RESEARCH SERVICES Studie Predictive Analytics 2018 Gold-Partner Silber-Partner Bronze-Partner
Editorial 3 Das Ende der Bauchentscheidungen Heinrich Vaske Editorial Director COMPUTERWOCHE & CIO Um vorherzusagen, dass Predictive Analytics in den nächsten Jahren eine wichtige Rolle spielen wird, braucht man kein Predictive Analytics. Die technologische Eintrittsbarriere ist so tief gesunken, dass nahezu jedes Unternehmen beginnen kann, Trends zu analysieren und Wahrscheinlichkeiten etwa zu Kundenverhalten, Absatzchancen oder auch Maschinenausfällen zu errechnen. Dennoch gibt es limitierende Faktoren, die nicht zu unterschätzen sind. Da ist zum einen der chronische Mangel an gut ausgebildetem IT-Personal. Vor allem Data Scientists sind knapp und teuer. Schwerer noch wiegt aber die kulturelle Überforderung von Entscheidern, die sich nun auf Daten statt auf ihren Bauch verlassen sollen. Sonst wird es nichts mit dem viel beschworenen Data-driven Enterprise. Entsprechende Daten lassen sich im großen Stil sammeln, konsolidieren und auswerten. Der öffentliche Cloud-Speicher ist grenzenlos groß, die in der Wolke verfügbaren Analytics- und KI-Lösungen reichen weit. Auch im Open-Source-Lager findet sich ein gewaltiger Fundus an Werkzeugen, mit dem Unternehmen einsteigen können. Und an Tools, mit denen sich wunderbare Dashboards bauen lassen, mangelt es ebenfalls nicht. Die Mentalität des Das haben wir schon immer so gemacht ist der natürliche Feind eines jeden Predictive-Analytics- Projekts. Datengestützt zu entscheiden verlangt von Managern wie von Mitarbeitern, Gewohn heiten abzulegen und den Zahlen zu ver trauen. In den meisten Unternehmen ist diese Umstellung der größte Hemmschuh. Eine spannende Lektüre wünscht Heinrich Vaske
Inhalt Editorial 3 Die Round Tables Viele Daten, aber noch kein Plan... 7 Wo Mehrwert noch an Grenzen stößt...10 6 Management Summary Die Key Findings im Überblick... 14 Die Key Findings im Einzelnen 1. Predictive Analytics gehört die Zukunft...16 2. Große Unternehmen gehen bei Analytics-Projekten voran...18 3. Vielfältige Einsatzszenarien: Firmen nutzen Ergebnisse aus Predictive Analytics für Geschäftsentscheidungen...19 4. Hohe Erfolgsquote: Der Aufwand lohnt sich... 20 5. Predictive Analytics: Firmen investieren vor allem in die IT-Infrastruktur...21 6. Top-3-Herausforderungen: Komplexität, mangelnde Ressourcen und Skills... 22 7. Analytics soll die betrieblichen Prozesse und Entscheidungen optimieren... 24 8. Firmen vertrauen bei Predictive Analytics auf externe Servicepartner...25 13 Studiendesign Die Studienreihe Unsere Autoren / Sales-Team / Gesamtstudienleitung...50 Vorschau Studienreihe...51 49 Studiensteckbrief...41 Stichprobenstatistik...42 41 shutterstock.com / Sergey Nivens
Weitere Studienergebnisse 1. Excel ist (noch) Analyse-Tool Nummer eins... 27 2. Lösungen für Predictive Analytics: Do it yourself vor Cloud...28 3. Firmen realisieren Umsätze mit Predictive-Analytics-Services...29 4. Die IT-Abteilung dominiert das Thema Analytics...30 5. Management nutzt Predictive Analytics am häufigsten... 31 6. Hoher Grad der Automatisierung bei IT-Prozessen für Predictive Analytics...32 7. Vielschichtig: technologische Probleme mit Analytics-Software...33 8. Predictive Analytics: Management profitiert künftig am stärksten...34 9. Mitarbeiter brauchen Datenkompetenz...35 10. Das Vertrauen in den Dienstleister und Anbieter ist entscheidend...36 26 Unsere Gold- und Silber-Studienpartner stellen sich vor Lufthansa Industry Solutions...44 DATAVARD...46 Blick in die Zukunft Hohe Erfolgsquote darf nicht blenden 38 43 Kontakt / Impressum 48
Die Round Tables Predictive Analytics
Die Round Tables 7 Viele Daten, aber noch kein Plan Den Nutzen von Predictive Analytics muss den Anwenderfirmen keiner mehr erklären. Allein an der Umsetzung hapert es. Technische Aspekte, unklare Daten-Ownership und manchmal auch nur das Bauchgefühl sieben Branchenkenner diskutierten an einem Round Table der COMPUTERWOCHE über die Gründe. Von Christiane Pütter Data Lakes, in denen Informationen auf Nimmerwiedersehen verschwinden, wenn man nicht aufpasst, CIOs im Konkurrenzkampf mit dem Digitalisierungschef und mittendrin verlorene Data Scientists: Predictive Analytics nimmt zwar allmählich Fahrt auf in den Unternehmen, doch der Weg zu auf Datenanalysen beruhenden Vorhersagemodellen ist weit und voller Stolpersteine. Wie weit deutsche Unternehmen in Sachen Predictive Analytics heute sind, diskutierten Ende Januar in der Redaktion der COMPU- TERWOCHE Jan-Henrik Fischer (Seven Principles), Arne Kaldhusdal (Alexander Thamm GmbH), Benjamin Krebs (Dell EMC), Hardy Kremer (Deloitte), Vladislav Malicevic (Jedox), Lars Schwabe (Lufthansa Industry Solutions) und Gregor Stöckler (Datavard). Die Experten kamen dabei zu folgenden Schlüssen: 1. Der Wille zur Nutzung von Predictive Analytics ist da, doch die Umsetzung scheitert an verschiedensten Faktoren Auf einer Skala von eins (für wenig bereit ) bis zehn ( sehr bereit ) geben die Experten deutschen Unternehmen zwei unterschiedliche Werte. In Sachen Aufmerksamkeit/Bewusstsein für Predictive Analytics erreichen Anwender oft eine Neun oder Zehn bei der Umsetzung liegen die Werte jedoch deutlich niedriger und schwanken zwischen Zwei und Fünf. So sammeln zwar viele Entscheider Daten und legen Data Lakes an. Doch dann fehlt oft ein greifbares Ziel oder ein konkreter Plan dafür, wie mit diesen Daten gearbeitet werden soll. So manch ein Manager ist froh, wenn er das Thema mit dem Auftrag Hier sind meine Daten, machen Sie was damit an einen Data Scientisten weiterdelegieren kann. Dass vielfach keine zielgerichtete Strategie dahintersteckt, zeigt auch die Beobachtung, dass Sachbearbeiter meist weder motiviert noch incentiviert werden, Daten zu pflegen. Einen weiteren Schwachpunkt bildet oft die Technik: In vielen Firmen kaufen die Fachabteilungen IT-Systeme ein. Best-of-Breed regiert, wie einer der Diskussionsteilnehmer sagt. Aber 20 bis 30 Systeme zu orchestrieren, das ist richtig viel Arbeit. 2. Analytics in fünf Schritten Analytics ist eine Reise. Mit den neuen technischen Möglichkeiten gibt es auch neue Optionen für das Business. Die Experten sprechen von verschiedenen Phasen beziehungsweise Stufen, in denen sich Analytics im Unternehmen weiterentwickelt. Da war zunächst das traditionelle Monitoring and Reporting. Predictive Analytics stellt erst Schritt zwei dar. Im dritten Schritt geht es um die Frage, was Entscheider mit den Daten anfangen können. In Schritt vier schält sich dann heraus, wie mit den Daten konkret Geld verdient werden kann, und mit dem fünften Schritt wird das datengetriebene Unternehmen erreicht. 3. Data Ownership oft ungeklärt, auch innerhalb der Unternehmen Analytics ohne Daten funktioniert nicht. Doch damit fangen die Fragen erst an. Wem gehören eigentlich die Daten, mit denen man
Die Key Findings im Einzelnen Predictive Analytics
Predictive Analytics gehört die Zukunft 66 Prozent der Unternehmen rechnen damit, dass Predictive Analytics innerhalb der nächsten drei Jahre für sie wichtig bis sehr wichtig wird. Aktuell sind es 47 Prozent. 47 % 66 % Management Summary Die Key Findings im Überblick Status quo Etwas mehr als ein Drittel der Unternehmen hat bereits Analytics-Projekte umgesetzt, die Hälfte davon im Bereich Predictive Analytics. 94 % 37 % 56 % Projekte umgesetzt Predictive Analytics Vielfältige Einsatzszenarien Überwältigende 94 Prozent der Firmen nutzen Predictive Analytics für bessere Geschäftsentscheidungen, insbesondere im IT-Bereich, im Management und in der Produktion. 59 % Sehr zufrieden oder Zufrieden Der Aufwand lohnt sich Das Gros der Firmen ist mit den bisherigen Predictive-Analytics- Maßnahmen und dem Kosten-Nutzen- Verhältnis sehr zufrieden oder zufrieden. 11 % Eher unzufrieden bis Sehr unzufrieden
16 Management Summary 1. Predictive Analytics gehört die Zukunft Predictive Analytics wirft auf Basis von komplexen Datenanalysen einen Blick in die Zukunft. In den nächsten zwei bis drei Jahren wird das Thema in den Unternehmen stark an Bedeutung gewinnen. Derzeit bewerten nur 47 Prozent der Unternehmen die Relevanz von Predictive Analytics als sehr hoch (18 Prozent) oder hoch (29 Prozent), immerhin ein Drittel der Firmen als eher niedrig bis sehr niedrig. Ganz anders sieht es bei den Werten für die Zukunft aus. Zwei Drittel der Unternehmen gehen davon aus, dass Predictive Analytics binnen drei Jahren für sie wichtig oder sehr wichtig wird. Nur noch 14 Prozent der Firmen stufen dessen künftige Bedeutung als eher gering bis sehr gering ein. Der Relevanz-Wert steigt mit der Unternehmensgröße. So messen 53 Prozent der Unternehmen mit mehr als 1.000 Mitarbeitern Predictive Analytics derzeit eine große bis sehr große Bedeutung zu, 68 Prozent in den nächsten Welche Bedeutung haben in Ihrem Unternehmen fortgeschrittene Analysetechniken wie Predictive Analytics heute und für die künftige Geschäftsentwicklung (in zwei, drei Jahren)? Angaben in Prozent. Abfrage auf einer Skala von 1 ( Sehr große Bedeutung ) bis 6 ( Sehr geringe Bedeutung ). Basis: n = 417 32,6 33,4 Gesamtergebnis 29,0 19,8 19,7 17,8 16,0 10,3 Derzeit 7,5 7,3 2,6 4,1 Künftig Sehr große Bedeutung Große Bedeutung Eher größere Bedeutung Eher geringere Bedeutung Geringe Bedeutung Sehr geringe Bedeutung
Weitere Studienergebnisse Predictive Analytics
Weitere Studienergebnisse 27 1. Excel ist (noch) Analyse-Tool Nummer eins Das gute, alte Microsoft Excel ist immer noch die wichtigste Analytics-Software in Unternehmen vor Reporting sowie Datenvisualisierung. Investiert wird vor allem in die Analyse von Datenströmen. 69 Prozent der Firmen setzen bei der Analyse ihrer Daten auf Microsoft Excel, knapp gefolgt von Software für Abfragen und Reporting (65 Prozent). Auch Datenvisualisierung kommt in mehr als der Hälfte der Firmen zum Einsatz (53 Prozent). Weitere wichtige Software betrifft die Gebiete Data Mining (49 Prozent), Data Warehouse (46 Prozent) oder Business Intelligence (BI) mit 44 Prozent. Zentral für Predictive Analytics sind Vorhersagemodelle, die immerhin 43 Prozent der Unternehmen einsetzen. 41 Prozent wollen in diese wichtigen Tools investieren. Etwas mehr als ein Drittel der Firmen setzt bei der Analyse großer Datenmengen auf Künstliche Intelligenz (KI). Damit steht diese wichtige Analyseform auf dem drittletzten Rang knapp vor der Sprachanalyse (32 Prozent) und der Videoanalyse (30 Prozent). Immerhin wollen 37 Prozent der Firmen in nächster Zeit in Analyseverfahren mit KI investieren. Hauptfelder für Investitionen sind die Analyse von Datenströmen (Streaming Analytics), Dashboards und Vorhersagemodelle. Welche Arten von Analytics-Software haben Sie in Ihrem Unternehmen bereits im Einsatz? Wo sind Investitionen geplant? Angaben in Prozent. Basis: n = 207 (Filter: Nur Unternehmen, die in den nächsten zwölf Monaten wahrscheinlich oder sicher in Predictive Analytics investieren werden) 12,3 Microsoft 19,0 Excel 68,7 8,0 Abfragen 27,3 und Reporting 64,7 Daten- 52,6 visualisierung 36,8 10,5 13,8 49,2 Data Mining / Data Science 37,0 20,7 Data 46,3 Warehouse 33,0 13,2 45,8 Planungstools 41,1 16,4 43,9 Business- Intelligence- Suite / Tools (BI) 39,7 16,3 42,6 Vorhersagemodelle 41,1 12,2 42,5 Optimierung 45,3 22,6 42,5 Simulation 34,9 16,3 41,8 Data Discovery / Dashboards 41,8 23,9 36,4 Process Mining 39,7 26,5 38,4 Data Lake 35,1 16,9 36,6 Analyse von Datenströmen / Streaming Analytics 46,4 36,6 35,5 Geodatenanalyse 28,0 27,3 35,3 Künstliche Intelligenz (KI) / Machine Learning 37,4 35,8 31,6 Sprachanalyse 32,6 36,6 29,5 Videoanalyse 33,9 Steht zur Verfügung Investition geplant Keine Investition geplant
Blick in die Zukunft Predictive Analytics
Blick in die Zukunft 39 Hohe Erfolgsquote darf nicht blenden Predictive Analytics gewinnt in den Unternehmen zunehmend an Relevanz. Zudem sind die meisten Firmen mit den bisherigen Analyseprojekten und dem Kosten-Nutzen-Verhältnis sehr zufrieden oder zufrieden. Doch noch besteht großer Nachholbedarf, nicht nur in kleinen und mittleren Unternehmen. Um wettbewerbsfähig zu bleiben, müssen Firmen mehr Ressourcen bereitstellen und vor allem in die Skills ihrer Mitarbeiter investieren. Von Jürgen Mauerer Was wird passieren? Predictive Analytics trifft auf Basis von Datenmodellen Voraussagen darüber, wie sich eine Situation in Zukunft entwickeln wird oder kann. In den Unternehmen gewinnt die fortschrittliche Datenanalyse zunehmend an Bedeutung, sei es für Absatzprognosen für ein bestimmtes Produkt in verschiedenen Regionen, dynamische Preisgestaltung oder Predictive Maintenance. Das zeigen die Ergebnisse der Studie von COMPUTERWOCHE und CIO. Derzeit bewerten nur 47 Prozent der Unternehmen die Relevanz von Predictive Analytics als sehr hoch oder hoch, immerhin ein Drittel der Firmen als eher niedrig bis sehr niedrig. Ganz anders sieht es bei den Werten für die Zukunft aus. Zwei Drittel (66 Prozent) der Unternehmen gehen davon aus, dass Predictive Analytics binnen drei Jahren für sie wichtig oder sehr wichtig wird. Nur noch 14 Prozent der Firmen stufen dessen künftige Bedeutung als eher niedrig bis sehr niedrig ein. Hohe Erfolgsquote: Der Aufwand lohnt sich Gut ein Drittel der Unternehmen hat bereits Analytics-Projekte umgesetzt, mehr als die Hälfte davon im Bereich Predictive Analytics. Vorreiter sind die großen Unternehmen. Aber: Immerhin 15 Prozent der Firmen planen weder Analytics-Projekte noch haben sie bereits welche umgesetzt. Bei den kleinen Firmen ist es knapp ein Drittel. Hier besteht also Nachholbedarf. Die hohe Erfolgsquote sollte Ansporn genug sein. Nur elf Prozent der be fragten Firmen sind unzufrieden oder sagen, dass sich ihre bisherigen Predictive-Analytics-Projekte nicht gelohnt hätten. 60 Prozent der Firmen sind mit den bisherigen Predictive-Analytics-Maßnahmen und dem Kosten-Nutzen-Verhältnis sehr zufrieden oder zufrieden. Das positive Ergebnis ist damit zu erklären, dass die Firmen einen Business Case mit klaren Zielen für ihre entsprechenden Projekte definieren.