Data Driven Enerprises How is big data changing the business models? Technologieoutlook - Zürich, 8.9.2015 Herbert Stauffer
Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software und IT Services (Analystengruppe CXP / PAC / BARC) A R 140 Mitarbeiter, davon 80 Analysten an 17 Standorten in acht Ländern Portfolio aus Research, Beratung und Weiterbildung C Themen: Business Intelligence, Big Data, Datenmanagement, Customer Relationship Management, Enterprise Content Management, IT-Management, HR, Finance, ERP, IT Sourcing und IT Services 11.09.15 BARC 2015 2
BARC: Expertise für datengetriebene Unternehmen Beratung Strategie & Organisation Prozesse & IT-Architektur Softwareauswahl Data Science Weiterbildung Konferenzen Seminare Kamingespräche Expertenworkshops Datengetriebene Unternehmen Research Produktvergleiche Marktforschung BI Manager 11.09.15 BARC 2015 3
«Zweifellos werden die Forscher im Jahr 2015, falls es bis dahin noch etwas zu erforschen gibt, nicht nur drahtlose Telefone mit drahtlosen Teleskopen in der Tasche tragen, sondern auch Nahrung und Heizung ebenso wie den Strom zum Antrieb ihrer Motorschlitten auf drahtlosem Wege erhalten.» Thomas Orde-Lees, 1915 (Teilnehmer an Shackletons Endurance Expedition 1914-1916) 11.09.15 BARC 2015 4
Fußballweltmeister 2014 durch Big Data - Spielmusteranalyse mit SAP Match Insights Bildquelle: http://tr1.cbsistatic.com/hub/i/2014/07/17/00a5a8fd-cfd9-4d7a-846c-c3c045454d7f/sapworldcupformation940x529.jpg 11.09.15 BARC 2014 5
Sicherheit und Effizienz durch Wearable Intelligence auf Gasfeldern Source: https://www.youtube.com/watch?feature=player_embedded&v=lkh88ttgt6a 11.09.15 BARC 2014 6
Wandel in der Wahrnehmung von Big Data Volumen Digitalisierung, Digitale Expansion (Mobilität), Internet der Dinge, Unternehmen haben häufig keine großen Datenmengen Vielfältigkeit Höhere Sensibilität gegenüber Daten Bedeutung von Maschinen-generierte Daten Mensch-generierte Daten = Social Media? Schnelligkeit Verarbeitung von Daten in Near-/Real-Time Glaubwürdigkeit Angemessene Anwendung und kontextsensitive Interpretation von Daten ist Grundvoraussetzung zur Sicherstellung der Glaubwürdigkeit Ethik im Umgang mit Daten 11.09.15 BARC 2014 7
Wandel in der Wahrnehmung von Big Data Volumen Digitalisierung, Digitale Expansion (Mobilität), Internet der Dinge, Unternehmen haben häufig keine großen Datenmengen Vielfältigkeit Höhere Sensibilität gegenüber Daten Bedeutung von Maschinen-generierte Daten Mensch-generierte Daten = Social Media? Schnelligkeit Verarbeitung von Daten in Near-/Real-Time Schnelligkeit in Verbindung mit Daten ist bspw. nicht gleich ReaktionsSchnelligkeit Glaubwürdigkeit Angemessene Anwendung und kontextsensitive Interpretation von Daten ist Grundvoraussetzung zur Sicherstellung der Glaubwürdigkeit Ethik im Umgang mit Daten 11.09.15 BARC 2014 8
Wie entsteht Big Data? 1. Sensorik 2. Logs - Ereignisse 3. Web 2.0 / soziale Medien 4. Cams / Wearables
Welche Bedeutung haben Daten wirklich? 11.09.15 BARC 2015 10
Wie wichtig sind Daten für die Entscheidungsfindung? Welche Rolle spielen Daten in Ihrem Unternehmen? Was sind die Gründe, warum sie nicht für alle Entscheidungen Informationen nutzen? Daten spielen im Unternehmen keine große Rolle 3% Notwendigen Informationen nicht verfügbar Datenqualität nicht ausreichend 40% 50% Hauptteil der Entscheidungen aus dem Bauch heraus/durch Erfahrung gefällt 13% Bauchgefühl/Erfahrung ist ausreichend Informationsbeschaffung zu teuer 32% 39% Faktenbasierte Entscheidungen in einzelnen Unternehmensbereichen 34% Verfügbare Informationen wenig nützlich 32% Im gesamten Unternehmen Entscheidungen auf Basis von Daten und Analysen Permanente Datenanalysen als Grundlage der Entscheidungs- und Prozessautomatisierung/-optimierung Daten-geführte Unternehmen sind noch keine Wirklichkeit Welche Aussagen treffen auf Ihr Unternehmen zu? Informationen haben einen hohen Stellenwert bei der Entscheidungsfindung 48% 22% 29% 19% Kann notwendige Informationen nicht finden Informationen werden nicht rechtzeitig bereitgestellt (Information ist zu spät verfügbar) Software-Werkzeuge zu schwer zu benutzen Informationen zu langsam geliefert (Antwortzeit) verbesserungswürdig sind Verfügbarkeit und Qualität IT-Abteilung Andere Wer sind die wichtigsten Vordenker/Treiber in ihrem Unternehmen beim Thema Big Data? 5% 14% 17% 23% 29% 44% Informationen gelten als Vermögenswerte 46% 15% Management 40% Wir nutzen Informationen, um neue Geschäftsmodelle/-möglichkeiten zu identifizieren Wir nutzen Informationen, um zukünftige Trends und Verhalten vorauszusagen 34% 34% 20% 23% Finanzen & Controlling BI-Organisation Vertrieb 29% 39% 36% Entscheidungen auf operativer Ebene werden überwiegend auf Basis von Daten gefällt 31% 19% Marketing 20% Daten sind ein Hauptumsatzträger (wir haben Datenprodukte) Entscheidungen auf Führungskraft-Ebene werden überwiegend auf Basis von Daten gefällt 24% 24% 13% 25% Produktion Logistik Sonstige 6% 5% 11% Entscheidungen auf (Top-)Management-Ebenen werden überwiegend auf Basis von Daten gefällt 22% 25% und es fehlt noch die fachliche Vision! Wahr ein Trend ist erkennbar Wahr in Zukunft Quellen: BARC Information Culture Survey, n = 373/724/728 & Big Data Survey Europe 2013, n = 174 11.09.15 BARC 2014 11
Which problems/challenges would you like to address with big data technologies? Analysis of large volumes of data Better or new data analysis possibilities Building predictive models Analysis of information from different data sources (polystructured) Faster delivery of data for analysis 57% 55% 51% 50% 46% Acceleration of decision-making Monitoring/Analysis of streaming data/ Complex Event Processing Better cost-benefit ratio for analytical environments Automation of decision-making There are no pressing challenges in our company Others 1% 6% 31% 27% 23% 19% Source: BARC Survey Big Data Use Cases 2015, n=431 11.09.15 BARC 2015 12
Achieved benefits vs. expected benefits Better ability to make strategic decisions Better steering of operational processes Better insight into customers/improved customer experience Cost reduction Acceleration of decisions Development of new product ideas/services Better insight into the market/competition Development of new business models Increase of revenues Automation of decisions Other 3% 1% 17% 60% 54% 56% 52% 50% 47% 37% 44% 31% 43% 33% 41% 43% 38% 26% 35% 35% 24% 69% Big data part of business processes Pilot project & initiative maybe in future Source: BARC Survey Big Data Use Cases 2015, n=94/335 11.09.15 BARC 2015 13
In which areas does your company use, or plan to use, big data analysis? Marketing 25% 25% 29% Sales 23% 27% 29% Finance 21% 21% 28% IT 21% 20% 25% Production 19% 21% 27% Cross-departmental 19% 21% 33% Research & Development 18% 19% 24% After sales 13% 24% 26% Risk management 11% 16% 29% Logistics 11% 16% 29% Human resources 9% 11% 23% In use Planned within 12 months Planned in long term Source: BARC Survey Big Data Use Cases 2015, n=423 11.09.15 BARC 2015 14
Analytik Big Picture of Data extern intern CRM Einkauf IT HR Meteo Börsenfeeds Warenwirtschaft Open Data Logs Sensorik SCM Sales Usual BI Scope Finanz GIS E-Mail Pläne Social Media RSS-Feeds Web Content Audio/ Video Dokumente/ Verträge strukturiert semistrukturiert polystrukturiert unstrukturiert 11.09.15 BARC 2015 15
Big Data is changing the game! 11.09.15 BARC 2015 16
Big Data ist disruptiv! Traditionell Geschäftmodelle Hotelerie Taxi Kurierdienste, Paketpost Reisebüro Land-/Strassenkarte, Kompass Arzt, Medizin, Diagnose Zeitung, Presse Grosskraftwerke Ersatzteil und Reparaturdienste CD, DVD Big Data Business AirBnB, Booking-Portale Uber Drohnen Booking-Portale Navigationssysteme Selftracking, Robotik, Sensorik,. Newsportale, Twitter, Smart Meter, Smart Grid,. 3D-Printing itunes, Spotify, 11.09.15 BARC 2015 17
Big Data ermöglicht neue Geschäftsfelder People centric Self scanning ebanking eshops wearables Shared economy Automation Robotic Internet of things Logistik & Transport Industrie 4.0 Medien enews Croud founding epaper 11.09.15 BARC 2015 18
Welche Herausforderungen gibt es? 11.09.15 BARC 2015 19
Problems by status quo Data privacy issues (safety of personal data) Data security (Unauthorized access to company data) Inadequate analytical know-how in our company Inadequate technical know-how in our company Technical problems Cost Cannot make big data usable for end-users Lack of compelling business case Company processes aren t mature enough No significant problems 1% 16% 19% 18% 17% 14% 12% 8% 9% 56% 48% 52% 35% 55% 48% 51% 31% 46% 53% 41% 39% 36% 33% 26% 25% 50% 56% 29% 28% 36% 48% 27% 26% 35% 41% 56% 26% 42% 50% 63% Big data initiatives part of business processes No big data initiatives, but maybe in the future Big data initiative as a pilot project No big data initiatives, and no plans for the future Source: BARC Survey Big Data Use Cases 2015, n=525 11.09.15 BARC 2015 20
Driver by status quo Big data as a part of business processes Big data as a pilot project No big data initiative and not planned for the future Management 61% 46% 34% IT department 51% 45% 42% Sales 37% 19% 23% BI organization/competency center 37% 45% 31% Finance & controlling 32% 18% 23% Marketing 32% 28% 24% Production 16% 9% 7 Other 14% 8 7 Logistics 56 4 [WERT]6 Quelle: BARC Survey Big Data Use Cases 2015, n=433 11.09.15 BARC 2015 21
Klassische BI-Infrastruktur Typische Umgebung für das Management von Unternehmensdaten Reporting & Analyse Staging Area Datenaufbereitung ERP SCM CRM Strukturierte Geschäftsdaten Externe Systeme 11.09.15 BARC 2015 22
Analytische Infrastruktur für Big Data neue Daten, Technologien und Funktionen kommen hinzu SSBI Reporting & Analyse Visuelle Analyse Komplexe Analyse Exploration Suche Discovery Data at Rest/Klassisch Data in Motion/ operationalisiert Data at Rest/Explorativ Analytische Datenbanken CEP System NoSQL DB Such- Index SSDI Staging Area Datenaufbereitung Streaming Engine File System File System ERP SCM CRM Externe Systeme Sensor-Daten Web Logs Social Media Dokumente Strukturierte Geschäftsdaten Maschinengeneriert (strukt.) Menschgeneriert (polystr.) 11.09.15 BARC 2014 23
Mind shift durch Big Data Analyseprozess, Datenpersistenz und Datenmenge Reglementierte, verifizierende Analyse Data Warehousing Prozess Explorative Analyse auf alle Daten Big Data Prozess Visualisierung Sicheres Ergebnis Visualisierung Unsicheres Ergebnis ( fail fast, fail well ) Analytik Erst prüfen, dann sammeln Analytik Datenaufbereitung Datenspeicherung Datenaufbereitung Datenanalyse Erst (alles) sammeln, dann prüfen Datenanalyse Datenspeicherung Datenbereitstellung Datenbereitstellung 11.09.15 BARC 2015 24
Big Data bezeichnet Methoden und Technologien für hochskalierbare Erfassung, Speicherung und Analyse polystrukturierter und vernetzter Daten. 11.09.15 BARC 2015 25
Big Data in der Praxis (Summary) Hot Spot 1: Big Data erobert die Unternehmen, allerdings nur wenn das Management vorangeht Hot Spot 2: Big Data Initiativen liefern beachtlichen Mehrwert Hot Spot 3: der Kunde im Mittelpunkt Hot Spot 4: Unternehmen kämpfen mit massiven Know-how-Defiziten sowie Sicherheit und Datenschutz Hot Spot 5: Europa hinkt hinterher 559 Tn. weltweit Hot Spot 6: Industrie 4.0 ist mehr Wunsch als Wirklichkeit 11.09.15 BARC 2015 26
Ihr Kontakt bei BARC Herbert Stauffer Senior Analyst & Geschäftsführer Tel +41 (0) 76 340 35 16 hstauffer@barc.ch BARC Schweiz GmbH Buchhaldenstrasse 7 CH-5442 Fislisbach www.barc.ch 11.09.15 BARC 2015 27
Reserve slides 11.09.15 BARC 2015 28
Data Lake Konzept und neue Begriffe kommen hinzu Reporting & Analyse Staging Area Analytische Datenbanken Streaming ERP SCM CRM Strukturierte Geschäftsdaten Visuelle Analyse Suche Discovery Begriff wurde von Hadoop Distributoren (z.b. Pivotal (EMC), Horton Works) eingeführt NoSQL Such- Ein DB hauptsächlich auf Hadoop Index basierendes Konzept mit dem Ziel Data Lake Daten jeder Art zu sammeln bzw. Im Hadoop File System zu Datenaufbereitung speichern Auswertung und Übertragung der Daten in weitere Infrastrukturelemente bei Bedarf. File System Strenge Data Governance notwendig sonst wird der Data Lake leicht zum Datensumpf Externe Systeme Sensor-Daten Komplexe Analyse Data Lake Konzept Web Logs Maschinengeneriert (strukt.) Social Media Dokumente Menschgeneriert (polystr.) 11.09.15 BARC 2015 29
Datenquellen: Daten außerhalb klassischer Transaktionssysteme werden relevanter Daten aus Transaktionssystemen Maschinen-Daten von IT- Systemen (Log-Daten) Maschinen-Daten, z.b. aus der Produktion (BDE) Web-Log/Web-Analysedaten Dokumente/Texte Social-Media-Daten Event-Streams Sensor-Daten (z.b. RFID) Video-/Bild-Daten 35% 20% 15% 32% 14% 14% 9% 7% 28% 6% 27% 2% 23% Im Einsatz Geplant 48% 45% 44% 50% 47% Q: BARC Big Data Analytics Survey 2014, n = 212 11.09.15 BARC 2014 30
Maschinengenerierte Daten Daten aus Transaktionssystemen Maschinen-Daten von IT- Systemen (Log-Daten) Maschinen-Daten, z.b. aus der Produktion (BDE) Web-Log/Web-Analysedaten Dokumente/Texte Social-Media-Daten Event-Streams Sensor-Daten (z.b. RFID) Video-/Bild-Daten 35% 20% 15% 32% 14% 14% 9% 7% 28% 6% 27% 2% 23% Im Einsatz Geplant 48% 45% 44% 50% 47% Q: BARC Big Data Analytics Survey 2014, n = 212 11.09.15 BARC 2014 31
Menschgenerierte Daten Daten aus Transaktionssystemen Maschinen-Daten von IT- Systemen (Log-Daten) Maschinen-Daten, z.b. aus der Produktion (BDE) Web-Log/Web-Analysedaten Dokumente/Texte Social-Media-Daten Event-Streams Sensor-Daten (z.b. RFID) Video-/Bild-Daten 35% 20% 15% 32% 14% 14% 9% 7% 28% 6% 27% 2% 23% Im Einsatz Geplant 48% 45% 44% 50% 47% Q: BARC Big Data Analytics Survey 2014, n = 212 11.09.15 BARC 2014 32
Datenkategorien und ihre Eigenschaften Kategorie der Quelle Transaktionale Geschäftsdate n Maschinengeneriert Menschgeneriert Qualität Komplexität Interpretierbarkeit Störgeräusche Data Warehouse Prozess-Affinität Big Data Prozess Affinität 11.09.15 BARC 2014 33
BARC-Tagung: Advanced und Predictive Analytics 29. September 2015 in Frankfurt Themenschwerpunkte: Anwendungsgebiete (z.b. Auslastungsoptimierung, Wartung, Forschung, CRM, Social Media) Praxisbeispiele und Erfolgsfaktoren Management des Analytischen Prozesses Marktübersicht Software- und Serviceanbieter Fach-, Praxis-und Produktvorträge zu den verschiedenen Anwendungsmöglichkeiten Herstellerpräsentationen 11.09.15 BARC 2015 34
BARC Congress Business Intelligence & Datenmanagement am 10.+11. November 2015 in Würzburg Highlights & News: Anbietervorträge, Case Studies, Analystenvorträgen von BARC und PAC, Best Practice Award uvm. Neuer Track mit Fokus auf Datenmanagement und Big Data Videoaufzeichnung aller Vorträge BARC-Service zur Terminvereinbarung im Vorfeld zwischen Teilnehmern und Ausstellern Attraktive Abendveranstaltung mit Verleihung des BI Best Practice Awards Erweiterung der Zielgruppe durch den parallel stattfindenden CRM Summit 11.09.15 BARC 2015 35
Data Life Cycle External Internal Datenschutzgesetze Steuergesetze Aufbewahrungsfristen IKS Urheberrechte Patentrechte Kartellrechte unlauterer Wettbewerb Arbeitsgesetze, Post- und Telekomunikationsgesetze Personal data Non personal data Data junk 11.09.15 BARC 2015 36
Geschichtliche Entwicklung der Weg zu Big Data 1970 1980 1990 2000 2010 @ Technologische Entwicklung Grossrechner PC und C/S Web Digitalisierung Governance & Compliance DSG ITIL COBIT Urheberrecht Antivirus Big Data Entwicklung Technologie Business Consumer 11.09.15 BARC 2015 37
Big Data in der Praxis (Umfrage-Ergebnisse) Hot Spot 1: Big Data erobert die Unternehmen 30% der Unternehmen haben bereits Big-Data Initiativen 74 % wollen neue und bessere Analysemöglichkeiten erreichen Hot Spot 2: Big Data Analysen sind nützlicher als erwartet 78 % schnellere Analysen 75 % bessere Analyse 68 % bessere Steuerung der operativen Prozesse Hot Spot 3: erstes Ziel mehr Transparenz, zweites Ziel bessere Prognosen 370 Tn. Aus D.A.CH Hot Spot 4: Big Data-Anwendungen ergänzen vorhandene Lösungen 11.09.15 BARC 2015 38