HPE-Umfrage zur Datenstrategie
Datenlos durch die Nacht
YouGov befragte im Auftrag von HPE 803 Führungskräfte aus der DACH-Region zu ihrer Datenstrategie und der Wertschöpfung, die sie aus Daten erzielen. Die Ergebnisse sind – man ahnt es irgendwie – eher ernüchternd: In einem von HPE entwickelten Reifegradmodell kommen die befragten Unternehmen auf der Skala von eins bis fünf (mit fünf als Bestwert) im Schnitt nur auf magere 2,1 Punkte. Hilfreich: Man kann das Reifegradmodell für ein Online-Self-Assessment nutzen.
Durchschnittliche Kundenbewertung für „Feld“: 4,4 Sternchen. Wird oft zusammen gekauft: „Feld“ und „Wald“. Kunden, die „Feld“ angesehen haben, haben auch angesehen: „Wald“ und „Wiese“. Derlei Auskünfte kennen Nutzer von Jeff Bezos’ Weltraumflug-Finanzierungsmaschine Amazon – genauer: von der Consumer-Seite des Bezos’schen Cloud-Imperiums. Denn die konsumentenabgewandte Seite des Himmelskörpers – das nicht minder wichtige Public-Cloud-Business von AWS – bleibt dem Feld-, Wald- und Wiesen-Konsumenten in der Regel verborgen.
Datenauswertungen à la Bewertungsdurchschnitt, Produktkombination und Seitenaufrufe kann natürlich jeder Online-Händler einfach per Klick-Tracking und BI-Lösung (Business Intelligence) durchführen, obschon nicht unbedingt in amazonischer Größenordnung. Doch die Macht der Datenanalyse reicht schon längst erheblich weiter. Aufsehen erregte in grauer Vorzeit (2012) folgender Fall: Der US-Handelsriese Target sandte, damals noch per Post, einer Teenagerin Werbung für Babykleidung zu – was deren Vater, der die Sendung engegennahm, sehr erzürnte, zumal er von der Schwangerschaft noch nichts wusste. Basis der Zusendung war eine Big-Data-Analyse des leicht veränderten Kaufverhaltens schwangerer Frauen. Target konnte dadurch seine Werbung schon frühzeitig auf den zu erwartenden Nachwuchs und die zu erwartende Nachfrage abstimmen – und einem Algorithmus ist es eben egal, ob die Frau oder deren Familie von der Schwangerschaft schon Kenntnis haben oder nicht.
Heute, knapp ein Jahrzehnt später, sind Rechnersysteme viel leistungsstärker und zugleich preiswerter, KI-Auswertungen dadurch noch mächtiger und stärker verbreitet. So nutzt zum Beispiel Amazon – selbst Betreiber einer der weltgrößten Public-Cloud-Rechnerverbünde – KI, nicht zuletzt für die Spracherkennung und -ausgabe der digitalen Assistenzfunktion Alexa, und somit für alles von Produktbestellungen bis hin zu den alltäglichen Auskünften der Nutzer, etwa über anstehende Termine. So lernt die KI das Anwenderverhalten, erschließt die Intentionen der Kundschaft und kann entsprechend früh reagieren. Das mag man hilfreich oder bedrohlich finden, glasklar ist: Die Ökonomie hat sich zur Datenökonomie gewandelt, und Datenanalysen dringen immer tiefer in die Alltagswelt von Verbrauchern und Unternehmen vor.
Glasrausch
Der gläserne Konsument zum Zwecke der Immer-noch-mehr-Konsum-Förderung ist dabei aber nur ein Einsatzfall von vielen. Das Use-Case-Spektrum der Datenanalysen reicht vom immer wieder zitierten Beispiel der vorausschauenden Wartung der Maschinen und Anlagen in der Industrie über die KI/ML-basierte (Machine Learning) optische Qualitätskontrolle und das ML-Training von Robotern bis hin zur Früherkennung von Krankheiten oder der Massendatenauswertung zur Entwicklung neuer Arzneimittel. Als Beispiel nennt HPE gerne Kaeser Kompressoren. Der Coburger Anbieter nutzt Echtzeit-Datenanalysen, um mittels prädiktiver Wartung die Ausfallzeit seiner Kompressoren zu minimieren – und konnte auf dieser Datenbasis sogar ein neues Geschäftsmodell entwickeln: Compressed Air as a Service, also Druckluft auf Abruf.
Das Beispiel zeigt: In den Daten schlummert enormes Potenzial. Kein Wunder also, dass die Europäische Kommission in ihrem Positionspapier zur europäischen Datenstrategie feststellte: „Daten sind die Lebensader der wirtschaftlichen Entwicklung.“ Und kein Wunder, dass Unternehmer aller Couleur beim Gedanken, von diesem Gold- oder besser Datenrausch profitieren zu können, glasige Augen bekommen.
Doch sind längst noch nicht alle Unternehmen in der Lage, ihre Datenbestände in Gewinne umzumünzen. Die Gretchenfrage lautet daher: „Alexa, wie schaffen es Unternehmen, von der Datenökonomie zu profitieren?“
Reifegradmodell
Um den Unternehmen hier Orientierung zu verschaffen, hat HPE ein Reifegradmodell zur Datennutzung entwickelt. Den Reifegrad erfasst HPE anhand von sechs Dimensionen: Strategie, Organisation, Ökosystem, Datenlebenszyklus, Analytics/KI sowie Betrieb. Das Modell teilt die datenmonetarisierungswillige Unternehmensschar in fünf Stufen ein. Auf der ersten Stufe – von dem Konzern in ganz HPE-untypischer Dramatisierung „Datenanarchie“ genannt – findet man Datensilos, also applikationsbezogene Dateninseln ohne übergreifende systematische Auswertung. Die Daten stehen anderen Anwendungen nicht oder nur über individuelle Schnittstellen zur Verfügung. Auf Stufe zwei („Daten-Reporting“) gibt es schon anwendungsübergreifende Data Warehouses, während BI-Anwendungen (Business Intelligence) prozessbezogen Erkenntnisse aus den Daten ziehen.
Auf Stufe drei („Datenerkenntnisse“) erfasst das Unternehmen die Daten ganzheitlich, es gibt erste Ansätze für KI/Advanced Analytics nebst einer Data Governance (also Methoden und Werkzeuge, um den Datenraum einheitlich zu managen und zu kontrollieren). Auf Stufe vier findet man Unternehmen, die sämtliche hauseigenen Daten in Echtzeit zu einem digitalen Zwilling des Unternehmens zusammenführen, sowie Analyseanwendungen und Apps, um auf alle notwendigen Daten zugreifen zu können. Stufe fünf – die Königsdisziplin der „Datenökonomie“ – umfasst dann das Publizieren und Konsumieren (Push und Pull) von Echtzeitdaten und den bidirektionalen Datenaustausch mit Partnern im Rahmen eines Daten-Ökosystems.
- Datenlos durch die Nacht
- Umfrage zur Datenstrategie
Lesen Sie mehr zum Thema
