Controllermagazin 6/2020

70 Controller Magazin | Ausgabe 6 IT / DIGITALISIERUNG Prof. Dr. Andreas Seufert lehrt Betriebswirtschaftsleh- re und Informationsmanage- ment an der HS Ludwigsha- fen. Er ist Direktor des Instituts für Business Intelligence an der Steinbeis Hochschule Berlin, Direktor des Business Innovation Labs der HS Ludwigshafen und Leiter des Fachkreises „BI/ BigData und Controlling” im Internationalen Controller Verein. andreas.seufert@ hs-ludwigshafen.de Cecile von Künssberg ist Master-Absolventin des Studienganges Innovation Management der Hochschule für Wirtschaft und Gesellschaft Ludwigshafen. Als Produkt Managerin unterstützt sie die Kraul & Wilkening u. Stelling GmbH imRahmen einer Diversifika- tionsstrategie in der Neuproduktentwicklung. kuenssberg@kwst.com ckelt und validiert. Das Modell besteht aus fünf aufstei- genden Reifegraden (Initial, Reaktiv, Informativ, Prädik- tiv und Transformativ). Die Bewertung des Reifegrades erfolgt anhand der drei Dimensionen Technologie, Da- ten und Organisation mit insgesamt 65 Kriterien. Die Di- mension Technologie umfasst beispielsweise Aspekte wie genutzte Technologieklassen, Gestaltung der Analy- tics Infrastruktur sowie Anwendungsgebiete von Analy- tics imUnternehmen. Die Dimension Daten umfasst Be- reiche wie die Datenqualität, Governance und Complian- ce, die Arten von verarbeiteten Datentypen sowie die Ausgestaltung des Datenaustausches im Unternehmen. Die Dimension Organisation berücksichtigt u. a. die Aus- prägung der datenbasierten Entscheidungsfindung, den abteilungsübergreifenden Einsatz von Analytics sowie die Analytics-Strategie. Hinsichtlich der aktuell in den Unternehmen einge- setzten Technologien zeigt sich – wie schon in früheren Studien – ein erheblicher Nachholbedarf. Es werden hauptsächlich traditionelle Technologien wie Standard relationale Datenbanken, Standard BI-Werkzeuge und Standard Datenintegrationslösungen genutzt. Fortge- schrittene Technologien wie In-Memory Datenbanken, Explorative Analyse Tools, Big Data Appliances, cloud- basierte Analytics-Anwendungen und Streaming-Daten- banken werden nur von einer geringen Anzahl der be- fragten Unternehmen sehr intensiv/ intensiv genutzt. Der primäre Wert von Daten liegt allerdings nicht in der Rohform der Daten, sondern in den Erkenntnissen, Ent- scheidungen, Produkten und Dienstleistungen, welche aus der Analyse dieser Daten hervorgehen. In der Ära von Analytics sind Daten eine essenzielle Unternehmensres- source, welche für viele Unternehmen und deren Ge- schäftsmodelle eine strategische Bedeutung gewonnen haben. Insofern wurde auch der Einsatz fortschrittlicher Analytics-Lösungen und spezieller Big-Data-Anwendun- gen untersucht. Auch hier zeigt sich insgesamt ein niedri- ger Reifegrad. Der Einsatz von Analytics in speziellen An- wendungsgebieten konzentriert sich hauptsächlich auf die Erstellung von einfachen Prognosemodellen, die Identifikation von Einflussgrößen und ihrer Stärke. Am schwächsten sind Sprachverarbeitung/ Verarbeitung un- strukturierter Informationen sowie die Machine Learning gestützte Generierung autonomer Entscheidungsvorla- Abb. 2: Reifegrade Top-Performer vs. Low-Performer