ANZEIGE: Für sämtliche Inhalte dieser Seite ist McKinsey verantwortlich.

Intelligente Geräte und Sensoren Dabei bei Big Data

Daten sind das neue Gold. Unternehmen können diesen Schatz mithilfe der Datenanalyse heben – und so realen Mehrwert erwirtschaften. Was Entscheider jetzt beachten müssen, damit ihre Firma vom Datenschatz profitiert.
Kommentieren

Big Data ist angekommen. Über 90 Prozent der weltweit vorhandenen Daten sind erst in den letzten beiden Jahren entstanden. Gerade mal ein Prozent davon wird nach Schätzungen von McKinsey & Company überhaupt analysiert. Und die Entwicklung schreitet voran: Im Jahr 2020 werden rund 50 Milliarden intelligente Geräte miteinander vernetzt sein und gemeinsam mit Milliarden von Sensoren dafür sorgen, dass sich das weltweite Datenvolumen alle drei Jahre verdoppelt – ein riesiges Potenzial für Unternehmen.

Zunächst müssen diese sich darüber klar werden, welches Ziel sie mit moderner Datenanalyse (Analytics) verfolgen wollen. Denn: „Zeit und Geld sind knapp“, sagt Holger Hürtgen, Leiter des Analytics Center von McKinsey in Deutschland, „Datenanalyse zahlt sich nicht aus, wenn nur vage danach gefragt wird, welche Muster die Daten zeigen“. Es müssten vor allem die richtigen Fragen gestellt werden. Daten nur zu sammeln, ohne zu wissen, wie man sie konkret anwenden will, bedeute, den Karren vor das Pferd zu spannen, so Hürtgen.

Aussagekräftige Datenbestände existieren in jedem Unternehmen – meist aber isoliert voneinander in den jeweiligen Abteilungen. McKinsey empfiehlt, unterschiedlichen Datenbestände nicht nur einzeln, sondern in Verbindung miteinander zu analysieren. Oft sind nützliche Daten auch nicht als solche zu erkennen und stecken zum Beispiel in Textdokumenten oder Präsentationen. „Zu häufig noch missachten die Daten-Teams Input, weil er unstrukturiert oder die Qualität schlecht ist“, meint Peter Breuer, Seniorpartner bei McKinsey. „Sie blenden unvollkommene Informationen aus, weil diese sich nicht wie Daten anfühlen.“ Dabei sind sie ebenso wertvoll wie externe, qualitative Daten, beispielsweise Expertenanalysen oder Kundenmeinungen auf Social-Media-Kanälen, die relevant für eine zielgerichtete Datenanalyse sein können.

Als Grundsatz gilt: Daten können nicht für sich selbst sprechen. Und viele Wissenschaftler vernachlässigen oft die ansprechende Darstellung ihrer Ergebnisse. Analytics-Spezialisten eines Unternehmens beispielsweise hatten einen brillanten Algorithmus entwickelt, um die Kosten für Forschungsprojekte zu ermitteln – doch die Entscheidungsträger fanden das Endprodukt zu kompliziert und setzten es nicht ein. “Analytics sollten konsumierbar sein. Eine ansprechende Gestaltung erregt mehr Aufmerksamkeit als eine unpersönliche Zahlenkolonne“, erklärt Peter Breuer. Das Äußere zählt. Nicht umsonst integrieren Vorreiter-Unternehmen Designer in ihren Datenanalyse-Teams.

Neben Designern ist moderne Datenanalyse auf unterschiedliche Kompetenzen angewiesen. Dazu gehören Statistiker, IT-Ingenieure, Cloud-Architekten und Entwickler, aber auch sogenannte „Übersetzer“. Diese Spezialisten sorgen dafür, dass zwischen Analytics und den Geschäftsbereichen eine gemeinsame Sprache gesprochen wird und so die Vorteile der Datenanalyse auch wirklich im Geschäftsprozess ankommen. Doch solche Experten sind rar, und gut dotierte Neueinstellungen allein reichen nicht aus. „Zusätzlich bewährt haben sich strategischen Akquisitionen beziehungsweise Partnerschaften mit kleinen Datenanalyse-Dienstleistern sowie die Qualifizierung von eigenem Personal“, erklärt Wolf Lichtenstein, Analytics-Partner bei McKinsey.

Doch die besten Resultate verpuffen, wenn sie in den täglichen Arbeitsroutinen nicht angewendet werden. Die wahre Macht von Analytics liegt in der Adaption, und die kommt noch zu kurz. „Unternehmen sollten nur die Hälfte ihrer Investitionen in bessere Rechenmodelle stecken und mit der anderen Hälfte intuitive Anwendungen entwickeln und die Mitarbeiter schulen, diese auch zu benutzen“, meint Lichtenstein.

Wie auch immer die Datenanalyse im Detail ausgestaltet wird – entscheidend für den Erfolg ist das Engagement der Führungsebene. Viele Manager ließen sich von der Komplexität des Themas abschrecken und tendierten dazu, das Feld den Experten zu überlassen, weiß McKinsey aus Erfahrung. Dabei ist die Perspektive der Unternehmensleitung essentiell, um das Fundament für Analytics zu legen und die richtigen Schlüsse aus den Ergebnissen zu ziehen. Nur so entsteht eine ganzheitliche Strategie, bei der Big Data messbaren Mehrwert für ein Unternehmen bringt.

Sie haben Anmerkungen zu den Artikeln oder Fragen zu unserem Beratungsangebot? Schreiben Sie uns an digitalatscale@mckinsey.com.