IT-Consulting-Studie: Der Siegeszug der Data Analytics (Teil 2)
Der Markt für Data & Analytics Services in Deutschland: Unter diesem Titel betrachteten die Marktforscher von Lünendonk & Hossenfelder 2023 den hiesigen Data-Analytics-Consulting-Sektor. Dieser zweite Teil meiner Blogserie über die Studie beleuchtet unter anderem, wofür Anwenderunternehmen die Datenanalyse einsetzen und welche Technologien dafür infrage kommen.
 |
| Dieses Bild erstellte das KI-Tool Craiyon anhand des Prompts "data analytics". |
Mein vorangegangener Blog-Post (Link am Ende des Beitrags) fokussierte folgende Aspekte der Lünendonk-Analyse:
- Die wachsende Bedeutung von Data Analytics
- Warum investieren Anwenderunternehmen in Data Analytics?
- Wie ist Data Analytics in Anwenderunternehmen organisiert?
In diesem vorliegenden zweiten Teil blicke ich auf folgende Themen der Studie:
- Datenbasierte Kundenzentrierung
- Data-Analytics-Technologien
- Datendemokratisierung im Unternehmen
- Die vier Dimensionen des datengetriebenen Unternehmens
Mit Data Analytics zu mehr Kundenzentrierung
Im digitalen Zeitalter können Zielgruppen verschiedene Angebote schnell vergleichen und mit wenigen Klicks Anbieter wechseln. Ein klassisch-statisches Kundenbeziehungs-Management reicht schon lange nicht mehr aus: Wer seine Kunden*innen langfristig binden will, muss für eine durchgängig positive Kundenerfahrung sorgen (Customer Experience, CX).
Ob Prozesse, Produkte, Services oder Geschäftsmodelle: Der Königsweg zu einer herausragenden CX führt über eine bedingungslose Kundenzentrierung. Die Lünendonk-Studie betont, dass Unternehmen digitale Anwendungen und Produkte konsequent aus der Nutzerperspektive konzipieren und entwickeln müssen, wenn sie erfolgreich sein wollen.
Treibstoff dafür sind eindeutig Daten: Wer die aktuellen und künftigen Bedürfnisse seiner Zielgruppe kennen will, muss datenbasiert arbeiten und diese datengetriebenen Erkenntnisse in die Entwicklung von Produkten und Services einfließen lassen.
Dasselbe gilt für die Kundenansprache: Marketing und Vertrieb sind auf Daten
angewiesen, um ihre Zielgruppen zur richtigen Zeit, auf dem richtigen Kanal,
mit den richtigen Inhalten zu erreichen.
Data Analytics: Die eingesetzten Technologien
Um Daten schnell, aussagekräftig und flexibel nutzen zu können, investieren Unternehmen laut der Lünendonk-Studie in folgende Technologien:
➤ Ein Data Fabric (wörtlich "Daten-Gewebe") verbindet als IT-Architektur Hardware und Software, um Daten system- und anwendungsübergreifend zu verknüpfen und zu verwalten.
➤ Self-Service Business Intelligence (SSBI) ermöglicht es Fachabteilungen (Finance, Marketing, Vertrieb, etc.), unabhängig von der IT-Abteilung auf Unternehmensdaten zuzugreifen und diese auszuwerten.
➤ Cloud-Computing stellt IT-Services (Software, Plattformen, Architekturen) orts- und geräteunabhängig über das Internet bereit.
➤ Ein Data Lake ("Daten-See") ist ein sehr großer Speicher für (strukturierte oder unstrukturierte) Rohdaten aus unterschiedlichen Quellen.
➤ Machine Learning (ML) ist eine Teildisziplin der künstlichen Intelligenz (KI). Computer lernen aus Daten und verbessern sich stetig, ohne programmiert werden zu müssen.
➤ Generative KI nutzt maschinelles Lernen, um Muster und Beziehungen in
Inhalten zu erkennen. Anhand dieser erlernten Muster erstellt (generiert) sie
neue Inhalte.
Die Demokratisierung der Daten
Dezentrale Daten-Architekturen wie Data Mesh (siehe Teil 1 dieser Blogserie) organisieren Daten nach Unternehmensbereichen (Marketing, Vertrieb, etc.). Die Datenverantwortung verbleibt in den Fachbereichen.
Die Studie betont: Kombiniert mit Self-Service Business Intelligence
(siehe oben) profitieren alle Unternehmensbereiche von dieser
Datendemokratisierung.
Die 4 Dimensionen des datengetriebenen Unternehmens
Die Lünendonk-Studie identifiziert vier Dimensionen auf dem Weg zum datengetriebenen Unternehmen:
1. Datenstrategie: Diese muss klar definiert sein und sich über alle Unternehmensbereiche erstrecken.
2. Datenkultur: Diese muss Teil der Unternehmenskultur sein und alle Mitarbeitenden befähigen, datenbasiert zu arbeiten.
3. Technologische Voraussetzungen: Sie müssen es ermöglichen, Daten im Unternehmen einheitlich zu nutzen.
4. Data Governance: Sie definiert unternehmensweit anhand interner
Richtlinien, wie Daten erfasst, gespeichert, verarbeitet und vernichtet
werden.
Data-Analytics-Marktstudie: Das erwartet euch in Teil 3
Soweit der zweite Teil meiner Blogserie zur Lünendonk-Studie "Der Markt für Data & Analytics Services in Deutschland".
Im dritten Teil meiner Data-Analytics-Blogserie blicken wir auf die führenden Dienstleister in Deutschland. Bis dann!
Quelle:
- luenendonk.de: Der Markt für Data & Analytics Services in Deutschland
Link-Tipps:
Kommentare