Zunächst stellt sich natürlich die Frage, wie neu das Thema tatsächlich ist. Business-Intelligence- und Data-Warehouse-Lösungen sind ja schon seit Jahren in Unternehmen im Einsatz. Die neue Dimension im Rahmen der aktuellen Diskussion um Big Data ist dem schieren Umfang und der Unterschiedlichkeit der Daten geschuldet. Zudem verändern sich die Daten und Datenbestände rapide. Was gestern noch galt, muss heute schon nicht mehr richtig sein.
|
Stephan Kaiser, Senior Vice President, Pierre Audoin Consultants |
Bei dieser Frage ist die Bezeichnung "Big Data" etwas irreführend. Besser wäre es, von Smart Data
zu reden. Denn es ist nicht nur die Menge von Daten, sondern es ist die aus ihr gewinnbare Aussagekraft, die den Daten einen Wert gibt. Generell ermöglicht Smart Data Unternehmen neue Einblicke und bietet so das Potenzial für bessere Entscheidungen – vor allem da, wo es auf Geschwindigkeit ankommt.
Große Potenziale bieten solche Analysen in der Finanzbranche. Geld, das Handelsgut von Banken und Versicherungen, besteht heute ohnehin im Wesentlichen aus Daten. Dazu kommt die große Menge an täglichen Transaktionen, aus denen sich das Gesamtbild zusammensetzt. Die Auswertung dieser Daten bietet direkt Informationen über die aktuelle Situation und erlaubt verschiedenste Prognosen. Aber auch das Gesundheitswesen könnte, würden die regulatorischen Rahmenbedingungen entsprechend angepasst, von solchen Analysen profitieren. Beispielsweise hinsichtlich des schnelleren Informationsaustauschs und der Effizienz der Patientenbehandlung.
Aber auch für die zukünftige Energieversorgungs-Landschaft können Big-Data-Analysen ein wichtiger Puzzlestein sein. Denken wir nur an Smart-Home-Initiativen und die Verbrauchsdaten-optimierte Nutzung von Energie. Zwei branchenübergreifenden Themen sind die zielgenauere Ansprache von Konsumenten sowie der Einsatz von Machine-to-Machine (M2M)-Kommunikation, das Internet der Dinge.
B2C ist ganz klar der Vorreiter. Google, Apple, Amazon gehen hier voran. Das Geschäftsmodell von Facebook basiert auf dem Einsatz von Big Data. Aber auch die Retailer und bekannten Markenunternehmen für Konsumenten verfügen über entsprechend hohe Datenmengen, deren Auswertung lohnt. Bei B2B ist das eher selten der Fall. Hier sind es die Daten aus Maschinen (M2M), die einen Einsatz von Big-Data-Technologien ermöglichen und operative Prozesse optimieren.
Auch im Marketing wird die Rolle von Datenanalysen immer wichtiger werden. Und das auf zwei Ebenen: Zum einen erlauben Analysen eine wesentlich strukturiertere Planung von Kampagnen, was in einer höheren Effizienz der Budgets mündet. Auf der anderen Seite ist das Marketing immer gefordert, seinen Wertbeitrag für das Unternehmen darzulegen. Das data-driven Marketing erlaubt auch eine transparente und aussagekräftige Evaluation der Marketingleistungen.
Übrigens liegt hier auch ein großes Potenzial für die Vorqualifizierung von Kundenkontakten. Wenn das Marketing in Europa den Weg zum Business-Partner beschreiten will, führt kein Weg daran vorbei, sich über eine breitere Analytik mehr in die Leadgenerierung einzubringen.
Definitiv ein "sowohl, als auch". Wo eine Chance ist, da existiert auch immer ein Risiko. Big-Data-Marktanalysen werden die Erkenntnisse des traditionellen Analysten-Vorgehens ergänzen und abrunden. Daher liegt in solchen Analysen eine strategische Chance. So ließen sich beispielsweise Einstiegsprozesse in die Analyse sehr viel stärker analysieren. Das erweitert die Menge der Informationen, die verarbeitet werden können. Damit können auch kleinere Analystenhäuser effizienter arbeiten und bei begrenzten Ressourcen auf Ballhöhe zu den Entwicklungen des Marktes bleiben. Wer sich zuerst darauf einstellt, der wird sich einen Wettbewerbsvorteil sichern. Diejenigen, die den Trend ignorieren, werden intensiv daran arbeiten müssen, aufzuzeigen, welchen Mehrwert sie bringen.
Wir betrachten das Thema in einem größeren Rahmen, d.h. wir prüfen dauerhaft, wie und wo wir Technik einsetzen können, um besser zu werden. Wir wollen aus der Vielzahl von Informationen die relevanten Aspekte extrahieren – bei weitgehender Automatisierung. Für uns steht im Vordergrund, wie wir durch semantische Analysen die Informationen aus dem Web aufbereiten können, um unsere "Time to qualified information" radikal zu verkürzen.
Auch bei einem breiteren Einsatz von automatischen Auswertungen werden wir bei unseren Kernkompetenzen bleiben: Der Auswertung und Interpretation der Daten. Zusätzliche technische Kompetenzen werden wir einkaufen. Wir sehen sie nicht als strategisch, sie bieten nur eine geringere Differenzierung. Der Mehrwert für unsere Kunden entsteht auf der Ebene der Interpretation und Beratung. Wir werden dieses Mehr an Information verwenden, um uns weiter darauf fokussieren, unseren Kunden Handlungsempfehlungen zu bieten, indem wir mit ihnen Visionen für ihr Geschäft entwickeln.
Meine Vision ist es, noch mehr Kundenkomfort zu bieten. Das könnte so aussehen: Über eine Sprachanfrage à la Siri kann der Kunde seine Frage formulieren. Das löst eine Anfrage an unsere verschiedenen Datenbanken aus. Eine intelligente Zwischenschicht übernimmt die Aggregation der Daten und die visuelle Aufbereitung, sodass der Nutzer in Minutenschnelle ein Ergebnis hat, bei dem er auf einen Blick die für ihn essenziellen Aussagen erhält. Sozusagen MI to go.
Gleichzeitig bringt uns das in die Lage, dass wir nicht nur bei den Business Analysten wahrgenommen werden, sondern auch bei Business-Entscheidern, Business Developern, Partner-Managern, CxOs etc.
Sie haben Fragen? Kontaktieren Sie uns gerne.