Executive Summary. Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken

Transkript

1 Executive Summary Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken Eine explorative Studie des Lehrstuhls für Wirtschaftsinformatik und Electronic Government der Universität Potsdam in Zusammenarbeit mit SAS Institute GmbH Prof. Dr.-Ing. Norbert Gronau Dipl.-Kffr. Corinna Fohrholz Dipl.-Kffr. Nadja Weber Lehrstuhl für Wirtschaftsinformatik und Electronic Government Universität Potsdam August-Bebel-Str Potsdam info@lswi.de Telefon: Fax:

2 Hintergrund der Studie Die Potenziale und der Nutzen von Big Data werden seit geraumer Zeit aus unterschiedlichsten Perspektiven diskutiert. Der gemeinsame Tenor dieser Ausführungen ist, dass die Ausschöpfung von Big Data den Einsatz neuer Analyse- und Optimierungsmethoden erfordert. Diese werden unter dem Begriff Business Analytics zusammengefasst und ermöglichen Unternehmen, Fragestellungen wie Warum... oder Was passiert, wenn... nachzugehen. Darin liegen für Unternehmen wertvolle Gestaltungs-, Optimierungs- und Innovationspotenziale. Diese können nicht allein durch die Anwendung klassischer, überwiegend vergangenheitsorientierter Reportingsysteme (Business Intelligence), sondern durch die Nutzung von Analysen, Simulationen, Prognosen und Optimierungen (Business Analytics) erschlossen werden. Doch wie ist es in der deutschsprachigen Wirtschaft mit dem datenorientierten Entscheidungsverhalten von Unternehmen aufgestellt? Werden entsprechende Verfahren und Methoden des Business Analytics bereits genutzt? Welche Nutzenpotenziale können aus der aktuellen Datenverwendung erschlossen werden? Gibt es Unterschiede in den Branchen? Welche Wirtschaftlichkeitspotenziale sind durch den Einsatz von Business Analytics zu erwarten? Diesen und anderen Fragestellungen geht die Studie Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken des Lehrstuhls für Wirtschaftsinformatik und Electronic Government der Universität Potsdam nach. Die Umfrage wurde an mehr als 7000 Unternehmen aus den Branchen Banken, Handel, Manufacturing, Life Sciences sowie der Versicherungsbranche verschickt. Befragt wurden Manager der ersten und zweiten Führungsebene im deutschsprachigen Raum (Deutschland, Österreich, Schweiz). Neben der Onlinestudie wurden in den betrachteten Branchen Tiefeninterviews zur Einschätzung der Wirtschaftlichkeit von Business Analytics geführt, um das allgemeine Meinungsbild mit den Aussagen der Branchenexperten abzugleichen. Das vorliegende Summary bietet einen kompakten Überblick zu den zentralen Erkenntnissen der Studie für die gesamte DACH-Region als auch für die einzelnen Branchen. Die Aussagen beziehen sich dabei auf die Ergebnisse des Abschlussberichtes dieser Studie. 1

3 Erkenntnisse für Unternehmen der DACH-Region Keine Scheu vor Big Data und Business Analytics kann insbesondere dem Top Management deutschsprachiger Unternehmen zugeschrieben werden. Die Mitarbeiterebene verhält sich dagegen etwas zurückhaltender. Die fehlende Verankerung von Business Analytics in den Unternehmensstrukturen zeigt, dass die Führungsebene ihren Worten bisher zu wenig Taten folgen lässt. Bei fast einem Viertel der Unternehmen unterliegt Business Analytics keiner klaren Steuerung. Dies könnte eine Ursache sein, warum die Mitarbeiterebene eine etwas zurückhaltendere Einstellung gegenüber Business Analytics aufweist. Die Wirtschaft der DACH-Region ist sich der zentralen Bedeutung von Daten für den unternehmerischen Erfolg aber durchaus bewusst: die Fähigkeit, Geschäftsdaten für die Geschäftsentwicklung zu nutzen und auszuwerten, wirkt sich positiv auf den Erfolg und damit auf die Wettbewerbsfähigkeit eines Unternehmens aus. Ferner hat sich in der deutschsprachigen Wirtschaft ein eindeutiges Verständnis für Big Data gebildet: die Erfassung, Speicherung und Analyse polystrukturierter Daten. Rund zwei Drittel der Unternehmen verbinden mit dem Business Analytics nahen Thema Big Data immer noch die Auswertung vergangenheitsorientierter Daten und ordnen es damit auch dem Feld Business Intelligence zu. Nutzung von Big Data bleibt in den Unternehmen eingeschränkt. Die Vielfalt der genutzten Datenquellen ist zu gering, da bislang der Fokus auf strukturierten Daten aus klassischen Systemen wie ERP- oder CRM-Anwendungen liegt und unstrukturierte Daten aus Social Media und Websites kaum erschlossen werden. Auch die genutzte Datenmenge ist unzureichend: Erst 12% der deutschsprachigen Unternehmen nutzen mehr als 50% Prozent der ihnen zur Verfügung stehenden Datenmenge. Big Data erfordert Analysen in Echtzeit - auch hier können die Unternehmen den Anforderungen noch nicht gerecht werden. Fast die Hälfte aller Unternehmen schätzen die Zeitdauer zwischen der Analyseanfrage und dem vorliegenden Ergebnis als befriedigend oder ausreichend ein. 2

4 Die analytische Reife der DACH-Region zeigt auf, dass kaum Unterschiede zwischen Deutschland, Österreich und der Schweiz bestehen. Für alle drei Länder konnte das Reifegradlevel Ad-hoc berechnet werden. Die Unternehmen dieser Länder setzen Business Analytics eher spontan und individuell ein. Die Anwendung von Business Analytics weist noch keinen formalisierten Charakter auf, wenn auch die Unternehmensmitglieder für die Notwendigkeit und Bedeutung von Business Analytics bereits sensibilisiert sind. Fehlende Motivation sich mit neuen Analysemöglichkeiten auseinanderzusetzen wird mit rund 40% sehr häufig als Anwendungsbarriere für Business Analytics benannt. Weitere Ursachen für eine erschwerte Nutzung von Business Analytics sind die fehlende Kenntnis über die Möglichkeiten von Business Analytics, die auf ein fehlendes Schulungsangebot in den Unternehmen zurückgeführt werden kann. Auch fehlende Investitionen durch das Top Management verzögern eine ganzheitliche Analytics Anwendung. Bislang fokussieren die Investitionen der Geschäftsführung den Aufbau aber noch nicht den Ausbau einer Analytics- Infrastruktur. Ferner erschwert bzw. behindert die fehlende Verständlichkeit, der durch die aktuell genutzten Systeme aufbereiteten Analysemodelle, sowie auch die mangelnde Geschwindigkeit von Analyseergebnissen den Einsatz analytischer Verfahren. Durch diese Barrieren sind die Unternehmen noch nicht in der Lage, vollständig die Vorteile von Business Analytics auszuschöpfen. Reaktion statt Aktion denn die vergangenheitsorientierten Standard- und Ad-hoc Berichte, Abfragen und Alarme als klassische Business Intelligence Anwendungen sind in Unternehmen noch immer häufiger sehr oft oder oft im Einsatz als die dem zukunftsorientierten Business Analytics zuzuordnenden Analysen, Vorhersagen, Prognosen und Optimierungen. Diese kommen bei rund einem Viertel der befragten Unternehmen sehr selten oder gar nicht vor. Primär findet Business Analytics seinen Einsatz im Rahmen von Projekten. 3

5 Business Intelligence und auch Business Analytics kommen insbesondere in den Fachbereichen Finanzwesen, General Management sowie im Service und Vertrieb zum Einsatz. Es handelt sich dabei um Bereiche, in denen die mehrheitlich genutzten Datenquellen (ERP- und CRM-Systeme) generell besonders relevant sind, sodass die Vermutung nahe liegt, dass umfangreiche Analysen sowieso eher nur dort wirklich möglich sind. Konsequenterweise werden diese Fachbereiche auch am häufigsten als interne Datenquellen benannt. Die Datenqualität in Unternehmen wird mehrheitlich als gut oder befriedigend eingestuft. Diejenigen Unternehmen, die ihre Datenqualität als sehr gut einschätzen, sagen auch häufiger aus, dass die Datenpflege sehr oft oder oft stattfindet. Folglich ist die Datenaktualität ebenfalls tendenziell sehr gut oder gut. Ähnlich verhält es sich beim gegensätzlichen Qualitätsniveau. Unternehmen mit einer als mangelhaft eingestuften Datenqualität, sagen überwiegend aus, dass die Datenpflege eher projektbezogen oder selten stattfindet. Die Studie zeigt ferner, dass diese Unternehmen seltener organisationsweiten Zugang zu Daten haben. 4

6 Erkenntnisse für Banken & Versicherungen Die analytische Reife erreicht im Bankensektor das höhere Level Etabliert und liegt damit vor der Versicherungsbranche, die das Reifegradergebnis Ad-hoc erzielt. Banken verfügen damit bereits öfter über einen klar definierten Ablauf sowie Steuerung bei der Anwendung von Business Analytics. Der Umgang mit Business Analytics weist bereits eher einen formalisierten sowie erprobten Charakter auf. Versicherungen setzen Business Analytics dagegen eher spontan und individuell ein. Die Anwendung weist noch keinen formalisierten Charakter auf, wenn auch die Unternehmensmitglieder für die Notwendigkeit und Bedeutung von Business Analytics bereits sensibilisiert sind. Auch wenn beide Wirtschaftsfelder ihre Fähigkeit im Umgang mit Business Analytics durchschnittlich mit der Schulnote 3 einstufen, konnte für die Bankenbranche eine Tendenz ermittelt werden, dass die analytische Kompetenz bereits stärker aufgestellt ist. So nutzen Banken Business Analytics schon häufiger sehr oft oder oft als dies bei Versicherungsunternehmen der Fall ist. Es kann die Vermutung geäußert werden, dass Banken Business Analytics nicht nur reaktiv zur Lösung kritischer Geschäftssituationen anwenden. Rund 18% der Banken geben an, dass sich die BA-Kompetenz schnell weiterentwickelt. Diese Aussage wird im Versicherungsbereich von keinem Unternehmen getroffen. Business Analytics als Shared Services setzt sich in der Banken- und Versicherungsbranche durch. Das heißt Analysetools und Daten werden für die selbstständige Durchführung zentral bereitgestellt, sodass eine breite Nutzergruppe Zugang zu Analyseverfahren erhält. Die Ergebnisse daraus müssen verständlich aufbereitet werden, da nicht jeder Nutzer über ausgeprägte Analytics-Expertise verfügt. Banken und Versicherungen schätzen die Verständlichkeit von Analyseergebnissen mehrheitlich als gut oder befriedigend ein. 5

7 Business Analytics im Risikomanagement ist für Banken bereits heute und auch zukünftig von zentraler Bedeutung. Im Vergleich zu anderen Fachbereichen werden analytische Verfahren im Risikomanagement bereits häufiger genutzt. Banken sehen in diesem Bereich durch die Anwendung von Business Analytics auch wichtige Potenziale für die eigene Wirtschaftlichkeit, da regulatorische Anforderungen geprüft und damit Kontrollen auf ein nötiges Minimum reduziert werden können. Erschließung neuer Geschäftsfelder ist laut vorliegender Angaben für Versicherungsunternehmen auf Basis ihrer Geschäftsdaten möglich. Weiterhin scheinen die meisten dieser Unternehmen aus ihren aktuellen Analyseverfahren schon schnell auf Anforderungen in neuen Geschäftsfeldern reagieren zu können. Damit ist die Versicherungsbranche trotz des unzureichenden Einsatzes von Business Analytics hinsichtlich der Aufdeckung neuer Geschäftspotenziale mit der eigenen analytischen Leistung zufrieden. Aber: Wichtige Potenziale, die sich durch die erfolgreiche Analyse von Bewegungsdaten in Korrelation mit Preismodellen und Angeboten erschließen lassen, können bislang nur wenige Versicherungsunternehmen mit aktuellen Analysen für sich ausschöpfen. Hier zeigt sich die Erfordernis für Business Analytics. Schnelle Analysen sind in der Versicherungsbranche eher noch nicht die Regel. Die Time-to-Information, also die Zeitdauer zwischen einer Analyseanfrage und dem vorliegenden Analyseergebnis, wird von den Versicherungsunternehmen mehrheitlich als befriedigend eingeschätzt. 6

8 Business Analytics zur Steigerung der Kundenorientierung wird bei Banken im Gegensatz zu Versicherungen schon öfter angewendet. Über die Hälfte der Banken nutzen analytische Verfahren sehr oft oder oft, um das Nachfrageverhalten ihrer Kunden zu erfassen und damit die individuelle Ansprache effektiver und effizienter zu gestalten. Nur rund ein Viertel der Versicherungen teilt diese Einschätzung. Individualisierung scheint bereits stärker im Banken- als im Versicherungsbereich ein Thema zu sein. Geschäftsprozesse optimieren durch Konsolidierung und Monitoring. Die Potenziale durch Business Analytics in diesem Zusammenhang werden von den Banken verkannt. Die Hälfte der befragten Unternehmen nutzen Analysen, Simulationen, Prognosen und Optimierungen zur Erkennung von Konsolidierungsmöglichkeiten nur projektbezogen oder selten. Ähnlich verhält es sich bei der Überwachung von Prozessen. Business Analytics wird auch hier von der Hälfte der Bankunternehmen für das Prozessmonitoring nur regelmäßig oder im Rahmen von Projekten angewendet. Die Kultur der Banken trägt zur analytischen Fähigkeit bei da die naturgemäße Zahlenorientierung des Bankensektors sich im positiven Sinne im aktuellen Datenverhalten widerspiegelt. Die mehrheitlich als gut eingeschätzte Datenqualität in Bankunternehmen ermöglicht dieser Branche bzw. trägt dazu bei, dass Entscheidungen bereits verstärkt datenbasiert getroffen werden. Eine hohe Datenqualität ist die Grundlage, um Transparenz im Unternehmen zu schaffen. Der Aufbau einer hohen Datenqualität als Teil der Unternehmensstrategie ist insbesondere für Banken von zentraler Bedeutung. Im Branchenvergleich stimmen die Banken dieser Thematik für die eigene Unternehmung insgesamt am stärksten zu. Die mögliche Definition und Messbarkeit von Unternehmenszielen als Resultat hoher Transparenz ist im Bankenbereich schon sehr gut und weit verbreitet möglich. 7

9 Erkenntnisse für den Handel Die analytische Reife erreicht im deutschsprachigen Handel das Level Ad-hoc und zeigt damit auf, dass Handelsunternehmen Business Analytics eher spontan und individuell einsetzen. Die Anwendung von Analysen, Simulationen, Prognosen und Optimierung weist noch keinen formalisierten Charakter auf, wenn auch die Unternehmensmitglieder für die Notwendigkeit und Bedeutung von Business Analytics bereits sensibilisiert sind. Business Analytics in der Personalplanung ist im Handel kaum relevant. Denn Analysen, Simulationen, Prognosen und Optimierungen werden zur Planung von Personal häufiger Sehr selten oder Gar nicht angewandt, als es schon Sehr oft oder Oft für diese Zwecke zum Einsatz kommt. Auch der direkte Vergleich der Anwendung von Business Intelligence und Business Analytics im Fachbereich Personalwesen verdeutlicht, dass Business Analytics dort noch seltener genutzt wird. Auch in Zukunft scheint das Personalwesen für analytische Anwendungen im Handel keine Fokussierung zu erfahren. Den Kunden richtig verstehen erfordert die Nutzung von Daten aus direkten (z. B. Point of Sale, Webseiten) und indirekten (z. B. Social Media) Interaktionspunkten des Kundens mit dem eigenen Unternehmen. Doch die Anwendung von Daten aus Webseiten und Social Media fällt im Handel noch gering aus. Obwohl viele Handelsunternehmen bereits über eine Onlinepräsenz verfügen, scheinen sie die Daten daraus, für Analysezwecke noch nicht zu implementieren. Wichtige Informationen zum Kunden-verhalten können aus dem Social Media Bereich gewonnen werden, da in Foren und Blogs Multiplikatoren der Meinungsbildung angesiedelt sind - diese Potenziale werden im Handel nicht / kaum erfasst. 8

10 Den Kunden individuell ansprechen erfordert das Erkennen des Nachfrageverhaltens von Konsumenten sowie die Auswertung von Konsumentenmeinungen, um sich auf Basis dieser Informationen Transparenz über den Kunden zu verschaffen. Business Analytics Anwendungen helfen bei der Auswertung dieser zahlreichen und unstrukturierten Daten sowie dem Erkennen von Wirkungszusammenhängen. Der deutschsprachige Handel scheint vergleichbare Anwendungen schon oft und regelmäßig zur Erkennung des Nachfrageverhaltens einzusetzen. Die Auswertung von Konsumentenmeinungen durch Business Analytics findet dagegen etwas weniger oft oder regelmäßig statt. Insgesamt scheint der Handel aber die Potenziale von Business Analytics für die verbesserte und zielgerichtete Kundenerreichung zu erkennen. Marketingtrends wie Social Local Mobile sind hinsichtlich der aktuell genutzten Quellenvielfalt noch nicht im Handel angekommen. Hinzu kommt, dass die dafür notwendige Echtzeit-Analyse tendenziell noch nicht gegeben ist, da erst 39% der befragten Unternehmen die Auswertungszeit (Time-to-Information) als sehr gut oder gut einschätzen. 9

11 Erkenntnisse für die Industrie Die analytische Reife erreicht in der deutschsprachigen Industrie das Level Ad-hoc und zeigt damit auf, dass Industrieunternehmen Business Analytics eher spontan und individuell einsetzen. Die Anwendung von Analysen, Simulationen, Prognosen und Optimierung weist noch keinen formalisierten Charakter auf, wenn auch die Unternehmensmitglieder für die Notwendigkeit und Bedeutung von Business Analytics bereits sensibilisiert sind. Die deutsche Industrie ist nur in sehr geringem Umfang analytisch ausgeprägt. Die Aufstellung im Bereich Business Analytics wird mit ungenügend eingestuft und die Nutzung ist noch nicht unternehmensweit verbreitet. Die Potenziale von Business Analytics werden in der Industrie bereits erkannt. Die Betrachtung der zukünftig gewünschten Nutzenpotenziale durch die Datenanalysen verdeutlichen, dass die Unternehmen sich der Möglichkeiten umfassender Datenanalysen durchaus bewusst sind, aktuelle Analyseverfahren die volle Potenzialausschöpfung aber noch nicht ermöglichen. Denn die deutsche Industrie ist in der Nutzung von Analysemethoden noch sehr vergangenheitsorientiert ausgerichtet. Big Picture fast alle befragten Unternehmen nutzen weniger als die Hälfte der aktuell verfügbaren Unternehmensdaten für Analysezwecke. Die verwendeten Daten stammen zum Großteil aus ERP- und CRM-Systemen, teilweise von Sensor- und Maschinendaten aber kaum aus Quellen wie Social Media oder Webseiten. Die Integration externer Unternehmensdaten in die Auswertung bereitet den Industrieunternehmen große Probleme. Die verwendeten Daten stammen vornehmlich aus dem Bereich Finanzen, Logistik und Produktion. Weniger als 20% der befragten Unternehmen verwenden organisationsweite Daten. Die Integration interner Daten gelingt im Vergleich besser. Dennoch bewertet fast die Hälfte der Industrieunternehmen die Fähigkeit mit befriedigend oder schlechter. 10

12 ERP-Systeme können nicht alles liefern aber nach wie vor einen Großteil der Daten in den Industrieunternehmen. Dennoch sind die Unternehmen der Ansicht, dass die Daten aus den operativen Systemen (ERP usw.) noch nicht ausreichend sind, um umfangreiche Analysen durchführen zu können. Fit für Industrie ist die deutschsprachige Industrie eher noch nicht, da sie die dafür notwendigen internen Voraussetzungen noch nicht bewältigt. Zentraler Aspekt ist die Nutzung von Maschinendaten, die tatsächlich aber erst von ca. 37% der Unternehmen für Analysen genutzt werden. Weiterhin nutzen die befragten Unternehmen im Durchschnitt nur die Hälfte der verfügbaren Daten aus den Maschinen- und Sensoren. Generell ist im Bereich Produktion die Anwendung von Business Analytics nur in Ansätzen zu erkennen. Die Bereitschaft für Business Analytics ist auf Seiten des Top Managements zum größten Teil gegeben und auch erforderlich, um Business Analytics im Unternehmen zu verankern. Denn liegt die volle Befürwortung durch die Unternehmensführung vor, weisen die Unternehmen bereits öfter eine organisationsweite Initiative für den Einsatz von Business Analytics auf. In diesen Fällen werden auch vergleichsweise häufiger Schulungen angeboten. In jenen Unternehmen ohne Befürwortung des Top Managements schreitet die Entwicklung von BA-Kompetenzen nur langsam oder kontinuierlich voran. Insgesamt werden bei rund 30% der Industrieunternehmen noch keine Schulungen angeboten. Die Investitionen in analytische Systeme verdeutlichen, dass Industrieunternehmen eher eine analytische Struktur auf- als ausbauen. Auf der Mitarbeiterebene ist in der deutschsprachigen Industrie Skepsis zu beobachten, denn die Hälfte der Unternehmen gibt an, dass die Mitarbeiter den Einsatz analytischer Methoden scheuen. Hinsichtlich des geringen Schulungsangebots nicht verwunderlich. Die fehlende Kenntnis über die Möglichkeiten durch Business Analytics ist wie in den anderen Branchen die am häufigsten genannte Anwendungsbarriere. Fehlende Investitionen durch das Top Management, fehlende Kenntnis über die Chancen und Vorteile durch Business Analytics führen dazu, dass die Mitarbeiter von Industrieunternehmen noch immer stärker Business Intelligence Lösungen anwenden. 11

13 Eine Kluft zwischen betriebswirtschaftlicher und technischer Systemwelt kann nicht bestätigt werden. Über 75% der befragten Industrieunternehmen gaben an, dass technische Daten bei der kaufmännischen Kalkulation regelmäßig, oft oder sehr oft verwendet werden. Weitere 15% nutzen diese Möglichkeit im Rahmen von einzelnen Projekten. Gerade einmal 6% der Unternehmen gaben an, nur sehr selten von dieser Möglichkeit Gebrauch zu machen. 12