Controlling im Zeitalter der digitalen Transformation: I ... / 2.2.2 Methodenkompetenz Daten/Analytik

Zusätzliche Herausforderungen ergeben sich aus vorhandenen Methodenkompetenz im Umgang mit Daten und Analytik.

Hinsichtlich des Aufbaus einer zeitgemäßen Methodenkompetenz im Bereich Daten und Analytik befindet sich die Mehrzahl der Unternehmen noch in einer frühen Reifegradphase. Der Schwerpunkt der Aktivitäten liegt bei den meisten Unternehmen aktuell noch im Aufbau entsprechender Datenplattformen und in der Anwendung bestehender analytischer Modelle (~53 %). Die eigene Weiterentwicklung der Analysemethoden bzw. der hierfür erforderliche systematische Aufbau entsprechender Trainingsdaten steht dagegen noch nicht so sehr im Fokus.

Insgesamt ist zu beobachten, dass der Reifegrad sowohl im Bereich Daten- als auch der Analytik-Kompetenz noch nicht stark ausgeprägt ist. Deutlich wird dies daran, dass auf der 5-stufigen Skala die Werte für den Aufbau von Datenplattformen nur bei 3,4 bzw. Anwendung von Modellen nur bei 3,5 liegen. Beides sind Frühphasen im Kompetenzaufbau. Die eigene Entwicklung moderner Analysemethoden liegt sogar nur bei 3,0 und der systematische Aufbau von Trainingsdaten nur bei 2,3. Hier zeigt sich noch erhebliches Potenzial.

Abb. 5: Schwerpunkte im Aufbau der eigenen Daten- und Analytik-Kompetenz der Unternehmen

Beachtliche Unterschiede gibt es auch zwischen den aktuell genutzten und den für die Umsetzung der eigenen Digitalisierungsstrategie als sinnvoll erachteten Datenquellen. Große Differenzen ergeben sich v.a. in den neuartigen Datenquellen, wie z. B. sozialen Netzwerken oder Sensorik-Daten. Auch das analytische Erschließen nicht numerischer Daten, wie z. B. Text, erscheint den Unternehmen zwar sinnvoll, wird aber noch selten genutzt.

Abb. 6: Eigene Digitalisierungsstrategie: Umsetzungslücke Nutzung neuartiger Datenquellen

Noch deutlichere Unterschiede gibt es zwischen den aktuell genutzten und den für die Umsetzung der eigenen Digitalisierungsstrategie als sinnvoll erachteten Analysemethoden. Auch hier fällt auf, dass die Lücken mit steigender Komplexität größer werden. So ist beispielweise die Differenz bei selbstlernenden Prognoseverfahren und Generierung autonomer Entscheidungsvorlagen am Größten. Allerdings zeigen sich bereits bei einfacheren Mustererkennungsverfahren wie der Identifikation unentdeckter Muster oder Einflussgrößen/Treibern schon deutliche Diskrepanzen.

Abb. 7: Eigene Digitalisierungsstrategie: Umsetzungslücke Nutzung zeitgemäßer Analysemethoden

Eigene Digitalisierungsstrategie: Hinderungsgründe/Barrieren

Diese Umsetzungslücken – in den Bereichen Daten und Analytik – spiegeln sich wider in den Antworten der Teilnehmer hinsichtlich der Hinderungsgründe/Barrieren. Fehlendes Wissen bzw. der Mangel an Fachpersonal, das über das erforderliche Wissen verfügt, sind die wichtigsten Gründe für die Realisierungslücken.

1. Fehlendes Fachpersonal
2. Fehlendes Know-how über die Möglichkeiten von Advanced Analytics
3. Fehlendes Know-how über die Erschließung neuer Datengrundlagen
4. Organisatorische Verantwortlichkeit unklar
5. Zu hohe Kosten für Erschließung neuer Datengrundlagen
6. Zu hohe Kosten für Advanced Analytics
7. Datensicherheit
8. Datenschutz
9. Kein Nutzen neuer Advanced Analytics
10. Keine Nutzen neuer Datengrundlagen

Die teilweise gravierende Diskrepanz zwischen Wunsch und Wirklichkeit hinsichtlich der Nutzung von Datenquellen und der darauf aufbauenden Analytik zur Umsetzung der eigenen Digitalisierungsstrategie resultiert augenscheinlich aus einem Mangel an verfügbarer Methodenkompetenz in den Unternehmen. Die Schließung dieser Lücke ist eine zentrale Herausforderung für die Unternehmen, um im digitalen Wettbewerb zu bestehen.