Prof. Dr. Andreas Seufert, Dr. Jörg Engelbergs
Die Studie "Digitalisierung der Wirtschaft – Herausforderungen und Potenziale von BI, Big Data und Cloud" aus der nachfolgend ausgewählte Teilergebnisse dargestellt werden, wurde als Online-Befragung im Zeitraum vom 1. Juli bis 31. Oktober 2017 durchgeführt. Zielgruppe waren BI-Professionals, d. h. Teilnehmer mit hoher Business-Intelligence-Erfahrung aus dem deutschsprachigen Raum.
2.1 Markt- und Wettbewerbsumfeld
Wie eingangs dargestellt, umfasst die Studie eine Reihe von Themenkomplexen. An dieser Stelle können aus Platzgründen nur ausgewählte Erkenntnisse skizziert werden.
Das Markt- und Wettbewerbsumfeld wird von den Teilnehmern als herausfordernd beschrieben. Sowohl die Komplexität (4,0), die Wettbewerbsintensität (4,0), aber auch die Veränderungsgeschwindigkeit/Dynamik (3,6) werden als hoch/sehr hoch eingeschätzt.
Abb. 1: Einschätzung des Markt- und Wettbewerbsumfeldes
Zusätzlich zu diesen allgemeinen Rahmenbedingungen sehen 72 % der Teilnehmer ihre Branche stark von der digitalen Transformation betroffen (davon 34 % hoch und 38 % sogar sehr hoch). Allerdings schätzen nur rund 27 % ihr Unternehmen als sehr gut/ gut vorbereitet, davon rund 21 % als gut und nur rund 6 % als sehr gut.
Abb. 2: Digitale Transformation: Betroffenheit vs. Vorbereitungsgrad
2.2 Ausgewählte Herausforderungen für die Unternehmen
2.2.1 Technologische Kompetenz
Das Erschließen und die Nutzbarmachung digitaler Informationen setzt auch den Einsatz entsprechender Technologien voraus. Hier hat es in den letzten Jahren dramatische Fortschritte gegeben. Einerseits werden damit Zugriff/Speicherung neuartiger Datenquellen wie z. B. Sensorik ermöglicht, andererseits können diese Daten mit anderen Daten vernetzt und über fortschrittliche Analytik/KI erschlossen werden.
Die aktuell in den Unternehmen eingesetzten Technologien zeigen aktuell jedoch einen deutlichen Nachholbedarf. Während traditionelle Technologien weitverbreitet sind, gibt es beim Einsatz moderner Technologien noch erhebliches Potenzial.
Abb. 3: Status Quo der eingesetzten Technologien
Neben der Möglichkeit auf Daten zuzugreifen und diese für die weitere Verarbeitung speichern zu können, ist insbesondere die Nutzung dieser Daten auf Basis von Analytics/KI entscheidend. Hierbei zeigt sich, dass die Teilnehmer deren Bedeutung für die Umsetzung der Digitalisierungsstrategie sehr hoch einschätzen. Tendenz weiter steigend.
Abb. 4: Bedeutung von Analytics/KI für die eigene Digitalisierungsstrategie
Der aktuell noch geringe Einsatz innovativer Technologien, steht im Widerspruch zu der hohen Bedeutung, welche die Teilnehmer ihnen für die Umsetzung der eigenen Digitalisierungsstrategie zuweisen. Hieraus ergeben sich erhebliche Herausforderungen an die Unternehmen. Zusätzlicher massiver Handlungsdruck entsteht einerseits dadurch, dass die Umstellung der technologischen Infrastruktur erheblich Zeit braucht, andererseits (digitale) Wettbewerber diese neuen Technologien bereits seit einiger Zeit einsetzen.
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 Größ...