Studie: Viele Unternehmen wissen nicht, wo sich ihre kritischen Daten befinden

Unternehmen verlagern laut einer Studie von Exasol den Fokus zunehmend von Business Intelligence (BI) auf Data Analytics. Doch Dark Data und Silos verlangsamen diese Entwicklung. 82 Prozent der Befragten gaben sogar an, nicht zu wissen, wo sich ihre kritischen Daten befinden. [...]

Die Mehrzahl der Unternehmen setzt den Fokus von Business Intelligence (BI) auf Data Analytics. (c) pixabay
Die Mehrzahl der Unternehmen setzt den Fokus von Business Intelligence (BI) auf Data Analytics. (c) pixabay

Die Studie „Moving the Enterprise to Data Analytics“ untersuchte, wie und warum Organisationen in Großbritannien und Deutschland ihren Fokus von BI auf Data Analytics verlagern. 75 Prozent der befragten Unternehmen bestätigten, dass sie diese Entwicklung gerade vollziehen. Die Mehrheit davon gab an, bereits 25 bis 50 Prozent dieses Transformationsprozesses vollzogen zu haben. Als stärksten Treiber dieser Entwicklung sehen sie das Streben nach besseren Daten in Bezug auf Qualität, Verfügbarkeit und Validität. 62 Prozent spüren bereits erste Ergebnisse.

Dennoch kämpfen Unternehmen damit, Daten aus verschiedenen Quellen zu sammeln und miteinander abzugleichen. Dies ist jedoch eine Grundvoraussetzung, um die umfangreichen Datensätze zu erstellen, die für Data Analytics nötig sind und mehr zu erreichen als mit BI. Nur 11 Prozent der Befragten geben an, dass sich ihre Anstrengungen diesbezüglich bereits ausgezahlt haben. Mehr als die Hälfte (55 Prozent) sagen, dass verteilt gelagerte Daten diesen Prozess verlangsamen.

Unternehmen arbeiten verstärkt daran, die Qualität ihrer Daten zu verbessern und sehen die Vorteile davon. Doch von Data Analytics sind sie oft noch weit entfernt, da die Daten in abteilungsspezifischen Datenbanken oder gar Dateninseln lagern. Sie zielen darauf, diese Daten viel stärker zur Grundlage von Business-Entscheidungen zu machen. Doch die meisten Data Science Teams verfügen nicht über die Daten-Infrastruktur, die sie bräuchten, um Dark Data ‚ans Licht zu holen‘ und den verschiedenen Abteilungen Data Analytics bedarfsgerecht anzubieten“, so Mathias Golombek, CTO von Exasol.

Darüber hinaus zeigt die Studie, dass einzelne Abteilungen zwar erste Erfolge erzielen, jedoch sehen sich lediglich ein Prozent der Befragten als datengetriebenes Unternehmen. Nur 54 Prozent geben an, dass ihre Entscheidungen bereits auf der Basis von Daten getroffen werden.

Unsicherheit wegen DSGVO

Die am häufigsten genannten Gründe für das Scheitern von Projekten waren Sicherheit und Vertraulichkeit (29 Prozent) – hier besteht ein direkter Zusammenhang mit dem Inkrafttreten der DSGVO und entsprechenden neuen Governance-Praktiken sowie allgemeiner Unsicherheit diesbezüglich. Die befragten Unternehmen zeigten sich besorgt darüber, keine Einsicht in kritische Daten zu haben, wie z. B. Back-up- und Archiv-Daten (86 Prozent) oder sonstige Daten (92 Prozent). In Zeiten, in denen der Schutz und die Vertraulichkeit von Daten öffentlich diskutiert werden, spielen ihrer Meinung nach Reporting und Analytics eine entscheidende Rolle.

„Die DSGVO hat gute Dienste geleistet: Sie hat Unternehmen dazu gebracht, genau zu schauen, wo sich ihre Daten befinden und sich ihnen eher mit einer menschlichen als einer technischen Perspektive zu nähern. Organisationen, die ihre Daten früher in Silos sammelten, arbeiten heute beispielsweise mit einem kundenzentrierten Ansatz – dies ist die Grundvoraussetzung für den Erfolg als Customer Centric Enterprise. Folglich haben die Unternehmen, die das ‚zweischneidige Schwert‘ Data Analytics einsetzen, um die Customer Experience zu verbessern, im Wettbewerb die Nase vorn“, fügt Mathias Golombek hinzu.

Daneben zeigte die Studie Moving the Enterprise to Data Analytics, dass sich bereits 40 Prozent der Unternehmen mit Machine Learning und Künstlicher Intelligenz befassen. Noch fehlt es den Befragten an Umfang und Qualität der Daten, um die Vorteile voll auszuschöpfen, doch sehen sie es als erwiesen an, dass Data Analytics das pro-aktive Treffen von Business-Entscheidungen fördert.


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*