Home / Themen / Analysen / Advanced Analytics: Data Scientists spielen zentrale Rolle – doch auch Fachbereiche gewinnen an Bedeutung

Advanced Analytics: Data Scientists spielen zentrale Rolle – doch auch Fachbereiche gewinnen an Bedeutung

Advanced Analytics ist aktuell ein wichtiges Thema in Unternehmen, um damit herkömmliche BI-Analysen zu ergänzen. Für die Umsetzung spielen dabei Data Scientists eine wichtige Rolle. Allerdings gewinnt auch der Fachbereich immer mehr an Bedeutung.  

Quelle: BARC

Den Fokus legte BARC bei der aktuellen Untersuchung „Advanced und Predictive Analytics“ auf  Data Science im Fachbereich und welche Unterschiede zu Data-Scientist- und IT-getriebenen Unternehmen hinsichtlich Organisation, Prozessen, Technologie und allgemeinen Herangehensweisen bestehen.

Generelle Ergebnisse: 9 Prozent der 210 Teilnehmer aus der DACH-Region erachten das Thema Advanced Analytics als sehr wichtig – doppelt so viele wie im letztjährigen Survey. 63 Prozent halten es sogar für zukünftig sehr wichtig. Allerdings stagniere die Zahl der Unternehmen, die Advanced Analytics anwenden.

Lediglich 5 Prozent nutzen diese Technologie bereits häufig, 31 Prozent vereinzelt – in etwa so viele wie im letzten Jahr. Zwar sei die Bereitschaft, in das Thema zu investieren im Laufe des letzten Jahres gestiegen, doch sind die meisten Unternehmen mit konkreten Investitionen noch zurückhaltend, so BARC.

Dabei ist die Zahl möglicher Anwendungsfälle immens und reicht von klassischen Kundenwert- und Erfolgsprognosen, über die Verhinderung von Vertragskündigungen oder Preis-, Absatz- und Bedarfsprognosen bis hin zu neuen Aufgaben wie der Vorhersage von Maschinenausfällen, Social-Media-Monitoring und -Analyse oder Predictive Policing.

Data Scientists werden wichtiger

Wie in der Vorjahresbefragung sind die Key-User im Fachbereich mit 25 Prozent die größte Anwendergruppe für Data Science. Data Scientists gewannen an Bedeutung für die Umsetzung von Advanced-Analytics-Projekten. 20 Prozent der befragten Unternehmen beschäftigen die Experten, wobei diese nur in etwas über der Hälfte der Fälle in einem Data Lab organisiert sind. Nur 13 Prozent der Studienteilnehmer setzen bei dem Thema auf externe Dienstleister. Stärkste Treiber bzw. Vordenker von Advanced Analytics sind das Management (39 %), gefolgt vom Fachbereich Finanzen/Controlling (36 %) und der BI-Organisation (36 %).

Quelle: BARC

Unternehmen befinden sich überwiegend in der Prototypisierung von Use Cases

Fachbereichsgetriebene Unternehmen befinden sich überwiegend in der Phase der Use-Case-Identifikation und der Evaluierung von Prototypen, während Data-Scientist- und IT-getriebene Unternehmen sich eher in der Prototypisierung befinden. Erstere setzen Advanced Analytics zur Unterstützung von Entscheidungen ein (18 %), jedoch nicht zur Prozessautomatisierung (0 %). Für Data-Lab- und IT-getriebene Unternehmen stelle diese Automatisierung jedoch einen Schwerpunkt dar (13 %).

Dies lasse darauf schließen, dass die Kenntnisse professioneller Data Scientists sowie der IT gegenüber dem Fachbereich auch andere Use Cases zulassen oder Advanced Analytics von Fachbereichen mit deutlich anderen Erwartungshaltungen genutzt werde.

Quelle: BARC

Nutzer zeigen sich hinsichtlich zukünftiger Mehrwerte optimistisch

Der in Advanced-Analytics-Projekten realisierte Nutzen beziffert sich bei den Befragten auf eine Umsatzsteigerung von 3 Prozent und eine Kostensenkung von 2 Prozent. Nutzer erwarten hier zukünftig Werte von 8 Prozent bzw. 9 Prozent.

Darüber hinaus sehen fachbereichsgetriebene Unternehmen ein besseres Verständnis des Wettbewerbs und der Kunden als wichtigen Mehrwert von Advanced-Analytics-Projekten an. Für IT- und Data-Scientist-getriebene Unternehmen liege dieser bei besseren strategischen Entscheidungen und einem besseren Kundenverständnis.

12 Prozent der fachbereichsgetriebenen Unternehmen und 22 Prozent der IT- und Data-Scientist-getriebenen Unternehmen gaben zudem an, dass Advanced-Analytics-Projekte in Personaleinsparungen durch Prozessautomatisierung resultieren. Berücksichtige man, dass hierfür typischerweise ein umfassenderes IT-Wissen notwendig ist, sei der geringere Grad an Prozessoptimierung in Fachbereichen verständlich.

Quelle: BARC

Nachholbedarf herrscht beim Thema Kommunikation

Sowohl bei fachbereichs- als auch Data-Scientist-getriebenen Unternehmen bestehe bezüglich statistischer Fähigkeiten Nachholbedarf. Für fachbereichsgetriebene Unternehmen ist dies die wichtigste (44 %), für IT- und Data-Scientist-getriebene Unternehmen die zweitwichtigste Kompetenz (36 %), bei der zusätzlicher Bedarf besteht.

Ein deutlicher Unterschied zeige sich beim Thema „Moderation zwischen Fachbereich und IT“: 40 Prozent der IT- und Data-Scientist-getriebenen Unternehmen halten diese Kompetenz für ausbaufähig, aber nur 21 Prozent der fachbereichsgetriebenen Unternehmen. „Für die Use-Case-Identifikation, die Beurteilung von Prototypen und die Operationalisierung ist die Kommunikation zwischen Data Scientists, Fachbereichen und IT extrem wichtig“, so Dr. Sebastian Derwisch, Data Scientist bei BARC und Mitautor der Studie. „Hier sind Unternehmen, die Data Science auch im Fachbereich verankert haben, im Vorteil, da die Nähe zu den zu optimierenden Prozessen gegeben ist. IT- und Data-Scientist-getriebene Unternehmen müssen daran arbeiten, ein Verständnis für die Prozesse und Methoden im Bereich Advanced Analytics in den Fachbereichen aufzubauen und die analytische Kapazität zu stärken.“

„Welche der folgenden Fähigkeiten für die Durchführung von fortgeschrittenen Analysen fehlen bei Ihnen?“ nach fachbereichsgetriebenen und IT- & Data-Scientist-getriebenen Unternehmen (n=149) Quelle: BARC

Fazit: Zwischen Unternehmen, in denen Data Science fachbereichsgetrieben und solchen, in denen die Data Science IT- & Data Scientist-getrieben ist, bestehen Unterschiede. So setzen Fachbereiche Advanced Analytics in anderen Anwendungsszenarien ein und nutzen andere Technologien, verfügen über weniger technisches Know-how und andere Datentypen für die Analyse. Die Integration von Data Science in Fachbereiche sei jedoch organisatorisch gesehen sinnvoll: Kurze Abstimmungswege erleichtern die Kommunikation und am Ende die Operationalisierung der gefundenen Modelle.

Durch Unterstützung der Sponsoren Cloudera, Dataiku und SAS stehen die Studie „Advanced und Predictive Analytics“ zum kostenlosen Download zur Verfügung. Im Studiendokument werden die wichtigsten Erkenntnisse der Studie in fünf „Hot Spots“ zusammengefasst und Handlungsempfehlungen ausgesprochen, mit deren Hilfe Unternehmen ihre Advanced-Analytics-Initiativen optimieren können.

Share

Leave a Reply

Your email address will not be published. Required fields are marked *

*