Studie: Der Fokus bei Data Analytics verschiebt sich

Statt kundenbezogener Prozesse stehen nun operative Funktionen im Vordergrund. [...]

Mehr als 70 Prozent der Unternehmen verschieben den Fokus ihrer Analytics-Projekte: Statt kundenbezogener Prozesse stehen nun operative Funktionen stärker im Vordergrund. Allerdings stecken umfangreiche Analytics-Initiativen in operativen Prozessen ebenso wie ihre Erfolge noch in den Kinderschuhen. Denn lediglich 18 Prozent der Unternehmen haben derartige Analytics-Vorhaben großflächig umgesetzt und dadurch ihre geplanten Ziele erreicht. Zu diesem Ergebnis kommt die Studie „Going Big: Why Companies Need to Focus on Operations Analytics“ des Digital Transformation Institutes (DTI) von Capgemini.

„Lange stand die Kundenschnittschnelle im Zentrum vieler Analytics-Initiativen. Zukünftig erwarten wir deutlich mehr Investitionen in den operativen Bereichen“, so Bernd Bugelnig, Vorstandsvorsitzender bei Capgemini Österreich. US-Unternehmen sind demnach in ihren Analytics-Vorhaben am weitesten fortgeschritten und am erfolgreichsten. Während bereits die Hälfte von ihnen die gewünschten Vorteile aus Operational Analytics ziehen konnte, sind es unter den deutschen Studienteilnehmern nur 30 Prozent. Ein wichtiger Faktor für diesen Erfolg der amerikanischen Organisation sind effektive Daten- und Governance-Prozesse. Während knapp die Hälfte der US-Unternehmen Analytics als integralen Teil ihres Entscheidungsprozesses sieht, gilt das in Deutschland nur für 38 Prozent.

Im Vergleich mit den USA schneiden europäische Unternehmen auch im Hinblick auf Operational Analytics schlechter ab. Das liegt nicht nur an technischen Themen wie z. B. der Datenintegration, sondern ist auch eine Frage der Führung. Lediglich 14 Prozent der Operations-Analytics-Initiativen in Deutschland werden von Managern auf C-Level geleitet, in den USA sind es 33 Prozent. Besonders groß ist der Aufholbedarf bei der Integration von Daten, um diese für Analytics-Projekte nutzen zu können. (cb)


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.


*