6 Datenanalyse Trends 2022

Die Jahre 2020 und 2021 waren für viele Unternehmen bewegt wie nie zuvor – und auch 2022 wird mit Sicherheit noch ein Jahr voller Umbrüche und Überraschungen werden. In diesen Zeiten konnte nicht nur die Digitalisierung ihre Stärken beweisen, indem sie Unternehmen flexibler und agiler arbeiten lässt; auch die Datenanalyse ist und bleibt ein wichtiger Bestandteil des digitalen Wandels und der Zukunftssicherung.

Daten und ihre Analyse sind die Wegweiser für die nächsten Schritte in der Strategie. Wie die Digitalisierung selbst, ist auch Datenanalyse bei vielen Unternehmen vorangeschritten. Sie könnte für 2022 beim von vielen erhofften „Back to Business“ eine wichtige Rolle spielen. Wie bei der Digitalisierung ist die Nachfrage und Akzeptanz bei datengestütztem Handeln, sowie der Datenanalyse enorm vorangekommen – gleichzeitig steigen aber die Ansprüche. CDOs und CEOs werden schnelle und zielgerichtete Ratschläge aus der Datenanalyse erwarten. Es ist also gut, darauf vorbereitet zu sein. Daher sollten Sie folgende Trends und Entwicklungen im datengestützten Handeln kennen und beachten:

Visualisierung

Die beste Datenanalyse bringt wenig, wenn ihre Interpretation scheitert. Daten in Handlungsempfehlungen zu übersetzen ist eine Herausforderung, diese Information im gesamten Unternehmen zu vermitteln, zu „demokratisieren“, ist eine mindestens ebenso wichtige. Gartner sagt voraus, dass im Jahr 2025 80 Prozent der Innovation im Bereich Datenanalyse Grafiken und Visualisierung nutzen werden.

Warum ist klar: Das Ziel der Datenzentrierung lässt sich nur erreichen, wenn nicht nur die Datenwissenschaftler oder Marketing-Experten im Unternehmen den Wert und die Bedeutung der Datenanalyse verstehen. Das ganze Unternehmen sollte Datenkompetenz besitzen und fördern. Jeder sollte die typischen Fragen wie „Wo und wie können wir neue Werte für unser Geschäft schaffen oder ausbauen?“ beantworten können. Dabei kann Datenvisualisierung enorm helfen. Hier geht es oft um Übersetzungsarbeit: Die Welt der Daten und des Marketings sind für andere Abteilungen oft abstrakt, KPI-Metriken können überwältigend sein. Mit Werkzeugen wie Datenvisualisierung von Microsoft, Tableau oder Google Charts werden sie für die Führungsebene und die Abteilungen leichter begreifbar.

On-Demand und Echtzeit-Analysen

Das Business bleibt 2022 dynamisch und es gilt proaktiv auf Entwicklungen einzugehen: Datenanalysen, Empfehlungen und daraus abgeleitete Maßnahmen finden immer stärker in kürzesten Zeitspannen, im Idealfall sogar in Echtzeit statt. Wie im ersten Trend beschrieben, hilft die Visualisierung bei der schnellen Interpretation der Daten. In Dashboards bleiben die relevanten Unternehmensdaten permanent „on demand“ im Blick und können für verschiedene Abteilungen oder Business-Stakeholder geteilt oder schnell in Reportings übersetzt werden.

Mit Automatisierung können Entscheidungen auch ohne Zeitverzögerung stattfinden, indem sie an bestimmte Bedingungen geknüpft werden. Zum Beispiel könnte vom Marketing ein Angebot an Kunden per E-Mail versendet werden, sobald die Nachfrage den Normalwert überschreitet.

Small statt Big Data

Jahrelang ging es in Unternehmen – Stichwort Big Data – um das Sammeln von Daten. Dann ging es vor allem darum, dass die Daten nicht nur ungenutzt „verstauben“, sondern mit Datenanalyse in wertvolle Erkenntnisse verarbeitet werden. Inzwischen steigt das Bewusstsein, dass Künstliche Intelligenz (KI) und raffinierte Datenanalyse wenig bringen, wenn sie mit unsauberen Daten gefüttert werden.  Viele Unternehmen, die den Wert der Datenqualität erkennen, wissen spätestens ab diesem Punkt, dass Datenqualität auch Aufwand für die Pflege bedeutet. Doch der Aufwand, wie auch die Verantwortung, die Unternehmen durch den Datenbesitz haben, wird oft noch weit unterschätzt.

Schlechte Daten  – wie veraltete, ungenaue und unvollständige Daten – mindern die Qualität der Erkenntnisse aus der Datenanalyse und verursachen so Mehrarbeit. Zudem können Daten auch rechtlich aufs Glatteis führen: So schreibt die DSGVO (Datenschutzgrundverordnung) eine Löschpflicht vor. Nach dieser müssen Unternehmen personenbezogene Daten auf Wunsch der Personen, zum Beispiel bei Widerruf, löschen. Wer die Verordnung ignoriert und nicht umsetzt, riskiert Bußgelder in erheblicher Höhe. Also heißt es 2022 bei Daten: Lieber Small statt Big, aber dafür Klasse statt Masse!

KI-getriebenes Data-Storytelling

Daten sind wenig wert, wenn die Erkenntnisse daraus, weder gut aufgenommen, noch im Kopf behalten und schlecht umgesetzt werden. Ein gutes Gegenmittel verspricht Data Storytelling: Die Kommunikationstechnik baut aus trockenen Daten Geschichten – und kann den Mitarbeitern so, durch Auswertungen und Erkenntnissen, Trends anschaulich vermitteln. Diese werden mit Visualisierungen zwar einfacher, durch Erzählstrukturen aber noch verständlicher. Komplexe Datensätze können so mehr bewirken als in Form von Tabellenkalkulationen, weil sie leichter und schneller erfassbar werden. Entscheider und Analysten können Daten-Stories nutzen, um wichtige Trends, Veränderungen, KPIs und Metriken hervorzuheben und datenbasierte Entscheidungsprozesse zu beschleunigen, und klar zu sehen, welche nächsten Schritte logisch sein könnten. KI-getriebenes Data-Storytelling kann mit Datenanalyse Geschichten aus Daten erstellen, ohne dass der Mensch eingreifen muss. So nutzt der Phrazor zum Beispiel „Augmented Analytics“ mit KI, um Daten zuerst zu strukturieren, dann daraus natürliche Sprache zu erzeugen, um schließlich E-Commerce Geschichten (Beispiel: „Wo kommen unsere Kunden her?“) automatisiert zu erstellen.

Datenanalyse wird immer mehr Teamwork und Business-getrieben

Wer bei Datenanalyse nur an Datenwissenschaftler denkt, die Daten sammeln und aufbereiten, der denkt im Jahre 2022 veraltet. Datenanalyse wird immer mehr Teamwork mit verschiedenen Rollen und Spezialisten, bei dem der Data Analyst  natürlich auch seinen Anteil hat. Dieser arbeitet aber immer mehr mit Business-Stakeholdern zusammen, die definieren, welche Daten überhaupt wichtig sind und verwendet werden sollen. Wie unser Interview mit Dr. Kerstin Schäfer von Adobe zeigte, sind oft noch Daten-Strategen vorgelagert, die mit Datenarchitekten entscheiden, welche Anwendungsfälle für die Analyse spannend sind. Data Engineers bringen die dafür notwendigen Daten in das passende Format. Letztendlich ziehen heute alle an einem Strang, um Erkenntnisse für das Unternehmen zu gewinnen – statt im Labor an Algorithmen zu arbeiten.

Datenanalyse auf dem Prüfstand: Wie gut funktionieren Prognosen?

Wenn Vorhersagen aus Datenanalysen mit der Realität nicht übereinstimmen, steht die Datenanalyse auf dem Prüfstand. Sollte es hier zu Abweichungen kommen und sich die gewünschten Erfolge nicht einstellen, werden im kommenden Jahr mehr Unternehmen die Ursachen suchen und ihnen auf den Grund gehen. Einer der Gründe kann neben der Analyse-Methodik die mangelnde Datenqualität sein, durch unvollständige, redundante oder veraltete Daten. Forecasts aus schlechten Daten können sprichwörtlich in die falsche Richtung leiten und enorme Kosten verursachen. Es gilt also für Unternehmen nicht nur die Hausaufgaben bei Datenanalyse und Datenzentrierung zu machen, sondern bei spürbaren Abweichungen der Vorhersagen die Datenqualität kritisch zu hinterfragen.

• Small Data: Weniger ist mehr!
• Datenqualität im Unternehmen sichern: Teil 2 der Serie
• Daten-Schätze heben – mit der richtigen Visualisierung
• Datenqualität: Warum Daten nicht immer Gold sind
• KI in der Datenanalyse: Welche Rolle spielt der Mensch?