Schweizer Firmenchefs interessieren sich für Big Data. Oft ist jedoch unklar, wie konkreter Mehrwert für das eigene Unternehmen generiert werden kann. CW präsentiert 33 Use Cases.
Schweizer Unternehmen wissen mittlerweile, wie viel ihre Daten wert sind. Stark diskutiert werden zurzeit "Predictive Analytics", wozu auch der zeitgenaue Austausch von Verschleissteilen zählt (predictive maintenance), und das Forecasting. Also der Wunsch, durch Vorhersagemodelle die Zukunft weniger unsicher und besser vorhersehbar zu machen. Gerade BI-affine Unternehmen nennen den Aufbau von Prognosemodellen am häufigsten als Herausforderung, die sie mit Big Data angehen wollen. Für die IT hat die Analyse riesiger Datenvolumen höchste Priorität. Die Fachbereiche wünschen sich vor allem bessere und neue Analysemöglichkeiten. Die Geschäftsführung will bessere strategische Entscheide fällen und operative Prozesse besser steuern.
Das Interesse an Big Data ist hoch in der Schweiz. Vielen Schweizer Firmen ist jedoch unklar, wie sie an Big Data Analytics herangehen und konkreten Mehrwert für ihr Unternehmen generieren können. Deshalb stellt Computerworld konkrete Use Cases vor, die Firmen in der DACH-Region bereits ausprobiert haben oder gerade pilotieren. Big Data: Use Cases im Unternehmen (abteilungsübergreifend)
Prozessoptimierung, Steigerung der Prozessqualität, übergreifende Prozesstransparenz
Synergien erkennen und nutzen
Analyse und Vorhersage der Unternehmensentwicklung
Schnellere Reaktion auf Kundenbedürfnisse
Einheitliche Kundensicht/360-Grad-Perspektive
Kostenreduktion
Office-Automatisierung
Betrugs- und Verbrechensprävention
Risikomanagement und Compliance
Sehr positiv dabei ist: Die Erwartungen von Unternehmen, die sich auf Big Data Analytics eingelassen haben, werden oftmals nicht nur erfüllt, sondern sogar noch übertroffen (vgl. Big Data Use Cases 2015, BARC). Das war bereits im letzten Jahr das erstaunliche Ergebnis der Umfrage, die das Business Application Research Center (BARC) unter vielen hundert Teilnehmern in der DACH-Region durchgeführt hat.
Kosten minus 10% - Umsatz plus 8%
Über alle Unfrageteilnehmer gemittelt sanken die Kosten um 10 Prozent, der Umsatz konnte um 8 Prozent gesteigert werden (Median-Werte). Die Branchen verknüpfen mit ihren Big Data-Projekten jedoch ganz unterschiedliche Erwartungen. Der Handel erhofft sich davon vor allem ein besseres Kundenverständnis, eine genauere Steurung seiner operativen Prozesse und letztlich einen höheren Umsatz (zum Beispiel durch Abverkaufsprognosen und optimierte Lagerhaltung). Die Industrie will mit Big Data ihre Kosten senken, und damit zusammenhängend ihre Prozesse optimieren. Die Finanz- und Versicherungsbranche setzt Big Data vor allem dazu ein, neue Produktideen zu generieren und Risiken zu kalkulieren. Big Data: Use Cases im Risikomanagement
Identifizierung von "schlechten" Kunden
Betrugserkennung / Kreditkartenbetrug
Analyse, Prognose und Simulation von Risiken
Risiko-Monitoring
Identifizierung von Projektrisiken
Vermeidung von Fehlinvestitionen
Zum Einsatz kommen in der Mehrzahl aller Big-Data-Projekte, auch das ein Ergebnis der aktuellen BARC-Umfrage 2015, bereits implementierte Standardwerkzeuge und Standard-Datenbanken (relational). Anscheinend setzt man lieber auf Altbewährtes, anstatt durch die Investition in explorative Analytics-Tools unbekanntes, aber möglicherweise auch profitableres Terrain zu betreten.
Aber es scheint ein Umdenken stattzufinden. Das Hadoop-Ökosystem zur Analyse sehr grosser polystrukturierter Datenvolumen setzen lediglich 17 Prozent der Umfrageteilnehmer ein. Das ist der niedrigste Wert. 40 Prozent planen jedoch den Einsatz von Hadoop. Das ist der höchste Wert punkto "genutzte Technologien". Big Data: Use Cases im Kundenservice
Datenanalysen für Aussendienstmitarbeiter vor Ort
Kundenwertanalysen
Identifikation von Trends in Kundenanfragen
Identifikation von Kunden, bei denen ein Abwanderungsrisiko besteht
Vorausschauende Wartung / Optimierung von Wartungszyklen
Mustererkennung im Bereich Kundenreklamation
Berechnung der Verfügbarkeit von Ersatzteilen
Gewährleistungsanalysen
Echtzeit-Profitabilitätsanalysen, zum Beispiel Rabattierung im Call-Center-Gespräch
Direktmarketing und Produktempfehlungen
Customer Conversion
Treiber für Big-Data-Projekte ist das Tandem IT (45%) und Geschäftsleitung/Management (43%). Die Fachabteilungen seien zwar insgesamt noch zu passiv eingestellt, monieren die BARC-Analysten. Aber auch dort ändert sich was. In den Unternehmen konzentrieren sich viele Einsatzszenarien auf den Kunden. Die Geschäftseinheiten Marketing (Projekte im Einsatz: 25%) und Vertrieb (Projekte im Einsatz: 23%) stechen hier positiv hervor. Big Data: Use Cases im Vertrieb
Kundenverhalten verstehen und voraussagen
Massnahmen zur Steigerung der Kundenbindung (Kunden-Profile)
Personalisierung von Marketing- und Vertriebsaktivitäten
Identifizierung von Cross- und Up-Selling-Potenzialen
Verbessertes Bestandsmanagement
Neukundengewinnung / Lead-Generierung
Kundenklassifizierung und Verkaufsgruppenanalyse
Die Daten, die für eine Mehrwert generierende Big-Data-Analyse herangezogen werden, stammen wohl auch daher zu 64 Prozent aus den Transaktionssystemen. Log-Dateien von IT-Systemen dienen in 59 Prozent aller Fälle als Datenquelle. Die Analyse von Maschinendaten (Sensoren/RFID-Chips) und Dokumenten/Texten - wie zum Beispiel Mails - wird von jeweils 30 Prozent der Teilnehmer als lohnend angesehen.
