Megatrends im Analytics Bereich

0

Rear view of sitting financial analyst. A huge digital screen with the range of graphs, charts, and arrow. Forex trading concept.

Die Fortschritte im Bereich Analytics sind rasant. Während vor wenigen Jahren nur wenige Experten Themen wie Machine Learning, Data Mining oder Cognitive Computing diskutierten, beschäftigen sich jetzt auch Nicht-Mathematiker und Fachbereiche mit diesen Begriffen und versuchen, diese einzuordnen. In meinen Gesprächen mit CIOs, zunehmend auch mit Chief Digital Officers, treffe ich immer wieder auf diesen Befund.

Woran liegt das? Was sind die Megatrends im Bereich Analytics?

  1. Digitalisierung treibt Analytics

Vor wenigen Jahren habe ich noch häufiger gehört: „Big Data betrifft uns nicht, wir haben nur kleine Datenmengen.“ Oder: „Digitale Transformation mag für die Musikindustrie zutreffen, aber uns als Maschinenbauer, Händler oder Bank berührt das nur am Rande, maximal im Bereich Kundenkontakt über Social Media.“ Das hat sich sehr deutlich geändert. Auch Branchen, die sich durch große Investitionen in konventionelle Gebäude und Anlagen – Nicht-Digitales – auszeichnen, gründen nun Digitalisierungsinitiativen: Jüngst beobachtete ich das in der chemischen Industrie.

Nun ist es aber eine so einfache wie wahre Botschaft: Digitalisierung schafft Datenberge. Diese Datenberge schreien geradezu nach Verdichtung, Integration in Prozesse und einem „Mining“ von Bedeutungen und Inhalten. Digitalisierung mündet in der einen oder anderen Art immer in Analytics.

2. Analytics wird zugänglicher

Nun haben aber weder die Unternehmen Zeit und Geld, sich in großem Maßstab neue Belegschaften mit analytischem Expertenwissen aufzubauen, noch ist auf einmal eine sprunghafte Steigerung des allgemein verfügbaren mathematischen Talents wahrscheinlich. Es muss also vor allem darum gehen, analytische Verfahren und Methoden in einer Weise bereitzustellen, dass viel mehr Businessverantwortliche damit umgehen können. Der Schlüssel dazu liegt in technologischen Schüben wie In-Memory und Visualisierung. Durch die neue Rechenpower lassen sich die User Interfaces endlich mit größeren Freiheitsgraden und intuitiver gestalten – vom Anwender und nicht vom Problem her gedacht. Auch Automatisierung von Analytics und die Einbettung in bereits vorhandene Entscheidungsprozesse sorgen für eine weitere Verbreitung.

3. Technische Limitierung weitgehend aufgehoben

Die technischen Beschränkungen der knappen Arbeitsspeicher, Großrechnerkapazitäten oder grundsätzlichen Datenverarbeitungsmöglichkeiten gehören der Vergangenheit an. Dabei stehen wir hier mit der Cloud-Technologie gerade an der Schwelle zu einer wirklich elastischen Nutzung von allen denkbaren Ressourcen mit Pay-per-use- oder As-a-service-Modellen, die massive Kostenvorteile mit sich bringen. Extrem kostengünstige Sensoren produzieren Unmengen von Daten, die sich mittels Hadoop oder anderen Datenspeicherungstechnologien ebenso günstig abspeichern lassen. Die größten Kosten entstehen heute in der Aufbereitung und Nutzung dieser Datenmengen – aber auch das ist kein grundsätzliches Problem mehr. So tritt anstelle der technischen Expertise im Bereich Datennutzung immer mehr die unternehmerische und kreative Komponente in den Vordergrund.

4. Labs & Factories

Weil nun aber sowohl Daten als auch Technologien zur Verfügung stehen, fragen sich immer mehr CEOs oder CDOs, woran es denn scheitert, mit traditionellen Innovationsprozessen in R&D-Abteilungen oder Strategiestäben datenbasierte Geschäftsmodelle zu entwickeln. Hier kommt das disruptive Potenzial der Digitalisierung zum Tragen. Ein fast schon stereotypes Beispiel dafür lieferte bereits Henry Ford: „Wenn ich die Menschen gefragt hätte, was sie wollen, hätten sie gesagt: schnellere Pferde”. Übertragen also: traditionelle Innovationsmethoden entwickeln nah am Kern des bisherigen Geschäftsmodells. Daten können aber, einmal erhoben, in einem anderen Zusammenhang ganz andere Ergebnisse ermöglichen. So können etwa Navigationsdaten von Autos natürlich Stauprognosen verbessern, aber eben auch Touristenströme, Verkehrswegeplanung, Sicherheitsoptimierung etc. treiben

Deshalb versiegt zurzeit nicht der Strom der Silicon-Valley-Besucher, die sich dort neues Denken abschauen wollen und dann in Deutschland Labs gründen und diese mit großen Freiheitsgraden ausstatten. Der zweite, komplementäre Trend ist dann, die Lab-Ideen zügig in „Produktion“ zu bringen und rasch zu skalieren. Sozusagen eine „Analytics Factory“ zu etablieren, die schnell die nötige Infrastruktur für analytische, datengetriebene Geschäftsmodelle bereitstellt.

5. Probleme passen zu Analytics

Ein wirklich massiver Trend liegt alledem zugrunde. Vielleicht klingt es abgedroschen, aber unsere Welt ist so komplex geworden, dass wesentliche Probleme nicht mehr ohne Analytics gelöst werden können. Digitalisierung und Globalisierung haben Markteintrittsschwellen dramatisch gesenkt. Einzelne Technologiesprünge in den Branchen tun ihr Übriges: Wenn die Elektromobilität massentauglich wird, ist beispielsweise der gesamte deutsche Automobilsektor, der sich mit Zuliefernetzwerken, Forschung, Ausbildungsstätten über Jahrzehnte etabliert hat, in Gefahr. Einem Newcomer wie Apple wird zugetraut, mit einigen Hundert Ingenieuren und dem gesamten Know-How aus der Softwarebranche ein Elektroauto zu entwickeln. Ein benzingetriebener Antriebsstrang ist dafür viel zu komplex.

Es geht also immer mehr um Daten. Diese lassen sich analysieren und berechnen. Mathematik, insbesondere Stochastik, gehört damit zum Rüstzeug in der modernen Geschäftswelt. Wettbewerbsvorteile werden künftig erzielt werden, wenn Mensch und Maschine optimal zusammenarbeiten, wenn künstliche Intelligenz sinnvoll eingesetzt wird und über Automatisierung und einfache Bedienung echten Kundennutzen schafft. Dafür braucht es bei noch viel mehr Vorständen und Bereichsleitern ein grundlegendes Verständnis von Themen wie Mustererkennung, Vorhersagemodelle, maschinelles Lernen, neuronale Netze und andere Verfahren im Bereich moderner Analytics.

Welche Trends sehen Sie für Ihr Unternehmen? Wo befinden Sie sich auf dem Weg der Transformation zu einer analytischen Organisation? Ich freue mich auf Erfahrungen und jede Anregung in den Kommentaren.

Wenn Sie sich tiefgreifender mit den Trends im Bereich Analytics auseinander setzen wollen, ist die Analytics Experience 2016 eine gute Gelegenheit.

Share

About Author

Andreas Gödde

Director Business Analytics

Andreas Gödde is specialist for strategies around Big Data Analytics, Digitalization and Internet of Things, helping organizations to get insights from data for business decisions. He leads the presales organization for Business Analytics of SAS in Germany, Austria and Switzerland. Andreas has a 25 years background in advising companies around Business Intelligence, Data Warehouse and Big Data concepts and projects. Andreas graduated in business informatics in Mannheim. He joined SAS in 1994 helping developing and growing the professional services organization in different management roles. In 2006 he moved to the presales organization building up teams for technical and strategic advisory for customers and for emerging technologies and trends like Big Data and the Internet of Things. Before joining SAS he worked for BASF in Ludwigshafen.

Related Posts

Leave A Reply

Back to Top