So steigert Struktur die Qualität im Datencocktail

Im digitalen Zeitalter werden Daten immer wichtiger für den zukünftigen Unternehmenserfolg. Gleichwohl operieren viele Unternehmen jedoch in einer fragmentierten IT-Landschaft und kämpfen mit zunehmender Komplexität. Nach einer Befragung von mehr als 500 IT-Führungskräften aus Unternehmen in Australien, Brasilien, China, Deutschland, Frankreich, Großbritannien Japan, Kanada und den USA durch SAP, offenbart die "Data 2020: State of Big Data"-Studie, dass sich Unternehmen auf breiter Front noch immens schwer damit tun, ihre Daten effektiv einzusetzen. Hier sind fünf Gründe warum:

1. Daten sind isoliert, unzugänglich und untauglich

Die Hälfte der Befragten ist der Meinung, dass Daten für eine Vielzahl von Geschäftsinteressen unzugänglich sind. Im Ergebnis werden die Daten nur oberflächlich genutzt, ohne deren Potenzial auszuschöpfen. Aufgrund der steigenden Datenkomplexität sind Unternehmen bei Weitem nicht so agil und datengesteuert, wie sie es eigentlich sein müssen. Während 83 Prozent von einer Datenintegrationslösung profitieren würden, denken 79 Prozent, dass die Daten ihres Unternehmens mehr als nur eine Überprüfung benötigen, um sie effektiv einsetzen zu können.

2. Datenspeicherung hauptsächlich On-Premise

Aller Cloud-Euphorie zum Trotz befinden sich immer noch 37 Prozent der Unternehmensdaten On-Premise. Nur 26 Prozent werden in Private Clouds oder Public Clouds gespeichert. Einige Einsatzszenarien entfalten sich jedoch erst bei der Korrelation vieler Datenquellen in Echtzeit oder nahe Echtzeit in der Cloud ihr volles Potenzial. Dafür ist jedoch die Anreicherung vorhandener Daten mit Daten, die von außerhalb des Unternehmens bezogen werden, weitgehend der Normalfall geworden.

Lesetipp: Werden Ihre Daten im Darknet gehandelt?

Sieben von zehn Befragten machen inzwischen davon Gebrauch. Dies umfasst laut 72 Prozent der Befragten beispielsweise Enterprise Applications wie CRM oder ERP. Zudem nutzt mehr als die Hälft (54 Prozent) der Befragten sonstige externe Datenquellen von Drittanbietern um die eigenen Daten anzureichern.

3. Konzentration auf Quantität anstatt auf Qualität

Rund drei Viertel (74 Prozent) der Befragten halten ihre Datenlandschaft für so komplex, dass sie die Agilität der Unternehmen einschränkt. Weitere 86 Prozent sagen, dass sie ihre Daten nicht optimal nutzen und dass sie viel mehr tun können. Doch allzu häufig geht bei den Datensilos Quantität vor Qualität. Während drei von vier Unternehmen (74 Prozent) regelmäßige Aufräumarbeiten durchführen, halten nur 23 Prozent aller Befragten ihre Daten für qualitativ hochwertig. Im Ergebnis, sind Unternehmen mitunter überfordert, gute Daten von großen Datenmengen zu unterscheiden.

4. Es bedarf weiterer Technologien

Die Notwendigkeit ihre Fähigkeiten künftig verbessern zu müssen, um Daten effektiv einsetzen zu können, steht für nahezu alle Unternehmen außer Frage. Um strategische Erkenntnisse zu gewinnen, steht für 96 Prozent der Befragten Analytics an der Spitze der wichtigsten Technologien. 85 Prozent setzen auf das Internet der Dinge, je weitere 81 Prozent auf maschinelles Lernen beziehungsweise künstliche Intelligenz.

5. Datenwissenschaftler sind Mangelware

Während ganze 79 Prozent der Befragten sagen, dass Datenwissenschaftler entscheidend sind, um den Erfolg eines Unternehmens zu sichern, haben derzeit nur die Hälfte (53 Prozent) Data Scientists tatsächlich auf ihrer Gehaltsliste. Da die Nachfrage das Angebot bei Weitem überwiegt, befürchten 78 Prozent der Befragten, dass ein Talentmangel ihre Bestrebungen, eine datenzentrierte Organisation zu werden, behindern könnte.

Fazit

Um aus den riesigen Datenmengen Kapital zu schlagen, müssen Unternehmen die Komplexität ihrer Datensysteme reduzieren und Licht ins Dunkle bringen. Nur so wird aus dem Ziel, ein datenzentrisches Unternehmen zu werden, Wirklichkeit. Wie die Studie verdeutlicht, ist die mangelnde Datenqualität einer der am häufigsten vorkommenden Engpässe. Ein Data-Governance-Modell hilft dabei, durch den Datensee zu navigieren.

Während wertvolle Daten systematisch klassifiziert und ausgewertet werden, gilt es unnötigen Ballast über Bord zu werfen. Advanced Analytics trägt wiederum dazu bei, Schiffsladungen von Rohdaten in umsetzbare Erkenntnisse umzuwandeln und zu visualisieren.

Ohne den Einsatz von Tools und Prozessen laufen Unternehmen Gefahr, riesige Datensilos aufzubauen und erhebliche Kosten für die Datenaufbewahrung zu generieren, ohne jedoch die erhofften Renditen zu erzielen. Da die Daten größtenteils noch vor Ort gespeichert sind, sollten Fortgeschrittene Big-Data-NutzerBig-Data-Nutzer in Erwägung ziehen, Cloud-Technologie stärker zu nutzen, um sich weitere Einsatzszenarien zu eröffnen - insbesondere wenn es darum geht, vorhandene Daten mit zusätzlichen Daten zu integrieren, zu korrelieren und mit externen Quellen anzureichern. Alles zu Big Data auf CIO.de

Lesetipp: Predictive Analytics im Einsatz - Wie London seine U-Bahn wartet

Der drohende Mangel an Data Scientists und anderen Big-Data-Experten könnte zum größten Hindernis werden. Sich darauf zu verlassen, externe Talente allein einzustellen, ist ein Trugschluss. Die Rechnung wird kaum aufgehen, da die Nachfrage das Angebot stark überwiegt. Da sich die Situation voraussichtlich in absehbarer Zeit nicht verbessern wird, braucht es ein Umdenken um dem Fachkräftemangel entgegenzuwirken.

Dies umfasst beispielsweise weitreichende Requalifizierungs- und Schulungsprogramme für die vorhandenen Arbeitskräfte, Kooperationen mit anderen Unternehmen und Hochschulen sowie eine stärkeren Einsatz von Deep Learning und künstlicher Intelligenz. All dies sind keine Wunderwaffen die den Mangel kurzfristig lösen. Dennoch kann das Zusammenspiel der Instrumente mittel- bis langfristige Wirkung entfalten und perspektivisch helfen, die Probleme zu lindern.