Intuitiv versus faktenbasiert: Bei Data-Science-Nutzung gibt es Defizite

An der Bedeutung intelligenter Datenanalysen als Innovationsmotor und Treiber der digitalen Transformation herrscht in deutschen Firmen kein Zweifel mehr. Für die meisten von ihnen steht der geschäftliche Nutzen von Data Science inzwischen außer Frage. Gleichwohl vertraut noch immer jedes zweite Unternehmen bei wichtigen Entscheidungen eher der menschlichen Intuition als computergestützten Analysen und Prognosen. Verantwortlich für diese Diskrepanz ist vielerorts die Schwierigkeit, fachliche Aspekte von Geschäftsprozessen mit den neuen Möglichkeiten moderner Data-Science-Lösungen unter einen Hut zu bringen.

Dass sich die wirtschaftliche Performance verbessert, sobald Geschäftsprozesse quasi von Daten angetrieben werden – davon sind 94 Prozent der Unternehmen in der Bundesrepublik laut der Potenzialanalyse „Data Science“ von Sopra Steria Consulting überzeugt. 36 Prozent sehen im Erkenntnisgewinn aus Datenanalysen zudem ein „sehr hohes Potenzial“, um ihre Innovationskraft zu steigern und die Digitalisierung ihrer Prozesse weiter voranzubringen. Obgleich sich der Geschäftsnutzen von Advanced- und Predictive-Analytics-Technologien mit betriebswirtschaftlichen Kennzahlen nur schwer beziffern lässt, sind die Erwartungen in Chefetagen, IT-Abteilungen und im Vertrieb besonders hochgesteckt. Wie aus einer von Sopra Steria Consulting unterstützten Anwenderstudie des Business Application Research Centers BARC hervorgeht, versprechen sich Unternehmen vom Data-Science-Einsatz in erster Linie verbesserte Planbarkeit (48 %), optimierte Steuerung operativer Prozesse (37 Prozent) sowie nachhaltig sinkende Kosten dank steigender Effizienz (ebenfalls 37 %).

Für viele Firmen sei es bis dahin aber noch ein weiter Weg. Tatsache ist zum Beispiel, dass sich 54 Prozent der für die Potenzialanalyse befragten Entscheider eher auf ihre Intuition verlassen als auf fundierte Datenanalysen. „In der Praxis erweist sich die Schwierigkeit, die fachliche Spezifik von Geschäftsprozessen mit den Mitteln fortschrittlicher Analytics-Technologien adäquat abzubilden, als eine der größten Hürden für die erfolgreiche Umsetzung von Data-Science-Projekten“, kommentiert Lars Schlömer, Head of Business Intelligence bei Sopra Steria Consulting. Neben hochkarätigem Technologie-Know-how sei dafür eben auch tiefes Prozessverständnis notwendig. In der Auflösung dieses Spannungsfeldes liegt für Schlömer der Schlüssel zur digitalen Exzellenz.

Offenbar setzt sich diese Erkenntnis auch in immer mehr Unternehmen durch: Um ihre aktuellen Defizite zu beseitigen, wollen 70 Prozent von ihnen innerhalb der nächsten zwölf Monate in neue Analyse-Technologien investieren; 62 Prozent planen zudem die Neueinstellung von Data-Science-Spezialisten.