Post on 24-Apr-2018
transcript
Big Data Use Cases 2015 – Getting real on data monetization
- 2 -
Autoren
Dr. Carsten Bange
Geschäftsführer
cbange@barc.de
Timm Grosser
Senior Analyst
tgrosser@barc.de
Nikolai Janoschek
Research Analyst
njanoschek@barc.de
Die Autoren danken Adrian Wyszogrodzki für seine Unterstützung.
Diese unabhängige Studie wurde von BARC erstellt, einem objektiven Marktanalysten.
Dank eines Sponsorings durch Blue Yonder, Cloudera, Hewlett Packard, Information Builders,
pmOne, SAS, Tableau und Teradata kann diese Studie kostenfrei verteilt werden.
Big Data Use Cases 2015 – Getting real on data monetization
- 3 -
Inhaltsverzeichnis
An Big Data führt heute kein Weg mehr vorbei ...................................................................................4
Management Summary ..........................................................................................................................5
Big Data erobert die Unternehmen, allerdings nur wenn das Management vorangeht .................5
Big-Data-Initiativen liefern beachtlichen Mehrwert .........................................................................6
Der Kunde im Mittelpunkt ...............................................................................................................6
Unternehmen kämpfen mit massiven Know-how-Defiziten sowie Sicherheit und Datenschutz ....7
Europa hinkt hinterher ....................................................................................................................7
Industrie 4.0 ist mehr Wunsch als Wirklichkeit ...............................................................................8
Ergebnisse der Umfrage ........................................................................................................................9
Big Data Nutzung in Unternehmen wächst ................................................................................. 10
Big-Data-Initiativen übertreffen den erwarteten Nutzen .............................................................. 15
Big-Data-Initiativen in allen Unternehmensbereichen auf dem Vormarsch ................................ 17
Unternehmen setzen derzeit vor allem auf Standard-BI-Werkzeuge, Wandel steht jedoch
bevor ...................................................................................................................................... 30
Beschäftigungstreiber Big Data ................................................................................................... 33
Fehlendes Know-how bremst Big Data aus ................................................................................ 35
Fazit und Handlungsempfehlungen .................................................................................................. 40
Anhang A: Methodik und Demographie ............................................................................................ 42
Das Business Application Research Center (BARC) ....................................................................... 45
Firmenprofile der Sponsoren ............................................................................................................. 46
Blue Yonder ................................................................................................................................... 46
Cloudera ........................................................................................................................................ 47
Hewlett Packard............................................................................................................................. 48
Information Builders ....................................................................................................................... 49
pmOne ........................................................................................................................................... 50
SAS ................................................................................................................................................ 51
Tableau .......................................................................................................................................... 52
Teradata ........................................................................................................................................ 53
Big Data Use Cases 2015 – Getting real on data monetization
- 4 -
An Big Data führt heute kein Weg mehr vorbei
ig Data hat seinen Weg in die Unter-
nehmen gefunden. So der zentrale Be-
fund der Vorgängerstudie „Big Data
Analytics“, die 2014 die Entwicklung von Big
Data in der DACH-Region unter die Lupe ge-
nommen hat. Damals gab knapp ein Drittel der
befragten Anwenderunternehmen an, Big-Data-
Analysen bereits fest in die eigenen Prozesse
verankert zu haben oder sich im Projektstadium
zu befinden.
Und die Aufmerksamkeit für Big Data wächst
gerade im Kontext von Digitalisierungsinitiativen
weiter stark an. Es gibt momentan keinen Un-
ternehmensbereich, der nicht von der Big-Data-
Welle erfasst wird. Oder anders formuliert: Big
Data revolutioniert aktuell grundlegend die Art
und Weise, wie Unternehmen ihre komparati-
ven Wettbewerbsvorteile definieren und neue
Geschäftsmodelle identifizieren.
Bei so viel Euphorie stellt sich jedoch die Frage,
ob wir wirklich an der Schwelle zu einer neuen
datengetriebenen Zeitrechnung stehen? Macht
die Nutzung von Big Data Unternehmen tat-
sächlich schneller, produktiver, effizienter und
innovativer? Entspricht dieses Bild auch nur an-
nähernd der täglichen Praxis in den Unterneh-
men? Und wenn ja, was genau machen Unter-
nehmen, um an die Big-Data-Schätze zu gelan-
gen?
Um hierauf Antworten zu liefern, durchleuchtet
die vorliegende Studie Anwendungsszenarien
von Big Data und ihre technologischen, organi-
satorischen und fachlichen Rahmenbedingun-
gen in den Unternehmen. Im Mittelpunkt stehen
dabei insbesondere folgende Aspekte:
Welche Unternehmensbereiche nutzen
und treiben Big-Data-Analysen?
Welche Einsatzszenarien sind in den
Fachbereichen anzutreffen?
Welchen Nutzen ziehen Unternehmen
aus ihren Big-Data-Analysen?
Auf welche fachlichen und technischen
Probleme und Herausforderungen stoßen
die Unternehmen?
Wie finanzieren Unternehmen ihre Big-
Data-Projekte und wie ist es um den Re-
turn of Investment (ROI) dieser Projekte
bestellt?
Welche Technologien kommen derzeit
und zukünftig für Big Data zum Einsatz?
Die Studie wurde völlig unabhängig durch
BARC erstellt. Sie kann dank eines Sponsoring
von Blue Yonder, Cloudera, Hewlett Packard,
Information Builders, pmOne, SAS, Tableau
und Teradata kostenfrei veröffentlicht werden.
Besonderer Dank gilt schon jetzt allen, die auch
an zukünftigen Befragungen von BARC teilneh-
men, denn nur so sind auch weiterhin Beiträge
zu Diskussionen mit empirisch fundierter Daten-
basis möglich.
Würzburg, 18. Juni 2015
Dr. Carsten Bange, Timm Grosser,
Nikolai Janoschek
B
Big Data Use Cases 2015 – Getting real on data monetization
- 5 -
Management Summary
Unternehmen können sich dem Thema Big
Data nicht länger verschließen – sofern sie in
der gegenwärtigen, sich so schnell wie noch nie
verändernden Wirtschaftswelt wettbewerbsfähig
bleiben möchten. Ob effizientere Prozesse,
bessere strategische Entscheidungen, exaktere
Zukunftsprognosen oder neue Geschäftsmo-
delle: Fast kein Bereich des Unternehmens, der
nicht potentiell von einer besseren Nutzung von
Daten profitieren kann.
Ob es Unternehmen gelingt, sich die potentiel-
len Vorteile zunutze zu machen, untersucht
diese Studie zum Stand und zur zukünftigen
Entwicklung von Big Data und dessen Anwen-
dungsfälle in Unternehmen. Mit weltweit über
550 Teilnehmern bei einer breit gefächerten
Branchenverteilung gehört die vorliegende Stu-
die „Big Data Use Cases 2015“ zu den größten
Untersuchungen, die sich speziell den Themen
Rahmenbedingungen und Einsatzszenarien
von Big-Data-Analysen widmen. Die wesentli-
chen Erkenntnisse der Studie lassen sich zu
sechs Hot Spots zusammenfassen.
Big Data erobert die Unternehmen, allerdings nur
wenn das Management vorangeht
Big Data setzt sich in den Unternehmen weiter
durch. Weltweit existieren mittlerweile nur noch
wenige Unternehmen, die eine Big-Data-Initia-
tive für nicht denkbar halten (17 Prozent). Be-
reits über 40 Prozent der Unternehmen haben
Erfahrungen mit Big Data – sei es als fester Be-
standteil ihrer Unternehmensprozesse oder als
Pilotprojekt.
Diese Entwicklung ist Ausdruck der vielfältigen
Herausforderungen, die Unternehmen mit ihren
Big-Data-Initiativen adressieren möchten. Un-
ternehmen, für die eine Big-Data-Initiative min-
destens denkbar ist, nennen diesbezüglich am
häufigsten große (57 Prozent) und unterschied-
lich strukturierte Datenmengen (50 Prozent),
schnellere und bessere Analysen (55 Prozent),
sowie der Wunsch nach ausgefeilteren Progno-
setechniken (51 Prozent). Wie weit Big-Data-
Initiativen in den Unternehmen heute schon ge-
diehen sind, hängt allerdings stark vom Ma-
nagement ab. Dort, wo Big-Data-Initiativen
heute bereits Bestandteil der Unternehmens-
prozesse sind, ist in 61 Prozent der Fälle das
Management der Treiber/Vordenker. In Unter-
nehmen, wo solch eine Initiative lediglich denk-
bar ist, ist dies gerade einmal zu 34 Prozent der
Fall. Die Fachbereiche sind insgesamt noch
sehr passiv und treiben das Thema deutlich sel-
tener.
Hot Spot 1
Big Data Use Cases 2015 – Getting real on data monetization
- 6 -
Big-Data-Initiativen liefern beachtlichen Mehrwert
Unternehmen mit Big-Data-Initiative berichten
von beachtlichen Vorteilen. Ganz vorne auf der
Liste stehen: bessere strategische Entschei-
dungen (69 Prozent), eine bessere Steuerung
der operativen Prozesse (54 Prozent), ein bes-
seres Kundenverständnis (52 Prozent) sowie
Kostensenkungen (47 Prozent). Unternehmen,
die den Nutzen beziffern können, nennen eine
durchschnittliche Umsatzsteigerung von acht
Prozent und eine Kostensenkung um zehn Pro-
zent. Dabei werden die im Vorfeld vorhandenen
hohen Erwartungen nicht nur erfüllt, sondern in
vielen Punkten sogar übertroffen.
Der Kunde im Mittelpunkt
In den Unternehmen existieren schon heute un-
terschiedlichste Anwendungsfelder für Big-
Data-Analysen. Auf die offenen Fragen nach
den konkreten Einsatzszenarien in den unter-
schiedlichen Unternehmensbereichen fällt der
Begriff „Kunde“ bei weitem am häufigsten. Die
Wünsche, Motive, Bedürfnisse und das Verhal-
ten der Kunden sollen nicht
länger eine Unbekannte blei-
ben. Big-Data-Initiativen hel-
fen dabei, ein umfassendes
Bild des Kunden zu zeichnen,
indem sie dessen komplette
Interaktion mit dem Unter-
nehmen transparent machen.
Damit dies gelingt, sind die Daten von den viel-
fältigen Kontaktpunkten mit Kunden aus den
Datensilos zu holen, im Rahmen der Big-Data-
Projekte zusammenzuführen und in Gänze aus-
wertbar zu machen. Durch das dadurch entste-
hende Gesamtbild können Unternehmen ihre
Kunden beispielsweise zielgerichteter anspre-
chen, individueller auf ihn eingehen, Abwande-
rungsverhalten vorbeugen oder neue Kunden
gewinnen.
Marketing und Vertrieb sind dementsprechend
heute die Vorreiter bei Big-Data: in 25 bezie-
hungsweise 23 Prozent der Unternehmen, in
denen Big Data zumindest
denkbar ist, sind in diesen Ab-
teilungen Big-Data-Analysen
fester Bestandteil ihrer Aus-
wertungen. Gleichwohl finden
sich auch in allen anderen
Unternehmensbereichen
heute schon ausreichend An-
wendungsfälle – von der Pro-
duktion über das Controlling bis hin zum Perso-
nalwesen. Die auffällig hohen Planwerte je Be-
reich (langfristig zwischen 34 und 56 Prozent in
den verschiedenen Abteilungen) sprechen für
sich: Big Data kommt früher oder später so gut
wie überall an – gleich wenn derzeit mit 38 Pro-
zent der Befragten immer noch viele nach
überzeugenden Einsatzszenarien suchen.
Hot Spot 2
Hot Spot 3
„Big-Data-Initiativen helfen
dabei, ein umfassendes Bild
des Kunden zu zeichnen, in-
dem sie dessen komplette In-
teraktion mit dem Unterneh-
men transparent machen.“
Big Data Use Cases 2015 – Getting real on data monetization
- 7 -
Unternehmen kämpfen mit massiven Know-how-
Defiziten sowie Sicherheit und Datenschutz
Neben fehlender überzeugender Einsatzszena-
rien sind es insbesondere zwei Themenkom-
plexe, die Unternehmen bei der Beschäftigung
mit Big Data Probleme bereiten: Einerseits der
Datenschutz und die
Datensicherheit, ande-
rerseits der Mangel an
Big-Data-Expertise.
Das Thema Daten-
schutz ist für 49 Pro-
zent der Umfrageteil-
nehmer und die Daten-
sicherheit für 48 Pro-
zent eines der größten
Probleme beim Einsatz
von Big-Data-Technologien. Da sich viele Ein-
satzszenarien auf den Kunden konzentrieren,
bedürfen ihre Daten auch eines besonderen
Schutzes. Dazu müssen Unternehmen diese
bei ihren Analysen nicht nur ausreichend ano-
nymisieren und pseudonymisieren, sondern
auch vor Angriffen von außerhalb schützen. Je
stärker Big-Data-Analysen allerdings Verbrei-
tung finden, desto komplexer gerät oftmals die
technologische Infrastruktur. Diese samt der
darin enthaltenen Daten zu schützen, ist eine
Kernherausforderung für Unternehmen.
Hauptproblem Nummer zwei: das mangelnde
fachliche und technische Wissen für Big Data
und seine Analyse im Unternehmen. So klagen
53 Prozent der Befragten über fehlendes fachli-
ches und 48 Prozent über fehlendes techni-
sches Know-how in ihren Organisationen. 30
Prozent der Unternehmen mit Big-Data-Projekt
wollen daher neue Stellen in diesem Bereich
schaffen. Doch der weltweite Arbeitsmarkt kann
gegenwärtig nur unzureichend diesen Wunsch
nach solchen Experten erfüllen.
Europa hinkt hinterher
Zwischen Nordamerika und Europa existieren
deutliche Unterschiede in der Nutzung von Big
Data. Unsere Studie bestätigt die Hypothese,
nordamerikanische Unternehmen seien diesbe-
züglich wesentlich weiter als ihre europäische
Konkurrenz. In 28 Prozent der befragten nord-
amerikanischen Unternehmen sind Big-Data-
Initiativen bereits Bestandteil der Unterneh-
mensprozesse. Zählt man die Unternehmen mit
Pilotprojekten hinzu, hat mehr als jedes zweite
nordamerikanische Unternehmen mittlerweile
praktische Erfahrung mit Big Data. Dahingegen
geben nur 16 Prozent der europäischen Unter-
nehmen an, Big Data sei Teil der Unterneh-
mensprozesse; insgesamt sind es nur 39 Pro-
zent mit praktischer Big-Data-Erfahrung. Ein
deutlicher Rückstand für die europäischen Un-
ternehmen.
Gleichwohl kämpft man auf beiden Seiten des
Atlantiks mit sehr ähnlichen Problemen – insbe-
sondere mit dem mangelnden technischen und
fachlichen Know-how. Entgegen der Hypo-
these, dass Datenschutz in Nordamerika einen
geringeren Stellenwert hat als in Europa, zei-
gen sich sehr ähnliche Werte in puncto der Ein-
schätzung, dass Datenschutz ein Problem in
Projekten ist (50 Prozent in Nordamerika im
Vergleich zu 49 Prozent in Europa). Die Daten-
sicherheit wird in Nordamerika sogar noch deut-
lich stärker problematisiert (56 Prozent in Nord-
amerika im Vergleich zu 46 Prozent in Europa).
Hot Spot 4
„Je stärker Big-Data-Analy-
sen allerdings Verbreitung
finden, desto komplexer ge-
rät oftmals die technologi-
sche Infrastruktur. Diese
samt der darin enthaltenen
Daten zu schützen, ist eine
Kernherausforderung für
Unternehmen.“
Hot Spot 5
Big Data Use Cases 2015 – Getting real on data monetization
- 8 -
Industrie 4.0 ist mehr Wunsch als Wirklichkeit
Die Nutzung von Big Data ist in den Branchen
sehr unterschiedlich ausgeprägt. Während sich
der Handel eine Führungsposition gesichert hat
(27 Prozent der Unternehmen aus dem Handel
haben Big-Data-Initiativen als Bestandteil ihrer
Unternehmensprozesse umgesetzt), kommt
das viel diskutierte Thema Industrie 4.0 – also
vor allem die stärkere Digitalisierung von Pro-
duktions- und Logistikprozessen - beim Thema
Big Data nur schleppend voran. Nur 13 Prozent
der Industrieunternehmen berichten, Big-Data-
Analysen seien Teil ihrer Unternehmenspro-
zesse. Dennoch scheint die Diskussion auch
hier langsam ein Umdenken zu bewirken: Mit
24 Prozent weisen die Industrieunternehmen
den höchsten Wert bei den Pilotprojekten aus.
Als echte Bremse erweist sich indes für sie die
fehlende Big-Data-Expertise. So beklagen 63
Prozent fehlendes fachliches, 61 Prozent feh-
lendes technisches Know-how. Die Industrie
und ihr „Großprojekt“ Industrie 4.0 laufen
dadurch ernsthaft Gefahr, nicht aus den Start-
blöcken zu kommen.
Sehr unterschiedlich gestaltet sich auch die Er-
wartungshaltung an Big Data in den verschie-
denen Branchen. Im Handel erhofft man sich
insbesondere ein bes-
seres Kundenver-
ständnis (85 Prozent),
eine bessere Steue-
rung operativer Pro-
zesse (77 Prozent) so-
wie einen höheren Umsatz (65 Prozent); die In-
dustrie erwartet überdurchschnittlich oft eine
bessere Steuerung operativer Prozesse (66
Prozent) sowie sinkende Kosten (43 Prozent);
und die Finanzbranche möchte aus Big-Data-
Analysen vor allem neue Produktideen/Dienst-
leistungen generieren (52 Prozent).
Hot Spot 6
„Als echte Bremse erweist
sich für die Industrieunter-
nehmen die fehlende Big-
Data-Expertise.“
Big Data Use Cases 2015 – Getting real on data monetization
- 9 -
Ergebnisse der Umfrage
Big Data ist einer der Eckpfeiler der viel disku-
tierten Entwicklung hin zu einer digitalisierten
Wirtschaft. Allerdings ist das Thema noch rela-
tiv jung; vieles befindet sich im Fluss. Manch-
mal scheint nicht klar zu sein, ob es wirklich ge-
nutzt wird oder reines Wunschdenken der Un-
ternehmen ist. Viele Unternehmen scheinen
noch auf der Suche nach Möglichkeiten zu sein,
wie sie Big Data für sich konkret nutzbar ma-
chen könnten.
Um hier für mehr Klarheit zu
sorgen, beschäftigt sich diese
empirische Untersuchung mit
Anwendungsszenarien von
Big Data und ihren technolo-
gischen, organisatorischen
und fachlichen Rahmenbedingungen. Hierfür
beleuchtet diese Studie zunächst, wie stark Big-
Data-Analysen verbreitet sind und welchen Nut-
zen Unternehmen mit ihrer Hilfe tatsächlich er-
reichen (Kapitel „Big- Data-Nutzung in Unter-
nehmen wächst“ und „Big-Data-Initiativen über-
treffen den erwarteten Nutzen“). Weiterhin blickt
diese Studie darauf, wie und wo Unternehmen
diesen Nutzen generieren, also in welchen Un-
ternehmensbereichen Big-Data-Analysen anzu-
treffen sind und wie dort die konkreten Anwen-
dungsszenarien aussehen (Kapitel „Big-Data-
Initiativen in allen Unternehmensbereichen auf
dem Vormarsch“). Das Kapitel „Unternehmen
setzen derzeit vor allem auf Standard-BI-Werk-
zeuge, Wandel steht jedoch bevor“ behandelt
anschließend die Frage nach den technologi-
schen Rahmenbedingungen, insbesondere wel-
che Technologie- und Daten-
arten Unternehmen für Big
Data derzeit verwenden. Fer-
ner fragt die Studie nach den
finanziellen Rahmenbedin-
gungen (Kapitel „Beschäfti-
gungstreiber Big Data“) und
zeigt abschließend typische
Fallstricke auf, denen Unternehmen beim
Thema Big Data begegnen (Kapitel „Fehlendes
Know-how bremst Big Data aus“).
Ausgangspunkt für eine Einordung und Bewer-
tung von Big-Data-Initiativen ist folgende
BARC-Definition, die allenTeilnehmern der Um-
frage für ein gemeinsames Verständnis vorge-
legt wurde:
Abbildung 1: BARC Big-Data-Definition
Big Data
bezeichnet Methoden und Technologien
für die hochskalierbare
Erfassung, Speicherung und Analyse
polystrukturierter Daten.
„Manchmal scheint nicht klar
zu sein, ob Big Data wirklich
genutzt wird oder reines
Wunschdenken der Unterneh-
men ist.“
Big Data Use Cases 2015 – Getting real on data monetization
- 10 -
Big Data Nutzung in Unternehmen wächst
Unternehmen wissen mittlerweile um den Wert,
der in ihren Daten schlummert – so eines der
Kernergebnisse des 2014 in der DACH-Region
durchgeführten BARC Survey „Datenmanage-
ment im Wandel“. Die Ergebnisse dieser Studie
deuten nun darauf hin, dass Unternehmen ihr
Handeln zunehmend an der gewachsenen Be-
deutung von Daten für Entscheidungsprozesse
ausrichten (Abbildung 2). Fast zwei Drittel der
teilnehmenden Unternehmen geben an, ihre
Entscheidungen würden unternehmensweit auf
Basis von Daten und Analysen getroffen. Und
nur zwölf Prozent sagen, der Hauptteil ihrer
Entscheidungen würde auf der Erfahrung der
Entscheider basieren.
Abbildung 2: Welche Rolle spielen Daten in Ihrem Unternehmen? (n=543)
Die gewachsene Bedeutung von Daten für Un-
ternehmen spiegelt sich auch im Status quo der
Big-Data-Initiativen wider (Abbildung 3). Da-
nach setzen über 40 Prozent der Unternehmen
derzeit Big-Data-Initiativen um – sei es als fes-
ter Bestandteil der Unternehmensprozesse o-
der als Pilotprojekt. In lediglich 17 Prozent der
Unternehmen ist eine Big-Data-Initiative ausge-
schlossen.
Big Data ist damit zwar
generell in den Unter-
nehmen angekommen,
dennoch existieren teil-
weise große regionale
und branchenspezifi-
sche Unterschiede. Es
bestätigt sich beispielsweise der vorherr-
schende Eindruck, wonach Nordamerika beim
Thema Big Data weiter ist als ihre Konkurrenz
in Europa: In Nordamerika sind Big-Data-Initiati-
ven bereits in 28 Prozent der Unternehmen fes-
ter Bestandteil der Unternehmensprozesse, in
mehr als jedem zweiten Unternehmen findet
sich eine Big-Data-Initiative. In Europa ist dies
nur in 16 beziehungsweise 39 Prozent der Fall.
Der Blick auf die Entwicklung in der DACH-Re-
gion offenbart überdies, dass die Nutzung von
Big Data zwar voranschreitet, anders als die
mediale Diskussion es aber vermuten lassen
könnte, nur mit einer mäßigen Geschwindigkeit
(Abbildung 4). Im Vergleich zum Vorjahr ist der
Anteil an Unternehmen mit Big-Data-Initiative
lediglich um vier Prozentpunkte angestiegen.
28%
34%
27%
10%
2%
Permanente Datenanalysen sind Grundlage derEntscheidungs- und Prozessautomatisierung/-
optimierung
Im gesamten Unternehmen werdenEntscheidungen auf Basis von Daten und
Analysen getroffen
Es existieren faktenbasierte Entscheidungen ineinzelnen Unternehmensbereichen
Es gibt Investitionen in BI, aber der Hauptteil derEntscheidungen wird durch die Erfahrung der
Entscheider gefällt
Daten spielen in unserem Unternehmen keinegroße Rolle
„Es bestätigt sich der vor-
herrschende Eindruck, wo-
nach Nordamerika beim
Thema Big Data weiter ist
als ihre Konkurrenz in Eu-
ropa.“
Big Data Use Cases 2015 – Getting real on data monetization
- 11 -
Ferner gilt es einige branchenspezifische Unter-
schiede herauszustellen. Das aktuell viel disku-
tierte Thema Industrie 4.0 scheint aus Big-Data-
Sicht noch etwas zu stocken. In lediglich 13
Prozent der Industrieunternehmen gehören Big-
Data-Analysen zum Alltag. Im Gegensatz dazu
sind es im Handel mit 27 Prozent mehr als dop-
pelt so viele. Gleichwohl weist die Industrie mit
24 Prozent den höchsten Wert an Unternehmen
mit Pilotprojekten aus – offenbar ein Indiz dafür,
dass die intensive Diskussion langsam Früchte
trägt und sich damit die Situation in naher Zu-
kunft ändern dürfte.
Abbildung 3: Existiert in Ihrem Unternehmen eine Big-Data-Initiative? Insgesamt und nach
Regionen und Branchen (n=526)
18%
28%
16%
27%
22%
20%
13%
13%
13%
23%
25%
23%
18%
19%
22%
24%
19%
13%
42%
37%
42%
43%
40%
45%
46%
56%
48%
17%
10%
19%
12%
20%
13%
17%
12%
25%
Nordamerika
Europa
Handel
IT
Finanzsektor
Industrie
Dienstleistungen
Öffentlicher Sektor
Big-Data-Initiativen Bestandteil der Unternehmensprozesse
Big-Data-Initiative als Pilotprojekt
Noch keine Big-Data-Initiative, aber zukünftig denkbar
Keine Big-Data-Initiative und zukünftig auch keine geplant
Regionen
Branchen
Insgesamt
Big Data Use Cases 2015 – Getting real on data monetization
- 12 -
Abbildung 4: Entwicklung Status quo in der DACH-Region (n=341/198)
Das Thema Big Data gerät dabei durch eine
ganze Reihe neuer Herausforderungen auf die
Tagesordnung der Unternehmen (Abbildung 5).
Ganz vorne dabei sind die oft zitierten drei „Vs“
(Volume 57 Prozent, Variety 50 Prozent und
Velocity 46 Prozent) von Big Data. Weitere
wichtige Treiber sind das Bedürfnis der Unter-
nehmen nach besseren oder neuen Möglichkei-
ten der Datenanalyse (55 Prozent) sowie der
Wunsch, durch Vorhersagemodelle die Zukunft
weniger unsicher und besser vorhersehbarer zu
machen (51 Prozent). Gerade letzterer Wert
zeigt deutlich, dass Predictive Analytics und Fo-
recasting inzwischen als wesentliche Bestand-
teile für Big Data Initiativen gesehen werden
und einen wesentlichen Beitrag zur Generie-
rung von Mehrwert aus Daten leisten sollen. In-
teressanterweise sind es gerade die BI-Organi-
sationen, die dieses Thema treiben. Mit 66 Pro-
zent Studienteilnehmer aus diesem Bereich ist
der Aufbau von Vorhersagemodellen die am
häufigsten genannte Herausforderung, die sie
mit Big Data angehen möchten. Teilnehmer aus
der IT benennen am häufigsten die Analyse
großer Datenvolumen als wichtigste Herausfor-
derungen (56 Prozent), für die Teilnehmer aus
den Fachbereichen sind es bessere oder neue
Analysemöglichkeiten (61 Prozent).
Das innovative Thema
der zeitnahen Nutzung
von Daten ist ebenfalls
klar auf dem Vor-
marsch. 27 Prozent
der Teilnehmer geben
an, Monitoring und Analyse von Streaming-Da-
ten umsetzen zu wollen, und beachtliche 19
Prozent planen Entscheidungen im Prozess zu
automatisieren.
14%
20%
45%
21%
12%
18%
49%
22%
Big-Data-Initiativen Bestandteil derUnternehmensprozesse
Setzen Big-Data-Initative als Pilotprojektum
Noch keine Big-Data-Initiative existent,aber für die Zukunft denkbar
Keine Big-Data-Initiative existent odergeplant
2015 2013/14
„Das innovative Thema der
zeitnahen Nutzung von Da-
ten ist ebenfalls klar auf
dem Vormarsch.“
Big Data Use Cases 2015 – Getting real on data monetization
- 13 -
Abbildung 5: Welche Herausforderungen möchten Sie mit Ihrer/n Big-Data-Initiative(n) ad-
ressieren? (n=431)
Von den Unternehmensbereichen, die das
Thema Big Data treiben, findet sich vor allem
die IT mit 45 Prozent aller Beispiele, knapp ge-
folgt von der Geschäftsführung mit 43 Prozent
(Abbildung 6). Die übrigen Fachbereiche sind
hingegen insgesamt noch sehr passiv und trei-
ben das Thema deutlich seltener – eine Erfah-
rung, die wir auch aus eigenen Projekten bestä-
tigen können. Häufig ist es entweder der IT-Be-
reich, der quasi „bottom-up“ Big-Data-Technolo-
gien zur Lösung alter und neuer Herausforde-
rungen nutzt und vorschlägt. Oder das Manage-
ment hat den strategischen Nutzen von Digitali-
sierung und Datennutzung erkannt und treibt
das Thema „top-down“. Doch erst wenn die
Fachbereiche sich des Themas tatsächlich an-
nehmen, wird ein nachhaltiger Erfolg möglich –
hier gibt es offensichtlich noch Nachholbedarf.
Bei näherem Blick auf die Daten zeigt sich
überdies: ausschlaggebend für den Fortschritt
einer Big-Data-Initiative ist das Management
(Abbildung 7). In 61 Prozent der Unternehmen,
in der sie der Treiber/Vordenker für das Thema
sind, sind Big-Data-Initiativen bereits fester Be-
standteil der Unternehmensprozesse. Befinden
sich Big-Data-Initiativen im Pilotstatus oder sind
lediglich denkbar, gilt das Management nur in
46 beziehungsweise 34 Prozent als Vordenker.
Auffällig ist ferner, dass die Umfrageteilnehmer
auch die operativen Bereiche wie etwa den Ver-
trieb wesentlich häufiger als Treiber nennen,
wenn Big Data schon in den Unternehmenspro-
zessen verankert ist.
57%
55%
51%
50%
46%
31%
27%
23%
19%
6%
1%
Analyse großer Datenvolumen
Bessere oder neue Daten-Analysemöglichkeiten
Aufbau von Vorhersagemodellen
Analyse von Informationen auspolystrukturierten Datenquellen
Schnellere Bereitstellung von Daten zur Analyse
Beschleunigung von Entscheidungen
Monitoring/Analyse von Streaming-Daten/Complex Event Processing
Besseres Kosten-/Nutzenverhältnis füranalytische Umgebungen
Automatisierung von Entscheidungen
Es gibt aktuell keine Herausforderungen inunserem Unternehmen
Sonstige
Big Data Use Cases 2015 – Getting real on data monetization
- 14 -
Abbildung 6: Wer sind die wichtigsten Vordenker/Treiber in Ihrem Unternehmen beim
Thema Big Data? (n=433)
Abbildung 7: Treiber nach Status quo (n=433)
45%
43%
36%
27%
25%
24%
10%
9%
6%
IT-Abteilung
Management/Geschäftsführung
BI-Organisation
Marketing
Vertrieb
Finanzen/Controlling
Produktion
Sonstige
Logistik
61%
51%
37%
37%
32%
32%
16
14
6
46%
45%
19%
45%
18%
28%
9
8
4
34%
42%
23%
31%
23%
24%
7
7
6
Management
IT-Abteilung
Vertrieb
BI-Organisation
Finanzen/Controlling
Marketing
Produktion
Sonstige
Logistik
Big Data Bestandteil der Unternehmensprozesse
Big Data als Pilotprojekt
Keine Big-Data-Initiative, aber in Zukunft denkbar
Big Data Use Cases 2015 – Getting real on data monetization
- 15 -
Big-Data-Initiativen übertreffen den erwarteten Nutzen
Im Vorfeld eines Big-Data-Projekts lautet eine
der wichtigsten Fragen von Unternehmen: Wo-
rin besteht eigentlich der Nutzen? Keine einfach
zu beantwortende Frage, gerade bei diesem
noch eher jungen Thema und der damit einher-
gehenden geringen Verfügbarkeit von Erfah-
rungswerten. Um in diesem Punkt für mehr
Klarheit zu sorgen, wurden die Unternehmen
nach dem generierten beziehungsweise erwar-
teten Nutzen gefragt (Abbildung 8).
Abbildung 8: Generierter Nutzen (bereits im Einsatz) vs. erwarteter Nutzen (Pilotprojekt, Big
Data denkbar) (n=94/335)
Zunächst fällt ins Auge, dass Unternehmen
sehr viele und verschiedenartige Nutzenas-
pekte durch die Auswertung von Big Data se-
hen: Am häufigsten berichten Unternehmen da-
bei von besseren strategischen Entscheidun-
gen (69 Prozent). Etwa jedes zweite Unterneh-
men erreicht eine effektivere Steuerung operati-
ver Prozesse, ein tieferes Kundenverständ-
nis/Verbesserung der Kundenerfahrung oder
eine Kostensenkung. Die Erwartungshaltung an
69%
54%
52%
47%
44%
43%
41%
38%
35%
24%
3%
60%
56%
50%
37%
31%
33%
43%
26%
35%
17%
1%
Bessere strategische Entscheidungen
Bessere Steuerung operativer Prozesse
Besseres Kundenverständnis/Verbesserungder Kundenerfahrung
Kostenreduktion
Beschleunigung von Entscheidungen
Entwicklung neuerProduktideen/Dienstleistungen
Besseres Verständnis desMarktes/Wettbewerbs
Entwicklung neuer Geschäftsmodelle
Erhöhung des Umsatzes
Automatisierung von Entscheidungen
Sonstige
Big Data Bestandteil der Unternehmensprozesse
Pilotprojekt & Big-Data-Initiative denkbar
Big Data Use Cases 2015 – Getting real on data monetization
- 16 -
Big Data ist also extrem breit – von der strategi-
schen Unterstützung bis zur Steuerung operati-
ver Prozesse. Dies sollte bei jedem Projektan-
satz berücksichtigt werden, damit er nicht zu
eng ausfällt.
Erfreulich ist, dass sich die recht hohen Erwar-
tungen auch erfüllen – und in vielen Fällen so-
gar übertroffen werden. Dies gilt insbesondere
für die eher schwer vorhersehbaren Antwortop-
tionen wie Entwicklung neuer Geschäftsmodelle
und Produktideen, schnellere Entscheidungen,
Kostenreduktion und allgemein bessere strate-
gische Entscheidungen.
Eine genaue Quantifizierung des Nutzens fällt
den Teilnehmern erwartungsgemäß schwer.
Nur rund ein Drittel der Teilnehmer (32 von 94),
bei denen Big Data Teil der Unternehmenspro-
zesse ist, haben die Frage beantwortet (Abbil-
dung 9). Doch diese sind beeindruckend:
Durchschnittlich berichten sie von acht Prozent
mehr Umsatz und zehn Prozent geringeren
Kosten (Medianwerte), einige sogar von sehr
hohen Nutzenwerten, was den höheren arith-
metischen Mittelwert erklärt.
Abbildung 9: Können Sie den Nutzen Ihrer Big-Data-Analysen/-Initiative(n) quantifizieren?
(n=31/32)
Interessante Unterschiede zeigen sich auch bei
einem näheren Blick auf Europa und Nordame-
rika sowie bei den Branchen. Europäischen Un-
ternehmen gelingt es demnach eher, Big Data
für die bessere Steuerung ihrer operativen Pro-
zesse sowie für die Entwicklung neuer Produk-
tideen/Dienstleistungen einzusetzen. Dahinge-
gen ist ihnen ihre nordamerikanische Konkur-
renz weit voraus, wenn es um die Beschleuni-
gung von Entscheidungen geht (37 Prozent vs.
61 Prozent). Big-Data-Analysen scheinen ein
nicht zu unterschätzender Grund für schnelle
Reaktionsfähigkeit nordamerikanischer Unter-
nehmen zu sein.
Sehr unterschiedlich fällt die Erwartungshaltung
in den verschiedenen Branchen aus. Auffällige
Abweichungen finden sich:
im Handel, der sich von Big Data vor al-
lem ein besseres Kundenverständnis (85
Prozent), eine bessere Steuerung operati-
ver Prozesse (77 Prozent) sowie einen
höheren Umsatz erhofft (65 Prozent);
in der Industrie, die sich überdurchschnitt-
lich oft eine bessere Steuerung operativer
Prozesse (66 Prozent) sowie sinkende
Kosten (43 Prozent) erwarten;
in der Finanzbranche, die aus Big-Data-
Analysen insbesondere neue Produk-
tideen generieren möchten (52 Prozent).
13%
16%
8%
10%
Umsatzsteigerung in Prozent
Kostensenkung in Prozent
Arith. Mittelwert Median
Big Data Use Cases 2015 – Getting real on data monetization
- 17 -
Big-Data-Initiativen in allen Unternehmensbereichen auf
dem Vormarsch
Big-Data-Analysen scheinen ganz offensichtlich
ein großer Gewinn für diejenigen Unternehmen
zu sein, die schon heute auf sie setzen. Abbil-
dung 10 zeigt die Bereiche, in denen Unterneh-
men mit Big-Data-Initiative oder für die eine Ini-
tiative denkbar ist, Big-Data-Analysen vorneh-
men bzw. planen vorzunehmen. Zunächst ist
festzuhalten, dass praktisch jeder Unterneh-
mensbereich Big-Data-Analysen macht. Big
Data ist also ein echtes Querschnittsthema in
der Organisation. Vorreiter sind dabei die ope-
rativen, auf den Kunden konzentrierten Abtei-
lungen Marketing (25 Prozent) und Vertrieb (23
Prozent). Auffällig ist zudem, dass sie zusam-
men mit dem Kundenservice auch diejenigen
Bereiche sind, in denen Unternehmen kurzfris-
tig die höchsten Planwerte aufweisen. Aller-
dings ist ebenfalls anzumerken, dass die Plan-
werte für praktisch alle Bereiche sowohl kurz-
als auch langfristig enorm hoch ausfallen. Ein
weiteres Indiz dafür, dass in Unternehmen nicht
nur das Bewusstsein für den Wert von Big Data
wächst, sondern diese auch zunehmend dem-
entsprechend handeln.
Abbildung 10: In welchen Bereichen nehmen Sie in Ihrem Unternehmen Big-Data-Analysen
vor bzw. planen Sie Big-Data-Analysen vorzunehmen? (n=423)
25%
23%
21%
21%
19%
19%
18%
13%
11%
11%
9%
25%
27%
21%
20%
21%
21%
19%
24%
16%
16%
11%
29%
29%
28%
25%
27%
33%
24%
26%
29%
29%
23%
Marketing
Vertrieb
Finanzen/Controlling
IT
Produktion
Bereichsübergreifend
Forschung und Entwicklung
Kundenservice
Risikomanagement
Logistik/Supply Chain
Personalwesen/Human Resources
Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant
Big Data Use Cases 2015 – Getting real on data monetization
- 18 -
Im weiteren Verlauf des Kapitels sind die spezi-
fischen Einsatzszenarien in den verschiedenen
Unternehmensbereichen abgebildet. Um her-
auszufinden, wie Unternehmen Big-Data-Analy-
sen verwenden, sollten die Teilnehmer offene
Fragen beantworten, falls sie in einem Unter-
nehmensbereich Einsatzszenarien haben oder
sich in Planung befinden. Insgesamt kamen so
über 1000 Antworten zustande. Welche Schlag-
wörter dabei besonders häufig vorkamen, zeigt
die „Wortwolke“. Die Tabelle zeigt zudem eine
Liste mit häufig genannten Einsatzszenarien je
Bereich (jeweils ohne die immer genutzten
Worte „data“ und „analysis“).
Abbildung 11: Worthäufigkeit aller Einsatzszenarien (n=261)
Big Data Use Cases 2015 – Getting real on data monetization
- 19 -
Big Data Use Cases von abteilungsübergreifenden Szenarien
Abbildung 12: Worthäufigkeit von abteilungsübergreifenden Einsatzszenarien (n=118)
Genannte Use Cases von abteilungsübergreifenden Szenarien
Prozessoptimierung, Steigerung der Prozessqualität
Übergreifende Prozesstransparenz, Synergien erkennen und nutzen
Aufbau von Wissensmanagementsystemen für die breitere und übergreifende Informationsnutzung
Integration und Verteilung bereichsübergreifender Unternehmensdaten
Risikomanagement und Compliance
Analyse und -vorhersage der Unternehmensentwicklung
Schnellere Reaktionsgeschwindigkeiten auf Kundenbedürfnisse
Qualitätssicherung
Kostenreduktion
Office Automatisierung
Ressourcen planen und steuern (Sourcing)
Einheitliche Kundensicht
Betrugs- und Verbrechensprävention
Portfoliomanagement
Bessere Unterstützung der Geschäftsprozesse durch umfangreichere Analysen und bessere Kalku-
lationen
Prozessfortschrittsüberwachung, bspw. im Sales-Prozess
Tabelle 1: Genannte Use Cases von abteilungsübergreifenden Szenarien
Big Data Use Cases 2015 – Getting real on data monetization
- 20 -
Big Data Use Cases im Vertrieb
Abbildung 13: Worthäufigkeit in Use Cases im Vertrieb (ohne Wort „Sales“, n=152)
Genannte Use Cases im Vertrieb
Kundenverhalten verstehen, vorhersagen und besseres Kundenverständnis aufbauen (360 Grad
Kundensicht)
Maßnahmen zur Steigerung der Kundenbindung und Verhinderung der Kundenabwanderung
(Customer Experience / Journey)
Bessere Überwachung/Genauere Analysen von Vertriebsaktivitäten
Personalisierung von Vertriebs-/Marketingaktivitäten
Marktbeobachtung/Wettbewerbsanalyse
Preisgestaltung/Optimierung von Angeboten
Exaktere Vertriebsplanungen/-vorhersage
Identifizierung von Cross- und Up-Selling-Potenzialen
Verbessertes Bestandsmanagement
Neukundengewinnung/Leadgenerierung
Kundenklassifizierung und Verkaufsgruppenanalyse
Tabelle 2: Genannte Use Cases im Vertrieb
Big Data Use Cases 2015 – Getting real on data monetization
- 21 -
Big Data Use Cases im Kundenservice
Abbildung 14: Worthäufigkeit in Use Cases im Kundenservice (n=85)
Genannte Use Cases im Kundenservice
Analyse von Kundenverhalten
Datenbereitstellung/Datenanalysen für Außendienstmitarbeiter vor Ort
Kundenwertanalysen
Identifikation von Trends in Kundenanfragen
Identifikation von Kunde, bei denen ein Abwanderungsrisiko besteht
Vorausschauende Wartung/Optimierung von Wartungszyklen
Mustererkennungen im Bereich Kundenreklamation
Globales Beschwerdemanagement zur rechtzeitigen Identifizierung von Problemen
Berechnung der Verfügbarkeit von Ersatzteilen
Gewährleitungsanalysen
Steigerung der Effizienz in den Serviceaktivitäten etwa durch automatisches Beantworten von Fra-
gen
Tracking und Bewertung von Kundenservices
Echtzeitprofitabilitätsanalysen für bspw. Rabattierungen im Call-Center Gespräch
Direktmarketing und Produktempfehlungen
Customer Conversion
Tabelle 3: Genannte Use Cases im Kundenservice
Big Data Use Cases 2015 – Getting real on data monetization
- 22 -
Big Data Use Cases im Marketing
Abbildung 15: Worthäufigkeit in Use Cases im Marketing (ohne Wort „Marketing“, n=152)
Genannte Use Cases im Marketing
Analyse von Kundenverhalten
Datenbereitstellung/Datenanalysen für Außendienstmitarbeiter vor Ort
Kundenwertanalysen
Identifikation von Trends in Kundenanfragen
Identifikation von Kunde, bei denen ein Abwanderungsrisiko besteht
Vorausschauende Wartung/Optimierung von Wartungszyklen
Mustererkennungen im Bereich Kundenreklamation
Globales Beschwerdemanagement zur rechtzeitigen Identifizierung von Problemen
Berechnung der Verfügbarkeit von Ersatzteilen
Gewährleitungsanalysen
Steigerung der Effizienz in den Serviceaktivitäten beispielsweise durch automatisches Beantworten
von Fragen
Tracking und Bewertung von Kundenservices
Echtzeitprofitabilitätsanalysen zum Beispiel für Rabattierungen im Call-Center-Gespräch
Direktmarketing und Produktempfehlungen
Customer Conversion
Tabelle 4: Genannte Use Cases im Marketing
Big Data Use Cases 2015 – Getting real on data monetization
- 23 -
Big Data Use Cases im Controlling
Abbildung 16: Worthäufigkeit in Use Cases im Controlling (n=100)
Genannte Use Cases im Controlling
Verbesserung des Berichtswesens (allgemein)
Unternehmensplanung und Budgetierung, Forecasting
Schaffung einer integrierten Datensicht
Einfacheres Berichtswesen
Simulation, Unterstützung der Strategiefindung
Datenanalyse (allgemein)
Kostenanalyse und -optimierung
Rabatt- und Preisanalyse
Prozessoptimierung
Cash Flow Management, Liquiditätsverbesserung
Konsolidierung
Compliance
Tabelle 5: Genannte Use Cases im Controlling
Big Data Use Cases 2015 – Getting real on data monetization
- 24 -
Big Data Use Cases im Risikomanagement
Abbildung 17: Worthäufigkeit in Use Cases im Risikomanagement (ohne Worte „Risks, Ma-
nagement“, n=63)
Genannte Use Cases im Risikomanagement
Identifizierung neuer/bisher unbekannter Risiken
Identifizierung von "schlechten" Kunden
Allgemeine Verbesserung des Risikomanagements
Betrugserkennung
Kreditkartenbetrug
Bessere Prognose/Simulation von Risiken
Identifizierung von Zusammenhängen/Mustern
Identifizierung unternehmensexterner Risiken
Allgemein Verminderung/Vermeidung von Risiken
Identifizierung von Projektrisiken
Riskmonitoring
Compliance
Genauere Analyse von Risiken
Operative Risiken
Forecasting/Controlling
Vermeidung von Fehlinvestitionen
Tabelle 6: Genannte Use Cases im Risikomanagement
Big Data Use Cases 2015 – Getting real on data monetization
- 25 -
Big Data Use Cases in Forschung und Entwicklung
Abbildung 18: Worthäufigkeit in Use Cases in der Forschung und Entwicklung (n=71)
Genannte Use Cases in Forschung und Entwicklung
Analyse von Sensor- oder Telematikdaten
Entwicklung, Verbesserung und Testen von neuen Produkten/Verfahren
Gewinnung neuer Produktideen durch Trend- und Marktanalysen (bspw. Patentanalysen)
Identifikation von Kundenbedürfnissen
Verbesserte Nutzung von Informationen durch bspw. den Aufbau von Wissensdatenbanken, Ein-
satz von Selbstlernenden Algorithmen, Search Engines
Risikominimierung
Potentialanalyse für Preisgestaltung und Produktentwicklung
Innovationsmanagement
Auswertung von Produktinformationen über einen längeren Lebenszyklus
Optimierung der Entwicklungskosten
Tabelle 7: Genannte Use Cases in Forschung und Entwicklung
Big Data Use Cases 2015 – Getting real on data monetization
- 26 -
Big Data Use Cases im Personalwesen
Abbildung 19: Worthäufigkeit in Use Cases im Personalwesen (n=44)
Genannte Use Cases im Personalwesen
Personalbeschaffung
Mitarbeiterbindung
Mitarbeiterperformance
Effektiverer Einsatz von Personalressourcen
Mitarbeiterentwicklung/-förderung
Kosten
Compliance
Allgemein HR Analysen/Reporting/Controlling
Risikomanagement
Analysen zur Mitarbeitersituation (Zufriedenheit etc.)
Tabelle 8: Genannte Use Cases im Personalwesen
Big Data Use Cases 2015 – Getting real on data monetization
- 27 -
Big Data Use Cases in IT
Abbildung 20: Worthäufigkeit in Use Cases in der IT (n=108)
Genannte Use Cases in IT
Auswertung von Log-Files zur Problemsuche / Performanceoptimierung
Nutzungsanalysen für Daten, Applikationen, Devices, …
Optimierung der IT Infrastruktur (bspw. Self-Learning für Server Management)
Überwachung und Steuerung des IT Betriebes
Security und Risikominimierung
Kapazitätsplanung
Planung und Steuerung Human Resources, externes Sourcing
Prognose und Planung von IT-Umsetzungsprojekten
Bessere Unterstützung der Fachbereiche durch bessere Services
Ausbau der Service-Prozesse und Erhöhung der Service-Qualität (zum BeispielHelpDesk)
Entwicklung neuer IT-Produkte
Erhöhung der Reaktionsgeschwindigkeit in der IT auf neue Anforderungen (Prozessoptimierung)
Kostenoptimierung
Netzwerkanalysen
Tabelle 9: Genannte Use Cases in IT
Big Data Use Cases 2015 – Getting real on data monetization
- 28 -
Big Data Use Cases in Produktion
Abbildung 21: Worthäufigkeit in Use Cases in Produktion (ohne Wort „Production“, n=93)
Genannte Use Cases in Produktion
Reporting und Analyse von Produktionsprozessen und Effizienz
Produktionsplanung und Optimierung (Durchlaufzeiten, Ressourcenplanung, Kapazitäten, …)
Maschinenüberwachung / Sensor Daten / Asset Management
Qualitätsmanagement
Steuerung von Produktionsprozessen
Kostenreduktion
Materialanalysen (Verbrauch, …)
Steuerung Serviceintervalle / Predictive Maintenance
Individualisierung von Produkten
Profitabilitätsanalyse und -verbesserung
Nachverfolgung, Analyse von Telematik-/Bewegungsdaten
Leistungsvorhersage, Produktionsvorhersage
Reduktion von Standzeiten
Betrugsentdeckung / Schwund
Zugang zu Dokumenten
Messung der Datenqualität der Produktionsdaten
Benchmarking
Tabelle 10: Genannte Use Cases in der Produktion
Big Data Use Cases 2015 – Getting real on data monetization
- 29 -
Big Data Use Cases in Logistik/Supply Chain
Abbildung 22: Worthäufigkeit in Use Cases in Logistik/Supply chain (n=74)
Genannte Use Cases in Logistik/Supply Chain
Workflow Management, Prozessoptimierung
End-to-End-Reporting, Beschaffung bis Versand
Routenoptimierung
Optimierte Warenverteilung/Distribution, Liefertreue, Termintreue
Warenversorgung
Lagermanagement und -optimierung
Vorlaufzeitenoptimierung
Transportoptimierung
Tracking / Nachverfolgung
Logistikplanung und Optimierung
Qualitätsmanagement
Wartungsoptimierung
Lieferanten- und Kundenbewertung / Scoring
Infrastrukturgestaltung
Kapazitätsplanung
Ressourcenplanung
Absatzprognose
Tabelle 11: Genannte Use Cases in Logistik/Supply Chain
Big Data Use Cases 2015 – Getting real on data monetization
- 30 -
Unternehmen setzen derzeit vor allem auf Standard-BI-
Werkzeuge, Wandel steht jedoch bevor
Im Mittelpunkt der Diskussion um Big Data
standen lange Zeit technische Aspekte. Mittler-
weile dreht sie sich mehr darum, wie konkrete
Anwendungsszenarien eigentlich aussehen.
Dennoch bleibt die Frage nach den eingesetz-
ten Technologien hochaktuell. Big-Data-Analy-
sen sind oftmals nur im Zusammenspiel mit
neuen bzw. lange Zeit eher wenig beachteten
Technologien möglich. Der Markt für diese
Technologien befindet sich derzeit stark in Be-
wegung. Viele Technologien treten mit dem
Versprechen mannigfaltiger Vorteile an. Welche
dieser Technologien hat es aber tatsächlich
schon in die Unternehmen geschafft und wel-
che haben Unternehmen zukünftig auf ihrem
Zettel?
Abbildung 23: Wählen Sie bitte alle Technologiearten, die in Ihrem Unternehmen für Big
Data genutzt werden bzw. in Zukunft genutzt werden sollen. (n=428)
62%
53%
53%
43%
38%
36%
31%
17%
16%
14%
13%
13%
9
4
10
12
12
13
14
16
15
10
7
13
14%
8
14%
20%
11
20%
24%
24%
18%
22%
16%
19%
Standard-BI-Werkzeuge
Standard-Relationale-Datenbanken
Standard-Datenintegrationswerkzeuge
Explorative Analyse-/Data-Discovery-Werkzeuge
Individualentwicklung
Analytische Datenbanken
Data-Mining-/Predictive-Analytics-Lösungen
Hadoop-Ökosystem
Streaming-Systeme/Event Processing
Big Data Appliances
Spezielle Big-Data-Analyseanwendungen
NoSQL-Datenbanken
Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant
Big Data Use Cases 2015 – Getting real on data monetization
- 31 -
Die drei häufigsten Technologien, die Unterneh-
men heute für Big Data einsetzen, sind allesamt
Standardtechnologien. Insbesondere werden
sehr häufig Standard-BI-Werkzeuge und
Standard-Relationale-Datenbanken genutzt
(Abbildung 23), was den Stellenwert von struk-
turierten Daten auch im Big-Data-Kontext unter-
streicht. Deutlich wird auch, dass Standard-BI-
Werkzeuge nicht einfach durch spezielle Big-
Data-Technologien ersetzt werden, sondern
auch zukünftig eine wichtige Rolle spielen.
Die in Abbildung 5 gezeigten Herausforderun-
gen, die mit Big-Data-Initiativen angegangen
werden sollen, lassen allerdings vermuten,
dass Standardwerkzeuge zukünftig immer stär-
ker durch spezielle Technologien ergänzt wer-
den. Tatsächlich betreffen die größten Plan-
werte Technologien, die polystrukturierte Daten
handhabbar machen
sollen (Hadoop-Ökoys-
tem, NoSQL-Daten-
banken), die Analyse-
geschwindigkeit erhö-
hen (Streaming-Sys-
teme) und bessere
Vorhersagen ermögli-
chen (Predictive-Ana-
lytics-Lösungen). Die
zunehmende Umsetzung von Use Cases für
Big Data und der Einsatz neuer Technologien
gehen hier Hand in Hand. Als Folge wird in Un-
ternehmen zukünftig eine wesentlich heteroge-
nere Technologielandschaft anzutreffen sein,
was für Herausforderungen sorgen wird.
Abbildung 24: Welche der folgenden Technologiearten betreiben Sie/können Sie sich vor-
stellen in der Cloud zu betreiben? (n=454)
26%
14%
11%
11%
10%
6
7
7
6
8
8
7
7
29%
36%
31%
31%
37%
38%
36%
40%
37%
38%
36%
40%
37%
43%
52%
54%
46%
48%
54%
50%
56%
54%
60%
55%
Standard-Relationale-Datenbanken
Standard-BI-Werkzeuge
Standard-Datenintegrationswerkzeuge
Individualentwicklung
Explorative Analyse-/Data-Discovery-Werkzeuge
Analytische Datenbanken
Hadoop-Ökosystem
Data-Mining-/Predictive-Analytics-Lösungen
Streaming-Systeme/Event Processing
NoSQL-Datenbanken
Spezielle Big-Data-Analyseanwendungen
Big Data Appliances
Im Einsatz Geplant Grundsätzlich vorstellbar Nicht vorstellbar
„Die größten Planwerte wei-
sen Technologien auf, die
polystrukturierte Daten
handhabbar machen, die
Analysegeschwindigkeit er-
höhen und bessere Vorher-
sagen ermöglichen.“
Big Data Use Cases 2015 – Getting real on data monetization
- 32 -
Die Cloud gilt in den Diskussionen um mehr
Flexibilität und Agilität in den Unternehmen als
einer der wichtigsten Bausteine. Aus Abbildung
24 geht hervor, wie Unternehmen auf das
Thema blicken: Welche Technologien betreiben
Unternehmen derzeit schon in der Cloud, wo
planen sie es und können sie es sich überhaupt
grundsätzlich vorstellen? Zunächst ist festzu-
stellen, dass Unternehmen heute ihre verschie-
denen Technologien nur zu einem Bruchteil in
der Cloud einsetzen. Am häufigsten nutzen sie
mit 26 Prozent relationale Datenbanken, also
eine Technologie, für die in der Regel viel Er-
fahrung existiert und die sich gut einschätzen
lässt. Auch die Planwerte fallen für alle Techno-
logien eher mager aus. Zudem scheint es eine
Art Zweiteilung zu geben: Ungefähr eine Hälfte
der befragten Unternehmen ist dem Betrieb von
Big-Data-Technologien in der Cloud gegenüber
grundsätzlich aufgeschlossen eingestellt; für die
andere Hälfte ist dies nicht vorstellbar.
Abbildung 25: Welche der folgenden Datentypen nutzt Ihr Unternehmen für Big-Data-Analy-
sen? (n=208)
Der starke Einsatz von Standard-BI-Technolo-
gien für Big Data spiegelt sich in den verwende-
ten Daten wider (Abbildung 25). An erster Stelle
stehen in den Unternehmen, die schon heute
Big-Data-Analysen verwenden, Daten aus
Transaktionssystemen (64 Prozent). Sie spielen
nicht nur allein sondern auch im Zusammen-
spiel mit anderen Datenquellen sehr häufig eine
entscheidende Rolle. Weithin gebräuchlich sind
mittlerweile auch Logdaten aus IT-Systemen
(59 Prozent), die wohl insbesondere von IT-Be-
reichen für die Analyse ihrer Systemlandschaf-
ten eingesetzt werden. Praktisch alle Datenar-
ten weisen hohe Steigerungsraten auf. Ein wei-
terer Beleg dafür, dass den Unternehmen der
Wert ihrer Daten zunehmend bewusst ist und
sie daraus Kapital schlagen wollen. Überdies
weisen unstrukturierte Daten wie Social-Media-
Daten oder Dokumente/Texte, aber auch
Streaming-Daten die höchsten Planwerte auf.
Hier besteht auch ein Zusammenhang mit den
kundenzentrierten Einsatzszenarien, die diese
Datenarten häufig nutzen sowie den Planwer-
ten für entsprechende Technologien, die diese
Daten handhabbar machen.
64%
59%
30%
30%
24%
21%
12%
19%
11
11
23%
26%
19%
17%
9
13%
18%
21%
24%
22%
17%
Daten aus Transaktionssystemen
Logdaten von IT-Systemen
Sensor-, RFID-, oder andere Maschinendaten
Dokumente/Texte
Social-Media-Daten
Clickstream-Daten
Videoclips/Bilder
Im Einsatz Geplant innerhalb von 12 Monaten Langfristig geplant
Big Data Use Cases 2015 – Getting real on data monetization
- 33 -
Beschäftigungstreiber Big Data
Da Big Data gerade erst dabei ist, sich in den
Unternehmen zu etablieren, ist die Finanzie-
rungsfrage von besonderem Interesse: Wie fi-
nanzieren die Unternehmen ihre Initiativen?
Wohin fließen die Investitionen? Wie entwickelt
sich das Budget?
Abbildung 26: Wohin fließen die Big-Data-Investitionen Ihres Unternehmens? (n=208)
In Unternehmen, die schon heute Big Data nut-
zen, fließen die meisten Investitionen in die Er-
höhung des Budgets für IT-Lösungen (Abbil-
dung 26). An erster Stelle steht offenbar, die
technologischen Voraussetzungen zu schaffen.
Da aber auch die beste Technologie ohne ent-
sprechend qualifiziertes Personal nichts nützt,
investieren Unternehmen gleichzeitig in die
Weiterbildung (48 Prozent) aber auch in den
Aufbau von neuem Personal. Ganze 30 Prozent
der Unternehmen, die schon Big Data verwen-
den, wollen hier neue Stellen schaffen – ein
Jobmotor.
Abbildung 27: Wie finanzieren Sie Ihre Big-Data-Initiative(n)? (n=209)
55%
48%
30%
26%
24%
20%
7%
2%
Erhöhung des Budget für IT-Lösungen
Weiterbildung des bestehenden Personals
Personalaufbau/Schaffung neuer Stellen
Externe technische Beratung
Externe fachliche Beratung
Schaffung einer eigenenOrganisationseinheit mit eigenem Budget
Keine neuen Investitionen
Sonstige
52%
46%
31%
30%
2%
Projektbezogene Finanzierung
Aus dem IT-Budget
Aus dem Forschungs-/Innovationsbudget
Aus Fachbereichsmitteln
Sonstige
Big Data Use Cases 2015 – Getting real on data monetization
- 34 -
Woher stammen die Budgets für diese Investiti-
onen? Die Antworten der Umfrageteilnehmer
lassen das frühe Stadium vieler Big-Data-Initia-
tiven erkennen (Abbildung 27). So finanzieren
52 Prozent der Unternehmen, die heute schon
Big Data betreiben, ihre Initiativen projektbezo-
gen. Offenbar ist das Thema noch eher lose in
den Prozessen verankert, sodass es noch nicht
in feste Budgets einfließt. Wenn es allerdings
Teil dieser ist, stammen die Mittel vor allem aus
dem IT-Budget (46 Prozent) – ein weiterer Hin-
weis darauf, dass Big Data noch immer ein e-
her technisch getriebenes Thema ist.
Interessante Unterschiede liefert der Regionen-
vergleich: Während in Nordamerika die Mittel
überdurchschnittlich oft aus dem IT-Budget (54
Prozent vs. 43 Prozent in Europa) und den
Fachbereichen stammen (39 Prozent vs. 24
Prozent), greifen europäische Unternehmen
weitaus stärker auf Forschungsbudgets zurück
(20 Prozent in Nordamerika vs. 37 Prozent in
Europa). In Nordamerika sind Ausgaben für Big
Data wesentlich häufiger Teil fester Budgets als
in Europa. Auch hier zeigt sich, dass nordame-
rikanischen Unternehmen beim Thema Big
Data weiter sind als die europäischen.
Abbildung 28: Veränderung des Big-Data-Budgets in den letzten und nächsten 12 Monaten
(Median) (n=222)
Dass Big Data in den Unternehmen angekom-
men ist, macht sich auch in der Budgetentwick-
lung deutlich (Abbildung 28). So stiegen die
Ausgaben für IT-Lösungen und Personalmaß-
nahmen in den letzten zwölf Monaten in den
Unternehmen, für die Big Data-Initiativen zu-
mindest denkbar sind, um fünf Prozent (Medi-
anwert). Für die kommenden zwölf Monate pla-
nen diese Unternehmen in allen Bereich noch-
mals eine Steigerung um durchschnittlich fünf
Prozent.
Etwas überraschend fällt das Ergebnis für die
unterschiedlichen Regionen aus. So investier-
ten europäische Unternehmen in den letzten
zwölf Monaten durchschnittlich fünf Prozent
mehr in IT-Lösungen und externe Beratung als
nordamerikanische. Da nicht bekannt ist, von
welchen absoluten Werten ausgehend diese
Steigerungen erfolgten, ist anzunehmen, dass
sich die geringeren Investitionen in Nordame-
rika durch bereits getätigte Budgetsteigerungen
in der Vergangenheit erklären lassen. Europäi-
sche Unternehmen haben offenbar die Notwen-
digkeit erkannt, dass sie ihre Investitionen stei-
gern müssen, wenn sie mit ihrem nordamerika-
nischen Wettbewerbern mithalten wollen.
Vergangene
12 Monate
Kommende
12 Monate
Insgesamt
IT-Lösungen 5% 10%
Externe Beratung 0% 5%
Personalmaßnahmen 5% 10%
Regionen
Nordamerika IT-Lösungen 5% 10%
Externe Beratung 0% 0%
Personalmaßnahmen 5% 10%
Europa IT-Lösungen 10% 10%
Externe Beratung 5% 5%
Personalmaßnahmen 5% 10%
Big Data Use Cases 2015 – Getting real on data monetization
- 35 -
Fehlendes Know-how bremst Big Data aus
Der Mehrwert für Unternehmen aus Big-Data-
Analysen ist groß. Dennoch kämpfen Unterneh-
men gerade bei Big-Data-Projekten mit einer
Reihe von Problemen (Abbildung 29). Generell
scheint Big Data für die Unternehmen ein
Thema zu sein, das zwar mit vielen Vorteilen
einhergeht, derzeit allerdings relativ problembe-
haftet ist. Nur sechs Prozent aller Umfrageteil-
nehmer sagen, dass sie beim Einsatz von Big-
Data-Technologien keine Probleme sehen.
Abbildung 29: Welche Probleme sehen Sie beim Einsatz von Big-Data-Technologien/-Analy-
sen? (n=545)
Besonders oft trifft man auch weiterhin auf die
Know-how-Problematik: Etwa jedes zweite Un-
ternehmen berichtet von fehlendem fachlichem
oder technischem Know-how. Offenbar bringt
der Arbeitsmarkt schlicht und ergreifend zu we-
nig qualifiziertes Personal
hervor. Ein Problem, dass
nicht regional beschränkt ist,
sondern sowohl nordamerika-
nische als auch europäische
Unternehmen beklagen: Die
Werte für fehlendes fachliches und technisches
Know-how liegen in beiden Regionen bei circa
50 Prozent. Es könnte also der Fall eintreten,
dass Unternehmen zwar Stellen schaffen wol-
len, aber aufgrund des fehlenden Angebots sei-
tens des Marktes gar nicht in der Lage sind,
diese zu besetzen. Dies rückt die Aus- und
Weiterbildung der existierenden Mitarbeiter in
den Vordergrund.
Ferner stehen die Themen
Datenschutz und -sicherheit
ganz oben auf der Problem-
liste der Unternehmen. Der
hohe Wert für das Thema Da-
tenschutz ist vor dem Hintergrund der vielen
Einsatzszenarien, die den Kunden in den Mittel-
punkt rücken, wenig erstaunlich. Je mehr sich
53%
49%
48%
48%
38%
38%
34%
26%
24%
6%
1%
Fehlendes fachliches Know-how
Datenschutz
Fehlendes technisches Know-how
Datensicherheit
Kosten
Fehlende überzeugende Einsatzszenarien
Unternehmensprozesse noch nicht reif
Technische Probleme
Kann Big Data nicht für Fachanwender imUnternehmen nutzbar machen
Keine Probleme
Sonstige
„Etwa jedes zweite Unterneh-
men berichtet von fehlendem
fachlichem oder technischem
Know-how.“
Big Data Use Cases 2015 – Getting real on data monetization
- 36 -
Analysen auf den Kunden konzentrieren, desto
wichtiger wird es für die Unternehmen, die Da-
ten entsprechend zu anonymisieren, um die Pri-
vatsphäre der Kunden zu schützen. Bevor die
eigentlichen Analysen stattfinden, bedarf es
aufwendiger Verfahren, welche die Unterneh-
men heute offenbar vor großen Herausforde-
rungen stellen, sowohl hinsichtlich der inhaltli-
chen Ausgestaltung, der Rechtssicherheit als
auch ihrer technischen Umsetzung.
Wenn es um Big Data
geht, ist auch die Da-
tensicherheit in vielen
Unternehmen ein zent-
rales Thema. In Big
Data kann unterneh-
menskritisches Wissen
enthalten sein oder der
Zugriff auf neue Sys-
teme Probleme aufwerfen. So sehen beispiels-
weise Produktionsunternehmen den Zugriff auf
ihre Maschinen zur Erfassung von Maschinen-
daten kritisch, da auf diesen Maschinen auch
Programme zur Maschinensteuerung liegen
können, die als kritisches Intellectual Property
zu schützen sind. Auch die Speicherung und
Übertragung von Daten in Cloud-basierten Sys-
temen (zum Beispiel Social Media) oder Daten-
quellen birgt Unsicherheit, die es zu adressie-
ren gilt.
Mit 38 Prozent ist überdies die Zahl derjenigen
sehr hoch, die über fehlende Einsatzszenarien
klagen – und das trotz einer relativ lebendigen
Diskussion in den Fachmedien. Fehlende Krea-
tivität zur gewinnbringenden Datennutzung oder
gar Veränderung der Geschäftsmodelle auf Da-
tenbasis oder das fehlende Vertrauen einer ren-
tablen Einführung neuer Ansätze und Technolo-
gien sind ein häufiges Thema. Technische
Probleme sind hingegen offenbar nicht die
Hauptschwierigkeit, wenn es um den Einsatz
von Big-Data-Technologien geht. Nur 26 Pro-
zent sehen diese als problematisch an.
Hervorzuheben sind zudem die nicht nur in
puncto fehlendes Know-how sehr ähnlichen Er-
gebnisse für Nordamerika und Europa: Erstaun-
lich insbesondere bei den Themen Datenschutz
(50 Prozent in Nordamerika vs. 49 Prozent in
Europa) und -sicherheit (56 Prozent in Nord-
amerika vs. 46 Prozent in Europa). Es scheint
also nicht so zu sein, wie häufig kolportiert,
dass nordamerikanische Unternehmen im Ver-
gleich wesentlich weniger Wert auf das Thema
Datenschutz legen würden.
Unterschiede sind lediglich bei den technischen
Problemen festzustellen, die in Nordamerika
weiter verbreitet sind (30 Prozent vs. 23 Pro-
zent). Dies ist jedoch nicht weiter verwunder-
lich, da nordamerikanischen Unternehmen eher
Vorreiter in Sachen Big Data sind und neue
Technologien früher einsetzen.
„Je mehr sich Analysen auf
den Kunden konzentrieren,
desto wichtiger wird es für
die Unternehmen, die Daten
entsprechend zu anonymi-
sieren, um die Privatsphäre
der Kunden zu schützen.“
Big Data Use Cases 2015 – Getting real on data monetization
- 37 -
Abbildung 30: Probleme nach Status quo der Big-Data-Initiative (525)
Weitere interessante Ergebnisse liefert ein Blick
auf die Probleme, über die Unternehmen in wel-
chem Stadium ihrer Big-Data-Initiative klagen
(Abbildung 30). Dabei scheinen Unternehmen,
die auch zukünftig keine Big-Data-Initiative pla-
nen, zwei Hauptprobleme zu haben: Einerseits
haben sie in 56 Prozent der Fälle bisher keine
überzeugenden Einsatzszenarien ausmachen
können. Anderseits fehlt ihren Unternehmens-
prozessen überdurchschnittlich oft die entspre-
chende Reife für Big-Data-Projekte (50 Pro-
zent). Unternehmen, die derzeit noch keine Ini-
tiative haben, aber die künftig planen, haben
neben größeren Know-how-Problemen über-
durchschnittlich oft Schwierigkeiten damit, Big-
Data-Initiativen finanziert zu bekommen (48
Prozent).
Auffällig ist ferner, dass Unternehmen, die Big
Data schon in ihre Unternehmensprozesse im-
plementiert haben, immer noch sehr hohe
Werte im Bereich fehlendem Know-how aufwei-
sen. Am gravierendsten sind ihre Probleme al-
lerdings in den Bereichen Datenschutz und -si-
cherheit. Diese scheinen im Vorfeld oftmals un-
terschätzt zu werden.
56%
55%
46%
39%
33%
29%
19%
17%
14%
12%
48%
48%
53%
50%
26%
36%
27%
35%
26%
8%
52%
51%
63%
56%
25%
48%
26%
41%
42%
1%
35%
31%
41%
36%
16%
28%
18%
56%
50%
9%
Datenschutz
Datensicherheit
Fehlendes fachliches Know-how
Fehlendes technisches Know-how
Technische Probleme
Kosten
Kann Big Data nicht für Fachanwenderim Unternehmen nutzbar machen
Fehlende überzeugendeEinsatzszenarien
Unternehmensprozesse noch nicht reif
Keine Probleme
Big Data Bestandteil der Unternehmensprozesse
Big Data als Pilotprojekt
Keine Big-Data-Initiative, aber in Zukunft denkbar
Nein, es existiert keine Big-Data-Initiative und es ist auch zukünftig keine geplant
Big Data Use Cases 2015 – Getting real on data monetization
- 38 -
Während sich zwischen den verschiedenen Re-
gionen keine größeren Unterschiede bei den
genannten Problemen ausmachen lassen, fin-
den sich bei einer näheren Betrachtung der ver-
schiedenen Branchen ein paar interessante Er-
kenntnisse. Im Finanzsektor klagen die Unter-
nehmen überdurchschnittlich oft über fehlende
Einsatzszenarien. So geben dort 53 Prozent
der Unternehmen an, sie sähen für sich keine
interessanten Anwendungsfälle. Industrieunter-
nehmen hingegen klagen überdurchschnittlich
oft über fehlendes Know-how – 63 Prozent über
fehlendes fachliches,
61 Prozent über feh-
lendes technisches
Know-how. Dies ist of-
fensichtlich ein we-
sentliches Hemmnis
für das aktuelle Modethema „Industrie 4.0“, das
Unternehmen ganz besonders beachten soll-
ten. Im öffentlichen Sektor dominieren der Da-
tenschutz (68 Prozent), die Kosten (54 Prozent)
und fehlende Einsatzszenarien (51 Prozent) die
Liste der häufigsten Probleme.
Abbildung 31: Entwicklung Probleme in der DACH-Region (n= 206/322/204
Nicht minder interessant ist die Entwicklung der
Probleme in der DACH-Region in den letzten
drei Jahren (Abbildung 31). Dabei sind aus un-
serer Sicht insbesondere drei Sachverhalte her-
vorzuheben:
59%
55%
54%
51%
38%
36%
26%
23%
55%
47%
53%
36%
45%
40%
32%
22%
44%
46%
25%
33%
36%
34%
15%
Fehlendes fachliches Know-how
Fehlendes technisches Know-how
Datenschutz
Datensicherheit
Kosten
Fehlende überzeugendeEinsatzszenarien
Technische Probleme
Big Data nicht für Fachanwender imUnternehmen nicht nutzbar
2015 2013/14 2012
„Fehlendes Know-how ist of-
fensichtlich ein wesentliches
Hemmnis für das aktuelle
Modethema „Industrie 4.0“.“
Big Data Use Cases 2015 – Getting real on data monetization
- 39 -
Die einzigen Probleme, welche in der
DACH-Region wirklich rückläufig er-
scheinen, sind technischer Natur. Ver-
mutlich ein Effekt der zunehmenden
Reife, da Unternehmen mit anfängli-
chen technischen Problemen langsam
aber sicher umzugehen wissen.
Auffällig ist, dass dies für die fachliche
und technische Wissenslücke offenbar
nicht gilt. Ganz im Gegenteil: diese
nimmt in der DACH-Region sogar wei-
ter zu. Der Bedarf an qualifizierten Big-
Data-Experten wird offenbar weder
vom Arbeitsmarkt noch von Weiterbil-
dungsinitiativen gestillt, oder Unterneh-
men versuchen das Thema zunächst
mit den vorhandenen Mitarbeitern an-
zugehen, denen aber das Know-how
fehlt.
Während im letzten Jahr das Thema
Datenschutz sprunghaft anstieg (von
25 auf 53 Prozent), ist dieses Jahr ein
ähnlicher Effekt beim Thema Datensi-
cherheit festzustellen. Hier spiegeln
sich offenbar die vorherrschenden Ver-
änderungen in der Diskussion um Big
Data wider. Wurde im Vorjahr noch
ausgiebig über die Snowden-Doku-
mente und die Praktiken der NSA be-
richtet, konzentriert sich die Diskussion
der letzten Monate eher auf Sicher-
heitsthemen wie den Schutz vor Cybe-
rattacken.
Big Data Use Cases 2015 – Getting real on data monetization
- 40 -
Fazit und Handlungsempfehlungen
Big Data setzt sich in den Unternehmen lang-
sam aber sicher durch. So gibt es nur sehr we-
nige Unternehmen, die von sich sagen, eine
Big-Data-Initiative wäre für sie überhaupt nicht
denkbar. Weltweit haben schon über 40 Pro-
zent der Unternehmen Erfahrungen mit Big
Data gesammelt. Gleichzeitig zeigen sich auch
größere regionale und branchenspezifische Un-
terschiede: dabei drohen nordamerikanische
Unternehmen ihrer europäischen Konkurrenz
zu enteilen; und während Fertigungsunterneh-
men mit Industrie 4.0 bei Big Data noch nicht so
recht aus den Startlöcher gekommen sind, hat
sich der Handel die Führungsposition gesichert.
Zahlreich sind sowohl
Herausforderungen als
auch Akteure innerhalb
der Unternehmen, die
Big Data auf die Ta-
gesordnung setzen:
stark wachsende und
unterschiedlich strukturierte Datenmengen, der
Wunsch nach schneller und besseren Analy-
sen, generell ein gestiegenes Bewusstsein für
den Wert von Daten, ausgefeiltere Prognose-
techniken … die Liste an Treibern ist lang. Letz-
ten Endes gibt allerdings oftmals die aktive
Rolle des Managements den Ausschlag, wie
weit heute schon Big-Data-Initiativen in den Un-
ternehmen gediehen sind.
Der Mehrwert ist dabei beachtlich, den Unter-
nehmen erzielen können, wenn sie sich beim
Thema Big Data vorwagen. Ganz vorne auf der
Liste stehen: bessere strategische Entschei-
dungen, bessere Steuerung der operativen Pro-
zesse, ein besseres Kundenverständnis sowie
Kostensenkungen, um nur einige zu nennen.
Dabei werden die im Vorfeld vorhandenen ho-
hen Erwartungen nicht nur gänzlich erfüllt, in
vielen Punkten werden sie sogar übertroffen.
Gerade die Punkte Kostensenkung und Um-
satzsteigerung sollten diejenigen nachdenklich
stimmen, die sich Big Data bisher verweigert
haben: Von einer durchschnittlichen Umsatz-
steigerung von acht Prozent und einer Kosten-
senkung um zehn Prozent berichten diejenigen
Unternehmen, die den Nutzen ihrer Big-Data-
Initiative beziffern können. Es bedarf sicherlich
keiner allzu großen Fantasie, um sich auszu-
malen, dass Big-Data-Verweigerer zunehmend
Gefahr laufen, ökonomisch abgehängt zu wer-
den.
Schon heute existiert eine ganze Bandbreite
unterschiedlicher Einsatzszenarien. In deren
Mittelpunkt steht eindeutig der Kunde, den man
besser verstehen möchte. Gleichwohl dringt Big
Data in alle Unternehmensbereiche vor und in
allen Bereichen finden sich bereits heute aus-
reichend Anwendungsfälle – von der Produktion
über das Controlling bis hin zum Personalwe-
sen. Die außerordentlich hohen Planwerte je
Bereich sprechen dabei für sich: Big Data
kommt früher oder später so gut wie überall
zum Einsatz. Kein Unternehmensbereich kann
und sollte sich Big Data verschließen, wenn
man zukünftig als Unternehmen in Gänze wett-
bewerbsfähig bleiben möchte.
Sowie die Anwen-
dungsfälle in Unter-
nehmen langsam aber
stetig zunehmen, gerät
die herkömmliche BI-
Infrastruktur auf den
Prüfstand. In den Ein-
satzszenarien finden
oftmals völlig neue Da-
ten(-arten) Verwendung: Maschinensensoren,
Emails und andere Dokumente, Streaming- o-
der Social-Media Daten. Die herkömmliche auf
strukturierte Daten ausgelegte und vielfach we-
nig flexible BI-Infrastruktur erreicht hier ihre
Grenzen. Zwar setzen die Unternehmen heute
hauptsächlich noch auf Standard-BI-Technolo-
gien, allerdings deutet sich der technologische
Umbruch schon an. Dabei schaffen die Unter-
nehmen ihre tradierten BI-Systeme keinesfalls
„Der Mehrwert ist dabei be-
achtlich, den Unternehmen
erzielen können, wenn sie
sich beim Thema Big Data
vorwagen.“
„Schon heute existiert eine
ganze Bandbreite unter-
schiedlicher Einsatzszena-
rien. In deren Mittelpunkt
steht eindeutig der Kunde,
den man besser verstehen
möchte.“
Big Data Use Cases 2015 – Getting real on data monetization
- 41 -
ab, sondern ergänzen diese zunehmend um
Technologien, welche die Anforderungen von
Big Data in puncto Geschwindigkeit, Volumen
und Datenstrukturen standhalten können.
Die dadurch entstehende komplexe technologi-
sche Infrastruktur bringt gleichwohl ganz neue
Herausforderungen mit sich. Datenschutz und
Datensicherheit sind die beiden größten Prob-
leme in Unternehmen, die schon heute Big-
Data-Initiativen in ihren Unternehmensprozes-
sen implementiert haben. Der Schutz und die
Anonymisierung von sensiblen Kunden- und
Unternehmensdaten in einer Big-Data-Umge-
bung stellt offenbar eine nicht ganz triviale An-
gelegenheit dar.
Kernproblem Nummer
zwei: das fehlende
Know-how in den Un-
ternehmen. Praktisch
überall auf der Welt
klagen Unternehmen
über fehlende techni-
sche und fachliche Big-Data-Expertise. Zwar
geben viele Unternehmen an, sogar neue Stel-
len in diesem Bereich schaffen zu wollen. Den-
noch bleibt es äußerst fraglich, ob sich auf den
weltweiten Arbeitsmärkten auch nur annähernd
so viele fähige Kandidaten tummeln, wie die
Unternehmen benötigen. Insbesondere die In-
dustrie und ihr „Großprojekt“ Industrie 4.0 lau-
fen Gefahr, hierdurch bereits ins Stocken zu ge-
raten, bevor es überhaupt so richtig losgegan-
gen ist.
Zusammenfassend sollten Unternehmen sich
insbesondere folgende Handlungsempfehlun-
gen zu Herzen nehmen:
Starten Sie jetzt mit ihren Big-Data-Initiati-
ven! Die Teilnehmer dieser Studie zeigen
die zahlreichen Anwendungsbeispiele und
den hohen erreichbaren Nutzen aus der
Analyse von Big Data. Fangen Sie mit Pi-
lot-Projekten an, die verschiedene Berei-
che, Datenarten und Prozesse umfassen!
Setzen Sie Kreativität frei! Schaffen Sie
Freiräume, in denen Mitarbeiter die vielen
Beispiele in dieser Studie auf ihre Ein-
satzmöglichkeit im eigenen Unternehmen
bewerten, aber vor allem auch selbst Vor-
schläge entwickeln können, in welchen
Prozessen oder Geschäftsmodellen Da-
ten einen Beitrag zur Verbesserung leis-
ten können.
Das Top Management ist ein wichtiger
Treiber, aber die weiteren Ebenen in den
Fachbereichen müssen ebenfalls zu Pro-
tagonisten werden. Nur so können die
Einsatzszenarien in den verschiedenen
Bereichen auch tatsächlich umgesetzt
werden.
Beginnen Sie mit der internen Weiterbil-
dung und sondieren Sie den Arbeitsmarkt
nach technischer und fachlicher Big Data
Expertise. Sie werden sie brauchen.
Entwerfen Sie eine Datenstrategie für Ihr
Unternehmen, die alle Daten einschließ-
lich Big Data umfasst. Eine Einordnung
Ihrer Daten in Schutzklassen und Sicher-
heitszonen mit zugehörigen Richtlinien
und Verantwortlichkeiten hilft, Daten-
schutz und Datensicherheit zu konkreti-
sieren und Unsicherheiten zu nehmen.
Berücksichtigen Sie, dass Big-Data-Pro-
jekte häufig explorativ mit Daten umge-
hen. Business-Intelligence-Standardver-
fahren sind hier der falsche Maßstab. Da-
tenexperimente müssen schnell fehlschla-
gen können, damit man daraus lernt und
sich einer guten, vielleicht bahnbrechen-
den Lösung annähern kann.
„Praktisch überall auf der
Welt klagen Unternehmen
über fehlende technische
und fachliche Big-Data-Ex-
pertise.“
Big Data Use Cases 2015 – Getting real on data monetization
- 42 -
Anhang A: Methodik und Demographie
Die Online-Anwenderumfrage wurde weltweit
von Dezember 2014 bis Februar 2015 durchge-
führt. Die Befragung wurde von BARC über
Webseiten, Veranstaltungen und im E-Mail-
Newsletter beworben.
Es beteiligten sich insgesamt 559 Teilnehmer
an der Erhebung. Mit 37 Prozent stammen die
meisten Teilnehmer aus der DACH-Region (Ab-
bildung 32). Mit etwas Abstand folgen die Teil-
nehmer aus Nordamerika (22 Prozent). Die wei-
teren Teilnehmer verteilen sich relativ gleichmä-
ßig auf die anderen europäischen und weltwei-
ten Regionen – mit Ausnahme von Afrika und
des Nahen Ostens, die nur vier Prozent der
Stichprobe ausmachen.
Abbildung 32: Verteilung nach Regionen (n=546)
Es wurde eine breit gefächerte Branchenvertei-
lung der Studienteilnehmer erreicht (Abbildung
33). Besonders häufig ist die IT (16 Prozent),
die Fertigungsindustrie (14 Prozent), die Bera-
tungsbranche (13 Prozent) und der Handel
(8 Prozent) vertreten.
37%
22%
8%
7%
7%
5%
5%
5%
4%
DACH-Region
Nordamerika
Südeuropa
Frankreich & französisch sprechendeGebiete
Asien/Pazifik
UK & Nordeuropa
Osteuropa
Lateinamerika
Sonstige
Big Data Use Cases 2015 – Getting real on data monetization
- 43 -
Abbildung 33: Branchenverteilung (n=543)
Die Unternehmensgröße nach Mitarbeiteran-
zahl geht aus Abbildung 34 hervor. Mit 38 Pro-
zent sind Unternehmen der Größenklasse
250 bis 5.000 Mitarbeiter in der Studie am häu-
figsten vertreten. Die Studie deckt mit jeweils
knapp 32 Prozent (Mehr als 5.000 Mitarbeiter)
und 29 Prozent (Weniger als 250 Mitarbeiter)
aber auch andere Unternehmensgrößen reprä-
sentativ ab.
Abbildung 34: Unternehmensgröße (Mitarbeiterzahl, n=543)
Eine Betrachtung der Herkunft der Studienteil-
nehmer nach Unternehmensbereichen zeigt
eine Dominanz der IT (42 Prozent) (Abbildung
35). Unter den Fachbereichen sind das Control-
ling (17 Prozent) und das Management (14 Pro-
zent) am häufigsten vertreten. 14 Prozent ent-
fallen auf Teilnehmer aus einer bereichsüber-
greifenden BI-Organisation, zum Beispiel Busi-
ness Intelligence Competency Center (BI CC).
16%
14%
13%
8%
5%
5%
5%
5%
4%
4%
4%
3%
3%
3%
2%
2%
1%
1%
0,4%
IT
Fertigungsindustrie
Beratung
Handel
Bankensektor
Dienstleistungen (außer Beratung)
Gesundheitswesen
Prozessindustrie
Bildung
Transportwesen und Logistik
Versicherungen
Energie und Versorgungswirtschaft
Öffentlicher Sektor
Telekommunikation
Medien/Verlagswesen
Sonstige
Öl, Gas und Bergbau
Baugewerbe
Landwirtschaft
29%
38%
32%
Weniger als 250
250 bis 5.000
5.000 und mehr
Big Data Use Cases 2015 – Getting real on data monetization
- 44 -
Abbildung 35: In welchem Fachbereich sind Sie tätig? (n=530)
42%
17%
14%
14%
3%
3%
2%
2%
1%
1%
0,4%
0,4%
IT
Finanzen/Controlling
Management
Eigenständige BI-Organisation
Sonstige
Marketing
Forschung/Entwicklung
Vertrieb
Produktion
Personalwesen
Beschaffungswesen/Einkauf
Logistik/Supply Chain
Big Data Use Cases 2015 – Getting real on data monetization
- 45 -
Das Business Application Research Center (BARC)
www.barc.de
Firmenprofil
Das Business Application Research Center
(BARC) ist ein Forschungs- und Beratungsinsti-
tut für Unternehmenssoftware mit Fokus auf die
Bereiche Business Intelligence, Enterprise Con-
tent Management (ECM), Customer Relations-
hip Management (CRM) und Enterprise Res-
source Planning (ERP). BARC-Mitarbeiter sind
seit 1994 in der Evaluation von Business-Intelli-
gence- und ECM-Produkten und Beratung von
Unternehmen tätig. Dabei vereinen die BARC-
Analysten Markt-, Produkt- und Einführungswis-
sen. Know-how-Basis sind die seit Jahren stän-
dig durchgeführten Marktanalysen und Produkt-
vergleichsstudien, die ein umfassendes Detail-
wissen über den Leistungsumfang aller marktre-
levanten Software-Anbieter und neueste Ent-
wicklungen im Markt sicherstellen.
Neben dem Firmensitz in Würzburg unterhält
BARC heute Niederlassungen in München, Lon-
don, Wien und Zürich. BARC formt mit den Ana-
lystenhäusern CXP und PAC die führende euro-
päische Analystengruppe für Unternehmenssoft-
ware und IT Services mit Vorortvertretungen in
acht Ländern.
BARC ist aus den komparativen Produktanaly-
sen am Lehrstuhl Wirtschaftsinformatik der Uni-
versität Würzburg, Prof. Dr. R. Thome hervorge-
gangen. In seiner Stellung als unabhängiges
Institut beobachtet und analysiert BARC den
Markt für Business Applications. In Beratungs-
projekten, Software-Vergleichsstudien und auf
Fachtagungen bringt BARC Transparenz und
Vergleichbarkeit in den Software-Markt. Dabei
ist BARC strikt unabhängig von Software-Anbie-
tern. Dies bedeutet, dass keine Gebühren für die
Aufnahme in Studien oder Provisionen bei der
Empfehlung von Software erhoben werden.
BARC bietet auch keine Implementierung von
Software an, um keine internen Interessen zu er-
zeugen.
BARC-Mitarbeiter evaluieren seit mehr als 20
Jahren Business-Intelligence- und Enterprise-
Content-Management-Produkte und nutzen das
so erlangte Wissen in Beratungsprojekten zur
Software-Auswahl und IT-Strategie.
Über 1.200 Kunden jährlich, darunter mehr als
90 Prozent der DAX100-Unternehmen nutzen in
vielfältiger Weise das Know-how der BARC-
Analysten. BARC-Beratungsprojekte sind hoch
effizient und gewährleisten ein Höchstmaß an
Sicherheit bei Software-Auswahl und IT-Strate-
gie. BARC-Studien bieten einen qualifizierten
Marktüberblick und einen detaillierten Software-
Vergleich. BARC-Tagungen und Seminare ge-
ben einen konzentrierten Eindruck aller relevan-
ten Anbieter in verschiedenen Segmenten des
Marktes für Geschäftsanwendungen.
.
Big Data Use Cases 2015 – Getting real on data monetization
- 46 -
Firmenprofile der Sponsoren
Blue Yonder
www.blue‐yonder.com
Firmenprofil
Blue Yonder ist der führende SaaS-Anbieter für
Predictive Applications im europäischen Markt
und wurde jüngst in den Gartner Report ‚Cool
Vendors in Data Science 2015‘ aufgenommen.
Die Plattform des Unternehmens automatisiert
Entscheidungen in Echtzeit und liefert präzise
Prognosen. Gegründet vom ehemaligen CERN-
Forscher Prof. Michael Feindt wird das Unter-
nehmen durch die Private Equity-Gesellschaft
Warburg Pincus und der Otto Group unterstützt.
Das seit 2008 in Karlsruhe ansässige Unterneh-
men bietet branchenspezifische Prognosesoft-
ware, mit deren Hilfe Kunden wie Otto, EON und
EAT ihre Kernprozesse optimieren und zu „Pre-
dictive Enterprises“ werden können. Dazu nutzt
Blue Yonder wissenschaftlich basierte und inno-
vative Techniken wie Predictive Modelling und
Machine Learning. Die skalierbare und cloudba-
sierte Plattform von Blue Yonder stellt treffsi-
chere Prognosen für die Absatzplanung und au-
tomatisierte Disposition bereit. Darüber hinaus
wird sie auch in der dynamischen Preisgestal-
tung sowie für Kundenanalysen eingesetzt.
Im Januar 2014 rief Blue Yonder die Data Sci-
ence Academy ins Leben, um Unternehmen re-
levantes Fachwissen zur Verfügung zu stellen
und gezielt Entscheider aus dem Management,
den Fach- und IT-Abteilungen zu schulen.
Die Arbeit von Blue Yonder wurde bereits mehr-
fach ausgezeichnet, unter anderem mit dem
Preis „Deutschland − Land der Ideen 2015“, dem
IoT Award 2014, BT Retail Week Technology A-
ward 2014, dem Innovationspreis 2014 und dem
FOCUS Digital Star Award 2013.
Kontaktinformationen
Dunja Riehemann
Director Marketing
Blue Yonder GmbH
Ohiostraße 8
D-76149 Karlsruhe
Tel +49 (0)721 383 117 0
dunja.riehemann@blue-yonder.com
www.blue-yonder.com
Big Data Use Cases 2015 – Getting real on data monetization
- 47 -
Cloudera
www.cloudera.com
Firmenprofil
Mit der ersten integrierten Big Data-Plattform auf
Basis des Apache Hadoop™-Frameworks ge-
staltet Cloudera die Datenverwaltung im Unter-
nehmen von Grund auf neu. Cloudera bietet Un-
ternehmenskunden integriertes Speichern, Be-
arbeiten und Analysieren all ihrer Daten und er-
möglicht ihnen damit nicht nur eine effizientere
Nutzung ihrer Systemlandschaft, sondern auch
völlig neue Methoden der Datenverwertung. Nur
Cloudera liefert sämtliche für den Aufbau eines
internen Daten-Hubs erforderlichen Komponen-
ten, einschließlich der Software für geschäftskri-
tische Kernfunktionen wie Speicherung, Zugang,
Verwaltung, Analyse, Schutz und Suche von Da-
ten. Als führender Anbieter hat Cloudera welt-
weit bereits mehr als 27.000 Hadoop™-Exper-
ten geschult. Darüber hinaus sorgen über 1.700
Partner und ein erfahrenes Serviceteam für den
schnellstmöglichen Einsatz neuer Software. Nur
Cloudera bietet den dynamischen und zukunfts-
orientierten Support, der Unternehmen darin un-
terstützt, ihren Enterprise Data Hub effizient ein-
zusetzen. Führende Unternehmen aller Wirt-
schaftsbereiche, sowie staatliche Institutionen
setzen bei der Verarbeitung und Analyse großer
Datenvolumen auf Cloudera!
Kontaktinformationen
Cloudera GmbH
Romanstr. 35
80639 München
Email: press_de@cloudera.com
Big Data Use Cases 2015 – Getting real on data monetization
- 48 -
Hewlett Packard
www.hp.com/de
Firmenprofil
HP Analytics, Datenmanagement und BI Mo-
dernisierung
Analytics und Data Management ist einer der
vier Kernbereiche der HP Strategie. HP kombi-
niert die traditionellen Stärken des Unterneh-
mens aus dem Bereich Computing, Software
und Services mit einem End-zu-End Angebot für
die Modernisierung von Business Intelligence
Umgebungen in Richtung Big Data.
Einsatz-Szenarien:
HP unterstützt Kunden bei der Analyse von Da-
ten in allen Industrie-Zweigen. Einsatz-Szena-
rien beinhalten die Datenanalyse für Compliance
-Anwendungsfälle, Warranty- Analytics, Predic-
tive Maintenance, Social Media Analytics, Stim-
mungsanalysen für Produkte und Unternehmen,
Fanverhalten bei Sportveranstaltungen, Operati-
ons Analytics für die IT; Service Desk Analytics
u.v.m.
Big-Data-Technologien:
Die technologische Basis für HP’s Big Data Lö-
sungen bilden Software und Hardware Produkte
wie die HP Big Data Analytics Plattform HP Ha-
ven. Sie besteht aus einer vorintegrierten Kom-
bination unterschiedlicher Software und Hard-
ware Technologien. Mittels Haven können jegli-
che Datenformate – ob strukturiert, unstruktu-
riert, Video, Audio, Fotos, Text etc. analysiert
werden.
Zum HP Hardware und Appliances- Angebot für
den Betrieb von Big Data Umgebungen gehören
Server, Speichersysteme und Netzwerke. Die
vordefinierten Hardware Lösungen basieren auf
der HP Big Data Referenz Architektur (HP
BDRA), eine mit neuesten Technologien ausge-
stattete Lösung für den Einsatz in Big Data Ana-
lytics Umgebungen.
Big Data Services
Mit einer Vielfalt von Dienstleistungen rund um
Datenmanagement, BI Modernisierung und Big
Data Analytics unterstützt HP die Kunden bei der
Definition und der Bewertung des Nutzenaspek-
tes möglicher Anwendungsfälle, der Konzeption,
Implementierung und im Produktiv-Betrieb.
Dazu gehören die HP Implementation Services
für vordefinierte Hardware-Lösungen, Professio-
nal Services für Planung und Implementierung
von Software als auch Dienstleistungen für die
Konzeption und Implementierung von Gesamtlö-
sungen rund um BI und Big Data.
Kontaktinformationen
Gerhard Haberstroh
Hewlett-Packard GmbH
Herrenberger Str. 140
71034 Böblingen
Tel.: 07031 – 14-0, E-Mail: gh@hp.com
Internet: www.hp.com/de
Big Data Use Cases 2015 – Getting real on data monetization
- 49 -
Information Builders
www.informationbuilders.de
Firmenprofil
Information Builders unterstützt Unternehmen
dabei, Daten in geschäftlichen Nutzen zu ver-
wandeln. Lösungen für die Bereiche Business
Intelligence und Analytics, Integration und Da-
tenintegrität ermöglichen Unternehmen, intelli-
gente Entscheidungen zu treffen, Kundenbezie-
hungen zu stärken und Wachstum zu fördern. In-
formation Builders ist bekannt dafür, konsoli-
dierte Business Intelligence- und Analytics-An-
wendungen für den großflächen, unternehmens-
weiten Einsatz zur Verfügung stellen zu können.
Für valide Datenhaltung runden Datenqualitäts-
und Master Data Management das Lösungsan-
gebot ab. Information Builders sieht in Big Data
ein großes Potenzial, das sich für Unternehmen
durch neuartige Einblicke in Daten und erstmalig
mögliche Informationserschließung ergibt. Aktu-
ell sind innovative, große Big Data-Projekte in
der Umsetzung begriffen, die Informationsarten
wie maschinengenerierte Daten, Social Media
Analytics, Location- und Geo-Intelligence, Kon-
sumverhalten von Kunden („Customer Activity
Monitoring"), Webanalyse u.v.m. beinhalten. In-
formation Builders unterhält Partnerschaften mit
allen Anbietern im Big Data-Umfeld, die Hadoop,
Datenbankabfragen und alle zugehörigen Ana-
lyse-Technologien abdecken. Information
Builders hilft bei allen Arten der Geschäftsana-
lyse, nicht nur bezogen auf Big Data, um Umsatz
und Gewinn positiv zu beeinflussen.
Information Builders bietet Geschäftsanalyse für
führende Unternehmen aus allen Industriezwei-
gen, wie z.B. Banken und Versicherungen, Her-
stellungsindustrie, Gesundheitswesen, Handel,
Logistik, Telekommunikation sowie Behörden
und Bildungswesen. Aus diesem Grund ver-
trauen zehntausende führende Unternehmen
auf Information Builders und sehen uns als ver-
trauenswürdigen Partner. Information Builders
wurde 1975 gegründet, hat seinen Hauptsitz in
New York, verfügt über Niederlassungen welt-
weit und ist eines der größten, unabhängigen, in
Privatbesitz befindlichen Unternehmen in der
Softwarebranche.
Besuchen Sie uns unter informationbuilders.com
bzw. informationbuilders.de, folgen Sie uns auf
Twitter unter @infobldrs_DE, werden Sie Fan
auf Facebook und besuchen Sie unsere
LinkedIn-Seite.
Kontaktinformationen
Information Builders (Deutschland) GmbH
Mergenthalerallee 35
D-65760 Eschborn
Tel.: +49 (0) 6196 77576 0
Fax: +49 (0) 6196 77576 99
E-Mail: info_de@informationbuilders.com
Internet: www.informationbuilders.com
Big Data Use Cases 2015 – Getting real on data monetization
- 50 -
pmOne
www.pmOne.de
Firmenprofil
Die 2007 gegründete pmOne AG ist ein Soft-
ware- und Beratungsunternehmen mit Lösungs-
angeboten zum Thema Business Intelligence
und Big Data. Dafür werden die technologischen
Plattformen von Microsoft und SAP um die ei-
genentwickelte Software cMORE ergänzt.
cMORE hilft Anwendern unter anderem dabei,
skalierbare Lösungen für Reporting und Analyse
schnell aufzubauen, effizient zu betreiben und
zu erweitern. Mit Tagetik vertreibt und implemen-
tiert die pmOne AG eine weltweit führende Soft-
warelösung für Unternehmensplanung und Kon-
solidierung. Zur pmOne-Gruppe gehört die
MindBusiness GmbH, die auf SharePoint-Lö-
sungen und Dienstleistungen für Office-Rollouts
spezialisiert ist. Die pmOne AG hat 200 Mitarbei-
ter und ist an acht Standorten in Deutschland,
Österreich und der Schweiz vertreten.
cMORE hilft Anwendern, schneller Lösungen für
Business Intelligence (BI) und Big Data aufzu-
bauen, zu erweitern und effizient zu betreiben.
cMORE nutzt die Software-Infrastruktur von
Microsoft, insbesondere den SQL Server, Excel
und SharePoint, und erweitert sie auch zu einer
komplementären BI- und Big-Data-Lösung in ei-
nem SAP-Umfeld. cMORE ist ein Akronym für
Collaboration, Modellierung und Reporting.
cMORE erleichtert Standard- und Adhoc- Repor-
ting, indem vorhandene Software-Infrastruktur
wie Microsoft Excel und SharePoint genutzt und
intelligent erweitert wird. Dadurch verringert sich
der Einführungs- und Schulungsaufwand. Heu-
tige Anforderungen der Fachanwender nach
mehr Eigenständigkeit bei der Berichtserstellung
und -verteilung – Stichwort Self-Service BI –
werden in einer innovativen Benutzeroberfläche
realisiert. Konzeptionell orientiert sich cMORE
an den Prinzipien des „Information Design“, bei
denen es um die unternehmensweite Standardi-
sierung des Reporting nach wissenschaftlich ab-
gesicherten Grundsätzen geht.
Die pmOne AG implementiert und betreut Lö-
sungen bei zahlreichen Unternehmen, unter an-
derem bei
Air Berlin ein unternehmensweites Data Wa-
rehouse,
Kistler eine einheitliche Plattform für unter-
schiedliche Anforderungen des Finanzbe-
reichs,
Henkel die integrierte Konzernplanung,
Heraeus ein Enterprise Data Warehouse,
M+W Group Konzernkonsolidierung, Pla-
nung, Reporting, Treasury und Projektcon-
trolling,
Vorwerk unterschiedliche Geschäftspro-
zesse im Finanzbereich in einer Anwendung.
Big Data Use Cases 2015 – Getting real on data monetization
- 51 -
SAS
www.SAS.de
Firmenprofil
SAS ist mit über drei Milliarden US-Dollar Um-
satz einer der weltweit größten Softwareherstel-
ler und der größte Anbieter von Big-Data-
Analytics-Software. Kunden an weltweit 75.000
Standorten setzen SAS Lösungen ein, um aus
ihren vielfältigen Geschäftsdaten (Big Data) kon-
krete Informationen für strategische Entschei-
dungen zu gewinnen (Analytics) und so ihre
Leistungsfähigkeit zu steigern. SAS Lösungen
kommen in unterschiedlichsten Branchen zum
Einsatz, darunter Banking, Versicherungen,
Manufacturing oder Handel. Mit den Lösungen
von SAS können Handelsunternehmen die Kun-
denzufriedenheit erhöhen, das Online Shopping
optimieren, Social-Media- und Callcenter-Daten
auswerten sowie ihre Marketingkosten senken.
Banken profitieren unter anderem von besserem
Risk- und Fraud-Management.
Wodurch zeichnet sich SAS aus?
Die Lösungen von SAS helfen Unternehmen,
das Maximum aus ihren Daten herauszuholen.
Ganz gleich, wie groß und wie komplex die Da-
tenbestände sind – SAS Software zieht rele-
vante Erkenntnisse daraus und schafft die Basis
für sichere und vorausschauende Geschäftsent-
scheidungen. Mit Big Data Analytics lassen sich
Fragestellungen in den unterschiedlichsten Ge-
schäftsbereichen beantworten: vom Kunden-
und Kampagnenmanagement über Unterneh-
menssteuerung, Maschinen- und Anlagensteue-
rung (Industrie 4.0) bis hin zu Lösungen für den
transparenten Dialog zwischen Staat und Bür-
gern (Open Government). Darüber hinaus macht
Big Data Analytics von SAS in den Datenbestän-
den (bisher unbekannte) Muster und Zusam-
menhänge sichtbar – und schafft damit die Vo-
raussetzung für die digitale Transformation von
Unternehmen sowie neue digitale Geschäftsmo-
delle. Mit den Erkenntnissen können Unterneh-
men nicht nur strategische Weichen schnell und
sicher stellen, sondern auch operative Prozesse
besser steuern. SAS High-Performance
Analytics nutzt intensiv die Möglichkeiten von
Hadoop und In-Memory Computing für die wirt-
schaftliche und extrem schnelle Verarbeitung
von Big Data. Zudem bietet SAS Unternehmen
eine Plattform, um Daten zu analysieren, zu ver-
bessern und zu kontrollieren und trägt somit
dazu bei, die Datenqualität und Data
Governance entscheidend zu verbessern.
Alle Lösungen von SAS sind auch als Managed
Services verfügbar und lassen sich sowohl in der
Public Cloud, der Private Cloud oder in hybriden
Cloud-Umgebungen nutzen. Darüber hinaus
stellt SAS Lösungen für Self-Service Business
Intelligence (BI), mobile BI oder Datenvisualisie-
rung bereit, die es auch der Managementebene
ermöglichen, ohne besondere Statistikkennt-
nisse oder Unterstützung der IT-Abteilung wert-
volle Erkenntnisse aus dem Datenmaterial zu
ziehen. So haben die richtigen Manager und Mit-
arbeiter die relevanten Informationen zur richti-
gen Zeit zur Hand – egal, wo sie sich gerade be-
finden.
Zur Geschichte:
SAS entstand im Rahmen eines Forschungspro-
jekts an der North Carolina State University. Das
1976 gegründete Unternehmen mit Sitz im US-
amerikanischen Cary, North Carolina, beschäf-
tigt 14.000 Mitarbeiter und unterhält 400 Nieder-
lassungen in 56 Ländern weltweit. SAS Deutsch-
land hat seit 1982 seine Zentrale in Heidelberg
mit weiteren Niederlassungen in Berlin, Frank-
furt, Hamburg, Köln und München und beschäf-
tigt aktuell rund 550 Mitarbeiter.
Big Data Use Cases 2015 – Getting real on data monetization
- 52 -
Tableau
www.tableau.com
Firmenprofil
Tableau hat sich das Ziel gesetzt, Benutzer da-
bei zu unterstützen, ihre Daten sichtbar und ver-
ständlich zu machen. Dieser Weg, so unsere
Grundüberzeugung, ist nur gangbar, wenn Da-
ten demokratisiert werden, also wenn „die Per-
sonen, die die Daten kennen, berechtigt sind,
Fragen zu den Daten zu stellen“. Wissensarbei-
ter sollten einfach und selbstverständlich auf ihre
Daten zugreifen können, ganz gleich, wo diese
gespeichert sind. Dieselben Wissensarbeiter
sollten zudem ihre Daten analysieren und dar-
aus Erkenntnisse ziehen können, ohne die Hilfe
einer kleinen Elite aus Informatikspezialisten
und Entwicklern in Anspruch nehmen zu müs-
sen.
Unabhängig vom Datenvolumen ist die Visuali-
sierung von Daten wichtig, da sie Informationen
in Erkenntnisse und Maßnahmen verwandeln
kann. Besondere Bedeutung hat die Visualisie-
rungsstrategie für Big Data, da die mit dem Spei-
chern, Vorbereiten und Abfragen von Daten ver-
bundenen Kosten viel höher sind. Unternehmen
müssen daher gut strukturierte Datenquellen
nutzen und Best Practices konsequent anwen-
den, um ihren Wissensarbeitern direkte Abfra-
gen in Big Data zu ermöglichen. In jüngster Zeit
hat der Bereich Big Data erhebliche Innovatio-
nen durchlaufen. Somit steht eine Vielzahl von
Optionen zur Verfügung, von denen jede ihre ei-
genen Stärken besitzt. Tableau verfolgt die Vi-
sion, jede beliebige Big Data-Plattform zu unter-
stützen, die für unsere Benutzer relevant wird,
und sie dabei zu unterstützen, mit ihren Daten in
Echtzeit zu interagieren.
Zur Umsetzung dieser Big Data-Vision kon-
zentriert sich Tableau auf sechs Säulen:
Breiter Zugang zu Big Data-Plattformen
(Hadoop, NoSQL, Spark, Cloud, Operati-
onal Data Stores, schnelle analytische
Datenbanken)
Self-Service-Visualisierung von Big Data
für Unternehmen
Hybrid-Datenarchitektur zum Optimieren
der Abfrageleistung
Datenverschmelzung zum Ausführen
von Analysen aus mehreren Datenquel-
len
Abfrageleistung der Plattform insgesamt
Leistungsfähige und einheitliche visuelle
Schnittstellen mit Daten
Erfahren Sie mehr unter:
http://www.tableau.com/solutions/big-data-ana-
lysis
Tableau Germany GmbH
An der Welle 4
60322 Frankfurt am Main
Deutschland
+49 (0) 69 58997-6700
marketing-emea@tableau.com
www.tableau.com
Big Data Use Cases 2015 – Getting real on data monetization
- 53 -
Teradata
www.teradata.de
Firmenprofil
Teradata hilft Unternehmen dabei, größeren
Nutzen aus ihren Daten zu ziehen. Mit un-
seren Big-Data-Analyse- und integrierten
Marketinglösungen erzielen Firmen nach-
haltige Wettbewerbsvorteile. Die Experten
von Teradata unterstützen Unternehmen
bei der Auswertung ihrer Daten, sodass sie
mehr über ihr Geschäft und ihre Kunden
wissen und gezielt aktiv werden können. Mit
11.000 Mitarbeitern weltweit, in mehr als 40
Ländern, steht Teradata Unternehmen zur
Seite, die ihre Daten für neue Erkenntnisse
und zusätzliches Geschäft nutzen wollen.
Mehr als 2.500 Kunden weltweit vertrauen
Teradata. Sie stammen aus nahezu allen
Branchen: Automobil, Banken und Versi-
cherungen, E-Commerce, Energie, Ferti-
gung, Gesundheitswesen, Groß- und Ein-
zelhandel, Kommunikation, Konsumgüter,
Medien, Öffentliche Verwaltung, Reisen,
Transport und Logistik, Versorgungsunter-
nehmen.
Als zukunftsorientiertes Unternehmen ist
Teradata seit 35 Jahren der Innovation ver-
pflichtet. Teradata-Plattformen fassen die
Daten eines Unternehmens zu einem ein-
heitlichen Überblick über das Geschäft zu-
sammen. Zu unserer Datenbank-Software
gehört die Teradata Database, für Big-Data-
Analysen bieten wir Teradata Aster Dis-
covery und unser Hadoop-Portfolio. Die ein-
zigartige Teradata Unified Data Architecture
hilft Kunden dabei, durch die Integration ver-
schiedener Technologien zu einer soliden
Hybrid-Architektur neue Einblicke zu gewin-
nen. Die Marketing- und Analyseanwendun-
gen von Teradata – die vor Ort installiert
oder als Cloud-Lösungen eingesetzt werden
– werten Daten aus, um die Wirksamkeit
des Marketings zu verbessern, die Rentabi-
lität zu steigern und den Bedarf vorherzusa-
gen. Diese leistungsstarken Lösungen und
unsere langjährige Erfahrung aus der Zu-
sammenarbeit mit führenden Unternehmen
ermöglichen es unseren Kunden, maxima-
len Nutzen aus ihren Daten zu ziehen und
ihre Kundenkommunikation zu verbessern.
Teradata ist wegen seiner Technologiekom-
petenz, Nachhaltigkeit, sozialen Verantwor-
tung, seines ethischen Handelns und seiner
Unternehmenswerte anerkannt.
Weitere Informationen: www.teradata.de
Copyright © BARC GmbH 2015. All rights reserved.
Business Application Research Center – BARC GmbH
Central Europe
Berliner Platz 7
97080 Würzburg
Germany
+49 931 880651-0
www.barc.de
Rest of the World
+44 1536 772 451
www.barc-research.com