Florian Bigelmaier
Analyst Data & Analytics
Florian Bigelmaier ist Analyst mit einem Fokus auf Datenmanagement und Data Intelligence.
Auf Data Platforms aufbauen, die in fünf Jahren noch tragen
Unabhängige Beratung für Architektur, Anbieterauswahl und Modernisierung. Auf Basis von 10.000+ Anwenderstimmen pro Jahr und 500+ Anbieter- und Produktanalysen
25+ Jahre unabhängige Marktforschung · 10.000+ Anwenderstimmen pro Jahr · 25 Analysten
Die Datenbasis für AI und Analytics
Eine Data Platform speichert, integriert und stellt Daten bereit und macht sie für Analytics, BI und AI-Modelle nutzbar. Wer hier 2026 die falsche Architektur wählt, baut die nächsten drei bis fünf Jahre auf wackligem Boden. SAP BW läuft aus. Hyperscaler-Stacks reifen unterschiedlich schnell, Datensouveränität verschiebt Architekturen, AI-Workloads sprengen klassische BI-Topologien. Parallel wird der einheitliche Zugriff auf verteilte Daten zur Top-Anforderung. Plattform-Owner, CIOs und CDOs verantworten damit Investitionen im sieben- bis achtstelligen Bereich, mit direkter Wirkung auf Architektur, Operating Model und AI-Fahrplan.
Seit 25 Jahren bewertet BARC Datenplattformen unabhängig, ohne Implementierungs-, Reseller- oder Vendor-Provisionsgeschäft. Auf dieser Seite finden Sie unsere Beratungsangebote rund um Data Platforms, die typischen Anlässe, mit denen Plattform-Verantwortliche an uns herantreten, die Kriterien, an denen eine tragfähige Plattformwahl gelingt oder scheitert, sowie die Analysten, die Sie im Projekt begleiten.
Plattform-Entscheidungen sind 2026 strategischer geworden, nicht technischer
Die Auswahl und Weiterentwicklung der Data Platform entscheidet, ob ein Unternehmen Daten und AI produktiv nutzen kann. Sechs Befunde aus unserer aktuellen Forschung verdeutlichen dies:
- Der Anteil der Anwender ohne nennenswerte Plattformprobleme ist in zwei Jahren von 40 % auf 26 % gefallen.
- Microsoft Fabric (26 %), Databricks (21 %) und Snowflake (19 %) dominieren aktuelle Evaluierungen. Spezialisten wie Dremio und Exasol bieten klare Alternativen für Performance- und Souveränitätsanforderungen.
- 51 % der Unternehmen halten Datensouveränität für sehr wichtig, nach 42 % im Vorjahr. 76 % erwarten weiter steigende Bedeutung.
- Der Hyperscaler-Vorstoß „European Sovereign Cloud“ verfehlt sein Ziel: Nur 10 % der Unternehmen setzen darauf. Weniger als auf eine verlangsamte Cloud-Migration (13 %). Weniger als auf vollständige Repatriierung (16 %). Die Marktpräferenz ist eindeutig. Und sie heißt nicht Hyperscaler im Souveränitätsanstrich.
- Daten und AI in Kernprozessen treiben 62 % aller Souveränitätsinitiativen.
- 45 % der Unternehmen nennen Datenqualität als größtes Hindernis für AI, mehr als doppelt so viele wie 2024.
Die Lücke zwischen Herstellerversprechen und realer Anwendererfahrung wächst. Kostentransparenz, Governance-Durchsetzung und AI-Readiness sind die drei Punkte, an denen heutige Plattformen am häufigsten reißen.
Was Anwender heute erleben und was sie nach einer Entscheidung erwarten
| Was Anwender heute erleben | Was sie nach der Entscheidung sehen wollen |
|---|---|
| "Unsere Snowflake-Rechnung hat sich in zwölf Monaten verdoppelt, ohne dass die Workloads entsprechend mitgewachsen sind." | Vollständige Kostentransparenz und ein verhandelbares Preismodell |
| "Self-Service funktioniert für Power-User, der Rest der Fachbereiche bleibt außen vor." | Eine Architektur, die Fachbereiche messbar zum Self-Service befähigt |
| "Wir wissen nicht, ob unsere aktuelle Plattform in zwei Jahren noch zur AI-Strategie passt." | Eine belastbare Zielarchitektur für GenAI, Agenten und unstrukturierte Daten |
| "Bei jeder neuen Datenquelle bauen wir den Konnektor selbst." | Ein Integrationskonzept, die SAP- und Non-SAP-Quellen genauso abdeckt wie strukturierte und unstrukturierte Daten |
| "Datensouveränität fragen unsere Wirtschaftsprüfer ab, aber wir können sie auf Architekturebene nicht belegen." | Eine dokumentierte Souveränitäts-Architektur ohne Neuaufbau bei Plattformwechsel |
| "Governance ist schriftlich da, aber niemand setzt sie operativ durch." | Durchgesetzte Governance, die in der Plattform sichtbar ist und nicht als PDF verstaubt |
| "Wir betreiben drei überlappende Plattformen, und keine löst die andere ab." | Eine konsolidierte Multi-Plattform-Architektur mit klar definierten Verantwortungsbereichen |
| "Unser SAP BW läuft 2027 aus, parallel migrieren wir auf S/4HANA, eine belastbare Nachfolgearchitektur fehlt." | Eine entscheidungsreife Bewertung von SAP BDC, Microsoft-Hybridarchitektur und Drittanbieter-Optionen |
| "Die IT will an BW4 festhalten und argumentiert mit SAC-Performance, ohne dass belastbare Vergleichszahlen vorliegen." | Performance- und TCO-Vergleiche zwischen BW4, Datasphere und Hybrid-Architekturen statt Herstellerargumenten |
| "Wir haben zwei getrennte Welten: SAP-DWH für BI und Databricks für AI, ohne klare Datenverantwortung dazwischen." | Eine integrierte Architektur mit Data-Product- und Ownership-Modell, die BI- und AI-Workloads zusammenführt |
Typische Auslöser für eine Data-Platform-Anfrage bei BARC
Die Anfragen, mit denen Plattform-Verantwortliche 2026 an BARC herantreten, lassen sich auf drei wiederkehrende Auslöser zurückführen. Sie überlappen sich häufig, das gilt vor allem für die ersten beiden.
Auslöser 1: SAP BW läuft aus. Die Wartung endet 2027 (BW 7.x) oder 2030 (BW/4HANA mit Extended Maintenance), parallel läuft eine S/4HANA-Migration, und die Grundsatzfrage „SAP ja oder nein, Cloud oder On-Prem“ steht ungelöst im Raum. Die IT verharrt häufig auf BW4, weil viele Stakeholder die Performance-Bedenken für SAC noch nicht ausgeräumt sehen. Hinzu kommen Tool-Konsolidierungen (Qlik, Power BI, SAC, AFO, Corporate Planner, Longview) und der Druck, Planung und Reporting auf eine gemeinsame Datenbasis zu stellen.
Auslöser 2: SAP-Microsoft-Hybridarchitektur als Zielbild, Bewertung offen. SAP Business Data Cloud (Datasphere) plus Microsoft Fabric oder Databricks ist 2026 die häufigste Architekturannahme bei BARC-Anfragen. Anwender wollen wissen, wie sich die Varianten (ODP/OData direkt nach Azure gegenüber der Verarbeitung über Datasphere) in Kosten, Lizenzen, Aufwände sowie Qualifikationsbedarf unterscheiden, und wie die Frontend-Strategie zwischen Power BI und SAC operativ zu entscheiden ist. Zudem stehen Fragen im Fokus: Wie synchronisiere ich Daten oder Datenprodukte zwischen SAP und anderen Systemen? Wie schaffe ich einen einheitlichen Zugriffslayer? Wo speichere ich welche Daten? Welche Zugriffs- bzw. Austausch-Optionen sind erlaubt und welche nicht?
Auslöser 3: Konsolidierung getrennter BI- und Big-Data-Welten. Über Jahre gewachsene Architekturen mit verteilten Datenplattformen, etwa SAP-DWH plus Databricks-Lakehouse auf AWS oder Azure, führen zu redundanter Datenhaltung, Schatten-IT durch Power BI und fehlender Data-Ownership. Der Auftrag an BARC: integrierte Zielarchitektur entwerfen, Data-Product- und Ownership-Modelle definieren, einen realistischen Modernisierungspfad mit schnellen Erfolgen aufzeigen.
Drei Konstanten verbinden alle Auslöser: Die Entscheidung muss in 6 bis 18 Monaten fallen, die Investition liegt im 7- bis 8-stelligen Bereich, und die Stakeholder reichen vom CIO über das Controlling bis zum Data-Governance-Board.
Mit wem BARC bei Data-Platform-Projekten am Tisch sitzt
BARC arbeitet in Data-Platform-Auswahl- und Architekturprojekten typischerweise mit folgenden Rollen zusammen:
- Plattform- und Architektur-Verantwortung: Enterprise Architect, Business Architect Datenplattform, Head of BI & Analytics, Head of BI und Big Data Platform, Director Big Data Solutions, Lead AI Manager.
- Daten-Governance und Management: Head of Data Management, Head Data & Digital Experience, Manager IT Governance and Transformation, Lead AI/ML Data Scientist, Expertise Datenmanagement.
- Executive Sponsoring: CIO, CDO, CFO, Vice President Digitalization.
- SAP-spezifische Rollen rund um das BW-End-of-Life: SAP Program Manager, Transformation Manager, Manager ERP Applications Business Intelligence, Head of Chapter Reporting & BI Solutions, Head of Group Controlling, Leiter Finanzen und Controlling.
Branchen und Unternehmensgrößen: Mittelstand und Konzerne aller Branchen, mit Schwerpunkt Industrie, Handel, Finanzdienstleistung und Versorger.
Wie BARC zu Data Platforms berät
Entscheidend ist 2026 die Plattform-Topologie, die Ihre Daten- und AI-Strategie der nächsten fünf Jahre trägt. Der einzelne Hersteller ist dabei zweitrangig. Der Markt zeigt drei parallele Bewegungen: Konsolidierung in Richtung der drei Hyperscaler-nahen Plattformen, Spezialisten mit klaren Vorteilen für definierte Workloads, und ein wachsender Souveränitätsdruck, der hybride und europäische Stacks zurück auf die Agenda holt.
BARC bewertet Plattformen seit 25 Jahren mit derselben Methodik: Anwenderbefragungen, Anbieterbewertung, Architekturreview, Wirtschaftlichkeitsanalyse. Wir haben keine Implementierungserlöse, kein Reseller-Geschäft und keine Herstellerprovisionen. Diese Unabhängigkeit ist der Grund, warum unsere Empfehlungen in der Vertragsverhandlung mit dem Anbieter belastbar bleiben.
In Plattform-Entscheidungen mit 6- bis 8-stelligem Investitionsvolumen liefert BARC drei Beiträge, die sich von interner Evaluation, Big-4-Beratung, Implementierungspartnern und Spezialberatungen unterscheiden:
- Statt Meinungen bekommen Sie gesicherte Fakten. Marktdaten aus 10.000+ Anwenderbefragungen pro Jahr und der laufenden Bewertung der relevanten Vendor-Pipeline.
- Sie sparen Zeit und reduzieren Auswahlrisiko. Strukturierte Auswahlmethodik mit erprobten Anforderungskatalogen, Shortlist-Logik und Wirtschaftlichkeitsmodellen.
- Sie verhandeln auf Augenhöhe. Verhandlungsbenchmarks für Preis- und Vertragsmodelle.
Ihre Optionen mit BARC
Entscheidungskriterien für eine tragfähige Data Platform 2026
Eine tragfähige Data-Platform-Entscheidung 2026 beantwortet sieben Fragen mit einer klaren Antwort:
- Workloads. Welche Use-Case-Klassen werden in den nächsten drei Jahren auf der Plattform laufen: BI, Analytics, ML, GenAI, Agenten, Real-Time?
- Daten-Topologie. Wo entstehen die Daten, wo dürfen sie liegen, wo müssen sie verarbeitet werden? Hybrid, Single-Cloud oder europäische Souveränitätszone?
- AI-Architektur. Vektor- und Graph-Stores, AI-Governance, Semantic Layer, MCP-Anbindung: integriert oder separat?
- Governance und Sovereignty. Welche regulatorischen Anforderungen und Richtlinien (Daten- und AI-Governance) sind heute aktiv, welche kommen in den nächsten 24 Monaten (EU AI Act, NIS2, Datenschutz), und wie werden sie operativ in der Plattform durchgesetzt?
- Wirtschaftlichkeit. Welches Preismodell (Compute-basiert, Storage-basiert, User-basiert) passt zu Ihrer Nutzung und Ihrer Lastkurve?
- Operating Model. Zentrale Plattform-Organisation, Domain-Ownership oder hybrides Modell? Wer verantwortet Self-Service?
- Integration und Semantic Layer. Wie werden strukturierte und unstrukturierte Daten (Dokumente, Bilder, Logs, SAP- und Non-SAP-Quellen) integriert, und über welchen Semantic Layer und welches Cataloging-Konzept werden sie konsistent für BI, Analytics und AI bereitgestellt?
Wir empfehlen, jede dieser sieben Fragen mit einer expliziten Architekturaussage zu beantworten, bevor die Anbieter-Shortlist erstellt wird. Ohne diese sieben Antworten wird die Software-Auswahl zur Featureliste.
Häufige Fragen zu Data Platforms
Data Platforms sind Softwaresysteme für das Management der Integration und Bereitstellung von Daten und ihren Metadaten. Sie vereinen Funktionen für Datenhaltung, Integration, Verarbeitung, Datenzugriff (z. B. Query-Engines, APIs, Föderation/Virtualisierung), einen Semantic Layer, Governance, Analytics und AI in einer einheitlichen Architektur mit dem Ziel, Daten konsistent, sicher, semantisch abgestimmt und unternehmensweit für analytische, operative und AI-Anwendungsfälle verfügbar zu machen.
Moderne Data Platforms unterstützen Architekturansätze wie Lakehouse, Data Fabric und Data Mesh, ermöglichen den Aufbau von Datenprodukten und integrieren Data-Intelligence-Komponenten wie Datenkatalog, Governance und Observability.
Data Lake speichert Rohdaten in offenen Formaten ohne festes Schema. Data Warehouse speichert strukturierte, modellierte Daten für Analytics. Das Lakehouse trennt Storage und Compute und nutzt offene Tabellenformate wie Apache Iceberg oder Delta Lake. Data Fabric ist ein Architekturmuster, das verteilte Datenquellen über Metadaten und Integration logisch zusammenführt. Es bietet die architektonische Basis, in der Fachbereiche Data Products als eigenständige Verantwortungseinheiten besitzen.
Die richtige Plattform richtet sich nach Workloads, Daten-Topologie, AI-Anforderungen und Governance-Profil. Microsoft Fabric ist stark für Microsoft-zentrierte Organisationen und Self-Service. Databricks führt bei ML- und Lakehouse-Workloads. Snowflake bietet operative Reife und einfache Skalierung. SAP Business Data Cloud ist für SAP-zentrierte Unternehmen relevant. Dremio und Exasol sind starke Alternativen für spezifische Performance- und Souveränitätsanforderungen. Eine belastbare Entscheidung folgt aua einer strukturierten Auswahl, statt aus einem Vendor-Pitch.
Ein Lakehouse lohnt sich, sobald unstrukturierte Daten, ML-Workloads oder immer mehr AI-Use-Cases die Architektur fordern. Für rein strukturierte BI-Workloads bleibt das Data Warehouse oft die einfachere und günstigere Wahl.
Die meisten Unternehmen wählen am Ende eine hybride Architektur. Ein Cloud-Data-Warehouse trägt die governance-intensiven Workloads und eine Lakehouse-Schicht verarbeitet ML-, Streaming- und unstrukturierte Daten. Details zu Use Cases und Adoption-Pfaden im BARC Lakehouse Cookbook: Practical Business Use Cases And Adoption Pathways.
Drei Stellschrauben:
- Das Workload-Profil vor der Plattformwahl klären: welche Last erwarten wir, welches Preismodell passt dazu?
- Governance durchsetzen: über Compute-Kontingente, Quotas und ein automatisches Pausieren ungenutzter Workloads.
- Pricing-Verhandlung mit Volumenbenchmarks aus laufenden Vendor-Coverage-Daten. BARC liefert für jede der drei Stellschrauben Anwender-Daten und Verhandlungsbenchmarks aus dem laufenden Vendor Coverage.
AI-Readiness ruht auf vier Säulen: integrierte Vektor- und Graph-Stores für Retrieval-Augmented-Generation-Workloads, ein Semantic Layer für konsistente Geschäftslogik, AI-Governance-Funktionen für Modell- und Prompt-Lineage sowie eine durchgängige Datenqualität, die generative Systeme vor Halluzinationen schützt. Im BARC Data, BI and Analytics Trend Monitor 2026 nennen 45 % der Unternehmen Datenqualität als größtes Hindernis für AI, mehr als doppelt so viele wie 2024.
Nein. BARC implementiert nicht, integriert nicht, erbringt keine Reseller-Leistungen und nimmt keine Vendor-Provisionen. Nur diese Trennung macht unsere Empfehlung in der Vertragsverhandlung belastbar. Für die Implementierung empfehlen wir unabhängige Partner aus unserem laufenden Data & Analytics Service Provider Survey.
Ein Workshop zur strategischen Standortbestimmung dauert einen Tag. Eine vollständige Softwareauswahl mit Shortlist, Demo-Bewertung und Vertragsempfehlung dauert in der Regel 6 bis 12 Wochen, abhängig vom Umfang und Anbieter.
BARC bezieht keine Provisionen oder Lizenzanteile von Software-Anbietern. Die Herstellerbewertungen entstehen aus Anwenderbefragungen mit über 10.000 Stimmen pro Jahr und aus Analysten-Reviews. Wir weisen Sponsoring von BARC-Studien offen aus, es beeinflusst die Bewertungsmethodik nicht.
BARC Consulting deckt Data Strategy, Data Management, AI Governance, Integrated Planning & Analytics, Corporate Performance Management und ESG ab. Eine Übersicht aller Beratungsangebote finden Sie hier.
Nein. BARC strukturiert die Auswahl so, dass wir passende Implementierungspartner direkt in den Bewerber-Pool aufnehmen und bewerten. Sie verlassen das Verfahren mit zwei Empfehlungen: Software-Plattform und Implementierungspartner. Verifizierte Partner-Bewertungen pro Plattform liefert der laufende BARC Data & Analytics Service Provider Survey.
Die Sorge ist berechtigt. BARC adressiert sie auf zwei Wegen. Unsere Senior-Analysten arbeiten seit 10 bis 25 Jahren mit genau den Plattformen, die Sie heute prüfen. Aus 500+ begleiteten Projekten kennen sie die typischen Implementierungs-Fallstricke. Unsere Ergebnisse liefern eine Umsetzungs-Roadmap, den benötigten Skill-Mix, Pricing-Verhandlungsbenchmarks und konkrete nächste Schritte für die ersten 90 Tage nach Vertragsunterschrift.
Dann ist das Data Platform Guidance Package Ihr pragmatischer Einstieg. Ein Workshop-Tag durchläuft die sieben Kernfragen (Workloads, Topologie, AI-Architektur, Governance, Wirtschaftlichkeit, Operating Model, Integration und Semantic Layer) und liefert eine kalibrierte Standortbestimmung. Mit diesem Ergebnis sichern Sie die Investition für eine vollständige Auswahl oder einen Health Check intern belastbar ab.
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
Wer auf uns vertraut
Ihre Ansprechpartner zu Data Platforms
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
Als Analyst und Technologie-Experte unterstützt Thomas seine Kund:innen bei der Adaption moderner Data & Analytics Konzepte und Technologien und dem Aufbau datengetriebener Prozess- und Geschäftsmodelle.
Featured Insights
Gefällt Ihnen dieser Content?
Wir haben noch viel mehr davon! Schließen Sie sich über 25.775 Fachexpert:innen an, um der Konkurrenz einen Schritt voraus zu bleiben.
Events
Wenn Ihre Data-Platform-Entscheidung in den nächsten zwölf Monaten ansteht
Ein 30-minütiges BARC-Briefing klärt, ob ein Guidance Package, eine vollständige Softwareauswahl oder ein Health Check zu Ihrer Situation passt. Sie verlassen das Gespräch mit einem klaren nächsten Schritt, ganz gleich, ob wir danach weiter zusammenarbeiten.