DAS HOCHINTELLIGENTE UNTERNEHMEN · Fast zwei Drittel der befragten Unternehmen behaupten von sich,...

DAS HOCHINTELLIGENTEUNTERNEHMENSind deutsche Enterprise-Rechenzentren in der Lage über Big-Data-Analytics den Unternehmenserfolg zu sichern?

2

INHALT

Executive Summary 3

Einleitung 4

Big Data wird Mainstream 5

Reden wir wirklich über Big Data? 6

Den Nachzüglern fehlt hauptsächlich Personal und Geld 8

Produktiver Einsatz in allen Unternehmensbereichen 9

Vielfältige Gründe – Variierend je nach Blickwinkel 10

Long Road to Big Data 11

IT-Abteilung treibt am stärksten 13

Technische Voraussetzungen 14

Problemanalyse: Mangelhafte Daten oder fehlende Kompetenz 16

EU-DSGVO und Big-Data-Analytics 17

Prüfen, Anpassen, Abwarten oder Outsourcen? 18

Fazit 19

Studiendesign und Stichprobe 20

Copyright

Diese Studie wurde von der techconsult GmbH verfasst und von Intel unterstützt. Die darin enthal-

tenen Daten und Informationen wurden gewissenhaft und mit größtmöglicher Sorgfalt nach wissen-

schaftlichen Grundsätzen ermittelt. Für deren Vollständigkeit und Richtigkeit kann jedoch keine Garantie

übernommen werden. Alle Rechte am Inhalt dieser Studie liegen bei der techconsult GmbH. Vervielfälti-

gungen, auch auszugsweise, sind nur mit schriftlicher Genehmigung der techconsult GmbH gestattet.

Disclaimer

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen etc. in diesem Werk

berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne

der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von

jedermann benutzt werden dürften. In dieser Study gemachte Referenzen zu irgendeinem spezi� -

schen kommerziellen Produkt, Prozess oder Service durch Markennamen, Handelsmarken, Herstel-

lerbezeichnung etc. bedeuten in keiner Weise eine Bevorzugung durch die techconsult GmbH.

Das hochintelligente Unternehmen

3

EXECUTIVE SUMMARY

Einsatzgrad38% der deutschen Unternehmen setzen Big-Data-Analysen bereits gezielt und regelmäßig ein, weitere 23% in Pilotprojekten. Nur 6% sind weder aktiv noch in der Planunsgsphase.

EinsatzortDer produktive Einsatz der Analysen �ndet vornehmlich

in der IT-Abteilung statt, gefolgt vom Qualitätsmanage-

ment und dem Marketing.

IT

Einsatz-HürdenDer Nicht-Einsatz ist meist auf fehlende personelle und �nanzi-elle Ressourcen zurückzufüh-ren, weniger oft auf ein fehlen-des Geschäftsmodell.

DatenbasisKern-Datenbanken

MaschinendatenFinanztransaktionsdaten

70%

56%

46%

Chief Information O�icer

37%Chief ExecutiveO�icer

Verantwortlichkeit für Big Data

34%

Chief Information Security O�icer

27%

HardwareBig-Data-Analysen �nden vornehmlich auf der unter-nehmensinternen IT-Infra-struktur oder in der Private Cloud statt.

Jedes vierte Unterneh-men hat bereits umfas-sende Hardware-Investi-tionen getätigt.

Weitere 60% haben zumin-dest punktuell Teile der Infrastruktur ersetzt oder ergänzt.

Datenschutz

23%43%

43% der Unternehmen prüfen derzeit aufgrund der DSGVO ihre Big-Data-Prozesse auf notwendige Veränderungen

Weitere 23% sind sich bereits notwendiger Veränderungen bewusst.

Gründe für den Einsatz

Prozess-optimierung

Business Development

Product/Service Development

weder aktiv noch in der Planunsgsphase.


4

EINLEITUNG

„Daten sind der Rohsto� der Zukunft“ ließ Angela Merkel 2015 verlauten und erklärte im gleichen Zug, dass der digitale Bereich der Wertschöpfung der ent-scheidende Wettbewerbsfaktor der Zukunft sein wird. Auf fünf bis zehn Jahre terminierte sie den Wettlauf, der über die globale wirtschaftliche Vorherrschaft entscheiden wird. Zweieinhalb Jahre nach dieser Aussage ist also ein guter Zeit-punkt, um den gegenwärtigen Stand digitaler Informationsgewinnung und -verar-beitung deutscher Großunternehmen zu erfassen und zu prüfen, wie es um die weitere Zukunft des Exportweltmeisters Deutschland steht.

Als Maßstab nutzt diese Studie den reifenden Trend „Big Data“. Die Auswertung riesiger heterogener Datenmengen mit dem Ziel der Entdeckung von versteckten und nicht o� ensichtlichen Mustern und Informationen, dient als optimales Bei-spiel für die fortgeschrittene Datennutzung – auch weil sie je nach Professiona-lität und Umfang eine hoch-performante und innovative IT-Landschaft benötigt. Zur Evaluierung wurden 300 IT-Verantwortliche aus Unternehmen mit 250 und mehr Mitarbeitern zum Status von Big Data, zugehörigen Prozessen und Proble-men und organisatorischen Rahmenbedingungen befragt.


5

38%

23%

9%

14%

10%

6%

Regelmäßiger Einsatz von Big-Data-Analysen

Basis: 300 Unternehmen

Einsatz in Pilot-

projekten

Terminierte Roadmap existiert

Konkreter Planungs-prozess

Würden Sie von Ihrem Unternehmen behaup-ten, dass es bereits im Bereich Big-Data-Analytics aktiv ist?

Erste Überle-gungen sind angestoßen

Noch keine Planung oder

Aktivität

?

Big Data ist kein Randphänomen mehr, das sich auf wenige Unternehmen oder exklusive Einsatzzwecke beschränkt. Fast zwei Drittel der befragten Unternehmen behaupten von sich, Big-Data-Analysen regelmäßig oder mindestens in Pilotprojekten einzusetzen. Ein weiteres Viertel plant den Einsatz oder setzt bereits die Voraussetzungen um. Nur eine Minderheit nutzt die Möglichkeiten zur Auswertung von Massendaten noch nicht.

BIG DATA WIRD MAINSTREAM

Big Data etabliert sich: Vier von fünf Unternehmen setzen es bereits ein oder haben konkrete Pläne.


6

Wenn über ein komplexes Thema wie „Big Data“ gesprochen wird, sollte sicher-gestellt werden, dass auch tatsächlich von der gleichen und richtigen Sache gesprochen wird. Der Begri� ist zwar etabliert und auch ausreichend de� niert (z.B. „5 Vs“), steht bei vielen aber immer noch einfach nur für große Datenmen-gen und eher rudimentäre Auswertungen. Es steckt aber mehr dahinter. Wich-tige Kernpunkte sind die Kombination heterogener Datenquellen, die Nutzung unstrukturierter Daten und der Einbezug von Metadaten. Alle drei Punkte erweitern das Spektrum der herkömmlichen Analyse: über die Kombi-nation und Vergrößerung herkömmlicher Datenpools sowie zusätz-liche Informationen über die Daten selbst.

Im Schnitt werden 7 der 17 in der nachfolgenden Abbildung gelisteten unterschiedlichen Datenarten in Big-Data-Analy-sen miteinander kombiniert. Allein das erweitert die Mög-lichkeiten der Informationsgewinnung bereits enorm, indem beispielsweise Kundendaten aus dem CRM mit Transaktionsdaten kombiniert werden oder Transak-tionsdaten mit den Internetlogs, die unter anderem das Nutzerverhalten von Kunden im Webshop ent-halten können.

Am häu� gsten werden strukturierte Daten genutzt, die relativ einfach in rationalen Datenbanken erfass-bar und verarbeitbar sind, darunter sind vor allem die großen Datenbanken der Kernapplikationen und � nan-zielle Transaktionsdaten zu sehen, aber auch diverse Log-Daten aus Software, Hardware, Maschinen und smar-ten Produkten. Weil die Algorithmen für semantische Analysen sich über die Jahre deutlich verbessert haben, � ndet sich mit den Text-Dokumenten auch ein Datenpool aus unstrukturierten Informatio-nen unter den häu� g einbezogenen. Andere unstrukturierte Datenquellen wie Social Media, Audio, Video und Bilder � nden hingegen noch weniger oft Eingang in die Analysen.

Auch der dritte zentrale Aspekt – der Einbezug von Metadaten (zum Beispiel der Zeitpunkt oder Ort der Erstellung einer Datei) – wird überwiegend erfüllt. Über alle Studienteilnehmer und nahezu alle erfassten Datenarten werden in zwei von drei Fällen auch zugehörige Metadaten erfasst und verarbeitet. Sie bilden das Binde-glied zwischen verschiedenen Datenpools oder reichern die vorhandenen Daten um wesentliche Rahmeninformationen an, auf deren Basis dann neue Erkennt-nisse gewonnen werden können.

REDEN WIR WIRKLICH ÜBER BIG DATA?

Es wird tatsäch-lich Big Data praktiziert – auch wenn das vollständige Potential meist noch nicht aus-genutzt wird.


7

0,00000016,66666733,33333350,00000066,66666783,333333100,0000000,00000016,66666733,333333

Bestehende Datenbanken

Text-Dokumente

Hardware-Logs

Software-Logs

Verbindungsdaten

Transaktionsdaten

Internet-Logs / Cookies

Bilder

Standortdaten

Produktdaten

Maschinendaten

Video

Audio

Social-Media-Beiträge

Smart Building

Gesundheitsdaten

Smart Grid

Basis: 300 Unternehmen | MehrfachnennungenAngaben mit „Ja“

Welche Daten erfassen Sie und welche Daten verarbeiten Sie in Big-Data-Analysen? ?

92%

85%

82%

80%

79%

79%

78%

74%

66%

64%

63%

61%

59%

56%

50%

51%

48%

70%

51%

49%

50%

43%

56%

42%

37%

39%

45%

46%

34%

35%

31%

32%

27%

28%

Datenerfassung Big-Data-Analysen

Erfassung - Content und Metadaten

Erfassung - nur Content

Status quo der Daten-verarbeitung


8

Wer sich noch nicht konkret mit Big Data auseinandersetzt, hat generell kein Problem mit der Technologie selbst und ihrem grundsätzlichen Nutzen. Auch ein fehlender Verantwortungsträger, der sich der Umsetzung annimmt, ist selten ein Problem. Die Barrieren sind eher praktischer Natur: Der Mehrheit fehlen die perso-nellen und � nanziellen Ressourcen, einigen die Zeit, weil andere Projekte umge-setzt werden, und ein großer Teil hat nicht das Know-how, um Big Data operativ umzusetzen.

Ein weiteres großes Problem ist der unmittelbare Nutzen von Big-Data-Analysen für das eigene Unternehmen. Viele Unternehmen geben an, dass sie für sich selbst noch kein Geschäftsmodell bzw. keinen Zweck gefunden haben, bei dem Big-Data-Analysen gewinnbringend eingesetzt werden können.

DEN NACHZÜGLERN FEHLT HAUPT-SÄCHLICH PERSONAL UND GELD

Basis: 48 Unternehmen / MehrfachnennungenFilter: „Keine Nutzung“ und „Keine konkreten Pläne“

Warum setzt sich Ihr Unternehmen noch nicht konkret mit Big-Data-Analytics ausein-ander? ?

Keine Ressourcen

54%

Keine ausreichende technologische Expertise

35%

Kein Business-Case

31%

Keine Zeit

21%

Niemand übernimmt Verantwortung

15%


9

Derzeit pro� tiert in den meisten Unternehmen die IT-Abteilung von Big-Data-Ana-lysen, unter anderem in Form von Auslastungs- und Ausfallvorhersagen oder Security Intelligence. Auch für das Qualitätsmanagement ist Big Data in über-durchschnittlich vielen Fällen produktiv einsetzbar, zum Beispiel in Form von Pre-dictive-Quality-Analysen. Gegenwärtig setzen durchschnittlich vier Fachbereiche pro Unternehmen Big-Data-Analysen ein und auch wenn einige Bereiche aktuell noch weniger häu� g pro� tieren, gibt es dennoch für jeden einzelnen einen subs-tanziellen Anteil, der bereits Nutzen aus Big Data ziehen kann.

PRODUKTIVER EINSATZ IN ALLEN UNTERNEHMENSBEREICHEN

0 10 20 30 40 50 60

IT

Qualitätsmanagement

Marketing

Verkauf

Finance & Controlling

Logistik / Lagermanagement


Produktentwicklung

Produktion

Service

Personalwesen

Einkauf

Basis: 277 Unternehmen | MehrfachnennungenFilter: Nutzung bzw. Planung von Big Data

In bzw. für welche Fachbereiche werden Big-Data-Analysen bisher eingesetzt? ?

53%

37%

37%

36%

34%

33%

32%

30%

29%

27%

25%

40%


10

Auch wenn sich alle Fachbereiche grundsätzlich angesprochen fühlen, gibt es zum Teil deutliche Unterschiede in den dahinterliegenden Motivationsstrukturen. Die Studienteilnehmer wurden gebeten, im Unternehmen genannte Gründe für Big-Data-Analytics zu nennen und diese den drei maßgeblich relevanten Gruppen „Geschäftsführung“, „IT-Abteilung“ und „Fachbereiche“ zuzuordnen.

Für die IT-Abteilungen steht vor allem die Innovativität und Produktivität im Vordergrund, indem man die neu generierten Informationen für innovative Geschäftsideen, Produktentwicklung und Prozessoptimierung nutzt.

Für die Geschäftsführung dominieren erho� te Umsatz- und Gewinnsteigerun-gen, aber auch ein gewisser Konkurrenzdruck wird häu� g wahrgenommen.

Die Fachbereiche hingegen nehmen häu� g eine Nachfrage durch Kunden wahr und sehen daher ebenso Potential für das Business Development, erho� en sich aber auch eine Entlastung bzw. Unterstützung des Personals.

VIELFÄLTIGE GRÜNDE – VARIIEREND JE NACH BLICKWINKEL

0102030405060 0102030405060 0102030405060

Innovativität

Prozessoptimierung


Entlastung des Personals

Umsatzsteigerung

Konkurrenzdruck

Nachfrage durch Kunden

Basis: 275 Unternehmen | MehrfachnennungenFilter: Nutzung / Planung Big Data

Was sind die Gründe für die Umsetzung von Big-Data-Analytics? ?52%

49%

46%

42%

33%

29%

29%

IT-Abteilung Geschäftsführung Fachbereiche

43%

37%

33%

58%

43%

30%

29%

37%

35%

17%

31%

37%

37% 28%


11

Langer AtemDie Initiierung war in den meisten Unternehmen eher strategischer Natur und daher auch häu� ger langwierig. In den meisten Fällen ist das auch zielführend, denn das Thema ist komplex und muss von vielen Seiten betrachtet werden: Technische Rahmenbedingungen müssen gescha� en, rechtliche Anforderungen geprüft und erfüllt und vor allem das Ziel de� niert werden, also welche Daten zu welchem Zweck analysiert werden sollen.

Mit PlanDer Aufbau von Big Data wird überwiegend systematisch ange-gangen und auch das ist sinnvoll. Die Analyse ist nur so gut wie die Qualität ihrer Daten und das zugrundliegende Modell. „Probieren und schauen was herauskommt“ hat geringe Erfolgsaussichten, kann aber mitunter ein guter erster Ansatz sein, um sich an das Thema und mögliche Nut-zen heranzutasten.

ChefsacheAufgrund der Tragweite und dem insgesamt eher strategischen Charakter wird Big Data meist aus dem C-Level heraus initiiert. In vielen Fällen � nden natürlich auch einzelne Mitarbeiter oder Abteilun-gen Einsatzszenarien im operativen Alltag, die Stein des Anstoßes für ganzheitliche Maßnah-men sind.

O� ensiv ist besser als defensivUm sich mit Vorsprung im Wettbewerb zu platzie-ren, gehen Unternehmen zumeist proaktiv an Big Data heran. Auf der anderen Seite steht ein kleiner Teil der Unterneh-men, der lieber abwartet, um auf die Marktentwicklung zu reagieren. Welcher Weg der bessere ist, kann erst bewertet werden, wenn sich das eigegangene Risiko ausgezahlt hat.

Von innen herausBig Data wird deutlich häu� ger intern getrieben, das heißt von Entscheidern, Visionären, Fachbereichen und Mitarbeitern im Unternehmen, was dafür spricht, dass echte Chancen für die eigene Geschäftsentwicklung gesehen werden. Ein deutlich kleinerer Teil muss sich durch externe Kräfte wie Berater, Evangelisten, Analysten oder die Kunden für Big Data begeistern lassen.

LONG ROAD TO BIG DATA

Zur Implementierung von Big Data gibt es keinen Königsweg. Es zeigen sich allerdings Tendenzen, wie der Weg generell beschaf-fen ist.


12

Basis: 277 Unternehmen; die Werte repräsentieren den Anteil der Befragten, die sich eindeutig einer der beiden Ausprägungen zuordnen konnten

Filter: Nutzung bzw. Planung von Big Data

Wie war die Initiierung des Themas Big-Da-ta-Analytics in Ihrem Unternehmen eher bescha�en? ?

Strategisch

Schnell

Systematisch

Bottom-Up

Proaktiv

Intern getrieben

Operativ

Langwierig

Sporadisch

Top-Down

Reaktiv

Extern getrieben

22%

28% 21%

25%

19%

30%

18%

21%

32%

16%

27%

34%

Eher oder Eher

Die Verantwortlichkeit für die Entwicklung, Nutzung und Umsetzung von Big-Da-ta-Analytics in den Unternehmen lässt sich nicht eindeutig einer Führungsrolle zuordnen. In viele Unternehmen fällt sie in das Ressort des Chief Information O� icers (CIO) und des Chief Executive O� icers (CEO). Auch die Chefposten für Digitalisierung und Innovation werden relativ häu� g mit der Aufgabe betraut. Weil Daten und ihre Verarbeitung – vor allem im Anbetracht der EU-DSGVO – kritisch sind, ist außerdem sehr oft der Verantwortliche für Informationssicherheit (CISO) involviert. Während in knapp der Hälfte der befragten Unternehmen jeweils eine der aufgezählten Instanzen exklusiv die Verantwortung trägt, ist es in der ande-ren Hälfte jeweils eine Kombination von durchschnittlich drei Verantwortungsträ-gern, die sich die Aufgabe je nach Spezialgebiet aufteilen.

Bemerkenswert ist, dass sich trotz des hohen Einsatzgrads von Big-Data-Analy-sen noch relativ selten die Position des Chief Data Scientists etabliert hat, der sich voll und ganz auf die Wertschöpfung aus vorhandenen und potenziell ermittel-baren Daten konzentrieren kann.


13


Wer ist für die Entwicklung, Nutzung und Umsetzung von Big-Data-Analytics in Ihrem Unternehmen verantwortlich? ?

CEO

27%37%CIO

(Information)CDO

23%

CISO

34%

CDS13%CPO

13%

CMO

12% Big-Data-Abteilung

11%

Big-Data-Führungsrolle

10%

20% CIO(Innovation)

CIO Chief Information O�icerCISO Chief Information Security O�icerCEO Chief Executive O�icer CDO Chief Digital O�icerCIO Chief Innovation O�icerCPO Chief Process O�icerCMO Chief Marketing O�icerCDS Chief Data Scientist


Wer treibt bei Ihnen das Thema Big-Data-Analytics grundsätzlich voran?

?IT-Abteilung Geschäfts-

führungFach-

abteilungEinzelne

Innovatoren im Unternehmen

Unternehmens-berater

Niemand

68%

42%33%

18%10%

1%

?

Big Data wird am stärksten von den IT-Abteilungen getrieben, die gleichzeitig am häu� gsten Big Data für sich nutzen, im Einsatz aber auch sehr häu� g großen Nutzen für das ganze Unternehmen sehen. Auch die Geschäftsführung wird von den Befragten häu� g als aktiver Treiber wahrgenommen, während interne Inno-vatoren und externe Berater eher selten als die Treiber für Big Data gesehen werden.

IT-ABTEILUNG TREIBT AM STÄRKSTEN


14

Das � nale Ziel von Big Data ist die Entscheidungshilfe in Echtzeit, um möglichst schnell auf Probleme reagieren zu können bzw. schnell fundierte Aussagen und Analysen für alltägliche Meetings bereitstellen zu können. Aufgrund der enormen Datenmassen wird dafür massive Verarbeitungsleistung benötigt. Gegenwärtig � nden Big-Data-Analysen zum größten Teil auf eigener Infrastruktur statt, das heißt auf bestehender dedizierter Hardware, Private-Cloud- oder (hyper-)konver-genter Infrastruktur. Jedes fünfte Unternehmen nutzt darüber hinaus exklusive Private-Cloud-Infrastruktur von Drittanbietern. Die echte Public Cloud ist demge-genüber noch eher unbeliebt und wird nur von jedem vierten Unternehmen für Big-Data-Analysen eingesetzt. Und auch die Kombination privater und ö� entlicher Cloudkapazitäten wird noch selten genutzt, denn hier gilt es, anspruchsvollere organisatorische und technische Anforderungen umzusetzen, um letztendlich Performance, Kosten und Datenschutz optimal auszubalancieren.

Dass noch so viele Big-Data-Analysen auf bereits vorher existierender Hardware statt� nden, hängt auch mit den bisherigen Maßnahmen im Bezug auf neue Hard-ware-Bescha� ungen zusammen. Während einige Unternehmen bis dato keinerlei Maßnahmen getro� en haben, hat sich die Mehrheit auf punktuelle Ergänzungen beschränkt und nur jedes vierte Unternehmen hat bisher umfassende Hard-ware-Investitionen getätigt, um sich optimal auf die Bedürfnisse massiver Daten-verarbeitung auszurichten.

TECHNISCHE VORAUSSETZUNGEN

Basis: 277 Unternehmen | MehrfachnennungenFilter: Nutzung / Planung Big Data

Wo �nden die Big-Data-Analysen statt bzw. werden sie statt�nden? ?

Auf bereits existierender Hardware

Auf eigener (Hyper-)Kon-vergierter Infrastruktur

37%

In der Private Cloud (on oder o� premises auf eigener HW)

39%

In der Private Cloud (third party, o� premises auf fremder HW)

21%

In der Public Cloud (Dienstleister)

24%

In einem Hybrid-Cloud-Szenario

13%

42%


15

0 10 20 30 40 50

42%

42%

41%

40%

37%

16%

Basis: 300 Unternehmen | Mehrfachnennungen

Von welchen unternehmensexternen In�uen-cern machen Sie Entscheidungen bezüglich Ihrer Hardware-Käufe abhängig?

IT-Berater / -Consultants

Hardwarehersteller direkt

Softwarehersteller (inklusive ISV)

Systemhäuser / Implementierungs-Dienstleister

OEM-Hersteller

Online- und O�line-Medien

?

Welche technischen Maßnahmen wurden für den Einsatz von Big-Data-Analytics getro�en? ?

Umfassende Neuausrich-tung der Unterneh-

mens-IT, d.h. umfassende Hardware-Investitionen

Teile der IT-Infrastruktur wurden für Big-Data-Analysen

ergänzt oder ersetzt.

Keinerlei Veränderungen. Betrieb ndet auf bestehen-

der Infrastruktur statt.

25%

14%

60%


Die Entscheidung, welche Hardware gekauft wird, fußt je nach Unternehmen auf völlig verschiedenen Informationsquellen. Je nach Präferenz werden sowohl Berater und Systemhäuser konsultiert, die einen generell eher ganzheitlichen und herstellerunabhängigen Blick auf die Big-Data-Potenziale erö� nen können, als auch Software-, Hardware- und OEM-Hersteller, die aus Sicht ihres eigenes Port-folios Möglichkeiten und Empfehlungen für den entsprechenden Einsatzzweck aussprechen können.

16

Damit Big-Data-Technologien optimal genutzt werden können, braucht es in ers-ter Linie Daten von möglichst hoher Qualität. Genau an diesem Punkt hat bereits jedes dritte Unternehmen Probleme. Zudem geben in etwa genauso viele Unter-nehmen an, dass die benötigten Daten schlichtweg fehlen. Der nächste Schritt ist die technische Umsetzung, sprich der Aufbau entsprechender Verarbeitungs-kapazitäten. Auch hier fehlt es einigen Unternehmen an Hardwarekapazität, Flexibilität (zum Beispiel in Form von eigener Infrastruktur in Kombination mit Clouddienstleistern) sowie an entsprechender technischer Kompetenz, um die benötigte Kapazität und Flexibilität herzustellen. Und auch für die letztendliche Analyse fehlt vielen Unternehmen noch die notwendige analytische Kompetenz.

Weniger häu� g aber für ein Viertel der Unternehmen dennoch ein substanziel-les Problem ist die fehlende Wirtschaftlichkeit des Big-Data-Geschäftsmodells beziehungsweise, dass eine zur Bewertung der Wirtschaftlichkeit erforderliche ROI-Analyse fehlt.

PROBLEMANALYSE: MANGELHAFTE DATEN ODER FEHLENDE KOMPETENZ

Datenqualität nicht ausreichend 34%Erforderliche Big-Data-Daten fehlen 31%Fehlende Kompetenz bei technischer Umsetzung 31%Fehlende Kompetenz bei der Analyse 30%Big-Data-Geschäftsmodell ist nicht wirtschaftlich 26%Fehlende Flexibilität des IT-Betriebs 23%Erforderliche ROI-Analyse fehlt 22%

Hardware-Kapazitäten 21%Keine richtige Software 18%


Welche Probleme nehmen Sie gegenwärtig in Ihrem Unternehmen bezüglich der Umset-zung von Big Data wahr? ?


17

Big-Data-Analytics baut darauf auf, durch Verbindung unterschiedlichster Daten neue Informationen zu gewinnen. Im Rahmen der EU-Datenschutz-Grundverord-nung (EU-DSGVO) wird die Nutzung von persönlichen Daten strenger reguliert und bestraft. Big Data zielt in vielen Fällen darauf ab, Produkte und Services zu optimieren oder zu entwickeln und dafür braucht es in der Regel Daten über die Nutzung und die Nutzer selbst. Problematisch wird dies dann, wenn nicht genau abgegrenzt werden kann, welche Daten persönlich sind. Denn die De� -nition beschreibt sie nicht nur als Angaben über eine bestimmte, sondern auch über eine „bestimmbare“ Person. Mit den heutigen Technologien und der Masse an Daten kann das viele – auch eigentlich anonymisierte Daten – umfassen.

Elementar ist daher, dass datenerfassende, -speichernde, und -verarbeitende Prozesse klar in Verfahrensverzeichnissen de� niert und dokumentiert werden. Wenn dies bisher nicht geschehen war, konnte im Rahmen des BDSG ein relativ moderates Zwangsgeld festgesetzt werden. Mit der EU-DSGVO � ndet eine neue Regelung Anwendung, die eine Strafe von bis zu 4% des Konzernumsatzes pro Vergehen betragen kann. Auf mindestens ein Fünftel der befragten Unternehmen kommt daher in den nächsten Monaten noch viel Arbeit zu, wenn man diese Stra-fen vermeiden will. Streng genommen kann nur das Drittel als gut vor bereitet bezeichnet werden, das bereits eine umfangreiche Verfahrensdokumen tation für alle Datentypen umgesetzt hat.

EU-DSGVO UND BIG-DATA-ANALYTICS


Sind die Prozesse zur Erfassung und Spei-cherung bzw. Verarbeitung der Datentypen klar de�niert und dokumentiert? ?

37%

45%

15%2%1%

De�nition und Dokumentation bei derErfassung und Speicherung

De�nition und Dokumentation bei derVerarbeitung

44%

35%

16%

4%1%

Für alle DatentypenFür die meisten Datentypen

Nur für wenige DatentypenFür keinen Datentyp

Weiß nicht / keine Antwort


18

Erfreulicherweise ist vielen Unternehmen die Notwendigkeit bewusst, aktiv han-deln zu müssen. Rund zwei Drittel prüfen oder haben vor, ihre Big-Data-Prozesse zu prüfen. Ein Teil zieht sogar die Notbremse und stoppt vorerst seine Prozesse, bis Rechtssicherheit herrscht, oder wählt den Weg der Auslagerung der Prozesse und damit auch eines Teils der Datenschutzverp� ichtungen an externe Dienst-leister. Ein Hinweis auf die noch immer bestehende Unsicherheit hinsichtlich EU-DSGVO und ihren Folgen ist der relativ große Anteil an Befragten, der keine klare Aussage über diesbezügliche Maßnahmen machen kann.

11%

43%

23%

8%

5% 10% Die EU-DSGVO betri�t unsere Big-Data-Prozesse und -Pläne nicht.

Wir analysieren oder lassen derzeit analysie-ren, inwiefern unsere Big-Data-Prozesse und Pläne betro�en sind.

Wir wissen, dass wir unsere Big-Data-Ana-lytics Prozesse und

Pläne umfassend anpas-sen müssen.

Wir stellen unsere Big-Data-Analysen bzw.

unsere Umsetzungspläne vorerst ein, sobald die

EU-DSGVO in Kraft tritt, bis Rechtssicherheit

hergestellt ist.

Wir lagern unsere Big-Da-ta-Prozesse komplett an Dienstleister aus, die die

Vorgaben an unserer Stelle statt erfüllen

müssen.

Weiß nicht / keine Antwort


Im Mai 2018 tritt die neue EU-DSGVO in Kraft. Inwiefern betri�t das Ihre Big-Data-Analytics Prozesse und / oder Pläne? ?

PRÜFEN, ANPASSEN, ABWARTEN ODER OUTSOURCEN?


19

Big Data ist in vielen großen Unternehmen bereits etablierter Bestandteil der IT-Landschaft oder auf dem Weg dorthin. Ein hoher Einsatzgrad sagt aber noch nichts über die Qualität aus. Auf dem Weg zum reifen Big-Data-Einsatz sind noch einige Hürden zu nehmen. An Verantwortungsübernahme, Willen und Motivation mangelt es nicht, dafür aber umso öfter an fehlen-der Infrastruktur, technischem Know-how oder analytischer Kompetenz.

Zudem mangelt es bei einigen Unternehmen an Business Cases beziehungsweise ist die Wirtschaftlichkeit fraglich oder kann gar nicht bestimmt werden. Bei der Mehrheit der Unter-nehmen scheinen die Frage nach dem Business Case oder die Wirtschaftlichkeit von Big-Data-Analysen jedoch kein Problem zu sein.

Die bisherigen Erfahrungen der befragten Unternehmen kön-nen zu folgender Empfehlung zusammengefasst werden: Bevor man sich in Big Data stürzt, sollte man einen Plan fassen. Dazu gehört, welche Daten man erfassen kann, ob man diese Daten erfassen darf, welche technischen Voraussetzungen getrof-fen werden müssen und wie oder mit wessen Hilfe man diese umsetzt, welche Ziele man mit den Analysen erreichen will, wel-che � nanziellen oder wettbewerblichen Vorteile man aus den erreichten Zielen ziehen kann und ob letztendlich alle Schritte miteinander korrespondieren.

Umso wichtiger ist es, fundierte Expertise aufzubauen, wenn man es mit Big Data wirklich ernst meint. Die Rolle des Chief Data Scientist wird noch relativ selten besetzt und auch expli-zite Big-Data-Verantwortliche oder -Abteilungen sind nicht die Regel. Eine zentrale Stelle, die sich vollständig auf dieses kom-plexe und weitreichende Thema konzentrieren kann, möglichst viele Informationen verknüpft und notwendiges Know-how iden-ti� zieren und bescha� en kann, wäre jedoch ein großer Schritt nach vorn, wenn Daten als „Rohsto� der Zukunft“ (Angela Mer-kel) genutzt werden sollen.

FAZIT


20

Die Studie „Das hochintelligente Unternehmen: Sind deutsche Enterprise-Rechen-zentren in der Lage über Big-Data-Analytics den Unternehmenserfolg zu sichern?“ wurde von der techconsult GmbH im Auftrag der Intel Corporation konzipiert und durchgeführt. Im November 2017 wurden 300 Unternehmen der Größenklasse ab 250 Mitarbeitern zum Thema Big-Data-Analytics befragt. Die Stichprobe verteilt sich über alle Branchen. Ansprechpartner waren in erster Linie leitende IT-Ver-antwortliche und Mitarbeiter der IT-Abteilungen, die Angaben über die momen-tane und zukünftige Erfassung, Verarbeitung und Analyse von Datenbeständen machen konnten.

27%

24%15%

17%

12%

11%10%

Industrie inkl. Automotvie

DienstleistungÖ�entliche Verwaltung

Zwischen 250 und 1.999 Angestellte

CIO / IT-Leiter

Zwischen 2.000 und 4.999 Angestellte

Mehr als 5.000 Angestellte

Handel

Banken und Versicherungen

Gesundheitswesen

56% 19% 25%

2%CDO (Chief Data O�icer)

11%CXO / andere Führungskraft

25%IT-ManagerDatenbanken / Datenanalyse

18%IT-ManagerIT-Infrastruktur

6%IT-Manageranderer Schwerpunkt

21%IT-Mitarbeiter mit beraten-der bzw. leitender Funktion

Branche

Mitarbeiter

Position

STUDIENDESIGN UND STICHPROBE


Marco BeckerAnalyst techconsult GmbH

Baunsbergstr. 37D-34131 Kassel

E-Mail: [email protected].: +49-561-8109-180Fax: +49-561-8109-101Web: www.techconsult.de

Über techconsult GmbHDie techconsult GmbH, gegründet 1992, zählt zu den etablierten Analysten-häusern in Zentraleuropa. Der Schwerpunkt der Strategieberatung liegt in der Informations- und Kommunikationsindustrie (ITK). Durch jahrelange Standard- und Individual-Untersuchungen verfügt techconsult über einen im deutschsprachigen Raum einzigartigen Informationsbestand, sowohl hinsichtlich der Kontinuität als auch der Informationstiefe, und ist somit ein wichtiger Beratungspartner der CXOs sowie der IT-Industrie, wenn es um Produktinnovation, Marketingstrategie und Absatzentwicklung geht.

Über IntelIntel macht außergewöhnliche Erlebnisse möglich. Intels Inno-vationen erweitern die Grenzen des Computing von persönli-chen Geräten über Unternehmensserver und die Cloud bis hin zu smarten und vernetzten Systemen. Die Arbeit der Intel-Mitarbeiter formt neue Geschäftsfelder, treibt fort-schrittliche Entwicklungen voran und ermöglicht großar-tige Erfahrungen.

Mehr Informationen erhalten Sie unter intel.de/analytics

DAS HOCHINTELLIGENTE

UNTERNEHMEN

DAS HOCHINTELLIGENTE UNTERNEHMEN · Fast zwei Drittel der befragten Unternehmen behaupten von sich,...

Documents

Transcript of DAS HOCHINTELLIGENTE UNTERNEHMEN · Fast zwei Drittel der befragten Unternehmen behaupten von sich,...