Wir, die BARC Analysten Shawn Rogers, Timm Grosser und Florian Bigelmaier, arbeiten gerade am BARC Score Data Intelligence Platforms 2024. Mit dem Score wollen wir potenziellen Endnutzern von Datenkatalogen, Datenmarktplätzen, und Data Intelligence Plattformen die Möglichkeiten dieser Tools aufzeigen, die aktuelle Marktlage beleuchtenund die Positionierung der Softwareanbieter vorstellen. Dafür bewerten wir detailliert den Umfang und die Qualität der Funktionen in den einzelnen Tools und die Marktreife der Anbieter.
Die Bewertung soll Anwendern eine Starthilfe bei der Softwareauswahl geben und zusätzliche Informationen zu Stärken und Schwächen der Produkte liefern. Unsere Einschätzungen basieren dabei auf einer detaillierten Bewertung anhand von Informationen aus Requests for Information (RfI: Fragebögen, ausgefüllt durch die Anbieter), Briefings sowie eigener Recherchen und Projekterfahrungen.
Dieser Blog-Post ist Teil 2 der Serie „Day of an Analyst“. In Teil 1 haben wir erklärt, wie der Markt grundsätzlich aufgebaut ist, wie wir von einer Gesamtmarktübersicht auf eine Shortlist gekommen sind und welche Rolle dabei die dort definierten Auswahlkriterien gespielt haben.
Einblicke in den Data Intelligence Markt: Die BARC Score Methodik
Der Markt für Data Intelligence ist vielfältig. Es gibt sowohl eigenständige Lösungen als auch Produkte mit Data Intelligence als Zusatzfunktion. Diese Vielfalt führt zu einer großen Heterogenität in Bezug auf die Breite der verfügbaren Optionen. Um dennoch eine Vergleichbarkeit zwischen den führenden Lösungen herzustellen, haben wir uns intensiv damit auseinandergesetzt, wie wir diese am besten evaluieren können.
Unsere Herangehensweise basiert auf der bewährten BARC Score Methodik, die zwei zentrale Achsen betrachtet: Portfolio Capabilities und Market Execution. Diese beiden Aspekte ermöglichen es, zu bestimmen, ob ein Softwarehersteller den Markt dominiert, führend ist, die führenden Anbieter herausfordert, sich auf ein Spezialgebiet konzentriert oder gerade erst in den Markt eingetreten ist. In vielen anderen BARC Scores evaluieren wir bereits seit Jahren Lösungen, bspw. in den Bereichen Business Intelligence und Financial Performance Management. Der Score Data Intelligence Platforms erfolgt dieses Jahr in der zweiten Auflage.
Wir betrachten dabei nicht nur, wie sich die Softwareanbieter strategisch positionieren und wie wichtig Data Intelligence für ihre Strategie ist, sondern auch, wie gut die Tools die wichtigsten Anwendungsfälle erfüllen und den Benutzer unterstützen. Wir betonen damit, dass ein Softwarehersteller immer ein strategischer Partner für das Anwenderunternehmen ist und dass die Entscheidung für einen Hersteller nicht nur auf der Anzahl der Features basieren sollte, sondern auch auf der Fähigkeit des Anbieters, die individuellen Bedürfnisse und Ziele des Unternehmens zu unterstützen. Denn Data Intelligence geht weit über den Kauf oder die Subskription eines Werkzeuges hinaus.
Market Execution: Die Leistungsfähigkeit der Anbieter im Fokus
Die Dimension „Market Execution“ bewertet die Strategie des Herstellers allgemein sowie speziell für das Produkt. Dies ist entscheidend, um zu verstehen, wie viel in das Produkt investiert wird, in welche Richtung es sich entwickelt und wie sich dies in Zukunft verändern könnte. Es dient also als Indikator für die Investitionssicherheit. Insgesamt haben wir folgende gewichteten Kriterien berücksichtigt:
| Criteria | Weighting |
| Product strategy | High |
| Vendor strategy | High |
| Customer enablement & support | High |
| Vendor stability | Medium |
| Partner strategy | Medium |
| Finance | Medium |
| Geographical strategy | Medium |
| Sales strategy | Low |
| Marketing strategy | Low |
Ein solides und breites Partnernetzwerk seitens des Herstellers ist von großer Bedeutung, um Implementierung und Änderungen erfolgreich durchzuführen und gegebenenfalls die Konnektivität zu Drittanbieter-Tools sicherzustellen. Partner sollten über Erfahrung in bestimmten Branchen verfügen und idealerweise in der Lage sein, spezifische Anforderungen zu berücksichtigen und ggf. die internationale Struktur eines Unternehmens zu unterstützen.
Die Vertriebs-, Marketing- und geografische Strategie des Herstellers ist von Interesse, da eine starke Präsenz in der Nähe des Unternehmens Vorteile bietet. Eine durchdachte Vertriebsstrategie bildet die Grundlage für einen reibungslosen Proof of Concept und eine schnelle Implementierung des Produkts. Breit angelegte Marketingstrategien sind auch für Endnutzer relevant, da sie das Bewusstsein für eine ganze Kategorie von Tools erhöhen und oft wertvollen Content generieren. So können Anwender besser verstehen, wie Data Intelligence Plattformen funktionieren, wie sie optimal eingesetzt werden können und wie andere Unternehmen davon profitieren.
Insbesondere im Bereich Customer Enablement & Support wird deutlich, dass ein Softwarehersteller mehr als nur ein Lieferant eines Produkts ist. Ein best-of-class Ansatz beinhaltet, dass Nutzer beim Onboarding und darüber hinaus durch diverse digitale Angebote, Schulungen und Beratungsleistungen optimal unterstützt werden, um das Produktes optimal zu nutzen.
Die Stabilität und finanzielle Situation des Herstellers sind ebenfalls wichtige Kriterien, um sicherzustellen, dass nicht in ein totes Pferd investiert wird oder dass Anbieter, die bald durch Konkurrenten aufgekauft werden könnten, vermieden werden.
Portfolio Capabilities: Die Vielseitigkeit moderner Data Intelligence Plattformen
Die Portfolio Capabilities spiegeln den funktionalen Leistungsumfang eines Produktes wider und sind entscheidend für die Bewertung einer Software, insbesondere für spezifische Use Cases. Dabei berücksichtigen wir bei der Bewertung den Gesamtumfang der Funktionen für Data Intelligence.
Unsere Kriterien stützen sich auf langjähriger Projekterfahrung, dem Austausch mit Kunden und Anbietern sowie Erkenntnissen aus der Literatur zu Data Intelligence, Data Cataloging, Data Marketplace, Data Products und Data Mesh. Die Gewichtungen der Kriterien orientieren sich an unserer Markteinschätzung und der Resonanz auf Trendthemen. So werden beispielsweise Data Marketplaces und Self-Learning AI höher bewertet als rein administrative Funktionen. Mehr dazu weiter unten.
Die Kriterien wurden entwickelt, um die Anwendungsfälle von Data Intelligence im Jahr 2024 optimal abzubilden. Die folgende Grafik verdeutlicht die Bewertungskategorien und zeigt die Vielfalt der Funktionsblöcke auf:
Besonders hohes Gewicht in der Bewertung liegt auf Funktionen, die den Wert der Platform klar steigern (auch gegenüber Metadaten-Lösungen aus vergangenen Generationen), dazu gehören das Metadata Repository & Model, Self-Learning Capabilities und die Konnektivität zu diversen Quellen. Eine mittlere Gewichtung entfällt auf die Nutzerinteraktionen, in der Grafik grün markiert. Grundlegende Funktionen haben ein niedrigeres Gewicht in der Bewertung (z.B. Metadata Refinement und Administration).
Im Herzen der Bewertung moderner Data Intelligence Plattformen liegt die Nutzerinteraktion, dargestellt durch eine Vielzahl von Funktionen, die alle darauf ausgerichtet sind, die Handhabung, Verwaltung und Nutzung von Daten zu optimieren.
Essenziell ist dabei der Bereich „Search & Discover“, der es den Nutzern ermöglicht, Daten effektiv zu durchforsten, zu entdecken und nachzuvollziehen. Allein in dieser Kategorie reicht die Breite der Kriterien über einfache bis hin zu komplexen Suchanfragen, Hitlistreduzierungen bis hin zu NLP-Unterstützung, über Browsing-Funktionen bis hin zum Reporting. In dieser Rubrik wurden ebenfalls Data-Lineage-Analysefunktionen bewertet.
Governance Features spielen eine entscheidende Rolle bei der Qualitätssicherung und umfassen verschiedene Aspekte wie das Monitoring der Datenqualität und die Verwaltung von Datenkatalogen (Stewardship). Zusätzlich beinhalten sie Funktionen, die die Data-Governance-Prozesse unterstützen, wie zum Beispiel das Management von Regeln und Richtlinien, Workflow-Management, Sicherheit und Datenschutz (einschließlich PII-Identifikation und Tagging). Darüber hinaus bieten sie vorgefertigte Lösungen, die die Einhaltung von Regulierungsanforderungen wie GDPR oder ESG erleichtern. Diese Governance-Prozesse und die damit verbundenen Features fördern eine inklusive und transparente Datenkultur und gewährleisten, dass die Daten zuverlässig und vertrauenswürdig sind.
Kollaboration nimmt eine zentrale Rolle ein, da Nutzer so ihr Wissen mit anderen Mitarbeitern teilen und ihre Fähigkeiten erweitern können. Dies stärkt nicht nur die individuelle Arbeit mit Daten, sondern auch die kollektive Intelligenz innerhalb der Organisation. Die Bandbreite der Funktionen reicht von Features, um Feedback zu teilen, Aktionen auszulösen, für Benachrichtigungen bis hin zu Ratings. Nice-to-have sind implementierte Funktionen für Gamification, um Nutzer zur aktiven Teilnahme zu motivieren.
Data Products entwickeln sich zum Game Changer bei der Umsetzung von fachbereichsgetriebenen Datenstrategien. Data Intelligence Platforms können Nutzer von Data Products entlang des kompletten Lifecycle unterstützen, also bei der Entwicklung, Bereitstellung und Verwendung, –und Transparenz über deren Wertigkeit liefern – Stichwort Data Quality und Data Value.
Maßgebliche Funktionen hierzu sind die Unterstützung von Datenprodukten im Katalog sowie Informationen zu Datenprodukten (Kontext, Beschreibung, Bewertungen u.v.m.), aber auch die Bereitstellung eines zentralen Marktplatzes, um Produzenten und Konsumenten von Data Products in einem geregelten Umfeld zusammenzubringen. Solch ein Data Marketplace unterstützt Data Access Workflows und Data Contracts. Darüber hinaus haben wir bewertet, ob die jeweilige Lösung auch einen Zugriff auf Daten unmittelbar anbietet, bspw. im Sinne einer Datenvirtualisierung.
Business-Enablement-Funktionen wie Data Valuation und User Adoption sind ausschlaggebend, um Kataloginhalte den Fachanwendern kuratiert zugänglich zu machen, den Wert der Daten transparent zu machen und eine breite Nutzerbasis zu etablieren. Diese flankierenden Elemente helfen, den Wert von Daten zu quantifizieren und die Nutzer nicht nur für das Tool, sondern auch die damit verbundene Arbeit und ihren Mehrwert zu begeistern.
Workflow-Funktionen (wie bereits bei Data Governance erwähnt) unterstützen die Anreicherung von Metadaten und das Kuratieren von Data Products. Diese Prozesse verwandeln Daten in wertvolle Assets, die für Analytik und Entscheidungsfindung genutzt werden können, weil sie auffindbar und vertrauenswürdig sind.
Nur wenn all diese Features Teil der Software sind, sprechen wir bei BARC von einer Data Intelligence Platform. Hier verweisen wir auch nochmal auf den ersten Blogpost, in dem wir Data Inventories, Data Catalogs und Data Intelligence Platforms voneinander abgegrenzt haben.
Folgende Tabelle zeigt die Kriterien und Gewichtung für die Product Capabilities Dimension:
| Criteria | Weighting |
| Metadata repository & model | High |
| Self-learning capabilities | High |
| Connectivity | High |
| Data Governance | Medium |
| Search & discovery | Medium |
| Data collaboration | Medium |
| Data shopping | Medium |
| User enablement | Medium |
| Metadata refinement | Low |
| Administration | Low |
| Architecture | Low |
Gen AI auf dem Weg zum Feature
Besonders spannend ist die Entwicklung im Bereich Automation & AI. Anbieter haben erkannt, dass es keine Zeit gibt, sich aktiv um Metadaten zu kümmern. Die Tools müssen von Anfang an bereit sein für automatisierte Integration, Aufbereitung und Analyse von Metadaten. AI spielt dabei eine entscheidende Rolle, indem sie Prozesse vereinfacht und sogar automatisiert und die Nutzererfahrung auf ein neues Niveau hebt. In den bewerteten Tools gibt es zahlreiche Ansätze, die von unterstützenden ML-Algorithmen bis hin zu ersten GenAI-basierten Funktionen reichen. Diese ermöglichen es beispielsweise, die Beschreibung von Data Assets zu automatisieren oder sogar komplexen SQL Code in eine verständliche Sprache zu übersetzen. Aber die Reise der Generative AI hat gerade erst begonnen, und die Roadmaps der Anbieter sind voller interessanter Pläne.
AI Kann einen entscheidenden Unterschied machen. Denn in der Vergangenheit sind viele Metadatenprojekte gescheitert, weil niemand Lust und Motivation hatte, sich um die aufwändige Pflegearbeit zu kümmern – das Einfügen, Beschreiben, Aktualisieren von Assets, das Erstellen von Lineages, das Klassifizieren von Daten und so weiter. Heute bieten viele Werkzeuge bereits gute Unterstützung in diesem Bereich. Die Integration von AI-Funktionen ermöglicht es, diese Aufgaben effizienter zu erledigen und trägt so dazu bei, dass Metadatenprojekte erfolgreich umgesetzt werden können. Das ist ein entscheidender Hebel, um mehr Akzeptanz für Datenkataloge zu erreichen und die Qualität der Insights zu maximieren.
Veröffentlichung des BARC Score Data Intelligence Platforms
Bald ist es so weit: Am 12. März 2024 wird der BARC Score Data Intelligence Platforms veröffentlicht. Darin bieten wir einen umfassenden Überblick über die verschiedenen Anbieter auf im Markt. Möchten Sie sicherstellen, dass Sie die Veröffentlichung nicht verpassen? Dann folgen Sie uns auf LinkedIn und abonnieren Sie unseren Newsletter!
5 Argumente wieso Sie den BARC Score lesen sollten:
- Die Bewertung der Produkte erfolgte anhand detaillierter RfIs zu den genannten Portfolio Capabilities und Market Execution Aspekten, Briefings & Produktdemos, Erfahrungen aus Kundenprojekten sowie Web-Recherchen. Interesse ins Detail zu gehen? Melden sie sich bei uns!
- Die klare und verständliche Methodik wurde umfangreich dokumentiert, um Transparenz zu gewährleisten.
- Die Profile der einzelnen Anbieter geben Aufschluss über ihre die Stärken und Schwächen.
- Wir schauen hinter die Marketing-Begriffe und prüfen, welche Anbieter tatsächlich leistungsstarke AI unter der Haube haben.
- Basierend auf unseren Briefings mit den Anbietern können wir aktuelle Informationen zu den jeweiligen Roadmaps veröffentlichen.
Interessieren Sie sich dafür, im Bereich Data Intelligence durchzustarten oder ein Data Catalog Projekt zu starten? Wir können Ihnen dabei helfen, den richtigen Anbieter in einem recht heterogenen Markt zu finden. Unsere dokumentierte, strukturierte Methodik ermöglicht es uns, die Score-Ergebnisse effizient zu nutzen und maßgeschneiderte Shortlists zu generieren, die Ihnen im Auswahlprozess helfen. Aber nicht nur das. Wir können Best Practices teilen, etwa wie man Nutzer mitnimmt und zur aktiven Teilnahme motiviert. Denn dies ist eines der größten Hindernisse für erfolgreiches Data Cataloging.
Dabei profitieren Sie nicht nur von den Informationen aus dem Score, sondern auch von unseren umfangreichen Projekterfahrung sowie detaillierten Erkenntnissen zu den Tools, die wir aus direkten Gesprächen mit Kunden und Anbietern gesammelt haben. Wir können die Bewertungskriterien sehr granular in der Gewichtung anpassen, um eine auf Ihre Bedürfnisse zugeschnittene Shortlist zu erstellen.
Was halten Sie von den Bewertungskriterien? Welche Use Cases fallen für Sie unter „Data Intelligence“, die wir nicht berücksichtigt haben?
Wie wichtig sind für Funktionen zur Automatisierung und Kollaboration? Wir freuen uns auf Ihr Feedback!
