in der Wirtschaftspresse lassen sich eine Vielzahl von Artikeln finden, die die Potenziale hinter den riesigen Datenmengen aufzuzeigen versuchen. Auch Berater sowie Soft- und Hardwarehersteller versprechen den Unternehmen, mit neuen Angeboten und Technologien den schon vielfach versprochenen Informationsschatz endlich zu heben. Wie auch in den vorangegangenen Studienauflagen zeigt die aktuelle bima -Studie, wo die Unternehmen heute wirklich stehen, wie sie die Marktentwicklung bewerten und was sie als aktuelle und zukünftige Herausforderungen für sich sehen. Nach 2004, 2006 und 2009 liegt die vierte bima - Studie vor. Dabei kommen die Teilnehmer erstmals nicht nur aus dem deutschsprachigen Raum, sondern aus 20 europäischen Ländern. Mit mehr als 650 Teilnehmern hat sich die Studie zu einer der größten zum Thema Business Intelligence in Europa entwickelt. Solide methodische Grundlage für die Studie sind, wie auch in den vergangenen Jahren, das von Steria Mummert Consulting entwickelte Business Intelligence Maturity Model (bimm ) und das Business Intelligence Maturity Audit (bima ). Vor 10 Jahren entwickelt und in unzähligen Kundenprojekten optimiert stellen das Modell und das Audit eine strukturierte Analyse und die Vergleichbarkeit der Studienergebnisse über die Zeit sicher. Wir wünschen Ihnen viele gute Ideen und neue Erkennt nisse bei der Lektüre unserer bima -Studie 2012/13 und freuen uns auf die Diskus sion mit Ihnen. Dr. Fritz Moser Chief Executive Officer Klaus-Dieter Schulze Senior Executive Manager Enterprise Information Management

6 06 bima 2012/13 Status quo in Europa è

7 è bima 2012/13 Status quo in Europa 07 1.Management Summary Durch die breite Diskussion um Big Data steht Business Intelligence (BI) erneut im Fokus der öffentlichen Wahrnehmung. Grund genug, mittlerweile zum vierten Mal die Entwicklung und den aktuellen Stand des BI-Marktes in der bima -Studie zu erheben und transparent zu machen. Neben der Einordnung in ein BI-spezifisches Reifegradmodell identifiziert diese BI-Anwenderstudie aktuelle wie zukünftige Herausforderungen und Trends, wie Unternehmen ihre Mitarbeiter mit entscheidungsrelevanten Informationen versorgen können und zwar jenseits der Versprechungen der Hochglanzbroschüren der Hersteller von BI-Lösungen. In der Vergangenheit konzentrierte sich die bima -Studie auf deutschsprachige Länder. Für die bima -Studie 2012/13 wurde der Untersuchungsraum erstmals auf Europa ausgedehnt. Mit mehr als 650 Teilnehmern aus 20 Ländern bei einer sehr breit gefächerten Branchenverteilung gehört die bima -Studie 2012/13 zu den größten europäischen Untersuchungen zum Thema Business Intelligence. Methodische Basis bilden das Business Intelligence Maturity Model (bimm ), ein im Markt etabliertes und akzeptiertes BI-spezifisches Reifegradmodell, sowie die darauf aufbauende Analysemethode Business Intelligence Maturity Audit (bima ). Beide Instrumente wurden vor der Studiendurchführung aktualisiert und berücksichtigen damit die neusten Marktentwicklungen. Das Reifegradmodell bimm sieht dabei fünf Reifegradstufen vor und betrachtet BI ganzheitlich aus den Untersuchungsperspektiven Fachlichkeit, Organisation und Technik.

8 08 bima 2012/13 Status quo in Europa è Die ganzheitlich an Unternehmenszielen ausgerichtete Evolution der BI- Initiativen hat ihre Dynamik verloren. Das Thema Datenqualität wird nach wie vor sowohl technisch wie auch organisatorisch nur unzureichend adressiert. 1.1 Aktuelle Reifegradentwicklung Seit der ersten Studie 2004 gehen Unternehmen deutlich professioneller mit dem Thema BI um. Isolierte Einzelinitiativen sowie sich anschließende Standardisierungs- und Harmonisierungsinitiativen haben dazu beigetragen, BI als kritischen Erfolgsfaktor in den Unternehmen zu positionieren. Das Plus an Popularität der BI sorgt jedoch dafür, dass die Anforderungen komplexer werden. Das stellt die etablierten Strukturen vor technische und organisatorische Herausforderungen, die einen tiefgreifenden Paradigmenwechsel erfordern. Dieser ist in der Praxis noch nicht erfolgt. Die bima -Studie 2012/13 bestätigt diese Sicht, indem sie eine Stagnation vieler BI-Landschaften auf Stufe drei (Informationsintegration) bzw. das Nichterreichen der Stufe vier (Information Intelligence) aufzeigt. Ein Ländervergleich offenbart, dass sich die Reifegrade der BI-Landschaften in Europa kaum unterscheiden. 1.2 Hot Spot 1: Datenqualität Datenqualität ist für 38 Prozent der Unternehmen die zentrale Herausforderung im BI- Umfeld. Die mangelhafte Ausgestaltung der Data Governance ist ein wesentlicher Faktor dafür, dass sich seit der letzten Studie keine signifikante Verbesserung der Datenqualität eingestellt hat. Weiterhin existieren zu wenig standardisierte Prozesse und Verantwortlichkeiten, um die Datenqualität sicherzustellen. So gibt es in 34 Prozent der Unternehmen keinen geregelten Prozess für ein Datenqualitätsmanagement, und 31 Prozent geben an, Datenprobleme eher zufällig zu identifizieren. 28 Prozent der Unternehmen halten das Datenqualitätsniveau für intransparent und inhomogen. Allein Deutschland, Österreich und die Schweiz stechen hier hervor. Die BI- Nutzer in der so genannten DACH-Region bewerten die Datenqualität im Durchschnitt als gut bis befriedigend (2,57). In den anderen europäischen Ländern fällt das Urteil dagegen erheblich schlechter aus. Dort empfinden die Unternehmen die Qualität ihrer Daten lediglich als ausreichend (3,6 3,8). Insbesondere Stamm- und Metadatenma nagement werden stiefmütterlich behandelt. Ein dediziertes Stammdatenmanagement, das für aktuelle und konsistente Kunden-, Lieferanten- und Produktdaten sorgt, ist in 38 Prozent der Unternehmen gar nicht vorhanden. Das BI-Thema hat offensichtlich doch noch nicht die gefühlte Bedeutung, damit BI-Bedürfnisse tatsächlich in den operativen Systemen hier im Stammdatenmanagement berücksichtigt werden. Transparenz hinsichtlich der Verfügbarkeit und Qualität der Daten fehlt unter anderem auch, weil eine Verknüpfung von fachlichen und technischen Metadaten nicht möglich ist oder entsprechende Metadaten nicht konsistent und abgestimmt vorliegen. Insgesamt stellt die Datenqualität damit die Achillesferse für BI dar, da mangelhafte Daten jegliche auf ihnen beruhende Entscheidungen und Investitionen in Frage stellen. 1.3 Hot Spot 2: Organisation Bei 50 Prozent der befragten Unternehmen mangelt es an einer dedizierten BI-Strategie. Sie ist eine wesentliche Voraussetzung für die nachhaltige Ausrichtung der BI-Aktivitäten an den Unternehmenszielen und bedeutet die Abkehr von einem eher isolierten, projektge- Fehlende BI-Strategie und BI- Governance verhindern ganzheitlichen Ansatz.

9 è bima 2012/13 Status quo in Europa 09 triebenen Vorgehen. Daneben geben 70 Prozent der Studienteilnehmer an, keine etablierte BI-Governance in ihrem Unternehmen zu besitzen. Damit fehlt eine ganzheitliche Koordination der BI-Aktivitäten. Zudem betrachten die befragten Unternehmen ihre Projektergebnisse in Bezug auf Qualität und Informationsangebot oftmals als unbefriedigend im Vergleich zur Erwartungshaltung sowie zur getätigten Investition. BI-Spezifika werden zu selten in der Organisation berücksichtigt. Viele Unternehmen ignorieren den integrativen und übergreifenden Charakter der BI. Sie nutzen im BI-Kontext die in der IT vorhandenen Standardstrukturen und -prozesse, was allenfalls zu lokalen Optimierungen führt. Beispielsweise setzen 44 Prozent der befragten Unternehmen auf das allgemeine Anforderungsmanagement der IT. Ebenso kommt in der Regel kein BI-spezifisches Vorgehensmodell in der BI-Entwicklung zum Einsatz. Und auch die Kosten für BI-Projekte sind häufig lediglich pauschal als Teil des IT-Budgets ausgewiesen. Damit wird den Besonderheiten von BI keine Rechnung getragen, was in der Regel zulasten wesentlicher Anforderungen der Anwender geht, die sich (abteilungs-)übergreifende Konsistenz, Flexibilität und Agilität wünschen. 1.4 Hot Spot 3: Flexibilität Hohe Relevanz von Self-Service-BI und agilen Entwicklungsmethoden, aber niedrige Zielerreichung bei Agilität. Die vorhandenen BI-Systeme bieten vielfach nicht die Flexibilität, um zeitnah auf Änderungen im Marktumfeld und daraus resultierende neue Anforderungen reagieren zu können. Self-Service-BI-Funktionalitäten (51 Prozent) und agile Entwicklungsmethodiken (30 Prozent) besitzen demzufolge eine hohe Relevanz. Aber gerade in Sachen Agilität sehen Unternehmen noch erheblichen Nachholbedarf. Die steigende Anzahl von Anwendergruppen und die damit wachsende Heterogenität der Anforderungen sowie der Wunsch der Anwender, deutlich schneller, fokussierter und individueller mit Informationen zum Teil auch auf der feinsten Granularitätsstufe versorgt zu werden, erhöhen den Druck auf die Unternehmen, Reifegradstufe vier zu erklimmen. Denn dieses Level ermöglicht deutlich dezentralere Ansätze im Vergleich zu den klassischen Paradigmen. Die wachsenden Anforderungen an die BI-Systeme sorgen dafür, dass Unternehmen das angestrebte Ideal der physischen Integration der Daten im Sinne eines Single Point of Truth in einem Enterprise Data Warehouse (EDWH) kaum umsetzen können. Die geforderte Agilität auf Anwenderseite führt teilweise zur isolierten Erhebung und Umsetzung von Anforderungen. Die Folge sind Dateninseln im Kontext von Self- Service-BI-Werkzeugen oder die BI-Landschaft ergänzende Sandboxes (aktuelle Nutzung 13 Prozent; geplante Nutzung 27 Prozent).

10 10 bima 2012/13 Status quo in Europa è BI-Landschaften verändern sich zu einem Analytical Ecosystem. Als Konzept zur Flexibilisierung der Architektur bei Wahrung der Integration setzen Unternehmen zunehmend auf Virtualisierung (Anstieg von 15 auf 23 Prozent der Unternehmen). Dies ist eine der wenigen technischen Möglichkeiten, eine dispositive BI-Landschaft als ein logisches System aufrechtzuerhalten, während die Daten im Sinne eines Analytical Ecosystem physisch in einer wachsenden Zahl verschiedener technischer Plattformen abgelegt sind. Gerade In-Memory-Datenbanken (Einsatz von 33 auf 66 Prozent gewachsen), aber auch Analytical Appliances (von 15 auf 32 Prozent) und NoSQL-Datenbanken (von 7 auf 22 Prozent) spielen technologisch in Zukunft als eine Ausprägung so genannter Analytischer Plattformen eine größere Rolle. Sie werden durch ihren vielfältigen und fokussierten Einsatz innerhalb einer verteilten dispositiven Landschaft traditionell gültige Architekturparadigmen weiter in Frage stellen. Zum einen lässt das Spektrum der genannten Einsatzszenarien keine klaren Favoriten erkennen, zum anderen ist der am häufigsten (28 Prozent) genannte Anwendungsfall ein tieferes und präziseres Geschäftsverständnis die definitorische Grundidee der BI und kein Big-Data-spezifischer Trend. Interessant ist in diesem Zusammenhang, dass sich Mitarbeiter aus dem Fachbereich im Vergleich zu IT-Mitarbeitern deutlich mehr von Big Data versprechen. Die Ergebnisse der Studie dienen zum einen als Basis für einen Best-in-Market- oder Bestin-Industry-Benchmark. Zum anderen werden konkrete Handlungsempfehlungen geliefert, wie man sich als BI-Verantwortlicher gegenüber alten und neuen Herausforderungen und Trends aufstellen sollte, um jeweils den optimalen Mix im Zielkonfliktdreieck zwischen Kosten, Flexibilität und Qualität für die eigene BI-Initiative abzuleiten. Nutzen Sie die Studie als Benchmark, um Ihre eigene BI-Strategie zu hinterfragen und weiterzuentwickeln. 1.5 Zukunftsthema Big Data Big Data ist mehr fachliche als technische Herausforderung. Für die überwiegende Mehrheit der Unternehmen in Europa hat das Zeitalter von Big Data noch nicht begonnen. Nur 7 Prozent der Unternehmen stufen Big Data für sich als sehr relevant ein. Technisch werden insgesamt geringe Herausforderungen hinsichtlich typischer Big-Data-Themen wie Realtime-Daten (9 Prozent), Datenvolumen (8 Prozent) oder polystrukturierte Daten (4 Prozent) gesehen. Offensichtlich fehlen für Big Data zurzeit noch die überzeugenden Anwendungsfälle.

11 è bima 2012/13 Status quo in Europa 11 Methodik 2.Zielsetzung, und Demografie Business Intelligence bezeichnet die Sammlung, Aufbereitung und Bereitstellung von Daten zur Kontrolle, Steuerung und Planung von Organisationen. 2.1 Definition und Zielsetzung Business Intelligence (BI) ist seit vielen Jahren ein etabliertes Thema in der Welt der Informationsverarbeitung, unter dem längst nicht mehr nur eine technische Lösung zum vergangenheitsorientierten Standard-Reporting verstanden wird. Das Anwendungsspektrum von BI ist kontinuierlich gewachsen, als Folge sind in der Regel komplexe BI-Landschaften in den Unternehmen entstanden. Gerade die intensive Diskussion um Big Data und Analytics zeigt, dass die Suche nach relevanten Informationen in der Flut der Datenmassen zur Herausforderung wird. BI bleibt damit ein Thema mit Top-Priorität für CIOs, CFOs und CMOs. Die bima -Studie 2012/13, die nun erstmals den gesamten europäischen Raum betrachtet, ist nach 2004, 2006 und 2009 mittlerweile die vierte Erhebung, die Entwicklung und Status quo des BI-Anwendermarktes untersucht. Darüber hinaus werden die aktuellen und zukünftigen Herausforderungen und Trends für die Unternehmen hinsichtlich der Versorgung ihrer Mitarbeiter mit Informationen identifiziert. Die diesjährige Studie führte Steria Mummert Consulting in Zusammenarbeit mit dem Business Application Research Center (BARC) durch. Die methodische Grundlage bilden, wie in den Studien zuvor, das von Steria Mummert Consulting entwickelte Reifegradmodell bimm (Business Intelligence Maturity Model) und die darauf aufbauende Analysemethode bima (Business Intelligence Maturity Audit). Die Beschreibung der Reifegradstufen wurde unter Berücksichtigung nachhaltiger Marktentwicklungen und von Erfahrungen aus Kundenprojekten vor Studiendurchführung aktualisiert sowie um Analysen zu den Übergängen zwischen den Stufen ergänzt. Der Fragebogen für die bima - Studie 2012/13 umfasst die wesentlichen inhaltlichen Elemente des bima mit seinen unterschiedlichen Untersuchungsfeldern. Der zugrunde liegende Kriterienkatalog wurde so komprimiert, dass für das Studienergebnis die Reifegrade der BI-Lösungen in den drei Perspektiven des bimm (Fachlichkeit, Organisation und Technik) ermittelt werden können. 2.2 Demografie Die Online-Anwenderumfrage wurde von November 2012 bis Januar 2013 in Europa durchgeführt. Die Befragung wurde von Steria Mummert Consulting und BARC über eigene sowie weitere Kanäle von Partnern beworben. Zudem wurden Teilnehmer über soziale Netzwerke, themenbezogene Websites, verschiedene Newsletter (TDWI, BeyeNetwork) und Tagungen akquiriert. Insgesamt umfasste der Fragebogen 41 Fragen, die als Single Choice und Multiple Choice gestellt wurden. Bewertungen der Relevanz und Zielerreichung wurden auf einer Skala von 1 (niedrig) bis 5 (hoch) durchgeführt.

12 12 bima 2012/13 Status quo in Europa è Mit über 650 Teilnehmern eine der größten europäischen Studien zu BI. Unternehmen aus allen Branchen. Insgesamt beteiligten sich 668 Teilnehmer im europäischen Raum an der Erhebung. 47 Prozent stammen aus der Region Deutschland, Österreich, Schweiz (DACH-Region), 18 Prozent aus Frankreich, 13 Prozent aus Großbritannien, 10 Prozent aus Skandinavien und 8 Prozent aus Polen (vgl. Abb. 1). Da einige Fragestellungen lediglich optional beantwortet werden mussten, kann die Grundgesamtheit je Frage von der Gesamtzahl der Studienteilnehmer abweichen. Wie in den Vorgängerstudien konnte eine breit gefächerte Branchenverteilung der Studienteilnehmer erreicht werden (vgl. Abb. 2). Besonders häufig sind der IT-Sektor (22 Prozent), die Fertigung (18 Prozent) und der öffentliche Sektor (13 Prozent) vertreten. Unter der Kategorie Sonstige wurden beispielsweise Baugewerbe, Immobilienwesen, Verlagswesen und Recht genannt. Der hohe Prozentsatz für den IT-Sektor kommt vor allem dadurch zustande, dass Berater, die für ihre Kunden antworteten, sich dieser Branche zuordneten. Die Unternehmensgrößen nach Mitarbeiteranzahl (Abb. 3) wie auch Jahresumsatz (Abb. 4) offenbaren eine relativ homogene Verteilung. Damit deckt diese Studie die verschiedenen Unternehmensgrößen repräsentativ ab. Eine Betrachtung der Herkunft der Studienteilnehmer nach Unternehmensbereichen spiegelt ein ausgeglichenes Verhältnis zwischen IT und Fachbereich wider (vgl. Abb. 5). Des Weiteren wurden die Befragten gebeten, den Wirkungsbereich zu nennen, für den sie Auskunft erteilen. Nur 13 Prozent der Befragten beziehen sich in ihrer Antwort auf ihre Abteilung, die große Mehrheit nimmt hingegen eine Sparten- oder sogar Konzern- bzw. Unternehmenssichtweise an. Deshalb basieren die weiteren Analysen auf der Annahme einer Gesamtunternehmenssicht. Unternehmen aus allen Größenklassen. Gleichverteilung zwischen IT und Fachbereich. 10 % Skandinavien 8 % Polen 13 % Großbritannien 4 % Österreich 3 % Schweiz 3 % Sonstige 18 % Frankreich 40 % Deutschland 3 % Telekommunikation 4 % Versorgung 5 % Transport 5 % Versicherungen 7 % Banken 7 % Handel 8 % Dienstleistungssektor 7 % Sonstige 22 % IT 13 % Öffentlicher Sektor 18 % Fertigung Abb. 1: Länderverteilung (n = 668) Abb. 2: Branchenverteilung (n = 668)

13 è bima 2012/13 Status quo in Europa % Mehr als % Bis % % Abb. 3: Unternehmensgröße (Mitarbeiterzahl) (n = 580) Aktuellen Einschätzungen von BARC-Analysten zufolge entwickeln sich die IT-Budgets für 2013 im Rahmen der gesamtwirtschaftlichen Situation in Europa stagnierend bis moderat (< 3 Prozent). Das BI-Budget beträgt in der Regel bis zu ein Fünftel des IT-Budgets; mit Kürzungen für Investitionen in Datenmanagement, Analyse, Reporting und Planung ist nicht zu rechnen. Vermehrte Investitionen in Self-Service- Werkzeuge, aber auch Datenmanagementkomponenten wie Analytische Plattformen werden aktuell und in Zukunft getätigt werden. Aus Abb. 6 geht das Gesamtbudget für BI in den Unternehmen hervor. Interessant ist, dass große Unternehmen mit über Mitarbeiter signifikant höhere Budgets für BI bereitstellen. 15 % Mehr als 5 Mrd. 22 % Bis 5 Mio. 14 % Sonstige 14 % 1 5 Mrd. 5 % 5 10 Mio. 10 % Leiter BICC 40 % IT 9 % 0,5 1 Mrd. 15 % Mio. 8 % Mio. 11 % Mio. 35 % Fachbereich Abb. 4: Unternehmensgröße (Jahresumsatz) (n = 533) Abb. 5: Studienteilnehmer nach Unternehmensbereich (n = 479)

14 14 bima 2012/13 Status quo in Europa è Mehr als % 12 % 38 % 12 % 15 % % 21 % 36 % 4 % 2 % % 18 % 13 % 2 % 2 % Bis % 8 % 7 % 1 % 0 % 20 % 40 % 60 % 80 % 100 % Bis 0,5 Mio. 0,5 1 Mio. 1 5 Mio Mio. Über 10 Mio. Abb. 6: Gesamtbudget für BI nach Unternehmensgröße (Mitarbeiterzahl) (n = 459) Unternehmen investieren zunehmend in neue Software und Hardware und weniger in die Fortentwicklung bestehender Lösungen. Die durchschnittliche Verteilung des BI- Budgets zeigt, dass zirka ein Drittel des Budgets für die (Weiter-)Entwicklung der Lösung verwendet wird (vgl. Abb. 7). Im Vergleich zu 2009 ist in diesem Bereich in der DACH- Region eine Abnahme von 15 Prozentpunkten zu verzeichnen. Unternehmen dieser Länder scheinen hier erfolgreich Kosten eingespart zu haben. Während die anteiligen Ausgaben für den Betrieb ungefähr gleich geblieben sind, haben die Ausgaben für Software in der DACH-Region von 13 auf 24 Prozent zugenommen. Es steht zu befürchten, dass aufgrund unkoordinierter Investitionen in Software die BI-Landschaften noch heterogener und komplexer werden. Gestiegene Hardwareinvestitionen besonders durch den vermehrten Einsatz von Appliances können als Versuch interpretiert werden, dem Bedarf nach einer gestiegenen Performance gerecht zu werden (siehe Kapitel 3 und 8) (insgesamt) 21 % 26 % 24 % 30 % 2012 (DACH-Region) 19 % 24 % 24 % 32 % 2009 (DACH-Region) 15 % 13 % 25 % 47 % 0 % 20 % 40 % 60 % 80 % 100 % Hardware Software Betrieb (Weiter-)Entwicklung Abb. 7: Budgetverteilung insgesamt und in der DACH-Region

15 è bima 2012/13 Status quo in Europa 15 bleibt Kernherausforderung Trend Big Data 3.Datenqualität noch nicht angekommen Die Erwartungen an den operativen und wirtschaftlichen Nutzen von BI-Systemen sind in den letzten Jahren erheblich gestiegen. Dynamische und globale Märkte machen es den Unternehmen schwer, verlässlich und nachhaltig zu planen sowie rechtzeitig wirtschaftliche Risiken und Chancen zu erkennen. Um dieser Situation Herr zu werden, bieten sich im BI-Umfeld eine ganze Reihe mehr oder weniger neuer Technologien an: Social-Media-Analysen, Operational BI, Self-Service-BI und Big-Data-Technologien sind nur einige Beispiele. Dieses Kapitel identifiziert die Herausforderungen und Trendthemen, die nicht nur die Diskussion bestimmen, sondern von den Unternehmen tatsächlich in Angriff genommen und umgesetzt werden. Welches sind die größten BI-Herausforderungen, denen Unternehmen tagtäglich begegnen? Von welchen Trends versprechen sich die Unternehmen den größten Nutzen? Wie steht es um die Umsetzung? Existieren im BI-Umfeld bestimmte Paradigmen? Oder zeichnet sich zukünftig gar ein Paradigmenwechsel ab?

16 16 bima 2012/13 Status quo in Europa è men haben ein Datenproblem. Unternehmen bekommen seit Jahren die gleichen Herausforderungen nicht in den Griff. 38 % der Unterneh- Tabelle 1 zeigt die derzeit größten BI-Herausforderungen für Unternehmen. Mit 38 Prozent stellt die unzureichende Datenqualität das größte Problem dar. Der Mangel an einer allgemein akzeptierten BI-Strategie (33 Prozent) sowie das Fehlen adäquater Prozesse und Verantwortlichkeiten für BI (21 Prozent) bilden weitere Kernherausforderungen. Es besteht dabei ein Zusammenhang zwischen der schlechten Datenqualität und dem Fehlen standardisierter Prozesse. So zeigt eine nähere Analyse, dass die Teilnehmer, die angeben, keinen geregelten Prozess für ein Datenqualitätsmanagement (DQM) zu besitzen, sehr viel häufiger Datenqualität als Herausforderung (40 Prozent) nennen als diejenigen, die angeben, dass verbindliche Standards und Richtlinien für die Erfassung und Pflege von Daten (24 Prozent) existieren. Dieser Zusammenhang findet sich gleich an mehreren Stellen innerhalb dieser Studie wieder. Ferner macht den Unternehmen eine fehlende interne BI-Kompetenz zu schaffen. So geben 24 Prozent der Unternehmen an, dass interne BI-Expertise nicht in ausreichendem Maße BI-Experten sind nach wie vor Mangelware. Insgesamt <5 TB 5 10 TB TB TB > 100 TB Unzureichende Datenqualität Keine allgemein akzeptierte BI-Strategie vorhanden Interne BI-Expertise steht nicht in ausreichendem Maße zur Verfügung Hohe Komplexität der BI-Systemlandschaft Kein BI-Sponsor im Top-Management Keine adäquaten Prozesse und Verantwortlichkeiten für BI vorhanden BI bietet keine unternehmensweite konsistente Sicht Mangelnde Flexibilität in der Umsetzung von Anforderungen BI-Systeme werden von den Anwendern nicht angenommen Mangelnde Performance der Reportingund Analysetools Kosten und Nutzen stehen in keinem angemessenen Verhältnis Unzureichende Funktionalitäten aus Anwendersicht (Near-)Realtime-Anforderungen werden nur unzureichend unterstützt Skalierungsmöglichkeiten hinsichtlich stark anwachsender Datenvolumina Mangelnde Unterstützung für polystrukturierte Datentypen 38 % 38 % 43 % 34 % 24 % 38 % 33 % 41 % 32 % 32 % 41 % 44 % 24 % 31 % 18 % 30 % 31 % 6 % 23 % 19 % 15 % 34 % 31 % 38 % 21 % 23 % 28 % 26 % 17 % 19 % 21 % 24 % 18 % 19 % 21 % 19 % 19 % 20 % 22 % 26 % 14 % 13 % 17 % 14 % 15 % 17 % 10 % 19 % 17 % 20 % 17 % 8 % 7 % 6 % 14 % 13 % 13 % 10 % 12 % 10 % 8 % 13 % 21 % 14 % 25 % 0 % 10 % 5 % 13 % 13 % 17 % 13 % 9 % 11 % 8 % 4 % 14 % 6 % 8 % 6 % 7 % 8 % 17 % 13 % 4 % 4 % 2 % 8 % 0 % 6 % Tab. 1: Größte Herausforderungen für Business Intelligence nach Datenvolumen (n = 474)

17 è bima 2012/13 Status quo in Europa 17 Zielerreichung Analytical Opera- Databases/ Logical Data tional BI Platforms Warehouse Visual Analysis BI-Governance Data Discovery Tools Self-Service-BI Open Source BI Tools (search) Collaborative BI Big Agile BI BI in the Cloud/SaaS Data Mobile BI Localization/Geo Social Network Intelligence Analysis/Social Media Analysis Relevanz Abb. 8: Relevanz und Zielerreichung von BI-Trends, Skala von 1 (niedrig) bis 5 (hoch) (n = 470) Die meisten der viel diskutierten Themen sind in der Realität noch nicht angekommen. Das Big-Data- Zeitalter lässt noch auf sich warten Volume, Variety und Velocity werden noch nicht als relevante Herausforderungen gesehen. zur Verfügung steht. Es ist nicht sehr verwunderlich, dass ein Mangel an BI-Experten herrscht, da sie ein sehr breites Spektrum an Kenntnissen und Fähigkeiten mitbringen müssen. Im Idealfall verfügen sie über analytische Methodenkenntnisse sowie technisches Know-how und besitzen zugleich ein fundiertes Verständnis für geschäftliche Zusammenhänge. Da selten eine einzige Person all diese Fähigkeiten besitzt, sollten Unternehmen über Business Intelligence Competence Center (BICC) nachdenken, die sämtliche Kenntnisse und Fähigkeiten in einem Team integrieren. Nicht minder interessant gestaltet sich der Blick auf die Herausforderungen, die die Unternehmen nicht oder noch nicht erreicht haben. Dies gilt insbesondere für das Thema Big Data. Neben großen Datenvolumina (Volume) geht es bei Big Data auch um den Umgang mit verschiedenartigen, polystrukturierten Daten (Variety) sowie möglichst in Echtzeit ablaufende Datenbereitstellungen und -auswertungen (Velocity), die sich darüber hinaus auch noch durch eine hohe Änderungshäufigkeit auszeichnen. Überraschenderweise sind alle drei Herausforderungen bei den Unternehmen noch nicht angekommen. Skalierungsmöglichkeiten hinsichtlich stark anwachsender Datenvolumina stellen nur für 8 Prozent der Unternehmen ein ernsthaftes Problem dar. Allerdings betrifft dies vorrangig Unternehmen mit ohnehin sehr großen Datenmengen. Mangelnde Unterstützung für polystrukturierte Datentypen fordert nur 4 Prozent der Unternehmen heraus. Und auch (Near-)Realtime-Daten als Basis für Operational BI werden nur sehr selten als Problem genannt (9 Prozent). Dementsprechend stufen auch nur 7 Prozent der Teilnehmer Big Data als sehr relevant ein (Abb. 10). Der Blick auf die Herausforderungen in Abhängigkeit vom Gesamtdatenvolumen der BI-Landschaft offenbart einige interessante Zusammenhänge. Diese betreffen die Komplexität, die anwachsenden Datenvolumina, die Performance und die Anwenderakzeptanz. So steigt naturgemäß mit dem Datenvolumen auch die Komplexität der BI-Systemlandschaft. Da insbesondere diejenigen Unternehmen ein Problem mit steigenden Datenvolumina haben, die bereits größere Datenmengen verwalten, klagen sie auch öfter über eine schlechte Performance der BI-Lösung. Wenngleich diese Probleme mit der Größe und Komplexität der BI-Landschaft zunehmen, so trifft man dort dennoch auf eine erhöhte Anwenderakzeptanz. Dies hängt vermutlich damit zusammen, dass große und komplexe Systeme den Anwendern umfassendere Analysemöglichkeiten bieten bzw. dass aufgrund der Breite des Datenbestands auch für Sonderanalysen passendes Datenmaterial gefunden werden kann.

18 18 bima 2012/13 Status quo in Europa è Die meisten Trends wie Social-Media- Analysen oder BI aas sind in der Realität noch nicht angekommen. Derzeit setzen gleich eine ganze Reihe neuer Themen die BI-Welt in Bewegung. Über diese Themen wird viel geredet, die tatsächliche Relevanz und Umsetzungsquote ist jedoch noch limitiert, was sich an der gehäuften Ansiedlung im linken unteren Quadranten erkennen lässt. Durch den Abgleich von Relevanz und Zielerreichungsgrad verschiedener BI-Trends lassen sich aus den Ergebnissen der bima -Studie 2012/13 diejenigen Themen identifizieren, für die die Unternehmen den höchsten Handlungsbedarf sehen. Die Trends lassen sich in drei Gruppen einordnen, die in Abb. 8 gekennzeichnet sind. Die erste Gruppe umfasst Themen wie Social Media Analysis, BI as a Service (BI aas), Open Source und Localization Intelligence. Diese Themen werden in der Fachpresse stark diskutiert, haben aber momentan keine große Anwenderrelevanz und Verbreitung. Die zweite Gruppe umfasst das ausführlich in den Medien diskutierte Thema Big Data sowie weitere Themen wie Data Discovery Tools, Collaborative BI und Mobile BI. Für alle diese Themen, und Big Data im Besonderen, trifft zu, dass jeder darüber spricht, aber momentan noch wenige Anwendungsfälle vorhanden sind. Das derzeit wohl am heißesten diskutierte Thema Big Data erreicht lediglich eine mittlere Relevanz (2,45). Bei dieser Gruppe von Themen wird es sich in der nächsten Zeit entscheiden, ob sie den Sprung vom bloßen Schlagwort bis zur Umsetzung in der Realität schaffen. Die dritte Gruppe zeichnet sich sowohl durch eine relativ hohe Relevanz als auch eine hohe Zielerreichung aus. Themen wie Operational BI, Analytische Plattformen, Visual Analysis, BI-Governance, Self-Service-BI und Logical Data Warehouses werden in dieser Gruppe zusammengefasst. Die starke Nachfrage nach Operational BI zeigt, dass offensichtlich ein großer Bedarf existiert, operative Geschäftsprozesse besser mittels adäquater analytischer Informationen zu unterstützen bzw. zu automatisieren. Self-Service-BI hat ebenfalls einen großen Stellenwert, da die vorhandenen BI-Systeme offenbar keine ausreichende Flexibilität zur Bedienung kurzfristig auftretender Informationsbedürfnisse anbieten. Es zeigt sich, dass die historisch gewachsenen BI-Landschaften sowohl in technischer wie auch organisatorischer Hinsicht nur unzureichend der heutigen Dynamik der globalen Märkte gewachsen sind. Eine differenzierte Analyse der BI-Trends offenbart, dass die Fachbereiche sowohl die Relevanz als auch die Zielerreichung im Durchschnitt höher einschätzen als die IT. Der Fachbereich legt insbesondere bei den Themen BI in the Cloud (Fachbereich 2,1; IT 1,75), Analytische Plattformen (Fachbereich 3,26; IT 2,97) und Big Data (Fachbereich 2,83; IT 2,66) eine größere Erwartungshaltung an den Tag. BI as a Service bietet Anwendern vor allem mehr Flexibilität im Zugriff auf die Lösung und neue Funktionen, von Analytischen Plattformen versprechen sie sich kürzere Abfragezeiten bei zunehmend komplexeren Analysen und von Big Data ein tieferes Geschäftsverständnis. Eine BI-Governance ist für IT und Fachseite gleichermaßen wichtig (Relevanz Fachbereich 3,23; IT 3,33), wobei der Fachbereich die Zielerreichung geringfügig höher einschätzt (Fachbereich 2,83; IT 2,66). BI-Anwender wünschen sich zunehmend Technologien, die ihnen mehr Flexibilität und Self-Service-Funktionalitäten bieten. Fachbereiche haben eine höhere Erwartung an BI aas, Analytische Plattformen und Big Data als die IT.

19 è bima 2012/13 Status quo in Europa % TB 6 % Größer als 100 TB 19 % TB 44 % Kleiner als 5 TB 22 % 5 10 TB Abb. 9: Gesamtdatenvolumen der BI-Landschaft (n = 282) Große Datenvolumina sind kaum vorhanden. Das niedrige Gesamtdatenvolumen der BI-Landschaften (vgl. Abb. 9) belegt die noch geringe Relevanz von Big Data im Unternehmensalltag. So haben nur 16 Prozent der Unternehmen ein Gesamtdatenvolumen von mehr als 50 Terabyte, mit denen man Big Data gemeinhin assoziiert. Die meisten Firmen speichern deutlich kleinere Datenmengen. Der Großteil lagert gar weniger als 5 Terabyte in seinen dispositiven Datenbanken (44 Prozent). Es ist jedoch davon auszugehen, dass die Datenvolumina in der dispositiven Welt künftig deutlich anwachsen werden. Die Gründe sind länger werdende Datenhistorien, ein wachsender Bedarf an feingranularen Daten sowie neue, polystrukturierte Datenquellen. Immerhin halten rund 50 Prozent der Teilnehmer das Thema Big Data für relevant. Bezüglich des Geschäftsnutzens existieren jedoch keine klaren Favoriten. Vielmehr wird ein breites Spektrum an Einsatzmöglichkeiten gesehen. Das reicht von einem tieferen und präziseren Geschäftsverständnis über verbesserte Markttrendanalysen und Kundensegmentierungen bis hin zu einer verbesserten 100 % 80 % 60 % 40 % 20 % 0 % 1 (niedrig) 7 % 16 % 27 % 18 % 33 % Tieferes und präziseres Geschäftsverständnis 28 % Verbesserte Markttrendsanalysen 26 % Verbesserte Kundensegmentierung 26 % Verbesserte CRM-Kampagnen mit Big Data 26 % Erkennen von Verkaufs- und Marktchancen 25 % Erschließung neuer Geschäftsfelder 25 % Verbesserte Planung und Forecasting 23 % Verbesserte Risikoberechnung 21 % 5 (hoch) Früherkennung von Churn Identifikationen von Kostentreibern Betrugserkennung Automatisierte Entscheidungsunterstützung Verbesserte Clickstream-Analyse Verbesserte Fertigungsprozesse Sonstige 21 % 18 % 17 % 13 % 13 % 9 % 2 % 0 % 20 % 40 % 60 % 80 % 100 % Big Data bezeichnet Methoden und Technologien für die hochskalierbare Erfassung, Speicherung und Analyse polystrukturierter Daten. Abb. 10: Relevanz von Big Data, Skala von 1 (niedrig) bis 5 (hoch), und Nutzen durch Big-Data- Technologien (n = 428)

20 20 bima 2012/13 Status quo in Europa è Single Point of Truth (keine Datenredundanz) 3,81 4,03 Physische Integration in einem zentralen (Core) Data Warehouse Non-Volatilität von Daten (Unveränderlichkeit von Daten) Redundante Speicherung operativer Daten in dispositiven Systemen 3,21 3,19 3,48 3,49 3,40 3,52 One Vendor Strategy One Size Fits All 2,77 2,77 2,74 2, Relevanz heute Relevanz zukünftig Abb. 11: Relevanz von Paradigmen für BI-Systeme, Skala von 1 (niedrig) bis 5 (hoch) (n = 470) Neue fachliche Killer-Applikation für Big Data noch nicht vorhanden. Das traditionelle Paradigma der physischen Integration aller Daten innerhalb eines Single Point of Truth ist nach wie vor gefragt, scheitert aber an den komplexen Anforderungen. Planung. Die Nennung der Verbesserung des Geschäftsverständnisses zeigt, dass vor allem zentrale Versprechungen der BI nun auf Big Data projiziert werden und somit die neue fachliche Killer-Applikation für Big Data erst noch gefunden werden muss. Interessanterweise bezeichnen 30 Prozent der IT-Teilnehmer Big Data als Hype-Thema, aber nur 27 Prozent der fachseitigen Teilnehmer. Deutliche Unterschiede zeigen sich bei der Einschätzung der Bedeutung von Big Data für ein tieferes und präziseres Geschäftsverständnis (Fachseite 31 Prozent vs. IT 23 Prozent) sowie verbesserte Kundensegmentierungen (Fachseite 30 Prozent vs. IT 23 Prozent). Offenbar verbindet die Fachseite mit Big Data umfangreiche Analysen von Webdaten und sozialen Netzwerken, um so dem Ziel einer 360 -Kundensicht einen großen Schritt näher zu kommen. Die Herstellung eines Single Point of Truth ist für die Teilnehmer von außerordentlicher Bedeutung (vgl. Abb. 11). Die Herstellung einer einzigen Quelle der Wahrheit durch größtmögliche Redundanzfreiheit der Unternehmensdaten und Ablage an genau einer Stelle stellt für viele Unternehmen so etwas wie einen Heiligen Gral der BI dar, dessen Relevanz nach Meinung der Teilnehmer zukünftig sogar noch steigen wird. Interessant ist, dass die Anwenderunternehmen offensichtlich nach wie vor den traditionellen Paradigmen vertrauen und auch in Zukunft auf diese bauen, auch wenn diese in der Rückschau viele Versprechungen schuldig geblieben sind und sich eher als utopische Idealzustände erwiesen haben. Diese paradoxe Erkenntnis am Beispiel Single Point of Truth lässt sich konkret an den in Kapitel 8 beschriebenen Beobachtungen veranschaulichen. Dort zeichnet sich in den Unternehmen das Bild einer heterogenen Architektur aus Virtualisierung, verteilten Prozessen und kombinierten Repositories ab, das man als Analytical Ecosystem beschreiben kann. Die schon in der Vergangenheit vorhandenen Schwierigkeiten bei der Herstellung eines Single Point of Truth erfahren damit (noch einmal) eine weitere Verschärfung. Es verdichtet sich der Eindruck, dass Unternehmen hier einer unrealistischen Wunschvorstellung anhängen, die sich nur mit einem enormen Aufwand verwirklichen lässt. Ratsam wäre es, den Blick zukünftig auf flexiblere, der Situation angemessenere Lösungskonzepte für die Datenintegration zu richten.