Datenanalyse
Detektiv statt Analyst?
Unternehmen haben in den letzten Jahren auf Cloud-Technologie gesetzt, um die Datenverwaltung zu vereinfachen. Doch manch ein Datenanalyst kommt nicht dazu, seinen eigentlichen Job zu erledigen. Statt Analysen zu fahren, durchsuchen sie riesige Informationsspeicher nach nutzbaren Daten.
Unterschiedliche Erwartungen an das Aufgabenfeld sowie der generelle Fachkräftemangel machen es gerade schwierig, auf dem Arbeitsmarkt an Datenanalysten zu gelangen. Entsprechend groß ist die Frustration, wenn Analysten dann ihr Know-how nicht ausspielen können – sowohl auf ihrer Seite als auch auf Seiten ihres Arbeitgebers. Mit Folgen: Untersuchungen von Adverity von 2022 haben gezeigt, dass vier von zehn Analysten (41 Prozent) wenig Vertrauen in die von ihnen genutzten Daten haben, was bedeutet, dass Geschäftsentscheidungen oder Strategiewechsel, die auf ihren Reports und Empfehlungen basieren, wirkungslos sein können oder dem Geschäft möglicherweise sogar Schaden zufügen können.
Nun sind sich Datenanalysten durchaus bewusst, dass sie ohne den Einsatz von Cloud-Technologie nicht arbeiten können. Der BARC-Bericht „Business Intelligence Trends 2023“ verzeichnet eine rasant wachsende Relevanz der Cloud für die Datenanalyse: Die befragten Experten bewerten sie – anders als noch 2019 – als einen der Top-Ten-Trends im Bereich BI.
Die Entwicklungen im Bereich der Cloud-Technologie haben neue Möglichkeiten für die Erfassung, Bewertung und Aktivierung von Daten in großem Umfang eröffnet – kurz gesagt mehr Rechenleistung für deutlich weniger Ressourcenaufwand. Indem sie nun nicht mehr von On-Premises-Systemen abhängig sind – etwa selbst betriebenen Rechenzentren, ETL-Systemen sowie eigenen Datenbanken – hofften Analysten auf schnellere Datenverarbeitung, einfachere Analysen und eine bessere Datenreife zu hoffen. Dieser Enthusiasmus scheint jedoch zu der Annahme geführt zu haben, dass ausgelagertes Datenhosting und -management per se effizienter ist. Allerdings sind die zentralen Orchestrierungselemente – unabhängig, wo Daten gespeichert sind – immer dieselben: Sammlung, Bereinigung, Abfrage und Nutzbarmachung von Daten lauten die Stichworte. Analysten, die glauben, dass Cloud-Tools hochgradig skalierte Datenverarbeitung mühelos bewältigen können, sehen sich mitunter eines Besseren belehrt.
So ergab die oben genannte Studie von Adverity, dass nur 41 Prozent aller Analysten Zugang zu einem einheitlichen Datenspeicher haben, also einer „Single Source of Truth“, während 58 Prozent noch routinemäßig Reportings in Tabellenkalkulationen erstellen. Solche Abhängigkeiten von veralteten Prozessen und Lücken in der kritischen Infrastruktur stellen zusätzliche Hindernisse dar. Arbeitsintensive Reorganisation und administrative Aufgaben stehen somit für viele Datenanalysten auf der Tagesordnung, ihre Fähigkeiten und zeitliche Ressourcen werden in solchen Fällen nicht optimal genutzt. Manuelle Übertragung von Informationen erhöht zudem die Wahrscheinlichkeit, Fehler zu machen. Dieses Risiko ist den Analysten nicht unbekannt: 63 Prozent derjenigen, die händisch erledigte Routineaufgaben als ihre größte Herausforderung bezeichnen, geben zu, dass ihr Vertrauen in die von ihnen genutzten Daten gering ist – verglichen mit 15 Prozent der Analysten, die sich auf automatisierte Erledigung solcher Tasks verlassen können.
Der Fokus auf den Aufbau von Data Stacks kann dabei als ein Grund gesehen werden, der Analysten davon abhält, Kerndatenoperationen in Ordnung zu bringen, wie die diesjährigen BARC-Trends zeigen. Während die Modernisierung von Data Warehouses zu den fünf wichtigsten Themen gehört, rangieren die praktischen Maßnahmen, die zur Unterstützung solcher Ziele und eines reibungslosen Datenflusses erforderlich sind, weit hinten. Dazu gehört auch die Einführung integrierter Analyseplattformen (auf Platz 12), obwohl 74 Prozent der Analysten die Datenintegration als kritisch für ihr Geschäft ansehen.
Analysten verstehen in der Regel sehr wohl die für ihre Rolle erforderlichen Grundlagen, insbesondere die Vereinheitlichung von Daten und die Rationalisierung arbeitsintensiver Prozesse. Dabei scheint es jedoch, dass ein großer Teil der Unternehmen die wichtigsten dieser Grundlagenaufgaben außer Acht lässt. Es ist daher keine Überraschung, dass die Verbesserung der Datenqualität und des Stammdatenmanagements schwierig bleibt, da immer wieder wichtige Schritte versäumt werden: Sie stehen seit sechs Jahren in Folge unter den von BI-Experten genannten wichtigsten Aufgaben an oberster Stelle.
- Detektiv statt Analyst?
- Analysen ohne Hindernisse
