Big Data und Advanced Analytics
26
Strategisch weiter gedacht sind vorhan-
dene und neue Prozesse das Vehikel für die
digitale Transformation, Industrie 4.0 und
Internet of Things (IoT). In und mit ihnen
entstehen an vielen Stellen Daten oder
werden neue, bereits existierende Quellsy-
steme angebunden. Diese (Roh)daten sowie
interne und externe Informationsquellen
zeitnah oder gar in Echtzeit zu erfassen, zu
analysieren und dann zu operationalisieren
ist der Schlüssel zu effektiveren oder sogar
neuen Abläufen, für neue Dienstleistungen
und Produkte bis hin zur Etablierung ganz
neuer Geschäftsmodelle. Ein zum jetzigen
Zeitpunkt viel diskutiertes und von IT-Kon-
zernen bereits erprobtes Anwendungsfeld
ist beispielsweise „Predictive Maintenance“,
also die vorausschauende Wartung.
Diese strategische Zielvorgabe spiegelt sich
auch in den Umfrageergebnissen wider.
Sowohl die „Entwicklung digitaler Ange-
bote“ mit Big Data und Advanced Analytics
als auch deren Nutzung stehen als Teil der
„Digitalisierungsstrategie“ bei 32 bzw. 42
Prozent der befragten Unternehmen auf der
Agenda. Auch wird eine durch fortgeschrit-
tene Analysen und die Digitalisierung der
Prozesse geförderte Produktentwicklung als
gewinnbringend erkannt. Vergleichsweise
selten wird hingegen die „Personalisierung
von Produkten“ als ein Ziel von Big-Data-
und Advanced-Analytics-Initiativen definiert.
Im Consumer-Markt werden solche Möglich-
keiten bereits erprobt und erste Lösungen
umgesetzt, etwa wenn es um die Vernet-
zung von Haushaltsgeräten geht. So sind
zum Beispiel „intelligente“ Kühlschränke,
die ihre Befüllung über Sensoren erfas-
sen und Einkaufslisten erstellen, ein gern
zitiertes Beispiel für Mehrwertdienste.
Wo bereits Erfahrungen vorliegen, zeigt
sich deutlich, dass zwar der Finanzbereich
stärkster Treiber für Big Data und Advan-
ced Analytics ist, dass aber grundsätzlich
schon ein breites Interesse aus allen Fach-
bereichen zu erkennen ist (siehe Abbildung
1). Gerade das Controlling bietet sich vie-
lerorts zu Beginn solcher Initiativen an, da
schnell einleuchtet, dass gerade hier zusätz-
lichen Daten für die Planung, Forecasts und
Simulationen von Nutzen sein können. Eine
vergleichbare Konstellation hat bis heute
auch die Einführung und den Ausbau von
Business-Intelligence-Umgebungen maß-
geblich gefördert. Interessante Big-Da-
ta-Anwendungsfelder im Finance könnte
beispielsweise ein automatisierter Forecast
auf der Basis von Markttendenzen sein oder
eine wertreiberasierte Planung anhand
aktueller Daten zum Wachstum, Branche
und Kundenumsätze. Insbesondere für Ban-
ken und Versicherer ist zudem das Risikoma-
nagement ein wichtiges Anwendungsfeld.
Neben der Identifikation von Risikofaktoren
seien hier beispielhaft die Betrugserken-
nung oder Compliance-bezogene Analysen
genannt.
Schnelle Reaktionen wichtig
Starkes Interesse an Big Data und Advanced
Analytics findet sich auch hier vergleichbar
zur Business Intelligence im Vertrieb und
Marketing. Diese Fachbereiche sind tra-
ditionell besonders an einer Produkt- und
Kundenanalyse interessiert, um Kunden
zu halten oder neu zu gewinnen. Ebenso
spielen beispielsweise Aktivitäten wie ein
besseres Monitoring und die Analyse von
Vertriebsaktivtäten, Wettbewerbsanalysen,
die Preisgestaltung oder die Identifikation
von Cross- und Upselling-Möglichkeiten
eine große Rolle. Kann beispielsweise ein
Einzelhändler durch eine Sentiment-Analyse
(Stimmungsanalyse) in sozialen Netzwer-
ken frühzeitig erkennen, dass es Probleme
mit den eigenen Produkten gibt, kann er
gegensteuern und so Umsatzeinbußen und
einen Imageschaden vermeiden helfen.
Integrierte und schnelle Reaktionen und
Prozesse sind hier von besonderer Bedeu-
tung.
Abb. 1: Aktuelle Anwendungsfelder
Die klassischen Unternehmensbereiche für Business Intelligence wie Finance, Vertrieb und
Marketing stehen auch bei der Big-Data-Diskussion aktuell im Mittelpunkt des Anwender
interesses. Zugleich belegt aber die breite Verteilung der Andwendungsfelder, dass die Nutzung
von Big Data überall in der Organisation von Vorteil sein kann.
F & E
Industrie 4.0
IoT
Logistik
Management
Produktion
Marketing
Vertrieb
Finance
0% 10% 20% 30% 40% 50% 60% 70%
60,6%
54,6%
33,3%
24,2%
21,2%
21,2%
21,2%
15,2%
12,1%
Quelle: QUNIS, Umfrage „Big Data und Advanced Analytics“, n = 33 (Mehrfachnennungen möglich), Werte gerundet
