Actian Datacast: Nutzen Sie die richtigen Daten für die richtige Entscheidungsfindung?

Letzte Woche haben wir die Ergebnisse der „Actian Datacast 2019: Hybrid Data Trends Snapshot“und gaben Einblicke in die aktuellen Herausforderungen sowie Chancen für data-driven im Zusammenhang mit der Verwaltung hybrider Datenumgebungen.

Im Rahmen unserer Umfrage wurden 303 IT-Fachkräfte befragt, die in ihren Unternehmen mit mehr als 500 Mitarbeitern Einfluss haben und/oder Entscheidungsfindung .

Als ersten Teil unserer Blogreihe, in der wir die vier wichtigsten Trends aus unserer Untersuchung beleuchten, werden wir uns eingehend mit den Herausforderungen und Chancen im Zusammenhang mit dem Zugang zu Daten befassen.

Der Zugriff auf Daten ist eingeschränkt: Die Hälfte (51 %) der Endnutzer erhält Daten nicht genau dann, wenn sie diese benötigt

Es werden immer mehr Daten generiert, doch der Hälfte der Unternehmen fehlen die Ressourcen, um in Echtzeit darauf zuzugreifen und sie zu nutzen. Unsere Daten zeigen, dass mehr als vier von fünf IT-Entscheidungsträgern (ITDMs) angeben, einer der größten Herausforderungen bei Data Analytics die lange Einführungszeit. Unternehmen, die ihre Daten jedoch früher und häufiger für umsetzbare Erkenntnisse nutzen können, übertreffen weniger agile Wettbewerber.

Fast drei von fünf IT-Entscheidungsträgern geben an, dass sie über große Datenmengen und umfangreiche Technologien verfügen, glauben jedoch nicht, dass dies einen Unterschied für ihr Unternehmen macht. Die Fähigkeit, Daten sofort zu nutzen, ist entscheidend, um Geschäftsergebnisse zu verbessern und die Chancen auf geschäftlichen Erfolg zu erhöhen.

Mit der Zeit werden data-driven darüber entscheiden, wer in den einzelnen Branchen die wichtigsten Akteure sind.

Für den langfristigen Erfolg ist es unerlässlich, eine Datenarchitektur zu verfolgen, die alle spezifischen datenbezogenen Ziele und Vorgaben eines Unternehmens ermöglicht. Das bedeutet, dass Fähigkeiten überall Fähigkeiten eingesetzt werden können, wo sich die Daten eines Unternehmens bereits befinden – sei es vor Ort oder in der Cloud.

Unternehmen sollten in der Lage sein, Analytics-Performance ihre gesamten Daten Analytics-Performance auf ein Höchstmaß an abfragen Analytics-Performance zuzugreifen, und dabei gleichzeitig alle erforderlichen Datenschutz- und Governance-Richtlinien problemlos durchsetzen können.

Die verfügbaren Daten sind nicht aktuell: Nur 26 % der Endnutzer schöpfen das Potenzial der aus ihren Daten gewinnbaren Erkenntnisse voll aus

Im Unternehmen fallen Daten an, die nicht sinnvoll und strategisch genutzt werden. Es dauert Wochen oder sogar Monate, bis Ingenieure die Lücken im System durchforsten und daraus umsetzbare Erkenntnisse gewinnen können. Entscheidungsfindung verlangsamte Entscheidungsfindung jedoch nur eine der Folgen davon, dass man darauf warten muss, bis Daten für die Analyse verfügbar sind.

Moderne, ambitionierte Analytics Use Cases, wie beispielsweise das 360-Grad-Kundenbild und die Hyper-Personalisierung, funktionieren mit veralteten Daten schlichtweg nicht.

Da maschinelles Lernen und künstliche Intelligenz zunehmend Einfluss auf die Gestaltung Nutzer nehmen, verschwimmen die Grenzen zwischen den traditionell getrennten Transaktionsdatenbanken und Data Warehouses, wenn es darum geht, Daten in Algorithmen einzuspeisen, die Entscheidungen in Echtzeit treffen oder diese unterstützen und Automatisierungsprozesse steuern.

Daher geht die Bedeutung von „Echtzeit“-Daten im Unternehmen über das interne Berichtswesen und die Gewinnung von Erkenntnissen hinaus und beginnt nun, das Customer-Experience, die Fertigungs- und Logistikprozesse sowie eine Vielzahl weiterer geschäftskritischer Anwendungsfälle zu prägen.

Die Komplexität der Daten stellt hier jedoch eine Hürde dar. Mehr als zwei von fünf Befragten (45 %) geben an, dass die Komplexität von Echtzeitdaten und Big Data eine Herausforderung Big Data , wenn es darum geht, ihre Daten nutzbar zu machen. Dies ist vor allem auf den Zeit- und Kostenaufwand für die Datenverarbeitung und -aufbereitung zurückzuführen, der mit im Silo eher traditionellen, im Silo Batch-Modus erfolgenden im Silo und -speicherung im Silo einhergeht.

Bei modernen Analysen für Unternehmen geht es darum, alle Daten aus allen Quellen – Anwendungen, Transaktionen, CRM und darüber hinaus – zu nutzen. Diese müssen unter einem gemeinsamen Framework gebündelt und zusammengeführt werden, Framework alle Anforderungen an das Berichtswesen, Erkenntnis sowie zunehmend auch an prädiktive Analysen und Entscheidungshilfen erfüllt, die ein Unternehmen haben kann.

Insbesondere da die Art und Tiefe der Erkenntnisse sowie die Unterstützung bei der Vorhersage zunehmend in den Mittelpunkt rücken, werden die Anforderungen, die sich aus der praktischen Umsetzung von maschinellem Lernen, künstlicher Intelligenz und Algorithmen in immer mehr Branchen und Unternehmen ergeben, neue hybride Daten erfordern.

Auf der Suche nach einem Weg nach vorn

Unternehmen jagen schon seit langem dem Versprechen von Big Data hinterher Big Data suchen nach Wegen, diese Daten zu nutzen, um ihr Geschäft voranzutreiben. Was wir derzeit jedoch als Ergebnis dieses Strebens beobachten, ist, dass viele Unternehmen in Daten versinken. Da der Fokus darauf liegt, so viele Daten wie möglich zu sammeln, werden Unternehmen von der schieren Datenmenge überwältigt und entfernen sich dadurch tatsächlich immer weiter von ihren Datenzielen und -vorstellungen.

Unternehmen suchen nach einem klaren Weg, wie sie ihre Daten auf die effektivste Weise erfassen, analysieren, verwalten nutzen können – bleiben Sie dran für die Teile 2 bis 4 dieser Serie, in denen wir uns näher mit diesem Thema befassen.

Sehen Sie sich unsere Infografik an .

Über den Autor