IT-Trends 2016 - DevOps, Quantified Self & Co.

Das seit Jahren wohl beliebteste IT-Schlagwort ist Big Data – neudeutsch für Datenanalyse. Bei den Wörtern des Jahres 2013 der Gesellschaft für deutsche Sprache landete Big Data auf Platz fünf und damit immerhin drei Plätze vor dem Reizwort Ausländermaut. Und egal welche Studien zu IT-Trends man sich auch anschaut: Big Data ist allem Anschein nach „der“ Trend der IT-Branche.

Das Besondere an Big Data: Jeder kennt den Begriff – doch mehr als das Auswerten großer Datenmengen besagt er eigentlich gar nicht. Schon länger werten Firmen große Datenmengen und damit zum Beispiel das Verhalten ihrer Kunden aus. Das einzig Neue dabei: Die Rechenleistungen werden immer größer und das Auswerten von Daten wird so immer einfacher.

Doch auch die Datenmengen nehmen an Umfang zu. Die Untersuchung „Global Data Quality Research 2014“ von Experian, einem Anbieter von Datenanalyse-Software, kommt zu dem Ergebnis, dass 86 Prozent aller Unternehmen mit schlechten Daten kämpfen. Für 44 Prozent sind fehlende oder unvollständige Daten das größte Problem.

„Mit anderen Worten: Daten sind das Problem“, wie DJ Patil, Chief Data Scientist im Wei­ßen Haus, von der IT-Webseite Techcrunch zitiert wird. Laut Patil verschwenden Firmen rund 80 Prozent der Zeit für die Datenanalyse mit dem Bereinigen der Daten.

Aber: Der Trend zu Big Data hält an. Laut einer Umfrage des IT-Branchenverbands Bitkom und der Berater von KMPG gründen drei Viertel aller deutschen Unternehmen ihre Entscheidungen auf Erkenntnisse einer Analyse von Unternehmens- oder Kundendaten. Immerhin der Hälfte gelingt es bereits, über die Erkenntnisse aus den Datenanalysen einen konkreten Nutzen für das Unternehmen zu ziehen.

Während schon 56 Prozent der Firmen mit mehr als 2000 Mitarbeitern Strategien zur Umsetzung von Big Data entwickelt haben, sind es bei Firmen mit 500 bis 2000 Mitarbeitern nur ein Drittel und bei kleineren Firmen sogar nur ein Viertel – da ist also durchaus noch Luft nach oben. „Unternehmen, die sich rechtzeitig mit dem Datenschatz beschäftigen, der ihnen bereits zur Verfügung steht, können sich dadurch einen Wettbewerbsvorteil erarbeiten“, so Axel Pols, Geschäftsführer von Bitkom Research.

Bei der Analyse von Daten spielt immer mehr auch das Thema Predictive Analytics eine Rolle: das Vorhersagen wirtschaftlicher Zusammenhänge und darauf basierend Entscheidungen zu treffen. Dazu gehören etwa die Absatzplanung und eine dynamische Preisgestaltung. Wirtschaftliche Entscheidungen, die normalerweise ad hoc getroffen werden, lassen sich mit Predictive Analytics kontinuierlich steuern. So nutzt zum Beispiel die Drogeriemarktkette dm Predictive-Analytics-Techniken für die Absatzplanung. Dabei werden die Umsätze pro Filiale auf Tagesebene vorab ermittelt.