Datenmanagement und Analytik werden immer wichtiger. Hier lesen Sie fünf Trends, die Datenverwaltung in diesem Jahr bestimmen werden.
Fünf Trends bestimmen 2019 das Datenmanagement in Unternehmen
Da Datenmanagement und Analytik enger integriert werden, können Unternehmen Daten in diesem Jahr optimaler nutzen. Zudem unterstützen BI-Technologien bald auch die Konvergenz von Blockchain- und Big-Data-Zugriffen und ermöglichen damit vollständige Transparenz bei innovativen Analytik-Anwendungen.
Im Bereich der Data Analytics können Unternehmen heute eine Vielzahl von Technologien einsetzen, die ihnen den Zugang zu den unterschiedlichsten Datenquellen für den internen und externen Gebrauch eröffnen. Die Möglichkeit, Daten durch Embedded Analytics zu monetarisieren und neue datenbasierte Dienstleistungen anzubieten, steigert die Wertschöpfung deutlich und ermöglicht, das enorme Potenzial von Data Analytics besser zu erschließen. Einige der aktuellen Technologien kommen erst nach und nach in verschiedenen Anwendungsszenarien in den Bereichen Analytik und Datenmanagement zum Einsatz. Information Builders, ein führender Anbieter von Business-Intelligence (BI)-, Analytics-, Datenintegritäts- und Datenqualitätslösungen, nennt die fünf wichtigsten Trends für die kommenden zwölf Monate.
1. Umfassende unternehmensweite Analytik
Die Nachfrage aus den Fachabteilungen nach einem effizienteren Datenmanagement und einer Data Value Chain, die entscheidungsrelevante Informationen bereitstellt, steigt weiter rasant an. Gleichzeitig werden hohe Datenqualität, Stammdatenmanagement und andere datenzentrierte Funktionen immer wichtiger. Erfolgreiche Unternehmen kombinieren all diese Aktivitäten und Komponenten in einer abteilungsübergreifenden und unternehmensweit skalierbaren Analytics-Strategie.
2. Es stehen immer mehr Daten für Analysen bereit
Höhere Effizienz in der Fertigung, Connected Vehicles und Smart Cities sind einige der typischen IoT-Anwendungsszenarien, die sich immer stärker in den Unternehmen und in vielen Lebensbereichen verbreiten. Darüber hinaus entstehen mit dem zunehmenden Einsatz von intelligenten Wearables, beispielsweise im Gesundheitswesen oder für den persönlichen Gebrauch, umfangreiche Ökosysteme, die Verbrauchern, aber auch spezialisierten Dienstleistungsunternehmen wichtige Erkenntnisse über Zuverlässigkeit, Sicherheit und Gesundheit liefern.
3. Konvergenz von Technologien
KI, Predictive Analytics, IoT und Blockchain sind Technologien, die eine verlässliche Datenerfassung und zielgerichtete Auswertung erfordern. Durch die zunehmende Konvergenz dieser Technologien entstehen neue Möglichkeiten. Unternehmen können die immer größeren Datenmengen erschließen, analysieren und aufbereiten. Damit schaffen sie eine leistungsstarke Grundlage, um von hier aus weiteren Benutzergruppen innerhalb sowie außerhalb der eigenen Organisation einen sicheren Zugriff zu gewähren und neue handlungsrelevante Einblicke zu ermöglichen.
4. Ausbau von Embedded Analytics
Unternehmen werden die Vorteile von Embedded Analytics in allen Abteilungen auf breiterer Ebene nutzen – sowohl intern als Erweiterung der Transparenz von Geschäftsprozessen als auch als Möglichkeit, die Interaktionen mit Kunden, Lieferanten und Geschäftspartnern zu verbessern. Darüber hinaus wird sich der Einsatz von Embedded Analytics an der Konvergenz anderer Schlüsseltechnologien für Datenanalysen ausrichten, da mehr Unternehmen KI und Machine Learning einsetzen, um auf Basis einer fundierten Data Value Chain ihre Prozesse zu optimieren und effizienter zu steuern.
5. Verbesserter Datenschutz und höhere Datensicherheit
Die DSGVO war die erste von vielen Maßnahmen, um höhere Anforderungen an die Datensicherheit, den Datenschutz, die Speicherung und die Nutzung persönlicher und vertraulicher Daten umzusetzen. Regierungen und Unternehmen werden noch stärker als bislang gefordert sein, persönliche und vertrauliche Daten vor unbefugtem Zugriff zu schützen und zu definieren, was öffentlich zugänglich sein darf.
Peter Walker, Vice President EMEA North bei Information Builders sagt:
„Die zunehmende Menge und Komplexität der Daten kann auf den ersten Blick als Hindernis erscheinen, wenn Unternehmen mit Big-Data-Verfahren ihre Wertschöpfung steigern wollen. Zur Unterstützung bei der Auswertung und Aufbereitung benötigen sie innovative Datenmanagement- und Analytics-Lösungen. Ergänzt durch Methoden der künstlichen Intelligenz, Machine Learning und Embedded Analytics sind Unternehmen damit in der Lage, neue Geschäftsfelder zu identifizieren und ihre Wettbewerbsfähigkeit zu steigern.“
