13
D
ie Agilität in der Informationsver-
sorgung, das heißt die Fähigkeit der
Unternehmen, schnell und flexibel
Informationsquellen zu erschließen, Infor-
mationen zu vernetzten und Entscheidungen
umzusetzen, wird als immer wettbewerbs-
kritischer angesehen (vgl. Seufert A./ Hei-
nen, M./ Muth, A. 2014). Vor diesem Hin-
tergrund ist eine massive Neuausrichtung
der Aufgaben und Rollen in der Informati-
onsversorgung zu beobachten (vgl. Seufert
2017). Dies hat direkte Implikationen auf
die zukünftige Rolle des Controllings. Der
nachfolgende Beitrag skizziert deshalb über-
blicksartig technologische Möglichkeiten und
Potentiale im Bereich Analytics.
BI und Analytics Plattformen
Der Markt für BI und Analytics Plattformen
hat sich in den letzten Jahren grundlegend
verändert (vgl. Sallam, R. et. al 2015). Vor-
herrschendes Ziel war lange Jahre insbe-
sondere ein auf Effizienz getrimmtes, stark
zentralisiertes und möglichst automatisiertes
Berichtswesen. Anwender erwarten jedoch
aufgrund der hohen Änderungsgeschwin-
digkeit in den Märkten zunehmend eine
schnelle Reaktionsfähigkeit auf Verände-
rungen, die Möglichkeit interaktiver Analy-
sen und zusätzliche Erkenntnisse durch die
Nutzung fortschrittlicher Analyseverfahren.
In der Konsequenz heißt dies, dass Analysten
und Business User immer stärker befähigt
werden, in die Rolle von Informationspro-
duzenten hineinzuwachsen. Deutlich beo-
bachtbar ist, dass Unternehmen immer mehr
versuchen, diesen neuen Anforderungen
gerecht zu werden, indem sie von traditio-
nellen, IT-zentrierten Plattformen auf flexib-
lere, dezentralisierte und eher auf Datenex-
ploration ausgelegte Plattformen umsteigen.
Die Veränderungen haben dazu geführt,
dass sich traditionelle Anbieter diesen
neuen Anforderungen öffnen. Zusätzlich
konnten sich neue Anbieter erfolgreich
am Markt positionieren (vgl. Abbildung 1).
Diese Entwicklungen gelten sowohl für das
Teil-Segment BI und Analytics Plattformen,
welches eher auf Reporting und explorative
Datenanalyse ausgerichtet ist, als auch für
das Teil-Segment Advanced Analytics/Data
Science Plattformen (vgl. Herschel, G. et al
2015). Letzteres adressiert Technologien,
welche auf Basis von quantitativen Metho-
den weitergehende und algorithmisch
getriebene Analysen ermöglichen (vgl.
Abbildung 2).
Analyticsverfahren und -ansätze
Ziel von Analytics ist es, in den immer
umfangreicher werdenden Datenbestän-
den interessante Muster aufzudecken und
Prognosen über zukünftige Ereignisse und
Gegebenheiten erstellen zu können. Den
Abb. 1: Anbieter BI und Analytics
Abb. 2: Anbieter Advanced Analytics
Business Intelligence und Analytics Plattformen (in Anlehnung an
Sallam, R. et. al 2017)
Advanced Analytics/Data Science Plattformen (in Anlehnung an
Linden, A. et. al 2017)
ABILITY TO EXECUTE
COMPLETNESS OF VISION
Niche Player
Challenger
Visionaires
Leader
Qlik
Alteryx
Birst
Oracle
Datameer
Yellofin
Information Builders
Domo
Pentaho
Pyramid
Analytics
Tibco Software
SAS IBM
SAP
MicroStrategy
Logi
Analytics
Thought
Spot
Board
International
Sisense
Salesforce
ClearStory Data
Tableau
Microsoft
ABILITY TO EXECUTE
COMPLETNESS OF VISION
Niche Player
Challenger
Visionaires
Leader
KNIME
MathWorks
Quest
Alteryx
SAP
FICO
Teradata
Microsoft
H2O.ai
Alpine Data
Domino Data Lab
Dataiku
Rapidminer
SAS
IBM
Angoss
