RE

SE

AR

CH

SE

RV

ICE

S StudiePredictive Analytics2018

Silber-Partner

Bronze-Partner

Gold-Partner

Um vorherzusagen, dass Predictive Analytics

in den nächsten Jahren eine wichtige Rolle

spielen wird, braucht man kein Predictive

Analytics. Die technologische Eintritts-

barriere ist so tief gesunken, dass nahezu

jedes Unternehmen beginnen kann, Trends

zu analysieren und Wahrscheinlichkeiten –

etwa zu Kundenverhalten, Absatzchancen

oder auch Maschinenausfällen – zu errech-

nen.

Entsprechende Daten lassen sich im großen

Stil sammeln, konsolidieren und auswerten.

Der öffentliche Cloud-Speicher ist grenzen-

los 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 Dash-

boards bauen lassen, mangelt es ebenfalls

nicht.

Dennoch gibt es limitierende Faktoren, die

nicht zu unterschätzen sind. Da ist zum

einen der chronische Mangel an gut aus-

gebildetem 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“.

Die Mentalität des „Das haben wir schon

immer so gemacht“ ist der natürliche

Feind eines jeden Predictive-Analytics-

Projekts. Datengestützt zu entscheiden ver-

langt 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

Das Ende der Bauch- entscheidungen

Heinrich VaskeEditorial DirectorCOMPUTERWOCHE & CIO

Editorial 3

Inhalt

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

Management Summary

13

Editorial

3

Studiendesign

41

Studiensteckbrief ..................41

Stichprobenstatistik ..............42

© s

hu

tte

rsto

ck.c

om

/ S

erg

ey

Niv

en

s

Die Studienreihe

49

Unsere Autoren / Sales-Team / Gesamtstudienleitung .................50

Vorschau Studienreihe .................51

6

Viele Daten, aber noch kein Plan ..................................... 7

Wo Mehrwert noch an Grenzen stößt ........................10

Die Round Tables

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

Weitere Studienergebnisse

26

© s

hu

tte

rsto

ck.c

om

/ S

erg

ey

Niv

en

s

Kontakt  /  Impressum

48

Unsere Gold- und Silber-Studienpartner

stellen sich vor

43

Lufthansa Industry Solutions .....................44

DATAVARD .....................................................46

Blick in die Zukunft

38

Hohe Erfolgsquote darf nicht blenden

Die Round Tables

Predictive Analytics

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.

Data Lakes, in denen Informationen auf Nim-

merwiedersehen verschwinden, wenn man

nicht aufpasst, CIOs im Konkurrenzkampf mit

dem Digitalisierungschef und mittendrin ver-

lorene Data Scientists: Predictive Analytics

nimmt zwar allmählich Fahrt auf in den

Unternehmen, doch der Weg zu auf Daten-

analysen 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 Prin-

ciples), 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 deut-

schen 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 da-

für, wie mit diesen Daten gearbeitet werden

Von Christiane Pütter

soll. So manch ein Manager ist froh, wenn er

das Thema mit dem Auftrag – „Hier sind mei-

ne Daten, machen Sie was damit“ – an einen

Data Scientisten weiterdelegieren kann. Dass

vielfach keine zielgerichtete Strategie dahin-

tersteckt, zeigt auch die Beobachtung, dass

Sachbearbeiter meist weder motiviert noch

incentiviert werden, Daten zu pflegen. Einen

weiteren Schwachpunkt bildet oft die Tech-

nik: In vielen Firmen kaufen die Fachabtei-

lungen IT-Systeme ein. „Best-of-Breed re-

giert“, 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 tech-

nischen Möglichkeiten gibt es auch neue

Optionen für das Business. Die Experten spre-

chen von verschiedenen Phasen beziehungs-

weise Stufen, in denen sich Analytics im Un-

ternehmen 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

7Die Round Tables

Die Key Findings im Einzelnen

Predictive Analytics

Die Key Findings im Überblick

Management Summary

Vielfältige Einsatzszenarien Überwältigende 94 Prozent der Firmen nutzen Predictive Analytics für bessere Geschäftsentscheidungen, insbesondere im IT-Bereich, im Management und in der Produktion.

Der Aufwand lohnt sich Das Gros der Firmen ist mit den bisherigen Predictive-Analytics- Maßnahmen und dem Kosten-Nutzen- Verhältnis sehr zufrieden oder zufrieden.

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  %

Status quo Etwas mehr als ein Drittel der

Unternehmen hat bereits Analytics-Projekte umgesetzt,

die Hälfte davon im Bereich Predictive Analytics.

37  % 56  %Projekte umgesetzt Predictive Analytics

94  %

59  %

„Sehr zufrieden“ oder

„Zufrieden“

11  %

„Eher unzufrieden“ bis

„Sehr unzufrieden“

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 Pre-

dictive 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 Pro-

zent 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 Analyse-techniken 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

Sehr große Bedeutung

Große Bedeutung

Eher größere Bedeutung

Eher geringere Bedeutung

Geringe Bedeutung

Sehr geringe Bedeutung

Derzeit

Künftig

17,8

32,6

29,0

33,4

19,8 19,7

16,0

7,5 7,3

2,6

10,3

4,1

Gesamtergebnis

16 Management Summary

Predictive Analytics

Weitere Studienergebnisse

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 Daten-

mengen auf Künstliche Intelligenz (KI). Damit steht diese wichtige Analyse-

form 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 Analysever-

fahren 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)

Steht zur Verfügung Investition geplant Keine Investition geplant

Künstliche Intelligenz (KI) /

Machine Learning

35,3

37,4

27,3

Geodaten- analyse

35,5

28,0

36,6

Video- analyse

29,5

33,9

36,6Analyse von Datenströmen /

Streaming Analytics

36,6

46,4

16,9

Data Lake

38,4

35,1

26,5

Sprach- analyse

31,6

32,6

35,8

Business- Intelligence- Suite / Tools

(BI)

43,9

39,7

16,4

Data Discovery / Dashboards

41,8

41,8

16,3

Simulation

42,5

34,9

22,6

Optimierung

42,5

45,3

12,2

Process Mining

39,7

36,4

23,9

Vorhersage- modelle

42,6

41,1

16,3

Microsoft Excel

68,719,0

12,3

Planungs- tools

45,8

41,1

13,2

Daten- visualisierung

52,6

36,8

10,5

Data Warehouse

46,3

33,0

20,7

Data Mining / Data Science

49,2

37,0

13,8

Abfragen und

Reporting64,7

27,3

8,0

27Weitere Studienergebnisse

Predictive Analytics

Blick in die Zukunft

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.

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 bestimm-

tes 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.

Von Jürgen Mauerer

39Blick in die Zukunft