ISG Provider Lens Germany 2018 - Data Analytics Services & Solutions 

Überblick   Studie   Research & Methodik   Anbieter   Ergebnisse

Studie

Mit der fünften Ausgabe des Anbietervergleichs im Data Analytics-Umfeld liefert die ISG auf ein Neues konkrete Unterstützung für CIOs und IT-Manager bei der Evaluierung und Auswahl der geeigneten Data Analytics-Lösungsanbieter und -Dienstleister.

Setup

Die Studie umfasst sechs Marktkategorien und bewertet ca. 100 relevante Anbieter. Somit verschafft die Studie Entscheidern einen Überblick über die wichtigsten Trends und die bedeutenden Anbieter rund um das Thema Data Analytics Services & Solutions in Deutschland.

Detaillierte Informationen können mit einem Klick auf die nachfolgenden Grafiken abgerufen werden:

   ISG_Provider_Lens_Data_Analytics_Studie    ISG_Provider_Lens_Data_Analytics_Studie             

 (Deutsche Version)  (English version)

Weitere Informationen finden Sie auch auf der Studienseite des letzjährigen Benchmarks.

Definitionen der Marktkategorien

Auf dieser Seite finden Sie die detaillierten Definitionen der im ISG Provider Lens Germany 2018 - Data Analytics Services & Solutions bewerteten Marktkategorien.

Folgende Grafik gibt einen Überblick der Marktsegmente, die untersucht werden:

csm_ISG_Provider_Lens___Data_Analytics_Services_Solutions_Marktkategorien_03e207b9be

Semantic Data Management

Daten sind ständig und überall vorhanden und die Menge an Daten erhöht sich in zunehmender Geschwindigkeit aber auch hinsichtlich ihrer Vielfalt. Große Datenmengen (Petabyte-Bereich) können skalierbar auf verteilt arbeitenden Clustern analysiert werden.

Vor diesem Hintergrund spielt Semantic Data Analytics eine immer größere Rolle, denn die semantische Analyse von unterschiedlichsten Daten gewinnt an Bedeutung, wenn es darum geht, diese Informationen miteinander zu verknüpfen, die ursächlich nicht miteinander in einem Zusammenhang stehen. Sie dienen der Entdeckung von Informationen und Erkenntnisse, von denen bekannt ist, dass sie existieren müssten.

Für die Verwaltung der allgemeinen Datengovernance, der Versionierung, der Bewertungskriterien für die Datenqualität als auch Datenabgleichregeln wird Semantic Data Management eingesetzt. Somit werden beim Semantic Data Management Anbieter betrachtet, deren Lösungen methodische, konzeptionell, organisatorisch und technisch geeignet sind, die optimale Nutzung großer Daten in den Geschäftsprozessen sicherzustellen.

Self-Service-BI / Analytics as a Service

Eine stetig zunehmende Zahl von Anwender ist an der Analyse ihrer (großen) Datenmengen im interessiert. Anwender wollen mathematische, statistische und auch semantische Berechnungen durchführen, mit denen sie aus den Daten Erkenntnisse gewinnen und so Informationen entstehen die Entscheidungen unterstützen. Die Einrichtung von Analytics Prozessen kann jedoch ein arbeits- und kostenintensiver Prozess sein.

Analytics as a Service (AaaS) ist im Grundsatz zunächst die Bereitstellung und der Betrieb von Analytics Software mit klassischer Business Intelligence und Business Analytics Funktionalität, die über Web-Technologien zugänglich gemacht wird. Diese Arten von Lösungen bieten Unternehmen eine Alternative zur Entwicklung und Implementierung von internen Hard- und Software-Setups, nur um Business Analytics durchzuführen.

In der Kategorie „Self-Service-BI / Analytics as a Service“ werden Lösungen bewertet, die als Softwarelösung in Form von Software as a Service dem Anwender zur Verfügung stehen, um komplexe Analysen auf große Mengen polystrukturierter Daten ausführen zu können.

Operational Intelligence

Operational Intelligence (OI) ist die dynamische Echtzeit Analyse (realtime BA), die Einblicke in und Visualisierung von Daten aus geschäftlichen operativen Ereignisse liefert. Dabei führen Operational Intelligence Lösungen Abfragen zu laufenden Datenfeeds und zu Eventdaten aus, um darauf aufbauend analytische Ergebnisse zu liefern.

Damit bieten Operational Intelligence Lösungen den Nutzern die Möglichkeit, sofort Entscheidungen zu treffen, die aus Echtzeit-Abfragen und den sich daraus ergebenden analytischen Einsichten resultieren um durch manuelle oder automatisierte Aktionen darauf zu reagieren.

Diese Kategorie betrachtet somit Anbieter von Produkten, Lösungen und Service, die dynamische Echtzeitanalysen für Datenfeeds und Eventdaten bieten, um Geschäftstätigkeiten zu überwachen und Situationen zu identifizieren und zu erkennen.

Social Analytics (Socialytics)

Business-Intelligence- respektive Big Data/Analytics-Anbieter – und Ansätzen Social-Media-Marketing-Monitoring-Anbieter – analysieren Daten und teilweise Berge von unstrukturierten Daten. Analytics-Anbieter legen den Fokus speziell auf die Datenanalyse von Individuen bzw. auch Unternehmen innerhalb von Social Media Platformen. Primär geht es im Thema Social Analytics – wie auch im übergeordneten Thema Big Data - darum, Daten aufzubereiten und eine Struktur in unstrukturierte Daten zu bringen, indem Daten getaggt, syndiziert und gebündelt werden. Nie zuvor konnten Kundenmeinungen schneller aufgenommen und für das Produkt-LifeCycle-Management oder reines Marketing von Produkten/Services verwendet werden. Daten können dabei völlig unterschiedlicher Natur sein und aus Bildern, Videos, Texten oder ganzen Datenbanken bestehen. Primär zählt aber auch hier der monetäre Aspekt, indem über die Integration von wesentlichen Datenquellen, zu denen immer häufiger auch Social Media und eCommunities gehören, Einblicke gewonnen werden, um Vorhersagen zu erstellen und neben einzelnen Produkten ganze Geschäftsprozesse oder –ziele zu optimieren. Ziel ist es, Trends frühzeitig entdecken, Krisen abwehren und Korrelationen über sogenannte Predictive Analytics-Elemente aufzeigen zu können.

Im Rahmen von Social Analytics und den verschiedenen Sprachen und Kulturen zählen mehr denn je semantische Technologien, um verschiedenste Kanäle (bspw. Kundendaten oder Like-Streams) entsprechend der tatsächlichen Intension und Aussagen „zwischen den Zeilen“ zu filtern, kategorisieren und in Beziehung zueinander setzen.

Sensor Machine

Die Vernetzung & Automatisierung von Geräten, Maschinen und Produkten schreitet weiter stetig voran und birgt stetig neue Geschäftsmodelle. Für Industrie 4.0 / Internet of Things gibt es gute Anwendungsbeispiele, die das breite Potenzial zur Optimierung der Wertschöpfung belegen.

Damit aus der Vielzahl an gewonnenen Daten, die von Sensoren unterschiedlichster Art stammen, nutzenstiftende Erkenntnisse gezogen werden können und in Konsequenz auch automatisierte Handlungen erfolgen können sind dafür ausgelegte und darauf spezialisierte Produkte, Lösungen und Services der Betrachtungsgegenstand der „Sensor Machine“ Kategorie.

Diese Produkte, Lösungen und Services stammen von Herstellern oder qualifizierten Full-Service-Providern deren Schwerpunkt auf der Verarbeitung und Analyse von Daten, die von in der Wirtschaft eingesetzt Sensoren, Maschinen und Anlagen erzeugt werden. Ein wesentliches Merkmal dieser Produkte ist Fähigkeit zur Verarbeitung großer, komplexer und unstrukturierter Datenmengen (Data Analytics). Das wichtigste Anwendungsgebiet ist derzeit Analytics for Predictive Maintenance. Inzwischen rückt aber auch die Beeinflussung der Datenquelle, also der Geräte, die die analysierten Werte geliefert haben, in den Vordergrund.

Zum Bereich „Sensor Machine“ zählen Anbieter, deren Lösungen geeignet sind, Daten aus unterschiedlichen Quellen (unteranderem aus angebundene Maschinen / Fertigungsstraßen) so aufzubereiten und zu analysieren, dass daraus neue Erkenntnisse gewonnen werden können und im weiteren Verlauf Verbesserungen für künftige wiederkehrende gleichgelagerte Ereignisse abgeleitet werden.

Big Data Transformation (Consulting & Integration)

Der Beratungsmarkt für datengetriebene Geschäftsmodelle und deren Konzeption ist aufgrund des exorbitanten Datenwachstums der Digitalisierung und der damit einhergehenden Komplexität zu einem bedeutenden Marktsegment für IT-Berater geworden. Obwohl die technischen Komponenten und Fragestellungen im Kontext der maschinellen und automatisierten Analyse sehr großer Datenberge stets eine Rolle spielt, rückt vor allem das Strategie-Consulting immer weiter in den Vordergrund. Dieser Markt besitzt inzwischen eine gewisse Reife und Stabilität.

Waren in der Anfangsphase noch überwiegend technische Beratungsleistungen und Informationen im Hinblick auf die potentiellen Einsatzmöglichkeiten von Big Data-Technologien gefragt, benötigen die Kunden heute eine strategische Unterstützung im Hinblick auf neue Geschäftsmodelle, die sich über gezielte Ableitungen der erkennbaren Muster von Daten aufstellen lassen. Die Restrukturierung vorhandener bzw. Entwicklung neuer Geschäftsprozesse ist hierbei genauso bedeutend wie die nachhaltige Integration.

Gleichwohl zählt immer mehr die intelligente Verknüpfung und Ableitung von neuen Möglichkeiten auf bestehende Geschäftsmodelle. Beispiele hierfür gibt es zahlreiche. IT-Beratung im Umfeld von Big Data müssen sich bspw. mit Bots im Bereich Service Desk und CRM, Virtual Counterparts in der Produktentwicklung oder Predictive Maintenance/Security sowie Cognitive Computing im Hinblick auf die Sicherstellung von Service Levels bzw. der Compliance auskennen. Parallel dazu gilt es immer auch das Thema Datenautonomie im Sinne des Verbraucherschutzes im Auge zu behalten.