Suchen

BARC-Studie „The Future of Analytics“ Advanced Analytics: Hohes Potenzial, niedriger Reifegrad

Autor / Redakteur: Martin Hensel / Nico Litzel

Das Business Application Research Center (BARC) hat seine Studie „The Future of Analytics“ vorgestellt. Sie zeigt unter anderem, dass die Umsetzung von Analysen eine Mischung aus richtiger Technologie, Nutzertraining, Strategie und internem Marketing erfordert.

Firmen zum Thema

Advanced Analytics sind nach wie vor ein Trendthema.
Advanced Analytics sind nach wie vor ein Trendthema.
(Bild: BARC)

Die BARC-Analysten Dr. Sebastian Derwisch und Alexander Rode geben im Rahmen der Studie einen Ausblick auf die Zukunft von Advanced Analytics. Sie beleuchten dabei verschiedene Aspekte, wie etwa den Stellenwert in Unternehmen, relevante Nutzergruppe sowie Prozesse und Technologien.

Datenmanagement optimieren

Laut der Studie ist Advanced Analytics zwar ein heiß diskutiertes Thema, aber nur wenige Unternehmen haben bereits einen zufriedenstellenden Reifegrad erreicht. Als besonders wichtige Punkte in diesem Gebiet nennen die Befragten die Förderung von Kompetenzen und Datenverständnis (97 Prozent), die Identifizierung der richtigen Tools für die richtigen Anwender (95 Prozent) sowie die Verbesserung des Datenmanagements (64 Prozent).

Es sei wenig überraschend, dass die Optimierung des Datenmanagements als Erfolgsfaktor angesehen werde, meint Senior Analyst und Data Scientist Alexander Rode. „Advanced Analytics erfordert den Zugang zu Daten für ganz neue Nutzergruppen, welche wiederum neue Datenquellen erschließen und Beziehungen zwischen Daten herstellen, die von herkömmlichen Data-Warehouse-Strukturen nicht abgebildet werden können“, so der Co-Autor der Studie.

Trendthema AutoML

Automated Machine Learning (AutoML) erstellt, optimiert und analysiert Machine-Learning-Modelle auf Basis eingespeister Daten automatisch. Mehr als 80 Prozent der Befragten sehen darin Potenzial, um Business-Analysten und Data Scientists effizienter zu machen. Dazu ist allerdings Expertenwissen erforderlich. Das zeigt sich auch in weiteren Studienergebnissen: 79 Prozent der Teilnehmer sehen AutoML vor allem bei Data Scientists im Einsatz, während nur 53 Prozent dies bei Business-Analysten wahrnehmen.

Als Ersatz für etablierte Rollen wird AutoML aber nicht gesehen. Nur rund 20 Prozent gehen davon aus, dass Datenwissenschaftler und Business Analysts durch die Technologie ersetzt werden. „Das leuchtet auch ein, da es viele analytische Aufgaben gibt, die menschliches Eingreifen erfordern, wie zum Beispiel die Problemformulierung, die Auswahl der richtigen Methode sowie die Bewertung und Interpretation von Fehlern und Ergebnissen“, so Rode. Zudem erfordere Data Science nach wie vor menschlichen Input, etwa bei der Definition von Anwendungsfällen, deren Auswertung sowie bei Entscheidungen in Bezug auf die Operationalisierung von Prototypen und deren Integration in die Organisation.

(ID:46970780)