{"id":39364,"date":"2018-05-09T09:26:00","date_gmt":"2018-05-09T09:26:00","guid":{"rendered":"https:\/\/relaunchc82.kafssx1g.so-hosting.de\/?p=36479"},"modified":"2023-01-04T14:57:06","modified_gmt":"2023-01-04T14:57:06","slug":"advanced-analytics-im-fachbereich-in-der-it-oder-als-eigenstaendiges-lab-welches-modell-funktioniert-in-der-praxis","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/advanced-analytics-im-fachbereich-in-der-it-oder-als-eigenstaendiges-lab-welches-modell-funktioniert-in-der-praxis\/","title":{"rendered":"Advanced Analytics im Fachbereich, in der IT oder als eigenst\u00e4ndiges Lab? \u2013 Welches Modell funktioniert in der Praxis?"},"content":{"rendered":"\n

Fortgeschrittene Verfahren f\u00fcr Advanced und Predictive Analytics erg\u00e4nzen in immer mehr Unternehmen herk\u00f6mmliche BI-Analysen. Mit zunehmender Erfahrung verlassen Unternehmen die Experimentierphase und m\u00fcssen sich der Herausforderung stellen, wie fortgeschrittene Analyse einen echten Mehrwert im Unternehmen stiften k\u00f6nnen, bspw. in Form von Kosten- und Zeiteinsparungen mittels zielgerichteterem Sales und Marketing, h\u00f6herer Produktqualit\u00e4t in Produktionsprozessen oder besserer Bedienung von Kundenw\u00fcnschen im After-Sales-Bereich.<\/p>\n\n\n\n

Um mit Advanced Analytics erfolgreich zu sein, sollte ein Bewusstsein \u00fcber die unterschiedlichen m\u00f6glichen Anwenderrollen bestehen und deren besondere Anforderungen unterst\u00fctzt werden: Data Scientists spielen f\u00fcr die Umsetzung von Advanced Analytics eine zentrale Rolle. Allerdings gewinnt auch der Fachbereich immer mehr an Bedeutung. Dies hat verschiedene Gr\u00fcnde: Zum einen bieten immer mehr Business-Intelligence-Werkzeuge ihren Anwendern fortgeschrittene Methoden der Datenanalyse sowie Funktionalit\u00e4ten der Datenaufbereitung. Hinzu kommt, dass Fachanwender zunehmend in den Dialog mit Data Scientists treten m\u00fcssen, um Use Cases zu identifizieren und die Ergebnisse mathematischer Analysen zu verstehen. Dies erfordert von Anwendern ein grundlegendes Verst\u00e4ndnis der Vorgehensweise der wichtigsten Analysekonzepte sowie die F\u00e4higkeit, den Output fortgeschrittener Analysemethoden richtig zu interpretieren. Nicht selten werden Data-Science-Projekte auch von Key-Usern im Fachbereich durchgef\u00fchrt. Dabei kann die N\u00e4he zu den zu optimierenden Prozessen von entscheidender Bedeutung sein.<\/p>\n\n\n\n

Sind f\u00fcr alle Aufgaben mit Data-Mining-Hintergrund immer die Statistik- und Mathematikkenntnisse eines Data Scientists und der Einsatz von Spezialwerkzeugen notwendig? Oder erm\u00f6glicht aktuelle Software mit intuitiven Benutzeroberfl\u00e4chen, fertigen Anwendungsf\u00e4llen und vorkonfigurierten Algorithmen es heute auch Anwendern im Fachbereich, die notwendigen Erkenntnisse selbstst\u00e4ndig in ihren Daten aufzufinden und so zum \u201eCitizen Data Scientist\u201c zu werden? K\u00f6nnen Fachbereiche dabei \u00e4hnlichen Mehrwert erzielen wie Data Scientists und Data Labs? Und reduzieren sich durch die N\u00e4he zu den operativen Prozessen die organisatorischen H\u00fcrden in der Umsetzung der Projekte vielleicht sogar?<\/p>\n\n\n\n

Um auf diese Fragen Antworten zu finden, f\u00fchrte BARC eine weitere Anwenderbefragung durch. Mit 210 Teilnehmern aus der DACH-Region und einer breit gef\u00e4cherten Branchenverteilung deckt die Studie verschiedene Unternehmensgr\u00f6\u00dfen ab und bietet einen objektiven Blick auf die gegenw\u00e4rtige und geplante Nutzung von Advanced und Predictive Analytics durch die Unternehmen. Die Studie steht zum kostenfreien Download hier<\/a> bereit<\/p>\n\n\n\n

Im Folgenden sind vier der wesentlichsten Erkenntnisse der Befragung zusammengefasst.<\/p>\n\n\n\n

1. Advanced Analytics wird als wichtiges Thema gesehen \u2013 die Umsetzung hingegen stagniert<\/strong><\/h2>\n\n\n\n

Advanced Analytics wird mittlerweile von 9 % der Befragten als sehr wichtig erachtet. Dies sind doppelt so viele wie noch in der letztj\u00e4hrigen Befragung. 40 % der Befragten erachten Advanced Analytics aktuell als wichtig, 43 % als weniger wichtig und 8 % als \u00fcberhaupt nicht wichtig. Zuk\u00fcnftig halten sogar 63 % das Thema f\u00fcr sehr wichtig und 31 % f\u00fcr wichtig. Die Zahl der Unternehmen, in denen Advanced Analytics jedoch h\u00e4ufig bis vereinzelt angewendet wird, stagniert \u2013 5 % der befragten Unternehmen nutzen Advanced Analytics h\u00e4ufig, 31 % vereinzelt. Diese Ergebnisse decken sich auch mit den BARC-Beobachtungen am Markt: Der Informationsbedarf zum Thema ist nach wie vor hoch, und immer mehr Unternehmen engagieren Mitarbeiter mit entsprechenden Skills bzw. investieren in die Fortbildung von Mitarbeitern. Die Unternehmen, die Advanced Analytics in eine konsistente Strategie einbetten, sind jedoch nach wie vor in der Unterzahl. Die Mehrheit der Unternehmen beginnt sich in einzelnen Projekten zu orientieren bzw. informiert sich auf Tagungen und anhand von Literatur \u00fcber Wege, Advanced Analytics ins Unternehmen zu tragen. Die Bereitschaft, in das Thema zu investieren, ist im Laufe des letzten Jahres durchaus gestiegen \u2013 allerdings sind die meisten Unternehmen noch zur\u00fcckhaltend damit, hier umfangreiche Programme aufzusetzen und in entsprechende Ausstattungen zu investieren.<\/p>\n\n\n\n

\"\"
Abbildung 1: \u201eWie relevant sind Advanced und Predictive Analytics heute und zuk\u00fcnftig f\u00fcr Ihr Unternehmen?\u201c (n=170)<\/strong><\/figcaption><\/figure>\n\n\n\n

2. Unternehmen befinden sich \u00fcberwiegend in der Prototypisierung von Advanced Analytics Use Cases<\/h2>\n\n\n\n

\u00dcber 50 % der befragten Unternehmen, die aktuell Advanced Analytics nutzen, befinden sich derzeit in der Prototypisierung von Use Cases bzw. der Evaluation der Prototypen. 22 % haben diese Phase bereits abgeschlossen und setzen Advanced Analytics regelm\u00e4\u00dfig zur Entscheidungsunterst\u00fctzung ein (15 %) oder haben wichtige Gesch\u00e4ftsprozesse automatisiert (7 %). 18 % befinden sich derzeit in der Use-Case-Identifikation. Interessant ist der Unterschied zwischen Unternehmen, in denen Advanced Analytics vom Fachbereich getrieben wird, und Unternehmen, in denen Advanced Analytics von Data Scientists oder der IT ausgeht. Fachbereichsgetriebene Unternehmen befinden sich \u00fcberwiegend in der Phase der Use-Case-Identifikation und der Evaluierung von Prototypen, w\u00e4hrend Data-Scientist- und IT-getriebene Unternehmen sich eher in der Prototypisierung befinden. Fachbereichsgetriebene Unternehmen nutzen Advanced Analytics auch eher f\u00fcr die Unterst\u00fctzung von Entscheidungen (18 %), jedoch nicht f\u00fcr die Automatisierung von Prozessen (0 %). Diese Prozessautomatisierung stellt jedoch f\u00fcr Data-Lab- & IT-getriebene Unternehmen einen Schwerpunkt dar (13 %). Dies l\u00e4sst darauf schlie\u00dfen, dass die Kenntnisse professioneller Data Scientists sowie der IT gegen\u00fcber dem Fachbereich auch andere Use Cases zulassen oder Advanced Analytics von Fachbereichen mit deutlich anderen Erwartungshaltungen genutzt wird.<\/p>\n\n\n\n

\"\"
Abbildung 2: \u201eIn welcher Phase der Umsetzung befinden Sie sich derzeit haupts\u00e4chlich?\u201c nach fachbereichsgetriebenen und IT- & Data-Scientist-getriebenen Unternehmen (n=74)<\/strong><\/figcaption><\/figure>\n\n\n\n

3. Key-User im Fachbereich bleiben die gr\u00f6\u00dfte Anwendergruppe \u2013 das Management ist die treibende Kraft f\u00fcr Advanced-Analytics-Projekte<\/h2>\n\n\n\n

Key-User im Fachbereich waren schon im Vorjahr die gr\u00f6\u00dfte Anwendergruppe. Auch in der neuen Befragung f\u00fchren wieder 25 % der Key-User im Fachbereich Data Science durch. <\/p>\n\n\n\n

20 % der befragten Unternehmen nutzen Data Scientists, wobei nur bei etwas \u00fcber der H\u00e4lfte Data Scientists in einem Data Lab organisiert sind. Data Scientists gewinnen insgesamt im Vergleich zum Vorjahr an Bedeutung f\u00fcr die Umsetzung von Advanced-Analytics-Projekten. Externe Dienstleister werden nach wie vor immerhin von 13 % der Befragten genutzt. Treiber bzw. Vordenker von Advanced Analytics ist das Management, gefolgt vom Fachbereich Finanzen\/Controlling, wobei die BI-Organisation hier an dritter Stelle ebenfalls eine wichtige Rolle als Vordenker einnimmt.<\/p>\n\n\n\n

\"\"
Abbildung 3: \u201eWer f\u00fchrt bei Ihnen im Unternehmen Advanced und Predictive Analytics durch bzw. wird dies durchf\u00fchren?\u201c (n = 171)<\/strong><\/figcaption><\/figure>\n\n\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
<\/div>\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
DATA festival Munich: wAI<\/b>t no more!<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Das DATA festival kehrt am 16. Juni 2026<\/b> nach M\u00fcnchen zur\u00fcck! <\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Sind Sie bereit, das volle Potenzial von Daten und k\u00fcnstlicher Intelligenz f\u00fcr Ihr Unternehmen zu nutzen? Das DATA festival bringt Data People aus der ganzen Welt zusammen, um echte Anwendungsm\u00f6glichkeiten von KI zu sehen.<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tHier gibt's mehr Infos!<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t\n\n\n\n

4. Fachbereiche setzen Advanced Analytics eher durch analytische Apps und BI-Werkzeuge um<\/h2>\n\n\n\n

Unternehmen, in denen Advanced Analytics fachbereichsgetrieben ist, setzen fortgeschrittene Analyse eher als Teil einer BI-Umgebung oder durch spezifische, analytische Applikationen um. IT- und Data-Lab-getriebene Unternehmen hingegen setzen wesentlich st\u00e4rker auf Data-Mining-Software. F\u00fcr fachbereichsgetriebene Unternehmen ist Excel\/Power BI<\/a> das am h\u00e4ufigsten verwendete Werkzeug (44 %), gefolgt von R (38 %), das sich mittlerweile gut mit den meisten popul\u00e4ren BI-Werkzeugen kombinieren l\u00e4sst. Spezielle Programmiersprachen wie Scala oder Python werden eher von IT- und Data-Lab-getriebenen Unternehmen verwendet. Die Anteile in der Nutzung von speziellen Data-Mining-Werkzeugen wie SAS, IBM SPSS oder RapidMiner sind in der Gruppe der fachbereichsgetriebenen Unternehmen eher niedrig. IT- und Data-Lab-getriebene Unternehmen weisen hier mehr als doppelt so hohe Anteile auf. <\/p>\n\n\n\n

Diese Zahlen werden vor dem Hintergrund verst\u00e4ndlich, dass Data Scientists und Data Labs oft auf spezielle, zus\u00e4tzliche Software angewiesen sind. So bedarf beispielsweise die Umsetzung von Use Cases mit Fokus auf Prozessautomatisierung Software mit Funktionen f\u00fcr die Unterst\u00fctzung des Model Deployment und des Modell-Managements. Open-Source-Programmiersprachen wie R bieten zwar umfangreiche statistische Bibliotheken und lassen sich gut mit BI-Werkzeugen integrieren, weisen allerdings h\u00e4ufig Nachteile in den Bereichen Modell-Management, -Performanz und -Operationalisierung auf.<\/p>\n\n\n\n

Weitere Informationen<\/strong><\/h4>\n\n\n\n

Wie erfolgreich sind Sie mit Ihren Advanced-Analytics-Initiativen? In dem n\u00e4chsten BARC-Seminar \u201eAdvanced und Predictive Analytics erfolgreich umsetzen: Use Cases, Technologie & Organisation\u201c haben Sie die M\u00f6glichkeit, sich mit BARC-Experten und anderen Teilnehmern auszutauschen, Best Practices aus der Praxis kennenzulernen und Potenziale zu entdecken, wo und wie Ihre Organisation noch besser werden kann.<\/p>\n\n\n\n

Das Seminar gibt einen Einblick in die Einsatzbereiche und Verfahren der fortgeschrittenen Analyse und ihre Einbettung in ein ganzheitliches Vorgehensmodell, das neben der eigentlichen Analyse das Datenmanagement, das Modellmanagement und die Integration in vorhandene (operative und BI-) Systeme abdeckt. Eine Markt\u00fcbersicht zu Software- und Service-Anbietern sowie die Vorstellung von Arten der organisatorischen Verankerung fortgeschrittener Analyseverfahren im Unternehmen beschreiben M\u00f6glichkeiten der praktischen Umsetzung.
Weitere Informationen und Buchung finden Sie hier<\/a>.<\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Advanced Analytics (fortgeschrittene Analysen) bezeichnen Datenanalysen, die \u00fcber einfache mathematische Berechnungen wie Summen- und Durchschnittsbildung, Filterfunktion oder Sortierung hinausgehen. Sie nutzen mathematische und statistische Formeln und Algorithmen mit dem Ziel, neue Informationen zu erzeugen, Muster zu erkennen und auch Vorhersagewerte mit den zugeh\u00f6rigen Wahrscheinlichkeiten zu berechnen.<\/p>\n","protected":false},"author":30,"featured_media":47256,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[49,150],"tags":[],"plus":[],"content_typ":[209],"layoutvorlage":[],"class_list":["post-39364","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science","category-data-driven-enterprise","content_typ-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/39364","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=39364"}],"version-history":[{"count":1,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/39364\/revisions"}],"predecessor-version":[{"id":108161,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/39364\/revisions\/108161"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/47256"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=39364"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=39364"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=39364"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=39364"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=39364"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=39364"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}