Florian Bigelmaier
Analyst Data & Analytics
Florian Bigelmaier ist Analyst mit einem Fokus auf Datenmanagement und Data Intelligence.
Data Intelligence, die Daten und AI verlässlich macht
Unabhängige Beratung für Catalog-, Governance- und Marketplace-Entscheidungen. Auf Basis von 10.000+ Anwenderstimmen pro Jahr und 500+ Anbieter- und Produktanalysen
25+ Jahre unabhängige Marktforschung · 1.500+ Anwenderbefragungen pro Jahr · 25 Analysten
Data Intelligence entscheidet, ob AI trägt
Data-Intelligence-Plattformen entscheiden 2026 darüber, ob Daten- und AI-Initiativen tragen oder im Pilotstatus stecken bleiben. Catalog, Governance, Marketplace und Context Engineering konvergieren zu einer Plattformklasse, gleichzeitig erhöhen EU AI Act, NIS2 und DORA den Handlungsdruck. CDOs, Governance-Boards und Plattform-Owner stehen damit vor Investitionsentscheidungen im sechs- bis siebenstelligen Bereich, mit Auswirkungen auf Architektur, Operating Model und AI-Fahrplan der nächsten drei bis fünf Jahre.
BARC begleitet diese Entscheidungen seit über 25 Jahren als unabhängige Analystenberatung, ohne Implementierungs-, Reseller- oder Vendor-Provisionsgeschäft. Auf dieser Seite finden Sie unsere Beratungsangebote zu Data Intelligence, die typischen Auslöser, mit denen Kunden auf uns zukommen, die Entscheidungskriterien für eine tragfähige Plattformwahl sowie die Analysten, die Sie im Projekt begleiten.
Data Intelligence ist 2026 zur Grundlage für jeden produktiven AI-Anwendungsfall geworden
Die Plattform-Entscheidung legt fest, ob ein Unternehmen Daten zuverlässig findet, ihnen vertraut und sie zur Laufzeit an AI-Modelle und Agenten liefert. Vier Datenpunkte aus aktueller BARC-Forschung markieren den Status 2026:
- 44,55 % der Unternehmen nennen Datenqualität als größtes Hindernis für AI, mehr als doppelt so viele wie 2024.
- Data Products sind im Mainstream angekommen: 93 % der selbsteingestuften Leader nutzen Data Products bereits operativ. Damit verschiebt sich der Fokus von der Konzeptdiskussion hin zur Frage, wie Datenprodukte auffindbar, verständlich, vertrauenswürdig und kontrolliert bereitgestellt werden.
- Governance ist der größte Engpass bei Data Products: 39 % der Unternehmen nennen Data Product Governance weiterhin als Herausforderung. Der Bedarf liegt damit nicht mehr nur in der Bereitstellung von Datenprodukten, sondern in klaren Verantwortlichkeiten, Qualitätsregeln, Verträgen und kontrolliertem Zugriff.
- Data Fabric stärkt Datenzugriff, Kontrolle und Vertrauen: 68 % der Befragten berichten Verbesserungen bei Data Accessibility, Data Control und Data Trust. Eine zentrale Voraussetzung dafür ist der Metadaten-Layer der Data Fabric: Erst Metadaten machen Daten auffindbar, verständlich, nachvollziehbar, steuerbar und geschützt nutzbar.
- Auffindbarkeit und Nutzbarkeit von Daten bleiben zentrale Hürden für AI: 70 % der Unternehmen sagen, dass weniger als die Hälfte ihrer unstrukturierten Daten für AI auffindbar und nutzbar ist. Damit wird Kontext zur Kernaufgabe: Metadaten, Klassifikation, Lineage und Governance müssen Daten erst verständlich, bewertbar und sicher nutzbar machen.
Der Marktreif-Test 2026 lautet heute: Liefert die Data Intelligence Platform Kontext, Governance und Datenprodukte in der Geschwindigkeit, die Nutzer und AI verlangen? An dieser Frage scheitern drei Viertel der Plattform-Implementierungen. Die Ursachen liegen in Use-Case-Priorisierung, Adoption und Business-Abstimmung, kaum in der Technologie.
Wer auf uns vertraut
Was Anwender heute erleben und was sie nach der Entscheidung sehen wollen
| Was Anwender heute erleben | Was sie nach der Entscheidung sehen wollen |
|---|---|
| "Der Katalog ist befüllt, im Fachbereich nutzt ihn niemand." | Eine Adoption-Strategie, die den Katalog zur ersten Anlaufstelle für Fachbereiche macht |
| "Governance steht im PDF, in Snowflake und Co. greift sie nicht." | Durchgesetzte Policies in Snowflake, Databricks, Fabric und Co., automatisiert und auditierbar |
| "Wir wissen nicht, welche AI-Modelle im Unternehmen laufen und welche Daten sie verwenden." | Ein integriertes Modell- und Daten-Inventar mit Risiko-Klassifizierung gemäß EU AI Act |
| "Lineage hört am Rand der einen Plattform auf, plattformübergreifend bleibt eine Lücke." | End-to-End-Lineage über Datenquellen, Pipelines, BI-Reports und AI-Modelle hinweg |
| "AI-Agenten halluzinieren, weil ihnen geprüfter Geschäftskontext fehlt." | Eine Context-Architektur, die Knowledge, Semantik, Lineage und Policies zur Laufzeit ausliefert |
| "Unser Pricing-Modell skaliert nicht mit der Anzahl der Stewards und Anwender." | Ein Lizenzmodell mit fairer Differenzierung zwischen Read-Usern, Stewards und Konnektoren |
| "Datenprodukte sind als Begriff präsent, im Tooling fehlt der Lebenszyklus." | Ein Marketplace mit Owner-Verantwortung, Verträgen, SLAs und Lifecycle-Management |
| "Wir betreiben drei überlappende Tools für Catalog, Glossar und Governance." | Eine konsolidierte Plattform mit klaren Rollen, Schnittstellen und einem gemeinsamen Metadaten-Layer |
| "Stewardship liegt formal im Business, in der Praxis zieht IT die Karre allein." | Ein Operating Model mit klaren Rollen, Anreizen und Eskalationspfaden für Business Stewards |
| "Unstrukturierte Daten und Knowledge-Assets bleiben außerhalb des Katalogs." | Ein Knowledge-Graph, der strukturierte und unstrukturierte Assets im Kontext zusammenführt |
Typische Auslöser für eine Data-Intelligence-Anfrage bei BARC
Data-Owner und Governance-Verantwortliche treten 2026 mit drei wiederkehrenden Auslösern an BARC heran. Diese überlappen häufig.
Auslöser 1: AI-Strategie trifft auf fehlenden Kontext. Erste GenAI- und Agenten-Initiativen laufen. Modelle ohne geprüften Geschäftskontext, ohne Lineage und ohne Governance erreichen keine Produktionsreife. Der Auftrag an BARC: eine Context-Engineering-Architektur entwerfen, die richtige Plattformkategorie evaluieren und einen Fahrplan vorlegen, der in 6 bis 18 Monaten produktive AI-Anwendungsfälle liefert.
Auslöser 2: Datenkatalog steht, Adoption fehlt. Die erste Generation Data Catalogs läuft seit drei bis fünf Jahren, mit Fokus auf IT-getriebene Metadaten. Der Katalog ist befüllt, die Fachbereiche nutzen ihn nicht, die Pricing-Diskussion mit dem Anbieter wird härter. BARC bewertet, ob ein Plattform-Wechsel, ein Ausbau in Richtung Marketplace und Governance oder ein Operating-Model-Reset die richtige Antwort ist.
Auslöser 3: Regulierung zwingt zum Handeln. EU AI Act, NIS2, DORA, branchenspezifische Anforderungen oder ein konkreter Audit-Befund machen eine systematische Governance unausweichlich. Bestehende Lösungen decken klassische Daten-Governance ab. Für AI-Modelle, Risiko-Klassifizierung und durchsetzbare Policies in Datenplattformen fehlen Funktionen. Der Auftrag an BARC: eine Zielarchitektur für Data und AI Governance und die passende Plattform-Auswahl.
Auslöser 4: Verteilte Kataloge brauchen eine Gesamtübersicht. In vielen Unternehmen laufen mehrere Kataloge und Metadatenlösungen parallel. Gleichzeitig wächst der Bedarf an einer unternehmensweiten Sicht auf Daten, Datenprodukte, Definitionen, Lineage und Verantwortlichkeiten. Ob ein „Catalog of Catalogs“ die richtige Antwort ist, hängt vom Einzelfall ab. BARC bewertet, ob bestehende Kataloge erhalten, verbunden, harmonisiert oder zusammengeführt werden sollten. AI erhöht den Druck auf einheitlichen, geprüften Kontext. BARC unterstützt beim Aufbau einer passenden Kontextstrategie.
Drei Konstanten verbinden alle vier Auslöser: Die Entscheidung steht in 6 bis 18 Monaten an, die Investition bewegt sich im sechs- bis siebenstelligen Bereich, die Stakeholder reichen vom CDO über das Data-Governance-Board bis zur Compliance- und Risk-Funktion.
Mit wem BARC bei Data-Intelligence-Projekten am Tisch sitzt
BARC arbeitet in Data-Intelligence-Auswahl- und Architekturprojekten typischerweise mit folgenden Rollen zusammen:
- Data-Leadership: Chief Data Officer, Chief Data and Analytics Officer, Head of Data Management, Head of Data Governance, Head of Data Strategy.
- Plattform- und Architektur-Verantwortung: Enterprise Architect, Business Architect Data Platform, Head of Data Architecture, Lead Data Engineering.
- Governance und Stewardship: Data Governance Manager, Data Steward Lead, Information Owner, Data Quality Manager, Compliance Manager.
- AI- und Analytics-Verantwortung: Head of AI, Lead AI/ML Engineer, AI Governance Lead, Head of BI and Analytics.
- Executive Sponsoring: CIO, CDO, CISO, COO, CFO mit Datenstrategie-Mandat.
Branchen und Unternehmensgrößen: Mittelstand und Konzerne aller Branchen, mit Schwerpunkt Financial Services, Industrie, Versorger, Handel und öffentlicher Sektor.
Wie BARC zu Data Platforms berät
Die zentrale Frage 2026 zielt nicht auf den Datenkatalog. Sie zielt auf die Plattform-Topologie: Welche Architektur trägt Context & Knowledge Engineering, Data und AI Governance sowie Data Shopping gemeinsam?
Der Markt zeigt drei parallele Bewegungen: Catalog, Governance und Marketplace konvergieren zu einer Plattformklasse. AI treibt Automatisierung und Bedienlogik. Regulierung verschiebt Governance vom Dokument in durchgesetzten Code.
Neu hinzu kommt der Zug in Richtung Context Platforms: Kataloge, Knowledge -Graphen, Kataloge mit integrierter Graphtechnologie und semantische Tools beanspruchen zunehmend, den Kontext für AI zu liefern. Doch nicht jede Lösung, die Kontext anbietet, ist automatisch die richtige Antwort. BARC hilft, die passenden Use Cases zu identifizieren, das Zielbild „Context“ klar zu definieren und zu scopen sowie eine tragfähige Context-Strategie aufzubauen. Das ist gerade deshalb wichtig, weil der Begriff heute inflationär genutzt wird und ohne klare Abgrenzung schnell zur nächsten unscharfen Plattformkategorie wird.
BARC bewertet Data-Intelligence-Plattformen seit der ersten Score-Ausgabe 2022 nach gleicher Methodik: Anwenderbefragung, Anbieterbewertung, Architekturreview und Wirtschaftlichkeitsanalyse. Wir haben keine Implementierungserlöse, kein Reseller-Geschäft und keine Vendor-Provisionen. Diese Unabhängigkeit hält unsere Empfehlungen in der Vertragsverhandlung mit dem Anbieter belastbar.
In Data-Intelligence-Entscheidungen mit sechs- bis siebenstelligem Investitionsvolumen liefert BARC fünf Beiträge, die sich von In-House-Evaluation, Big-4-Beratung, Implementierungspartnern und Spezialberatungen unterscheiden:
- Sie bekommen Belege, keine Eindrücke. Marktdaten aus 1.500+ Anwenderbefragungen pro Jahr, dem laufenden BARC Score Data Intelligence Platforms und den BARC-Vendor-Briefings.
- Sie sparen Zeit und reduzieren Selektionsrisiko. Strukturierte Auswahlmethodik mit vorgebauten Anforderungskatalogen, Use-Case-getriebener Shortlist-Logik und Proof-of-Concept-Drehbüchern.
- Sie verhandeln auf Augenhöhe. Verhandlungsbenchmarks für Pricing- und Vertragsmodelle, gestützt auf reale Anwenderdaten zu Lizenzflexibilität und Scaling.
- Sie erhalten eine herstellerunabhängige Empfehlung. BARC bewertet ohne Delivery-, Reseller- oder Vendor-Interessen und richtet die Empfehlung konsequent an strategischer, fachlicher und wirtschaftlicher Passung aus.
- Sie entscheiden auf einer soliden Basis. BARC führt Markt-, Technologie-, Kunden- und Stakeholder-Perspektiven zusammen und macht zentrale Risiken zu Architektur, Adoption, Governance, Abhängigkeiten und Wirtschaftlichkeit sichtbar und bewertbar.
Ihre Ansprechpartner zu Data Intelligence
Timm Grosser
Senior Analyst Data & Analytics
Timm Grosser ist Senior Analyst Data & Analytics mit Schwerpunkt auf Data Management.
Kevin Petrie
VP of Research at BARC US
Thomas Zeutschler
Senior Analyst Data & AI
Thomas Zeutschler hilft Unternehmen bei der Gestaltung und Adaption moderner Data- & Analytics-Konzepte und -Technologien.
Ihre Optionen mit BARC
Entscheidungskriterien für eine tragfähige Data Intelligence Platform 2026
Eine tragfähige Data-Intelligence-Entscheidung 2026 beantwortet sechs Fragen klar:
Use-Case-Priorität. Welcher der drei Use Cases (Context & Knowledge Engineering, Data & AI Governance, Data Shopping) ist in den nächsten 18 Monaten der primäre Engpass und damit Treiber der Auswahl?
Metadaten-Reichweite. Welche Quellen, Plattformen, BI-Werkzeuge, ML-Werkzeuge und unstrukturierten Repositories müssen abgedeckt werden, und mit welcher Tiefe (Lineage, Profile, Quality)?
AI-Integration. Welche Anforderungen bestehen an Active Metadata, MCP-Anbindung, programmatische APIs, AI-Asset-Management und Context-Delivery zur Inferenz-Zeit?
Governance-Tiefe. Welche regulatorischen Rahmenwerke (EU AI Act, NIS2, DORA, GDPR, branchenspezifisch) müssen abgebildet werden, und in welchem Detaillierungsgrad?
Operating Model. Zentrale Governance-Organisation, föderiertes Data-Mesh-Modell oder Hybrid? Wer trägt Stewardship, wer trägt Adoption?
Wirtschaftlichkeit und Lizenzmodell. Welches Pricing-Modell (Read-User, Stewards, Konnektoren, Asset-Volumen) passt zu Ihrer geplanten Nutzungskurve über drei bis fünf Jahre
Beantworten Sie diese sechs Fragen mit einem expliziten Architektur- und Operating-Model-Statement, bevor Sie die Anbieter-Shortlist erstellen. Ohne diese sechs Antworten verkommt die Software-Auswahl zur Featureliste.
Wenn Ihre Data-Intelligence-Entscheidung in den nächsten zwölf Monaten ansteht
Ein 30-minütiges BARC-Briefing klärt, ob ein Guidance Package, eine vollständige Software Selection oder ein Health Check zu Ihrer Situation passt. Sie verlassen das Gespräch mit einem klaren nächsten Schritt, ganz gleich, ob wir danach weiter zusammenarbeiten.
Data Intelligence Briefing buchen
(30 Minuten, kostenfrei)
Häufige Fragen zu Data Intelligence
Ein Datenkatalog erschließt und beschreibt Datenbestände. Ein Data Governance Tool trägt Policies, Stewardship und Compliance. Eine Metadata Management Platform sammelt, normalisiert und verbindet Metadaten aus unterschiedlichen Quellen. Eine Data Intelligence Platform bündelt diese Disziplinen in einer Architektur und ergänzt sie um Marketplace-Funktionen, Knowledge- und Context-Engineering sowie AI-Asset-Management. Im BARC Score 2026 bezeichnen wir Plattformen, die alle drei zentralen Use Cases adressieren, als Data Intelligence Platform.
Die richtige Plattform ergibt sich aus dem primären Use Case, dem Reifegrad der Data-Governance-Organisation, der heterogenen Plattform-Landschaft und dem AI-Fahrplan. Im BARC Score 2026 decken Informatica, Collibra und Alex Solutions die größte Funktionsbreite ab. DataHub und Ab Initio setzen Maßstäbe im Context Engineering. Atlan und Alation überzeugen in der Nutzer-Erfahrung. Eine fundierte Entscheidung folgt aus einer strukturierten Auswahl. Vendor-Pitches reichen nicht aus.
Plattform-gebundene Werkzeuge wie Microsoft Purview, Databricks Unity Catalog und Snowflake Horizon decken die eigene Plattform gut ab. Für die gesamte Datenlandschaft reicht ihr Radius selten. In heterogenen Architekturen, in regulierten Branchen und in AI-zentrierten Setups ergänzt eine eigenständige Data Intelligence Platform die Hyperscaler-Werkzeuge um plattformübergreifende Lineage, durchgesetzte Governance und ein zentrales Marketplace-Erlebnis. BARC bewertet im Auswahlprojekt, wo die Grenze zwischen Hyperscaler-Werkzeug und Drittanbieter sinnvoll verläuft.
Context Engineering versorgt AI-Modelle und Agenten zur Laufzeit mit dem passenden Geschäftskontext: Semantik, Lineage, Policies, Definitionen und Beispiele. Ohne diesen Kontext halluzinieren Agenten oder entscheiden auf Basis veralteter oder ungenehmigter Daten. Data Intelligence Platforms 2026 stellen Metadaten programmatisch über MCP, offene APIs und Standard-Protokolle bereit. BARC bezeichnet Context Engineering als den wichtigsten neuen Werttreiber des Marktes.
Drei Stellschrauben greifen.
- Use-Case-Priorisierung vor der Werkzeug-Auswahl. Ein Katalog, der einen vom Business getragenen Anwendungsfall bedient, läuft.
- Ein Operating Model mit echten Verantwortlichkeiten, Anreizen und Eskalationspfaden, nicht nur Rollen-Dokumenten.
- Adoption-Maßnahmen mit messbaren Zielen, also Aktivierung in den Fachbereichen, Stewardship-Cadence, Marketplace-Bestellungen.
AI Governance umfasst Modell-Inventar, Datenherkunft pro Modell, Risiko-Klassifizierung nach EU AI Act, Audit-Trails, Policy-Durchsetzung in Training und Inferenz sowie die Kopplung von Datenprodukten an AI-Anwendungsfälle. Plattformen mit dieser Abdeckung behandeln AI-Modelle als erstklassige Katalog-Objekte statt als Schatten-Assets.
Nein. BARC implementiert nicht, integriert nicht, agiert nicht als Reseller und nimmt keine Vendor-Provisionen. Diese Trennung sichert die Belastbarkeit unserer Empfehlung in der Vertragsverhandlung. Für die Implementierung empfehlen wir unabhängige Partner aus dem laufenden BARC Data & Analytics Service Provider Survey.
Ein Workshop zur strategischen Standortbestimmung dauert einen Tag. Eine vollständige Software Selection inklusive Shortlist, Demo-Bewertung, Proof-of-Concept-Skripten und Vertragsempfehlung läuft typisch über 6 bis 12 Wochen, abhängig vom Scope und der Anzahl der zu bewertenden Anbieter.
BARC bezieht keine Provisionen oder Lizenzanteile von Software-Anbietern. Die Vendor-Bewertungen entstehen aus Anwenderbefragungen mit über 10.000 Stimmen pro Jahr und aus Analysten-Reviews. Sponsoring von BARC-Studien wird offen ausgewiesen und beeinflusst die Bewertungsmethodik nicht.
BARC Consulting deckt Data Strategy, Data Platforms, Data Management, AI Governance, Integrated Planning & Analytics, Corporate Performance Management und ESG ab. Eine Übersicht aller Beratungsangebote findet sich hier.
Nein. BARC strukturiert die Auswahl so, dass passende Implementierungspartner direkt in den Bewerber-Pool aufgenommen und bewertet werden. Sie verlassen das Verfahren mit einer doppelten Empfehlung: Plattform und Implementierungspartner.
Eine berechtigte Sorge gegenüber Strategieberatungen. BARC begegnet ihr auf zwei Wegen. Unsere Senior-Analysten arbeiten seit 10 bis 25 Jahren mit den Plattformen, die Sie evaluieren. Sie kennen die Implementierungs-Pitfalls aus über 500 begleiteten Projekten. Unsere Ergebnisse enthalten Operating-Model-Skizze, Skill-Bedarf, Pricing-Verhandlungsbenchmarks und konkrete nächste Schritte für die ersten 90 Tage nach Vertragsunterschrift.
In diesem Fall bietet das Data Intelligence Guidance Package den pragmatischen Einstieg. Ein Workshop-Tag arbeitet die sechs Kernfragen (Use-Case-Priorität, Metadaten-Reichweite, AI-Integration, Governance-Tiefe, Operating Model, Wirtschaftlichkeit) durch und liefert eine Standortbestimmung mit Substanz. Aus dem Ergebnis lässt sich die Investition für eine vollständige Selection oder einen Health Check intern belastbar absichern.
Wer mit BARC arbeitet
Lesen Sie in unseren Customer Success Stories, wie wir unserer Kundschaft helfen, ihre Ziele zu erreichen.
Success Story
Liebherr
10.000+ Anwenderstimmen pro Jahr · 500+ Anbieter-Analysen pro Jahr · 25 Jahre Methodik
Um den Herausforderungen der Zukunft im Hinblick auf Digitalisierung und Flexibilität in Planung und im Reporting gerecht zu werden, waren wir auf der Suche nach einem integrierten Tool, das beiden Anforderungen gerecht wird. Aufgrund einer früheren positiven Erfahrung mit BARC haben wir uns für dieses Projekt fachliche Unterstützung für die Analyse des Anbietermarktes und die Suche nach dem für uns passenden Partner geholt. BARC hat uns von der Erstellung des Anforderungskataloges bis zur Definition der Shortlist sowohl inhaltlich als auch organisatorisch optimal unterstützt. Die langjährige Erfahrung von BARC und das breite Wissen über die einzelnen Tools hat uns viel internen Aufwand erspart und hat uns rasch auf den Punkt gebracht.
Angelika Haslinger
Head of Controlling, TEUFELBERGER Service Ges.m.b.H.
Der BARC Guide bietet eine ausgezeichnete Orientierungshilfe bei der kontinuierlichen Weiterentwicklung des CO Bereichs in unserem Unternehmen. Vor allem die Anwenderberichte aus den unterschiedlichsten Branchen sind sehr hilfreich um neue Inputs zu bekommen und neue Ideen zu generieren.
Harald Hinterecker
Assistant to the CEO/CFO, AT & S Austria Technologie & Systemtechnik AG
Tatsächlich kann man auch mit exotischen Themen bei der BARC landen: Wie bekomme ich automatisiert eine Dokumentation meiner Datenstrukturen aus einem Data Warehouse heraus? Diese Fragestellung hat nicht nur Unterstützung durch die BARC gefunden, sondern im Nachgang hat die BARC darüber eine Studie veröffentlicht. So konnten wir feststellen, dass dies eigentlich ein Problem mit einer großen Reichweite war.
Ralf Gorny
IT Architect, E.ON Digital Technology
Ohne BARC wären BI und Analytics bei Peri nicht so weit, wie sie heute sind. Wir haben stark vom Austausch mit anderen Data und Analytics Verantwortlichen im BARC Circle und der direkten Unterstützung der BARC Analysten bei unseren strategischen Fragen profitiert.
Martin Russ
Head of Business Intelligence, Analytics & Process Automation, PERI
Wir standen vor einer großen, strategischen Entscheidung. Das Projekt hat uns Klarheit verschafft. Mit der Beratung und Evaluation von BARC erhielten wir das optimale Setup in Bezug auf die BI-Infrastruktur. Wir können nun sagen, dass wir für unsere Marktsituation und Reifegrad die optimale Architektur und Tool-Landschaft gefunden haben.
Harald Wallner
CFO, NEVEON Holding GmbH
Wir waren mit der Unterstützung höchst zufrieden. Die empfohlene Methodik, die bereitgestellten Fragebögen, Instrumente und die systematische Ergebniserarbeitung waren wichtige Erfolgsfaktoren. Wir schätzen die gute Zusammenarbeit in Präsenzworkshops, Telefonkonferenzen und schnelle Antworten auf E-Mail-Anfragen.
Wolfgang Winsauer
IT Head of F&C, HR & BI bei Leica Geosystems
Vor dem Projekt gab es bereits ein BICC und der Fokus war in der Zusammenarbeit nur auf klassische BI. Im Verlauf des Projektes wurde der Fokus auch auf operative Daten ausgeweitet, so dass ein Data Competency Center gegründet wurde. In dem Zuge wurde der Datenaustausch zwischen den operativen Systemen besser strukturiert und das Datendomänen-Model initial aufgebaut. Diese sind erste wichtige Schritte, um auch Analytics-Themen mehr in den Fokus zu rücken.
Dr. Yousef Farschtschi
Head of BI & Analytics, Flughafen Hamburg GmbH
Wir sind mit der Zusammenarbeit zwischen uns und dem BARC-Team um Projektleiterin Larissa Baier sehr zufrieden. Wir freuen uns auf die anstehenden Proof of Concepts und planen auch in Zukunft, die gemeinsame Arbeit mit weiteren Projekten fortzusetzen.
Dirk Schubert
Projektleiter, BurdaServices
Der Erfahrungsschatz und die schnelle Auffassungsgabe von Robert Tischler waren ein wesentlicher Erfolgsfaktor. Nicht nur inhaltlich, sondern auch organisatorisch konnten wir profitieren. Ich bin froh BARC als strategischen Partner gewonnen zu haben. Die Zusammenarbeit mit Robert und BARC führen wir weiter und gehen speziell strategische Themen wie z. B. Data Governance an. Zusätzlich profitieren wir auch von BARCs Netzwerk, wenn es um Spezialisten in diversen Detailthemen geht.
Mario Mühllechner
Head of BICC, Liebherr EMT
BARC ist bereits seit mehreren Jahren unser Advisor und Sparringpartner, mit dem wir Fragen über Zukunftsfähigkeit und Tragfähigkeit von Technologien, Architekturen und Governance-Strukturen im Bereich BI, Analytics und Datenmanagement klären. Ein regelmäßiger und wichtiger Bestandteil unserer Diskussion ist die zeitgemäße Ausrichtung unserer BI- und Analytics-Organisation.
Wir sind beeindruckt vom tiefen Fachwissen der Expert:innen bei BARC und danken u.a. Senior Analyst Torsten Krüger für den regelmäßigen Austausch mit dem Ziel, geeignete Lösungen für PERI zu finden, neue Impulse und eine objektive Drittmeinung von Spezialisten zur Absicherung des eingeschlagenen Weges zu erhalten.
Dominik Brosa
Head of Enterprise Solutions, PERI Group IT
Das Unternehmen Boehringer Ingelheim microParts ist aktuell dabei eine Data & Analytics Strategie zu erarbeiten. Bei der Recherche nach einer Möglichkeit den Reifegrad der Organisation hinsichtlich Data & Analytics zu bestimmen sind wir auf das Reifegradmodell der BARC gestoßen. Durch ein kompaktes, aber umfangreiches Reifegrad-Assessment mit den Experten der BARC fiel es uns am Ende leicht, unsere Organisation hinsichtlich unseres Status Quo einzuschätzen. Basierend auf dem aktuellen Status und den Zielen können wir nun unsere Data & Analytics Strategie ableiten, Schwerpunkte erkennen und mit der Umsetzung starten.
Marco Vennewald
Boehringer Ingelheim microParts GmbH
Featured Insights
Gefällt Ihnen dieser Content?
Wir haben noch viel mehr davon! Schließen Sie sich über 25.775 Fachexperten an, um der Konkurrenz einen Schritt voraus zu bleiben.