{"id":96562,"date":"2024-02-19T08:22:34","date_gmt":"2024-02-19T08:22:34","guid":{"rendered":"https:\/\/barc.com\/?p=96562"},"modified":"2024-03-08T09:13:12","modified_gmt":"2024-03-08T09:13:12","slug":"data-intelligence-platforms-tools-bewerten","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/data-intelligence-platforms-tools-bewerten\/","title":{"rendered":"Data Intelligence Platforms \u2013 So bewerten wir die L\u00f6sungen im BARC Score"},"content":{"rendered":"\n

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, Datenmarktpl\u00e4tzen, und Data Intelligence Plattformen die M\u00f6glichkeiten dieser Tools aufzeigen, die aktuelle Marktlage beleuchtenund die Positionierung der Softwareanbieter vorstellen. Daf\u00fcr bewerten wir detailliert den Umfang und die Qualit\u00e4t der Funktionen in den einzelnen Tools und die Marktreife der Anbieter.<\/p>\n\n\n\n

Die Bewertung soll Anwendern eine Starthilfe bei der Softwareauswahl geben und zus\u00e4tzliche Informationen zu St\u00e4rken und Schw\u00e4chen der Produkte liefern. Unsere Einsch\u00e4tzungen basieren dabei auf einer detaillierten Bewertung anhand von Informationen aus Requests for Information (RfI<\/em>: Frageb\u00f6gen, ausgef\u00fcllt durch die Anbieter), Briefings sowie eigener Recherchen und Projekterfahrungen.<\/p>\n\n\n\n

Dieser Blog-Post ist Teil 2 der Serie \u201eDay of an Analyst\u201c. In Teil 1<\/a> haben wir erkl\u00e4rt, wie der Markt grunds\u00e4tzlich aufgebaut ist, wie wir von einer Gesamtmarkt\u00fcbersicht auf eine Shortlist gekommen sind und welche Rolle dabei die dort definierten Auswahlkriterien gespielt haben.<\/p>\n\n\n\n

Einblicke in den Data Intelligence Markt: Die BARC Score Methodik<\/h3>\n\n\n\n

Der Markt f\u00fcr Data Intelligence ist vielf\u00e4ltig. Es gibt sowohl eigenst\u00e4ndige L\u00f6sungen als auch Produkte mit Data Intelligence als Zusatzfunktion. Diese Vielfalt f\u00fchrt zu einer gro\u00dfen Heterogenit\u00e4t in Bezug auf die Breite der verf\u00fcgbaren Optionen. Um dennoch eine Vergleichbarkeit zwischen den f\u00fchrenden L\u00f6sungen herzustellen, haben wir uns intensiv damit auseinandergesetzt, wie wir diese am besten evaluieren k\u00f6nnen.<\/p>\n\n\n\n

Unsere Herangehensweise basiert auf der bew\u00e4hrten BARC Score Methodik, die zwei zentrale Achsen betrachtet: Portfolio Capabilities und Market Execution. Diese beiden Aspekte erm\u00f6glichen es, zu bestimmen, ob ein Softwarehersteller den Markt dominiert, f\u00fchrend ist, die f\u00fchrenden Anbieter herausfordert, sich auf ein Spezialgebiet konzentriert oder gerade erst in den Markt eingetreten ist. In vielen anderen BARC Scores<\/a> evaluieren wir bereits seit Jahren L\u00f6sungen, bspw. in den Bereichen Business Intelligence<\/a> und Financial Performance Management<\/a>. Der Score Data Intelligence Platforms erfolgt dieses Jahr in der zweiten Auflage.<\/p>\n\n\n\n

Wir betrachten dabei nicht nur, wie sich die Softwareanbieter strategisch positionieren und wie wichtig Data Intelligence f\u00fcr ihre Strategie ist, sondern auch, wie gut die Tools die wichtigsten Anwendungsf\u00e4lle erf\u00fcllen und den Benutzer unterst\u00fctzen. Wir betonen damit, dass ein Softwarehersteller immer ein strategischer Partner f\u00fcr das Anwenderunternehmen ist und dass die Entscheidung f\u00fcr einen Hersteller nicht nur auf der Anzahl der Features basieren sollte, sondern auch auf der F\u00e4higkeit des Anbieters, die individuellen Bed\u00fcrfnisse und Ziele des Unternehmens zu unterst\u00fctzen. Denn Data Intelligence geht weit \u00fcber den Kauf oder die Subskription eines Werkzeuges hinaus.<\/p>\n\n\n\n

Market Execution: Die Leistungsf\u00e4higkeit der Anbieter im Fokus<\/h3>\n\n\n\n

Die Dimension \u201eMarket Execution\u201c bewertet die Strategie des Herstellers allgemein sowie speziell f\u00fcr 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 ver\u00e4ndern k\u00f6nnte. Es dient also als Indikator f\u00fcr die Investitionssicherheit. Insgesamt haben wir folgende gewichteten Kriterien ber\u00fccksichtigt:<\/p>\n\n\n\n

Criteria<\/strong><\/td>Weighting<\/strong><\/td><\/tr><\/thead>
Product strategy<\/strong><\/td>High<\/td><\/tr>
Vendor strategy<\/strong><\/td>High<\/td><\/tr>
Customer enablement & support<\/strong><\/td>High<\/td><\/tr>
Vendor stability<\/strong><\/td>Medium<\/td><\/tr>
Partner strategy<\/strong><\/td>Medium<\/td><\/tr>
Finance<\/strong><\/td>Medium<\/td><\/tr>
Geographical strategy<\/strong><\/td>Medium<\/td><\/tr>
Sales strategy<\/strong><\/td>Low<\/td><\/tr>
Marketing strategy<\/strong><\/td>Low<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

<\/p>\n\n\n\n

Ein solides und breites Partnernetzwerk seitens des Herstellers ist von gro\u00dfer Bedeutung, um Implementierung und \u00c4nderungen erfolgreich durchzuf\u00fchren und gegebenenfalls die Konnektivit\u00e4t zu Drittanbieter-Tools sicherzustellen. Partner sollten \u00fcber Erfahrung in bestimmten Branchen verf\u00fcgen und idealerweise in der Lage sein, spezifische Anforderungen zu ber\u00fccksichtigen und ggf. die internationale Struktur eines Unternehmens zu unterst\u00fctzen.<\/p>\n\n\n\n

Die Vertriebs-, Marketing- und geografische Strategie des Herstellers ist von Interesse, da eine starke Pr\u00e4senz in der N\u00e4he des Unternehmens Vorteile bietet. Eine durchdachte Vertriebsstrategie bildet die Grundlage f\u00fcr einen reibungslosen Proof of Concept und eine schnelle Implementierung des Produkts. Breit angelegte Marketingstrategien sind auch f\u00fcr Endnutzer relevant, da sie das Bewusstsein f\u00fcr eine ganze Kategorie von Tools erh\u00f6hen und oft wertvollen Content generieren. So k\u00f6nnen Anwender besser verstehen, wie Data Intelligence Plattformen funktionieren, wie sie optimal eingesetzt werden k\u00f6nnen und wie andere Unternehmen davon profitieren.<\/p>\n\n\n\n

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 dar\u00fcber hinaus durch diverse digitale Angebote, Schulungen und Beratungsleistungen optimal unterst\u00fctzt werden, um das Produktes optimal zu nutzen.<\/p>\n\n\n\n

Die Stabilit\u00e4t 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 k\u00f6nnten, vermieden werden.<\/p>\n\n\n\n

Portfolio Capabilities: Die Vielseitigkeit moderner Data Intelligence Plattformen<\/h3>\n\n\n\n

Die Portfolio Capabilities spiegeln den funktionalen Leistungsumfang eines Produktes wider und sind entscheidend f\u00fcr die Bewertung einer Software, insbesondere f\u00fcr spezifische Use Cases. Dabei ber\u00fccksichtigen wir bei der Bewertung den Gesamtumfang der Funktionen f\u00fcr Data Intelligence.<\/p>\n\n\n\n

Unsere Kriterien st\u00fctzen sich auf langj\u00e4hriger 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 Markteinsch\u00e4tzung und der Resonanz auf Trendthemen. So werden beispielsweise Data Marketplaces und Self-Learning AI h\u00f6her bewertet als rein administrative Funktionen. Mehr dazu weiter unten.<\/p>\n\n\n\n

Die Kriterien wurden entwickelt, um die Anwendungsf\u00e4lle von Data Intelligence im Jahr 2024 optimal abzubilden. Die folgende Grafik verdeutlicht die Bewertungskategorien und zeigt die Vielfalt der Funktionsbl\u00f6cke auf:<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Besonders hohes Gewicht in der Bewertung liegt auf Funktionen, die den Wert der Platform klar steigern (auch gegen\u00fcber Metadaten-L\u00f6sungen aus vergangenen Generationen), dazu geh\u00f6ren das Metadata Repository & Model, Self-Learning Capabilities und die Konnektivit\u00e4t zu diversen Quellen. Eine mittlere Gewichtung entf\u00e4llt auf die Nutzerinteraktionen, in der Grafik gr\u00fcn markiert. Grundlegende Funktionen haben ein niedrigeres Gewicht in der Bewertung (z.B. Metadata Refinement und Administration).<\/p>\n\n\n\n

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 erm\u00f6glicht, Daten effektiv zu durchforsten, zu entdecken und nachzuvollziehen. Allein in dieser Kategorie reicht die Breite der Kriterien \u00fcber einfache bis hin zu komplexen Suchanfragen, Hitlistreduzierungen bis hin zu NLP-Unterst\u00fctzung, \u00fcber Browsing-Funktionen bis hin zum Reporting. In dieser Rubrik wurden ebenfalls Data-Lineage-Analysefunktionen bewertet.<\/p>\n\n\n\n

Governance Features spielen eine entscheidende Rolle bei der Qualit\u00e4tssicherung und umfassen verschiedene Aspekte wie das Monitoring der Datenqualit\u00e4t und die Verwaltung von Datenkatalogen (Stewardship). Zus\u00e4tzlich beinhalten sie Funktionen, die die Data-Governance-Prozesse unterst\u00fctzen, wie zum Beispiel das Management von Regeln und Richtlinien, Workflow-Management, Sicherheit und Datenschutz (einschlie\u00dflich PII-Identifikation und Tagging). Dar\u00fcber hinaus bieten sie vorgefertigte L\u00f6sungen, die die Einhaltung von Regulierungsanforderungen wie GDPR oder ESG erleichtern. Diese Governance-Prozesse und die damit verbundenen Features f\u00f6rdern eine inklusive und transparente Datenkultur und gew\u00e4hrleisten, dass die Daten zuverl\u00e4ssig und vertrauensw\u00fcrdig sind.<\/p>\n\n\n\n

Kollaboration nimmt eine zentrale Rolle ein, da Nutzer so ihr Wissen mit anderen Mitarbeitern teilen und ihre F\u00e4higkeiten erweitern k\u00f6nnen. Dies st\u00e4rkt 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 auszul\u00f6sen, f\u00fcr Benachrichtigungen bis hin zu Ratings. Nice-to-have sind implementierte Funktionen f\u00fcr Gamification, um Nutzer zur aktiven Teilnahme zu motivieren.<\/p>\n\n\n\n

Data Products entwickeln sich zum Game Changer bei der Umsetzung von fachbereichsgetriebenen Datenstrategien. Data Intelligence Platforms k\u00f6nnen Nutzer von Data Products entlang des kompletten Lifecycle unterst\u00fctzen, also bei der Entwicklung, Bereitstellung und Verwendung, \u2013und Transparenz \u00fcber deren Wertigkeit liefern \u2013 Stichwort Data Quality und Data Value.<\/p>\n\n\n\n

Ma\u00dfgebliche Funktionen hierzu sind die Unterst\u00fctzung 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 unterst\u00fctzt Data Access Workflows und Data Contracts. Dar\u00fcber hinaus haben wir bewertet, ob die jeweilige L\u00f6sung auch einen Zugriff auf Daten unmittelbar anbietet, bspw. im Sinne einer Datenvirtualisierung.<\/p>\n\n\n\n

Business-Enablement-Funktionen wie Data Valuation und User Adoption sind ausschlaggebend, um Kataloginhalte den Fachanwendern kuratiert zug\u00e4nglich 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 f\u00fcr das Tool, sondern auch die damit verbundene Arbeit und ihren Mehrwert zu begeistern.<\/p>\n\n\n\n

Workflow-Funktionen (wie bereits bei Data Governance erw\u00e4hnt) unterst\u00fctzen die Anreicherung von Metadaten und das Kuratieren von Data Products. Diese Prozesse verwandeln Daten in wertvolle Assets, die f\u00fcr Analytik und Entscheidungsfindung genutzt werden k\u00f6nnen, weil sie auffindbar und vertrauensw\u00fcrdig sind.<\/p>\n\n\n\n

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<\/a>, in dem wir Data Inventories, Data Catalogs und Data Intelligence Platforms voneinander abgegrenzt haben.<\/p>\n\n\n\n

Folgende Tabelle zeigt die Kriterien und Gewichtung f\u00fcr die Product Capabilities Dimension:<\/p>\n\n\n\n

Criteria<\/strong><\/td>Weighting<\/strong><\/td><\/tr><\/thead>
Metadata repository & model<\/strong><\/td>High<\/td><\/tr>
Self-learning capabilities<\/strong><\/td>High<\/td><\/tr>
Connectivity<\/strong><\/td>High<\/td><\/tr>
Data Governance<\/strong><\/td>Medium<\/td><\/tr>
Search & discovery<\/strong><\/td>Medium<\/td><\/tr>
Data collaboration<\/strong><\/td>Medium<\/td><\/tr>
Data shopping<\/strong><\/td>Medium<\/td><\/tr>
User enablement<\/strong><\/td>Medium<\/td><\/tr>
Metadata refinement<\/strong><\/td>Low<\/td><\/tr>
Administration<\/strong><\/td>Low<\/td><\/tr>
Architecture<\/strong><\/td>Low<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

<\/p>\n\n\n\n

Gen AI auf dem Weg zum Feature<\/h3>\n\n\n\n

Besonders spannend ist die Entwicklung im Bereich Automation & AI. Anbieter haben erkannt, dass es keine Zeit gibt, sich aktiv um Metadaten zu k\u00fcmmern. Die Tools m\u00fcssen von Anfang an bereit sein f\u00fcr 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 Ans\u00e4tze, die von unterst\u00fctzenden ML-Algorithmen bis hin zu ersten GenAI-basierten Funktionen reichen. Diese erm\u00f6glichen es beispielsweise, die Beschreibung von Data Assets zu automatisieren oder sogar komplexen SQL Code in eine verst\u00e4ndliche Sprache zu \u00fcbersetzen. Aber die Reise der Generative AI hat gerade erst begonnen, und die Roadmaps der Anbieter sind voller interessanter Pl\u00e4ne.<\/p>\n\n\n\n

AI Kann einen entscheidenden Unterschied machen. Denn in der Vergangenheit sind viele Metadatenprojekte gescheitert, weil niemand Lust und Motivation hatte, sich um die aufw\u00e4ndige Pflegearbeit zu k\u00fcmmern \u2013 das Einf\u00fcgen, Beschreiben, Aktualisieren von Assets, das Erstellen von Lineages, das Klassifizieren von Daten und so weiter. Heute bieten viele Werkzeuge bereits gute Unterst\u00fctzung in diesem Bereich. Die Integration von AI-Funktionen erm\u00f6glicht es, diese Aufgaben effizienter zu erledigen und tr\u00e4gt so dazu bei, dass Metadatenprojekte erfolgreich umgesetzt werden k\u00f6nnen. Das ist ein entscheidender Hebel, um mehr Akzeptanz f\u00fcr Datenkataloge zu erreichen und die Qualit\u00e4t der Insights zu maximieren.<\/p>\n\n\n\n

Ver\u00f6ffentlichung des BARC Score Data Intelligence Platforms<\/h3>\n\n\n\n

Bald ist es so weit: Am 12. M\u00e4rz 2024 wird der BARC Score Data Intelligence Platforms ver\u00f6ffentlicht. Darin bieten wir einen umfassenden \u00dcberblick \u00fcber die verschiedenen Anbieter auf im Markt. M\u00f6chten Sie sicherstellen, dass Sie die Ver\u00f6ffentlichung nicht verpassen? Dann folgen Sie uns auf LinkedIn<\/a> und abonnieren Sie unseren Newsletter<\/a>!<\/p>\n\n\n\n

5 Argumente wieso Sie den BARC Score lesen sollten:<\/strong><\/p>\n\n\n\n