Im Jahr 2020 werden 50 Milliarden Geräte mit dem Internet verbunden sein. Schon heute erzeugt die Menschheit täglich 2,5 Trillionen Bytes an Daten. Werden Maschinen mit IoT-Komponenten ausgestattet, können auch sie zur Datengenerierung beitragen. Der Umfang der verfügbaren Daten nimmt stetig zu und wird für Unternehmen zu einer echten Herausforderung. Dabei geht trotz der richtigen Analysetools häufig das Potenzial verloren, das diese Daten zu bieten haben.
Daten — die unerschöpflichen Ressourcen
Die Einsatzmöglichkeiten von Datenanalysen sind beinahe grenzenlos, das Potenzial noch lange nicht ausgeschöpft. In der Praxis beweisen bereits zahlreiche Unternehmen, dass datengetriebene Lösungen nicht nur auf dem Papier funktionieren. Data & Analytics hilft dabei, smartere Entscheidungen zu treffen und zugleich das Unternehmen zu schützen. Durch Datenanalysen werden Prozesse und Abläufe optimiert. Das Geschäftswachstum, das für jeden Betrieb im Fokus steht, dann mittels gezielter Analysen von Daten gefördert werden. Für Unternehmen gilt es, datengetrieben Antworten auf geschäftsrelevante Fragen und Herausforderungen zu finden.
Gezielte, datenbasierte Vorhersagen können entlang der gesamten Wertschöpfungskette einen wesentlichen Beitrag zur effizienten Produktion leisten. Beispielsweise können durch die Einbeziehung externer Variablen wie Wirtschaftsdaten und Marktveränderungen mögliche neue Aufträge vorhergesagt werden. Einem Stillstand der gesamten Produktion kann schon im Vorfeld durch „Predictive Maintenance“ vorgebeugt werden. Dabei wird der Zustand der Maschine laufend und in Echtzeit ermittelt, um notwendige Wartungsarbeiten vorauszusagen. Im Vergleich zu routinemäßigen Kontrollen werden Wartung so nur dann durchgeführt, wenn sie auch tatsächlich erforderlich sind. Kosten werden so nachweislich gesenkt und bei optimaler Konfiguration ist es sogar möglich, die Behebung des Problems zu veranlassen, bevor es entsteht. „Machine to Machine“ (M2M), also der automatisierte Daten- und Informationsaustausch zwischen Endgeräten untereinander oder über eine zentrale Kommunikationsschnittstelle, verspricht aus Sicht der Industrieverantwortlichen das größte Potenzial. Im Bereich M2M agieren intelligente Maschinen, Lagersysteme oder Betriebsmittel, die autonom Daten untereinander austauschen, Fertigungsschritte veranlassen und sich gegenseitig steuern. Auf diese Weise steuert sich die Produktion selbst, und durch gezielte Analysen können Leerlaufzeiten in der Produktion minimiert und Kapazitätsengpässe schon im Vorfeld ermittelt werden.
Data Analytics vorrangig in IT und Buchhaltung im Einsatz
80 Prozent der österreichischen Unternehmen nutzen Data-Analytics-Methoden bereits in der IT, 58 Prozent haben sie für Auswertungen im Bereich der Buchhaltung im Einsatz. Etwa die Hälfte der österreichischen Unternehmen setzt auf Datenanalysen bei Fragen zur Unternehmensführung (55 %) und im Marketing (54 %). Vor allem Einblicke in die komplexen Bedürfnisse der eigenen Kunden stoßen dabei auf großes Interesse. Durch die Auswertung von Daten erhofft sich jedes zweite Unternehmen, seine Kunden besser zu verstehen, um so gezielter auf die Bedürfnisse eingehen und die Kundenzufriedenheit erhöhen zu können.
Eine wesentliche Barriere in Bezug auf Daten ist klarerweise der Schutz ebendieser. Hier gibt es auch großen Aufholbedarf in Österreich — erst jedes sechste Unternehmen (59 %) hat Datensicherheitsanforderungen definiert und entsprechende Maßnahmen durchgeführt. Die Datenschutzanforderungen sind hingegen bei 40 Prozent der Organisationen klar geregelt — hier gibt es Verantwortliche wie auch Prozesse und Vorgaben, die allen Mitarbeitern bekannt sind.
Pioniere benötigen Investitionen
Es steht außer Frage, dass speziell im Bereich der Datenanalysen ein großer Bedarf an qualifiziertem Personal und darauf abgestimmten Organisationsmodellen herrscht. Und genau darin liegt die größte Herausforderung. Unsere EY-Analyse Data and Analytics 2019 zeigt auf, dass nur 8 Prozent der befragten Unternehmen ein dezidiertes Organisationsmodell mit geregelten Zuständigkeiten haben, bei einem Viertel sind keine klaren „Data & Analytics“-Rollen definiert. Jedes dritte Unternehmen gibt an, Mitarbeiter mit DnA-Kompetenzen in gewissen Abteilungen angestellt zu haben. Zudem hat ein knappes Drittel auch keine bzw. keine neuen Investitionen geplant, um Advanced Analytics voranzutreiben. Wenn investiert wird, dann vorrangig in die Migration neuer Systeme und in den Ankauf von Software. Drei Viertel der Unternehmen sind sich allerdings einig, dass ihnen Kompetenzen im Bereich Data & Analytics fehlen – jedoch möchte nur ein knappes Viertel in die Rekrutierung neuer Mitarbeiter wie beispielsweise Data Scientists investieren. Um mit den Neuerungen Schritt zu halten, ist es aber wichtig, auf ein gut ausgebildetes Team zu setzen.
