Studie von Techconsult und Ionos Big Data: eine Chance für KMU

Anbieter zum Thema

Bissantz & Company GmbH

Tableau von Salesforce

QUNIS GmbH

Ist Big Data nur etwas für große Unternehmen? Nein, auch kleinen und mittleren Unternehmen kann die Technologie helfen, das Potenzial ihrer Daten voll auszuschöpfen und Wettbewerbsvorteile zu erhalten.

Vielen KMU fehlt es an Knowhow, Zeit und den richtigen Technologien, um das Potenzial ihrer Daten auszuschöpfen. Das ergibt die Studie „Big Data – Big Chance für kleine und mittlere Unternehmen“ des Beratungsunternehmen Techconsult, die im Auftrag des Cloud-Anbieters Ionos durchgeführt wurde. Befragt wurden 218 kleine und mittelgroße Unternehmen und Einrichtungen in Deutschland, die sich in irgendeiner Form mit Daten befassen.

Nur 17 Prozent der teilnehmenden Unternehmen schöpfen das Potenzial ihrer Daten nach eigenen Angaben voll aus. Bei größeren Mittelständlern ab 500 Mitarbeitern sind es mit 24 Prozent etwas mehr.

Knapp ein Viertel (24 %) aller Befragten gibt in der Umfrage an, bereits heute Big-Data-Analysen in der Praxis durchzuführen. Der Einsatz von Big-Data-Lösungen nimmt dabei mit der Unternehmensgröße zu. Nur 5 Prozent der Kleinstunternehmen mit bis zu 9 Mitarbeitern setzen Big-Data-Analysen ein. Bei Unternehmen mit 50 bis 499 Mitarbeitern tut dies dagegen jedes Dritte (32 %). 46 Prozent aller Befragten beabsichtigen aber, das Potenzial ihrer Daten in naher Zukunft besser auszuschöpfen.

Potenziale werden gesehen

Großes Potenzial sehen die Umfrageteilnehmer im Marketing, der Produktion, der Logistik und bei HR. So sind mehr als die Hälfte aller Befragten (57 %) der Meinung, dass sich mit Hilfe von Big-Data-Analysen genaue Absatz- und Bedarfsplanungen ermitteln lassen. 48 Prozent sehen Vorteile in der Analyse von Maschinendaten und Produktionsmengen in der Fertigung. 45 Prozent schreiben Big Data in der Logistik das Potenzial zu, Prozessabläufe zu verbessern sowie die Personaleinsatz- und Kapazitätsplanung zu steuern. HR-Mitarbeiter wiederum können datenbasiert überprüfen, ob die Mitarbeiter entsprechend ihrer Qualifikation eingesetzt sind oder wo es Optimierung bei Arbeitszeiten gibt (46 %).

Die Hürden

Gegen die grundsätzliche Nutzung von Big Data sprechen ein Mangel an Daten (55 %), fehlendes Knowhow (17 %) und technische Ursachen wie veraltete IT-Architektur (11 %) oder zu wenig Rechenkraft (12 %). Bei 11 Prozent fehlt es schlicht am Budget.

Selbst wenn Daten erhoben werden, hakt es bei der Auswertung der Daten aus verschiedenen Gründen: Zu den größten Hindernissen zählt eine zu geringe Datenqualität (37 %) und zu wenig personelle Ressourcen (31 %). Zeitmangel nennen 26 Prozent als Grund. 19 Prozent der Befragten fehlt es an Personal mit den entsprechenden analytischen Skills. 13 Prozent kämpfen mit den Investitions- und Personalkosten.

Da Big Data eine große Menge unterschiedlicher Daten vereint, deren Sensibilität nicht immer auf den ersten Blick erkennbar ist, stellen auch Compliance und Datensicherheit für den Mittelstand ein besonderes Hindernis dar (28 %). Mangelnde Analyse-Tools beziehungsweise geeignete Technologien schlagen mit 20 Prozent zu Buche, der Implementierungsaufwand bei Big-Data-Analytics-Lösungen mit 14 Prozent.

Big Data as a Service

Von Big-Data-as-a-Service-Anwendungen versprechen sich aktuell 76 Prozent der Befragten eine Verbesserung der Qualität von Datenanalysen und 64 Prozent Einsparungen bei Infrastruktur- und Personalkosten. Von der Beschleunigung einer datengetriebenen Entscheidungsfindung im C-Level-Bereich gehen 67 Prozent der Befragten aus.

Big-Data-as-a-Service-Plattformen müssen eine Vielzahl von Funktionen enthalten, um die Benutzeranforderungen vollständig zu erfüllen. Wichtigster Aspekt ist neben der Analyse auch die Visualisierung der Daten (39 %). Die Anwendung präziser Statistik- und Analyseverfahren trägt zur Qualität bei. Zudem vereinfachen neue Technologien wie KI oder Machine Learning den Analysevorgang. Der Einsatz der richtigen Tools kann das Zusammenführen von Datensätzen aus Cloud-Objektspeicherdiensten, NoSQL-Datenbanken und anderen Big-Data-Plattformen für die Analyse erleichtern. Die Tools müssen das gesamte Spektrum an Datentypen, Protokollen und Integrationsszenarien unterstützen, um einfach weitere Analyse-Tools integrieren zu können (28 %).

(ID:48431966)