KPMG Mdws 201 Sec

Mit Daten
Werte
Schaffen
Report 2016
in Kooperation mit
2016 KPMG AG Wirtschaftsprfungsgesellschaft, ein Mitglied des KPMG-Netzwerks unabhngiger Mitgliedsfirmen, die KPMG International Cooperative (KPMG International), einer juristischen
Person schweizerischen Rechts, angeschlossen sind. Alle Rechte vorbehalten. Der Name KPMG und das Logo sind eingetragene Markenzeichen von KPMG International.
VORWORT | 3
Vorwort
Liebe Leserinnen und Leser,
als wir vor einem Jahr erstmals eine umfassende Untersuchung zur Datennutzung
in den Unternehmen in Deutschland vorgelegt haben, waren wir zuversichtlich,
damit auf Interesse zu stoen bzw. es zu wecken. Diese Erwartung hat sich erfllt.
Wir haben uns deshalb entschlossen, in Zusammenarbeit mit Bitkom Research
eine Folgeuntersuchung in Angriff zu nehmen.
Inhaltlich knpft die aktuelle Studie unmittelbar an die erste an. Wir nehmen
wieder das gesamte Spektrum der heute in den deutschen Unternehmen gngi
gen Datenanalysen in den Blick. Dabei differenzieren wir zwischen Unternehmen
verschiedener Gre und Branchenzugehrigkeit. Besonderes Augenmerk legen
wir auf den Vergleich von Ergebnissen mit Vorjahreswerten. So werden Richtung
und Tempo verschiedener Entwicklungen deutlich.
Die zentrale Botschaft unserer Untersuchung lautet: Datenanalysen werden

wichtiger. Sie werden wichtiger, weil immer mehr Unternehmen nicht nur gezielt
Daten sammeln und analysieren, sondern auch einen konkreten Nutzen daraus
ziehen. Inzwischen gelingt dies fast zwei Dritteln der Unternehmen, im Vorjahr galt
dies erst fr knapp die Hlfte aller Befragten. Unsere Studie beantwortet auch die
Frage, welche Arten der Datenanalyse besonders erfolgversprechend und welche
Ziele realistisch sind. Die Ergebnisse knnen gerade fr die zahlreichen Unterneh
men, die noch keine Strategie fr den Umgang mit Datenanalysen haben, eine
wertvolle Orientierung bieten.
Eine weitere wichtige Erkenntnis ist, dass die Anwender bei der Inanspruchnahme
externer Dienstleistungen nach wie vor relativ zurckhaltend sind. In diesem
Zusammenhang spielt nicht zuletzt die Sorge vor Kontrollverlust eine Rolle. Unter
dem Strich zeigt unsere Erhebung jedoch, dass die Vorbehalte gegenber Daten
analysen im Vergleich zum Vorjahr abgenommen haben. Diese Entwicklung drfte
die wachsende Bedeutung von Datenanalysen zustzlich befrdern.
Falls Sie jetzt Lust bekommen haben, nicht nur die von uns erstellte Studie zu
lesen, sondern individuelle Auswertungen auf Basis unserer Untersuchungs
ergebnisse vorzunehmen, laden wir Sie ein, dem Link zu unserem interaktiven
Dashboard zu folgen: www.kpmg.de/mdws.
Dr. Thomas Erwin Peter Heidkamp

Global Execution Partner, Data & Analytics Partner, Head of Technology
Damit ist zu rechnen
Vorwort 3
Begriffe und Definitionen 6
Methodik 8
Ergebnisse im berblick 10
01
StellenWERT worum es geht
02
VerWERTbar wie es geht
03
WERThaltig was geschieht
Datenanalysen werden wichtiger Grte Zufriedenheit mit fort Anwendungsfelder entlang der
geschrittenen Datenanalysen Wertschpfungskette
SEITE 12 SEITE 18 SEITE 28
Ansprechpartner 74
04
WERTsteigerung was kommt
05
BranchenWERTE wer was macht
06
MehrWERT was zu tun ist
Perspektive Big Data: Technologie Branchen und ihre Daten Fazit und Empfehlungen
erfordert Strategie
Spotlight: ffentlicher Sektor
SEITE 34 SEITE 40 SEITE 70
6 | KPMG | MIT DATEN WERTE SCHAFFEN | REPORT 2016
Begriffe und Definitionen
DATEN ANALYSE
DATEN gibt es in vielen verschiedenen ANALYSE steht fr die Prfung und Model-
Arten und Formaten und sie stammen aus lierung von Daten. Ziel ist es, ntzliche
unterschiedlichen Quellen. Informationen zu erkennen, Beziehungen
aufzuzeigen oder hilfreiche Verbindungen
Strukturierte Daten aus traditionellen und Schlussfolgerungen herzustellen.
Quellen Dadurch soll ein Unternehmen einfachere
und bessere Entscheidungen treffen knnen.
Unstrukturierte Daten aus E-Mails,
Social-Media-Inhalten
+ =
Die verschiedenen Arten und Quellen von DATEN zu verstehen, ist die Basis, um effektive und
effiziente ANALYSEN zu entwickeln. Das Zusammenspiel aus technologischer und analytischer
Kompetenz ist entscheidend, um aus Daten Mehrwert zu schaffen.
Was ist Big Data?
VOLUME VELOCITY VARIETY VERACITY VALUE
Sehr groe Schnell Groe Vielfalt Enge regula Mehrwert durch

Datenmengen produzierte und an neuen torische Leit effektive
analysierte Daten Datenarten planken fr die Datennutzung
Datennutzung
BEGRIFFE UND DEFINITIONEN | 7
Welche Analysearten gibt es? Ausbaustufen der Datenanalyse
Descriptive Analytics bzw. deskriptive Analysen 1 Individuelle Ad-hoc-Analyse mit einfachen IT-Tools
Grnde fr den Erfolg bzw. Misserfolg werden mithilfe wie zum Beispiel Excel oder Access
historischer Daten identifiziert. Dabei kommen grten
teils statistische Messgren wie Mittelwerte oder
Standardabweichungen zum Einsatz.
2 Analyse von strukturierten, vorwiegend internen
Leitfrage: Was ist passiert? Daten anhand vordefinierter Zusammenhnge
mithilfe spezieller IT-Tools wie zum Beispiel
Business-Intelligence- oder Data-Warehouse-
Systeme
Predictive Analytics bzw. vorausschauende
Analysen
Vorhersagen auf Basis von historischen Daten und
Trends. Anhand von verschiedenen Algorithmen wird 3 Analyse von strukturierten, internen und externen
untersucht, wie sich Kennzahlen entwickeln werden. Daten zur Bestimmung von Zusammenhngen
mithilfe spezieller IT-Tools wie zum Beispiel
Leitfrage: Was knnte passieren? Self-Service-Business-Intelligence-Systeme
Prescriptive Analytics bzw. prskriptive Analysen 4 Fortgeschrittene Analyse von Daten unterschied
Handlungsempfehlungen, die auf auf einer Kombi lichster Herkunft und Struktur zur freien Suche
nation von Erkenntnissen aus deskriptiven und prdik vonZusammenhngen und Erkenntnissen mithilfe
tiven Analysen basieren. Es werden sowohl interne als neuer Technologien wie zum Beispiel In-Memory-
auch externe Daten zur Simulation in verschiedenen Datenbanken oder verteilter Systeme
Modellen eingesetzt. Dabei werden verschiedene
Variablen bercksichtigt, die von den Entscheidungs
trgern auch angepasst werden knnen.
Leitfrage: Was sollen wir tun?
Datenanalysearten nach dem Ziel der Analyse, verwendeten Daten und typischen Technologien
Stufe Ziel Daten Technologien
1 Einmalig einen bestimmten Kleiner Ausschnitt, nur intern, Tabellenkalkulation/kleine Daten

Sachverhalt analysieren, strukturiert bankanwendungen (Access)
kein Etablierungsziel
2 Regelmige Bereitstellung Umfassend, vorwiegend intern, Business Warehouse,

etablierter Zusammenhnge strukturiert Business Intelligence
(z.B. Umsatzzahlen)
3 Definition sinnvoller Umfassend, intern/extern, Self-Service-Business Intelligence

Zusammenhnge strukturiert
4 Freie Suche nach neuen Erkennt Umfassend, intern/extern, Big-Data-Technologien

nissen und Zusammenhngen unstrukturiert und strukturiert
Methodik
Die Studie Mit Daten Werte Schaffen 2016 liegt nunmehr (CATI) gefhrt. Bei den Befragten handelt es sich um
im zweiten Jahr vor und bietet erneut ein umfassendes Bild Abteilungs- bzw. Bereichsleiter aus den Bereichen Beschaf
der Nutzung von Datenanalysen in deutschen Unternehmen. fung/Einkauf/Logistik, Produktion/Betrieb, Marketing/
Wie im Vorjahr werden der aktuelle Stand und die Perspekti Vertrieb oder Finanzen/Steuern/Controlling sowie um
ven der Nutzung untersucht. Ein besonderes Augenmerk Geschftsfhrer.
wird auf die Darstellung der Ergebnisse im Zeitverlauf gelegt.
So lassen sich etwa unterschiedliche Entwicklungen je nach Durch Schichtung der Zufallsstichprobe wurde gewhrleis
Unternehmensgre und Branche identifizieren. tet, dass Unternehmen aus den unterschiedlichen Branchen
und Grenklassen in ausreichender Anzahl vertreten sind.
Die Untersuchung basiert auf einer reprsentativen Unter Dies macht statistische Auswertungen mglich. Die Aus
nehmensbefragung. In diesem Jahr wurden insgesamt 704 sagen der Teilnehmer wurden bei der Analyse gewichtet, so
Unternehmen mit mindestens 100 Mitarbeitern befragt, die dass die Ergebnisse ein nach Branchengruppen und Gren
nach Branchen und Grenklassen ausgewhlt worden klassen reprsentatives Bild fr alle Unternehmen ab 100
waren. Es wurden computergesttzte Telefoninterviews Mitarbeitern in Deutschland ergeben.
METHODIK | 9
Methodik der Erhebung
Stichprobe 2016: Funktion der Befragten

Reprsentative telefonische Befragung (CATI)
1. Befragung Mit Daten Werte Schaffen 2015

im Februar und Mrz 2015 (n=706) 18
23
2. Befragung Mit Daten Werte Schaffen 2016
im Januar und Februar 2016 (n=704)
Grundgesamtheit: Unternehmen in Deutsch

land mit mindestens 100 Mitarbeitern 20
Zielgruppe/Befragte: Bereichsleiter bzw. 19
(Haupt-)Abteilungsleiter aus den Bereichen
Beschaffung/Einkauf/Logistik 20
Produktion/Betrieb
Geschftsfhrer (GF)/CEO
Marketing/Vertrieb Leiter Beschaffung/Einkauf/Logistik
Leiter Produktion/Betrieb
Finanzen/Steuern/Controlling
Leiter Marketing/Vertrieb
sowie Geschftsfhrer Leiter Finanzen/Steuern/Controlling
Anteil in Prozent der Unternehmen, n = 704
Ergebnisse
im berblick
DATENANALYSEN Unternehmerische Entscheidungen sttzen sich immer hufiger auf Erkenntnisse

WERDEN aus der Analyse von Daten. Fast zwei von drei Unternehmen gelingt es inzwi
WICHTIGER schen, durch Datenanalysen einen konkreten Nutzen zu erzielen. Im Vorjahr
galt dies erst fr knapp die Hlfte der Unternehmen.
DATENVIELFALT Ob Unternehmensdaten, Kundendaten, systemisch erstellte oder ffentlich

WCHST verfgbare Daten alle Datenarten werden von den Unternehmen hufiger digital
gesammelt und analysiert als im Vorjahr. Insbesondere die Nutzung von syste
misch erstellten Daten hat deutlich zugenommen.
DATENQUALITT Immer mehr Unternehmen erkennen, wie wichtig ein systematisches Daten
IST DIE BASIS management als Grundvoraussetzung fr weitere Datenanalysen ist: In allen
untersuchten Unternehmensbereichen zhlt das Datenqualittsmanagement
zu den drei gefragtesten Anwendungen Tendenz steigend.
ZIELE WERDEN Die berwiegende Mehrheit der Unternehmen bewertet die Erfahrungen mit
ERREICHT Datenanalysen positiv. Mehr als zwei Dritteln der Unternehmen gelang es durch
den Einsatz von Datenanalysen, Geschftsrisiken zu reduzieren. Mehr als die
Hlfte konnte Produkte, Dienstleistungen und Marketing individueller auf den
Kunden zuschneiden.
ERGEBNISSE IM BERBLICK | 11
RESSOURCEN- Vorbehalte gegenber Datenanalysen sind tendenziell weniger verbreitet als noch
UND SICHER- im Vorjahr. Allerdings bleiben Datenschutzbedenken und mangelnde Ressourcen
HEITSTHEMATIK fr jedes zweite Unternehmen eine relevante Hrde.
BREMSEN
EXTERNE UNTER- Bisher lsst sich nur eine Minderheit der Unternehmen durch externe Dienstleister
STTZUNG KANN beim Datenmanagement untersttzen. Der Aufbau des Datensystems ist der
HELFEN einzige Aspekt, der von einer Mehrheit der Unternehmen ganz oder teilweise
an externe Dienstleister ausgelagert wird. Insbesondere die Analyse von Daten
nehmen die meisten Unternehmen bislang als interne Aufgabe wahr.
DATEN- Noch dominieren in den Unternehmen eher einfache, deskriptive Datenanalysen,

ANALYSEN die Zukunft gehrt aber den komplexeren, zukunftsorientierten Analysen. Der
BLICKEN IN DIE Anteil der Unternehmen, die planen oder diskutieren, vorausschauende Analysen
ZUKUNFT zuknftig einzusetzen, ist mit 39 Prozent genauso hoch wie der Anteil der aktuel
len Nutzer.
BIG DATA IST Obwohl mehr als zwei Drittel der Unternehmen am Thema Big Data interessiert
ERFOLG sind, haben bisher nur rund ein Drittel aller Unternehmen eine Big-Data-Strategie
VERSPRECHEND erarbeitet. Insbesondere kleinere und mittlere Unternehmen verfgen noch nicht
ber ein entsprechendes Konzept.
STELLENWERT WORUM ES GEHT | 13
01
StellenWERT
worum es geht
Datenanalysen werden wichtiger
Datenanalysen gewinnen im Vergleich zum Vorjahr an Bedeutung. Einerseits

sttzen sich unternehmerische Entscheidungen zunehmend auf Erkenntnisse aus
der Analyse von Daten. Darber hinaus gelingt es den Unternehmen vermehrt,
ber Datenanalysen einen konkreten Nutzen zu erzielen. Dies gilt insbesondere im
Maschinen- und Anlagenbau sowie in der Automobilindustrie. Die bisherigen
Erfahrungen der befragten Unternehmen mit Datenanalysen sind fast immer
positiv: So konnten durch den Einsatz von Datenanalysen Geschftsrisiken
minimiert sowie die individuelle Gestaltung von Produkten oder Dienstleistungen
verbessert werden. Im Vergleich zum Vorjahr haben sich die Vorbehalte gegen
ber Datenanalysen in einigen Branchen deutlich reduziert. Allerdings bleiben
Datenschutzbedenken und mangelnde Ressourcen wesentliche Hrden.
1.1 DATENANALYSEN GEWINNEN AN BEDEUTUNG
Relevante unternehmerische Entscheidungen beruhen konkreten Nutzen fr ihr Unternehmen zu ziehen. Im Vorjahr
immer hufiger auf Erkenntnissen aus der Analyse von galt dies nur fr knapp die Hlfte (48 Prozent).
Daten. Gleichzeitig gelingt es den Unternehmen mittlerweile,
ber Datenanalysen verstrkt einen konkreten Nutzen fr Es zeigen sich nennenswerte Unterschiede abhngig
ihr Unternehmen zu generieren. von der Gre der Unternehmen: Whrend drei Viertel
(75 Prozent) der Grounternehmen ab 2.000 Mitarbeitern
Whrend im Vorjahr drei Viertel der befragten Unternehmen einen konkreten Nutzen aus ihren Datenanalysen generieren,
(75 Prozent) angaben, dass relevante Entscheidungen schaffen dies nur 60 Prozent der Unternehmen mit weniger
zunehmend auf Erkenntnissen aus der Analyse von Daten als 500 Mitarbeitern. Auch was den Stellenwert der Daten
basieren, stimmen aktuell rund 80 Prozent der Befragten analysen betrifft, haben die groen Unternehmen einen
dieser Aussage zu. Zugleich tragen Datenanalysen verstrkt Vorsprung. Ein Indiz dafr, dass Grounternehmen das
zur Schaffung eines Mehrwerts bei. Aktuell gelingt es rund Thema ernster nehmen und besser als der Mittelstand
zwei Dritteln der Teilnehmer, aus Datenanalysen einen wissen, wie sie es angehen wollen.
Abb. 1: Relevanz von Datenanalysen

Datenanalysen gewinnen an Bedeutung
Inwieweit treffen die folgenden Aussagen fr Ihr Unternehmen zu?
Relevante Entscheidungen in unserem 2016 40 40

Unternehmen basieren zunehmend
auf Erkenntnissen aus der Analyse
von Daten. 2015 37 38
Die Analyse von Daten spielt eine 2016 34 35

immer wichtigere Rolle fr die
Wertschpfung/die Geschftsmodelle
in unserem Unternehmen. 2015 30 31
In unserem Unternehmen analysieren

2016 21 41
wir Daten nicht nur, sondern schaffen
es auch, die Erkenntnisse aus den
Analysen in konkreten Nutzen fr das
2015 12 36
Unternehmen umzuwandeln.
Trifft voll und ganz zu Trifft eher zu
Anteil (gewichtet) in Prozent der Unternehmen, n = 704/706
Quelle: KPMG, 2016
1.2 MASCHINEN- UND ANLAGENBAU SOWIE AUTOMOBILINDUSTRIE SIND VORREITER BEI DER
DATENANALYSE
Insbesondere den Industriebranchen Maschinen- und daraus erzielten Nutzen berdurchschnittliche Werte erzie
Anlagenbau sowie Automobilbau gelingt es, einen konkreten len. Beide Branchen sammeln und analysieren vornehmlich
Nutzen aus Datenanalysen zu erzielen. Die IT- und Elektronik und verstrkt im Rahmen von Industrie-4.0-Lsungen
branche sowie die Gesundheitswirtschaft sind hier weniger systemisch erstellte Daten wie Sensordaten und Standort
erfolgreich. daten (siehe Kapitel 2.1). Diese werden in erster Linie dazu
genutzt, Produktionsplanung und Produktionssystember
In welchen Branchen basieren relevante Entscheidungen wachung zu optimieren (siehe Kapitel 5).
zunehmend auf Datenanalysen und welchen gelingt es,
aus diesen Analysen einen konkreten Nutzen zu ziehen? Vier Branchen schneiden zumindest in einer der betrachteten
Das visualisiert Abbildung 2. Branchen, in denen Datenana Dimensionen deutlich schlechter ab als der Durchschnitt:
lysen eine grere Rolle bei Unternehmensentscheidungen Der Gesundheitswirtschaft sowie der IT- und Elektronikbran
spielen, sind weiter rechts angeordnet. Je hher eine che fllt es schwer, Erkenntnisse aus Datenanalysen in einen
Branche positioniert ist, desto besser gelingt es ihr, Erkennt konkreten Mehrwert zu berfhren, whrend Medienunter
nisse aus Datenanalysen in einen konkreten Nutzen umzu nehmen und Banken weniger als andere ihre Entscheidungen
wandeln. Die beiden Linien zeigen die Mittelwerte aus den auf Basis von Datenanalysen treffen. Insgesamt zeigt sich ein
Befragungsergebnissen ber alle Branchen hinweg. deutlicher, positiver Zusammenhang zwischen dem Stellen
wert von Datenanalysen fr die Entscheidungsfindung und
Mit dem Maschinen- und Anlagenbau und der Automobil dem aus diesen Analysen gewonnenen Nutzen.
industrie gibt es zwei Branchen, die sowohl bei der Relevanz
von Datenanalysen fr Entscheidungen als auch bei dem
Abb. 2: Relevanz von Datenanalysen

Vorreiter sind Maschinenbau und Automobilindustrie
1,8
berdurchschnittlich
Maschinen- und Anlagebau

1,9
Automobilindustrie
in konkreten Nutzen fr das Unternehmen umzuwandeln
Wir schaffen es, die Erkenntnisse aus den Analysen
2,0 Versicherungen
2,1 Energie
(Mittelwert pro Branche)
2,2 Chemie und Pharma
2,3 Handel
2,4 Transport und Logistik
Telekommunikation
2,5
Unterdurchschnittlich
Medien
2,6
Banken
2,7
Gesundheit
2,8
IT und Elektronik
2,9
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
2,
1
4
9
3
0
2
3
Unterdurchschnittlich berdurchschnittlich
Relevante Entscheidungen in unserem Unternehmen basieren

zunehmend auf Erkenntnissen aus den Analysen von Daten (Mittelwert pro Branche)
Mittelwerte auf einer Skala von 1 Trifft voll und ganz zu bis 5 Trifft berhaupt nicht zu (gewichtet) der befragten Unternehmen, n = 704
Quelle: KPMG, 2016
1.3 ZIELE DER NUTZER WERDEN BERWIEGEND ERREICHT
Der Einsatz von Datenanalysen erfllt berwiegend die einigen Aspekten gibt es sogar gar keine oder nur einzelne
Erwartungen. Am besten ist die Bilanz im Hinblick auf die Unternehmen, fr die dies zutrifft. Dies gilt zum Beispiel fr
angestrebte Reduzierung von Geschftsrisiken. Es gibt die Qualitt der Kundenkontakte bzw. -ansprache, die Quali-
allerdings noch Verbesserungspotenzial. tt der Prognosen ber zuknftige Markttrends sowie den
Aufbau innovativer Geschftsmodelle.
Die bisherigen Erfahrungen der befragten Unternehmen mit
Datenanalysen sind fast immer positiv: Insbesondere Nicht ganz so lupenrein fllt die Bilanz aus, wenn es um die
konnten so Geschftsrisiken minimiert sowie die individuelle Geschwindigkeit geht, mit der Entscheidungen getroffen und
Gestaltung von Produkten oder Dienstleistungen verbessert Produkte eingefhrt werden. Hier haben einige der befragten
werden. Diese Ergebnisse lassen erkennen, wie wichtig Unternehmen ihre gesteckten Ziele nicht erreicht. Dies kann
Datenanalysen fr den Geschftserfolg bereits sind. Sie darauf zurckzufhren sein, dass zunchst Entscheidungs
zeigen auch, dass die Unternehmen sorgfltig prfen sollten, wege und Strukturen anzupassen sind. Generell gilt, dass
wie sie moderne Datenanalysen einsetzen knnen. Unternehmen mit dem zunehmenden Einsatz moderner
Datenanalysen stets auch prfen sollten, ob organisatorische
Bemerkenswert ist die insgesamt sehr geringe Anzahl der Vernderungen erforderlich sind, um bestmgliche Ergeb
Befragten, die von unerwnschten Auswirkungen von nisse zu erreichen.
Datenanalysen fr das eigene Unternehmen berichten. Bei
Abb. 3: Auswirkungen durch die Nutzung von Datenanalysen

Senkung der Geschftsrisiken durch Datenanalyse
Bitte beurteilen Sie die tatschlichen Auswirkungen von Datenanalysen fr Ihr Unternehmen hinsichtlich der folgenden Aspekte.
Individuelle Produkt-/
4 34 20
Dienstleistungsgestaltung bzw. -ansprache
Qualitt der Datengrundlage
2 3 24 29
fr Entscheidungen
Individuelles/gezieltes Marketing 3 33 18
Zunahme erwnscht
Qualitt der Kundenkontakte/-ansprache 28 20
Geschwindigkeit der Entscheidungsfindung 9 8 18 30
Performance der Organisation

und der Prozesse 3 20 16
Qualitt der Prognosen

ber zuknftige Markttrends 21 12
Aufbau innovativer Geschftsmodelle 20 10

erwnscht
Produkteinfhrungszeit
Abnahme
9 25 3 5
Hhe der Geschftsrisiken 28 42 2 5
Hat deutlich abgenommen Hat eher abgenommen Hat eher zugenommen Hat deutlich zugenommen
Anteil (gewichtet) in Prozent der Unternehmen, n = 704; fehlende Werte zu 100 % = ist unverndert geblieben
Quelle: KPMG, 2016
1.4 VORBEHALTE GEGENBER DATENANALYSEN NEHMEN AB
Im Vergleich zum Vorjahr haben die Vorbehalte gegenber steigenden Bedarfs an (Big-)Data-Spezialisten bleibt die
Datenanalysen teilweise deutlich abgenommen. Daten Frage der Auslagerung von Datenanalysen jedoch fr viele
schutz und mangelnde Ressourcen bleiben die wesentlichen Unternehmen uerst relevant.
Hrden.
An vierter Stelle folgen Unklarheiten bezglich der Rechts
Wie im Vorjahr gibt es drei wesentliche Vorbehalte gegen lage. Vier von zehn Unternehmen benennen diese als
ber einer (intensiveren) Nutzung von Datenanalysen: relevante Hrde. Andere mgliche Hrden, wie etwa
die Weitergabe von Daten durch Unternehmen an Dritte, Schwierigkeiten bei der Erstellung eines Business Case
Budgetrestriktionen und fehlende Experten fr Datenanaly sowie Sorge vor ffentlicher Kritik, werden von deutlich
sen. Allerdings sind die Bedenken deutlich geringer aus weniger Unternehmen als relevant angesehen. Knapp ein
geprgt als im Vorjahr, insbesondere hinsichtlich der Daten- Viertel der Unternehmen bemngelt unzureichende Informa
weitergabe und der Verfgbarkeit von Datenanalyse- tionen zu Analysemglichkeiten. Im Vergleich zum Vorjahr ist
Spezialisten. Das bedeutet, dass die am weitesten verbreite dies eine Steigerung um sechs Prozentpunkte und reflektiert
ten Vorbehalte gegenber der Nutzung von Datenanalysen die Komplexitt eines sich schnell entwickelnden Marktes.
mit der Zeit tendenziell abnehmen. Angesichts des weiter
Abb. 4: Hrden bei der Nutzung von Datenanalysen

Vorbehalte gegenber Datenanalysen schwinden
Kommen wir nun zu mglichen Argumenten, die gegen eine (intensivere) Nutzung von Datenanalysen sprechen.
2016 60
Keine Weitergabe von Daten
an Drittanbieter 74
2015
2016 55
Unzureichendes Budget
2015 61
Nicht gengend Datenanalyse- 2016 50

Spezialisten 2015 59
2016 41
Unklarheiten hinsichtlich Rechtslage
2015 45
Schwierigkeiten bei der Erstellung 2016 29

eines Business Case 2015 34
2016 29
Sorge vor ffentlicher Kritik
2015 28
2016 23
Unzureichende Qualitt der Daten
2015 28
2016 29
Gefhrdung des Kundenvertrauens
2015 23
2016 24
Fehlende Infos zu Analyse-
mglichkeiten 2015 18
Top-2-Boxes (Trifft voll und ganz zu und Trifft eher zu)
Quelle: KPMG, 2016
VERWERTBAR WIE ES GEHT | 19
02
VerWERTbar
wie es geht
Grte Zufriedenheit mit fortgeschrittenen Datenanalysen
Eine zunehmende Anzahl von Unternehmen sammelt gezielt Daten und nutzt
diese fr weiterfhrende Analysen. Ob Unternehmensdaten, Kundendaten,
systemisch erstellte oder ffentlich verfgbare Daten alle Datenarten werden
hufiger genutzt als im Vorjahr. Dabei gilt nach wie vor: Die komplexeren Analyse
verfahren sind geringer verbreitet als die einfacheren Varianten. Allerdings gibt es
tendenziell eine Verschiebung hin zu den aufwndigeren Verfahren, die insgesamt
die hchsten Zufriedenheitswerte erzielen. Vorreiter sind hier Unternehmen der
Medien- und der Automobilbranche, gefolgt von Versicherungen und Handel.
Unternehmen, die noch keine fortgeschrittenen Analysen einsetzen, haben
Vorbehalte vor allem hinsichtlich der Rechtsgrundlage, der Datensicherheit
und des Datenschutzes.
2.1 DATENVIELFALT IN DEN UNTERNEHMEN NIMMT ZU
Alle Arten von Daten werden in den Unternehmen hufiger der Nutzung bestehen: Whrend beispielsweise in allen
digital gesammelt und IT-gesttzt analysiert als im Vorjahr. Unternehmen Stammdaten digital gesammelt und analysiert
Den grten Zuwachs gibt es bei systemisch erstellten werden, gilt dies bei Compliance-Daten und Projektmanage
Daten. ment-Daten jeweils nur fr rund zwei Drittel der
Unternehmen.
Unternehmensdaten werden von allen Unternehmen
gesammelt und IT-gesttzt analysiert. Es folgen Kunden Auerhalb des Bereichs der Unternehmensdaten werden nur
daten (86 Prozent), systemisch erstellte Daten (79 Prozent) CRM- und Logdaten jeweils von der Mehrheit der Unterneh
und ffentlich verfgbare Daten (70 Prozent). Alle vier men digital verarbeitet. Die geringsten Nutzungsraten liegen
Datenkategorien verzeichnen gegenber der Vorjahreser bei wissenschaftlichen Publikationen, regulatorischen Daten
hebung eine Zunahme, den grten Anstieg gibt es mit 13 und Social-Media-Daten vor. Die Zurckhaltung bei den
Prozentpunkten im Bereich der systemisch erstellten Daten. Social-Media-Daten berrascht einerseits, da gerade hier
neue Analysemglichkeiten entstanden sind, drfte aber
Innerhalb der bergeordneten Datenkategorien ergibt sich nicht zuletzt auf Unsicherheiten hinsichtlich der rechtlichen
auch fr alle spezifischen Daten im Vergleich zum Vorjahr ein Bewertung zurckzufhren sein.
Zuwachs, wobei weiterhin groe Unterschiede im Umfang
Abb. 5: Datennutzung
Nutzung von Datenanalysen steigt
Welche der folgenden Arten von Daten werden in Ihrem Unternehmen fr Entscheidungsprozesse
digital gesammelt und IT-gesttzt analysiert?
2016 2015
Stammdaten 100 97
Unternehmens-
Transaktionsdaten 86 81
daten
Compliance u. . 68 65
Projektmanagement-Daten 62 Nicht abgefragt
Insgesamt* 100 100
CRM-Daten 74 68
Kundendaten
Verhaltensdaten 47 42
Social Media 28 23
Insgesamt* 86 81
Logdaten 60 54
erstellte Daten
Systemisch
Sensordaten 50 45
Standortdaten 41 36
Insgesamt* 79 66
Markt-/andere konomische Daten 46 38

verfgbare
ffentlich
Wissenschaftliche Publikationen 33 28
Daten
Regulatorische Daten 32 24
Insgesamt* 70 65

* Anteil (gewichtet) in Prozent der Unternehmen, die mindestens eine der abgefragten Datenarten der jeweiligen Datenkategorie nutzen
Quelle: KPMG, 2016
2.2 UNTERNEHMEN (NOCH) ZURCKHALTEND MIT AUSLAGERUNG
Der Aufbau des Datensystems ist der einzige Aspekt in entschieden. Diese Entwicklung ist kongruent mit der
Zusammenhang mit dem Daten- und Analysemanagement, beobachteten zunehmenden Nutzung von Cloud-Diensten
der von einer Mehrheit der Unternehmen ganz oder teilweise (siehe KPMG Cloud Monitor: www.kpmg.de/cloud).
an externe Dienstleister ausgelagert wird. Insbesondere die
Analyse von Daten nehmen die meisten Unternehmen Das Herzstck der hier betrachteten Wertschpfungskette,
bislang als interne Aufgabe wahr. die Datenanalyse, sieht die berwiegende Mehrheit der
Unternehmen (82 Prozent) weiterhin als vollstndig intern
Bei der Einfhrung und dem Management IT-basierter zu managende Aufgabe an. Die Sorge vieler Unternehmen,
Lsungen greifen viele Unternehmen auf die Kenntnisse Daten mit Externen zu teilen und damit die alleinige Kontrolle
externer Dienstleister zurck. Dies trifft auch fr die ver ber erfolgskritische Informationen zu verlieren, wird an
schiedenen Elemente der Wertschpfungskette des dieser Stelle besonders deutlich.
Datenmanagements zu.
Dazu kommen Bedenken, durch die Inanspruchnahme
Der Aufbau des Datensystems wird in sechs von zehn externer Dienstleister bei der Datenanalyse die Einhaltung
Unternehmen teilweise oder sogar vollstndig von externen von Compliance-Anforderungen zu gefhrden. Mehr als die
Dienstleistern bernommen. In den Bereichen der Daten Hlfte der Unternehmen (54 Prozent) teilt diese Befrchtung,
sammlung, Datenspeicherung und Datenaufbereitung nutzt die sich durch aktuelle Entwicklungen wie das Safe-Harbor-
jeweils erst gut ein Drittel der Unternehmen diese Option. Urteil des Europischen Gerichtshofs verstrkt haben drfte.
Allerdings hat sich bei der Datenspeicherung fast die Hlfte Es besteht also Informations- und Beratungsbedarf seitens
der Unternehmen, die externe Dienstleister in Anspruch der Anbieter von Datenanalyseverfahren.
nehmen, fr eine vollstndige Auslagerung dieses Aspektes
Abb. 6: Management von Daten und Datenanalysen

Aufbau des Datensystems am huftigsten ausgelagert
Wie managt Ihr Unternehmen derzeit folgende Aspekte im Zusammenhang mit Daten und Datenanalysen?
Design bzw. Aufbau des Datensystems 40 18 11 31
65 26 6 3
Datensammlung
Datenspeicherung bzw.
63 17 4 16
Daten-Bereitstellung
Datenanalyse 82 12 3 3
Datenaufbereitung bzw. 62 21 9 6
Datenvisualisierung
Vollstndig intern Teilweise extern Nahezu vollstndig extern Vollstndig extern
Anteil (gewichtet) in Prozent der Unternehmen, n = 704; fehlende Werte zu 100 % = wei nicht/keine Angabe
Quelle: KPMG, 2016
2.3 VORAUSSCHAUENDE ANALYSEN WERDEN WICHTIGER
Alle betrachteten Arten der Datenanalyse kommen in den Prskriptive Analysen haben den hchsten Schwierigkeits
Unternehmen hufiger zum Einsatz als im Vorjahr. Deskrip grad und werden derzeit in 15 Prozent der Unternehmen
tive Analysen werden weiterhin am hufigsten genutzt. durchgefhrt. Das Ziel dieser Analysen besteht darin, die
Insbesondere fr prskriptive Analysen zeichnet sich eine Erkenntnisse aus deskriptiven und prdiktiven Analysen
weiter zunehmende Nutzung ab.1 zu kombinieren und daraus Handlungsempfehlungen
abzuleiten. Dazu werden sowohl interne als auch externe
Deskriptive Analysen sind von allen Arten der Datenanalyse Daten zur Simulation in verschiedenen Modellen eingesetzt
bisher am weitesten verbreitet. Fast jedes zweite Unterneh und verschiedene Variablen bercksichtigt, die von den
men (48 Prozent) setzt sie ein, um beispielsweise mithilfe Entscheidungstrgern angepasst werden knnen.
historischer Daten Grnde fr einen geschftlichen Erfolg
bzw. Misserfolg zu identifizieren. Bei deskriptiven Analysen Alle Analysearten kommen strker zum Einsatz als noch im
kommen zumeist statistische Messgren wie Mittelwerte Vorjahr. Die Werte fr Planer, speziell bei vorausschauenden
oder Standardabweichungen zum Einsatz. Analysen, deuten darauf hin, dass sich in den Unternehmen
der Fokus von den zunehmend etablierten deskriptiven hin
Vorausschauende Analysen werden von 39 Prozent der zu anspruchsvolleren Datenanalysen verschieben wird.
Unternehmen eingesetzt. Das Ziel dieser mit einem hheren Parallel zur Weiterentwicklung der Analysewerkzeuge wird
Schwierigkeitsgrad verbundenen Analysen besteht darin, auf das steigende Datenaufkommen in den Unternehmen den
der Basis historischer Daten und Trends Vorhersagen zu Stellenwert komplexer Analyseverfahren erhhen.
treffen. Unter Anwendung verschiedener Algorithmen wird
untersucht, wie sich Kennzahlen zuknftig entwickeln.
Abb. 7: Nutzung unterschiedlicher Analysearten

Deskriptive Analysen werden am hufigsten genutzt
Welche der folgenden Arten der Datenanalyse nutzt Ihr Unternehmen derzeit bzw. plant oder diskutiert dies?
Nutzer Planer Diskutierer
2016 48 10 11
Descriptive Analytics/
Deskriptive Analysen
2015 43 9 11
2016 39 23 15
Predictive Analytics/
Vorausschauende Analysen
2015 35 29 16
Prescriptive Analytics/ 2016 15 8 10

Prskriptive Analysen
2015 12 4 6

5
Quelle: KPMG, 2016
Eine Erluterung der verschiedenen Analysearten findet sich im Abschnitt Begriffe und Definitionen zu Beginn der Studie.
1
2.4 FORTGESCHRITTENE DATENANALYSEN GEWINNEN NUTZER
Je komplexer ein Analyseverfahren, desto geringer ist seine Die relative Bedeutung der komplexeren Datenanalysen
Verbreitung. Allerdings ist dieser Zusammenhang nicht mehr nimmt im Vergleich zum Vorjahr deutlich zu: Whrend die
ganz so ausgeprgt wie vor einem Jahr. Verbreitung individueller Ad-hoc-Analysen stagniert, ist sie
bei allen anderen Analyseverfahren gestiegen. Ein signifikan
Zwischen dem technischen Anspruch und der Verbreitung ter Anteil der Unternehmen, die noch im vergangenen Jahr
von Datenanalysen in der Unternehmenslandschaft besteht komplexe Analyseverfahren planten oder diskutierten, hat
auch gem unserer aktuellen Erhebung ein klarer Zusam diese mittlerweile eingefhrt. Der Trend geht eindeutig in
menhang. Whrend fast neun von zehn Unternehmen (86 Richtung anspruchsvollerer Analysen, wobei die meisten
Prozent) individuelle Ad-hoc-Analysen mit einfachen IT-Tools Unternehmen sich hier sukzessive auf das jeweils nchste
durchfhren, werden fortgeschrittene Analysen von Daten Level vorbewegen drften, insbesondere falls keine externen
unterschiedlichster Herkunft und Struktur erst von 13 Dienstleister herangezogen werden.
Prozent der Unternehmen vorgenommen. Zwei von drei
Unternehmen (65 Prozent) analysieren strukturierte, vor
wiegend interne Daten, fast jedes dritte (30 Prozent) zieht
zustzlich externe Daten heran.
Abb. 8: Nutzung unterschiedlicher Datenanalysen

Fortgeschrittene Datenanalysen gewinnen an Bedeutung 40
40 40
Inwieweit nutzt Ihr Unternehmen bereits Datenanalysen bzw. plant/diskutiert ihren Einsatz?
Individuelle Ad-hoc-Analyse 2016 86

mit einfachen IT-Tools
(z.B. Excel, Access) 2015 87
Analyse von strukturierten, vor- 2016 65 14 20

wiegend internen Daten anhand
vordefinierter Zusammenhnge 2015 61 17 21
Analyse von strukturierten, internen 2016 30 10 20

und externen Daten zur Bestimmung
von Zusammenhngen 2015 24 11 21
Fortgeschrittene Analyse von 2016 13 11 21

Daten unterschiedlicher Herkunft
und Struktur zur freien Suche von
2015 9 6 16
Zusammenhngen/Erkenntnissen
Quelle: KPMG, 2016
2.5 ZUFRIEDENHEIT STEIGT MIT DER KOMPLEXITT DER ANALYSEN
Je fortgeschrittener die genutzten Datenanalysen, desto Darber hinaus ist ber die verschiedenen Komplexitts
grer ist bei den Unternehmen die Zufriedenheit mit den stufen hinweg bei allen Datenanalysen die Zufriedenheit
daraus gewonnenen Erkenntnissen. Gegenber dem Vorjahr gegenber dem Vorjahr gestiegen. Bei den fortgeschrittenen
hat die Zufriedenheit mit allen Analyseverfahren weiter Analysen ist der Anteil der Unternehmen, die sich sogar
zugenommen. sehr zufrieden uern, um 14 Prozentpunkte auf 57 Prozent
insgesamt am strksten gestiegen. Dieser sprunghafte
Die groe Mehrheit der Unternehmen ist mit den aus den Anstieg deutet auf Lerneffekte bei der Anwendung der
Datenanalysen gewonnenen Erkenntnissen zufrieden. Dabei komplexen Analyseverfahren. Investitionen in Hardware,
ist die Zufriedenheit umso hher, je komplexer die eingesetz Software und technisches Know-how zahlen sich offenbar
ten Analysen sind: Whrend 75 Prozent der Unternehmen aus.
mit ihren individuellen Ad-hoc-Analysen zufrieden sind, sind
es bei den Unternehmen, die strukturierte, interne Daten
analysieren, 90 Prozent. Von den Unternehmen, die zustz
lich externe Daten einbeziehen oder sogar fortgeschrittene
Analysen durchfhren, zeigen sich nahezu alle (99 bzw. 95
Prozent) zufrieden.
Abb. 9: Vorbehalte gegenber Nutzung fortgeschrittener Datenanalysen

Je fortgeschrittener, desto hher die Zufriedenheit
Wie zufrieden sind Sie mit den Erkenntnissen aus den eingesetzten Datenanalysen?
Mittelwert
Individuelle Ad-hoc-Analyse 2016 28 47 14 11 2,1

mit einfachen IT-Tools
(z.B. Excel, Access) 2015 24 47 19 9 2,1
Analyse von strukturierten, 2016 22 68 9 1 1,9

internen Daten anhand vor-
definierter Zusammenhnge 2015 20 70 7 3 1,9
Analyse von strukturierten, internen 2016 44 55 1 1,6

und externen Daten zur Bestimmung
von Zusammenhngen 2015 38 61 1,6
Fortgeschrittene Analyse von Daten 2016 57 38 4 1,5

unterschiedlichster Herkunft und
Struktur zur freien Suche von
Zusammenhngen/Erkenntnissen 2015 43 55 3 1,6
Sehr zufrieden Zufrieden Nicht zufrieden berhaupt nicht zufrieden
Anteil (gewichtet) in Prozent der Unternehmen, die das jeweilige Konzept nutzen, 2016: n = 564/534/292/180,
2015: n = 593/535/268/141; Mittelwerte (gewichtet) auf einer Skala von 1 Sehr zufrieden bis 4 berhaupt nicht zufrieden
Von 100 abweichende Werte ergeben sich aus Rundungsdifferenzen.
Quelle: KPMG, 2016
2.6 MEDIEN- UND AUTOMOBILUNTERNEHMEN VORREITER BEI FORTGESCHRITTENEN ANALYSEN
Vorreiter beim Einsatz fortgeschrittener Analysen sind In der IT- und Elektronikbranche, bei Banken und bei Chemie-
Unternehmen der Medien- und der Automobilbranche, und Pharmaunternehmen ist die Verbreitung fortgeschritte
gefolgt von Versicherungen und dem Handel. Das Schluss ner Analysen hingegen unterdurchschnittlich. Das Schluss-
licht bildet die Transport- und Logistikbranche. Das Branchen licht bildet die Transport- und Logistikbranche mit lediglich
ranking bleibt jedoch sehr flexibel. acht Prozent Nutzern.
Fortgeschrittene Datenanalysen werden bisher in insgesamt Fr die Zukunft sind jedoch deutliche Verschiebungen zu
13 Prozent der Unternehmen angewendet (siehe Kapitel 2.4). erwarten. Fr die Versicherungsbranche ist ein Sprung an die
Eine branchenspezifische Betrachtung deckt jedoch groe Spitze der Anwender mglich: 42 Prozent der Versicherungs
Unterschiede auf. Vorreiter sind Unternehmen aus der unternehmen planen oder diskutieren den Einsatz fortge
Medien- und der Automobilbranche. In beiden Branchen schrittener Analysen. Auch in Unternehmen aus dem Gesund-
nutzt etwa ein Drittel der Unternehmen fortgeschrittene heits- und dem Energiesektor wird ein Einsatz berdurch
Analysen. Ebenfalls weit ber dem Durchschnitt liegen schnittlich hufig geplant oder diskutiert. Im Energiesektor
Versicherungen (26 Prozent) und Handelsunternehmen hat jedes vierte Unternehmen bereits konkrete Einsatzplne.
(22 Prozent). Aufholen drften zudem die Banken, in denen ebenfalls ein
hoher Anteil der Unternehmen den Einsatz fortgeschrittener
Analysemethoden in Erwgung zieht oder bereits konkret
vorbereitet.
Abb. 10: Nutzung fortgeschrittener Datenanalysen nach Branchen

Vorreiter sind Medien und Automobilindustrie
Inwieweit nutzt Ihr Unternehmen bereits fortgeschrittene Analysen von Daten unterschiedlichster
Herkunft und Struktur zur freien Suche von Erkenntnissen bzw. plant/diskutiert ihren Einsatz?
Medien 35 9 14
Automobilindustrie 30 7 12
Versicherungen 26 12 30
Handel 22 6 13
Telekommunikation 19 16 11
Gesundheit 18 17 24
Energie 17 23 17
Maschinen- und Anlagenbau 15 5 22
Insgesamt 13 11 21
IT und Elektronik 12 12 21
Banken 11 18 28
Chemie und Pharma 11 16 22
Transport und Logistik 8 15 19
Anteil (gewichtet) in Prozent der Unternehmen, n = 704
Quelle: KPMG, 2016
2.7 FEHLENDE RECHTSGRUNDLAGE, DATENSICHERHEIT UND DATENSCHUTZ SIND GRSSTE HEMMNISSE
Jedes zweite Unternehmen hat im Hinblick auf die Durchfh rund ein Drittel der Unternehmen einen Hinderungsgrund
rung fortgeschrittener Datenanalysen Vorbehalte in puncto dar. Am seltensten werden mangelnde Kenntnisse ber
Rechtsgrundlage, Datensicherheit und Datenschutz. ber bestehende Analysemglichkeiten genannt: Fast neun von
die bestehenden Analysemglichkeiten fhlt sich die ber- zehn Unternehmen fhlen sich ausreichend ber die ent
wiegende Mehrheit ausreichend informiert. sprechenden Mglichkeiten informiert.
Fr jeweils die Hlfte der Unternehmen, die bisher noch Als Hrden bei der allgemeinen Nutzung von Datenanalysen
keine fortgeschrittenen Datenanalysen einsetzen, stehen haben sich vor allem herausgestellt: Sicherheitsaspekte,
drei Hemmnisse einem Einsatz entgegen: die wahrgenom Budgetprobleme und fehlende Analyse-Spezialisten (siehe
mene fehlende Rechtsgrundlage (50 Prozent) sowie Be- Kapitel 1.4). Im Vergleich dazu spielen bei fortgeschrittenen
denken hinsichtlich der Datensicherheit (48 Prozent) und Datenanalysen Unklarheiten bezglich der Rechtsgrundlage
des Datenschutzes (47 Prozent). eine deutlich grere Rolle. Fr die Anbieter entsprechender
Analysewerkzeuge und -dienstleistungen leitet sich daraus
Neben diesen drei mit Abstand am hufigsten genannten die Anforderung einer auf Information, Transparenz und
Vorbehalten stellen weitere mgliche Grnde wie unzurei Vertrauen ausgelegten Strategie der Markterschlieung ab.
chende interne Ressourcen oder fehlendes Know-how fr
Abb. 11: Vorbehalte gegenber Nutzung fortgeschrittener Datenanalysen

Fehlende Rechtsgrundlage ist grtes Hemmnis
Aus welchen Grnden setzt Ihr Unternehmen bisher keine fortgeschrittenen Datenanalysen ein?
Fehlende Rechtsgrundlage 50
Bedenken hinsichtlich Datensicherheit 48
Bedenken hinsichtlich Datenschutz 47
Unzureichende interne Ressourcen (Budget, Fachkrfte) 34
Fehlendes fachliches bzw. technisches Know-how 31
Mangelnde Bereitschaft zur Zusammenarbeit mit externen Dienstleistern 27
Unzureichende technische Ausstattung 23
Mangelnde Untersttzung durch die Geschftsfhrung 16
Schwierigkeiten bei der Identifikation von Use Cases 16
Mangelnde Kenntnisse ber die bestehenden Analysemglichkeiten 12
Sonstige Grnde 2
Anteil (gewichtet) in Prozent der Unternehmen, die keine fortgeschrittenen Datenanalysen einsetzen, n = 415
Quelle: KPMG, 2016
WERTHALTIG WAS GESCHIEHT | 29
03
WERThaltig
was geschieht
Anwendungsfelder entlang der Wertschpfungskette
Datenanalysen knnen fr eine Vielzahl von Anwendungsfeldern genutzt werden.

Je nach Unternehmensbereich dominieren unterschiedliche Anwendungen. In
Beschaffung, Einkauf und Logistik werden Datenanalysen in erster Linie fr das
Stammdaten- und Datenqualittsmanagement verwendet. Die meistgenutzte
Anwendung in Produktion und Betrieb ist die Produktionsplanung. Whrend in
Marketing und Vertrieb Datenanalysen vor allem fr Kundenanalysen eingesetzt
werden, steht im Unternehmensbereich Finanzen, Steuern und Controlling das
Risikomanagement im Vordergrund. Die Unternehmen scheinen immer klarer zu
erkennen, wie wichtig ein gezieltes Datenqualittsmanagement als Grundvoraus
setzung fr weitere Analysen ist. Das Datenqualittsmanagement gehrt in allen
untersuchten Unternehmensbereichen zu den drei gefragtesten Anwendungen
Tendenz steigend.
3.1 BESCHAFFUNG, EINKAUF UND LOGISTIK
In diesen Unternehmensbereichen werden Datenanalysen Ebenfalls deutlich zugenommen hat die Verbreitung von
weiterhin vor allem fr das Stammdaten- und Datenqualitts Ausgabenanalysen, die inzwischen von fast jedem zweiten
management verwendet. Im Vergleich zum Vorjahr gewin Unternehmen genutzt werden. Diese Entwicklung kann nicht
nen die Anwendungsfelder Datenqualittsmanagement berraschen, da eine systematische Ausgabenanalyse einen
und Ausgabenanalyse deutlich an Bedeutung. wesentlichen Baustein fr einen effizienten Ressourcenein
satz darstellt.
Im Unternehmensbereich Beschaffung, Einkauf und Logistik
drehen sich Datenanalysen vorrangig um das Stammdaten Weitere Anwendungsfelder sind die Autoklassifizierung
management und das Datenqualittsmanagement. In beiden sowie die Supply-Chain-Optimierung, fr die rund ein Viertel
Anwendungsfeldern bilden sie die notwendige Basis dafr, der befragten Unternehmen Datenanalysen einsetzt. Beide
dass Beschaffungs- und Logistikprozesse effizient funktio Anwendungsfelder besitzen ein erhebliches Wachstums
nieren. Die strkste Dynamik zeigt sich im Bereich Daten potenzial, das sich im hohen Anteil an Unternehmen wider
qualittsmanagement: Im Vergleich zum Vorjahr hat sich spiegelt, die einen zuknftigen Einsatz planen oder
der Nutzeranteil um zwlf Prozentpunkte erhht. zumindest diskutieren.
Abb. 12: Datenanalysen in den Unternehmensbereichen Beschaffung, Einkauf und Logistik

Die Top 2: Stammdaten- und Datenqualittsmanagement
Fr welche der folgenden Anwendungen nutzt Ihr Unternehmensbereich

aktuell bereits Datenanalysen bzw. plant oder diskutiert dies?
2016 71 20
Stammdatenmanagement
2015 67 21
Beschaffung/Einkauf/Logistik
2016 65 32
Datenqualittsmanagement
2015 53 45
2016 46 35
Ausgabenanalyse
2015 37 34
2016 25 40
Autoklassifizierung
2015 25 34
Supply-Chain-Optimierung/ 2016 24 38
-berwachung 2015 21 33
Im Einsatz Geplant oder Diskutiert
Anteil (gewichtet) in Prozent der Unternehmen, die zum Unternehmensbereich Beschaffung/Einkauf/Logistik befragt wurden, n = 176/178
Quelle: KPMG, 2016
3.2 PRODUKTION UND BETRIEB
In Produktion und Betrieb werden Datenanalysen vornehm Alle weiteren abgefragten Anwendungsfelder sind zwar
lich bei der Produktionsplanung eingesetzt. ber alle abge deutlich weniger verbreitet, haben aber im Vergleich zum
fragten Anwendungsfelder hinweg steigen die Nutzerzahlen Vorjahr ebenfalls an Bedeutung gewonnen. Die wachsende
im Vergleich zum Vorjahr, dies gilt insbesondere fr das Verbreitung von Datenanalysen fr das Ausfallmanagement
Datenqualittsmanagement und die Maschinennetz- sowie die Produktionssystem- und Maschinennetzberwa
berwachung. chung erklrt sich in erster Linie durch die zunehmende
Nutzung systemisch erstellter Daten (siehe Kapitel 2.1 zur
Fast neun von zehn befragten Unternehmen nutzen Daten Datennutzung). Wenig zum Einsatz kommen nach wie vor
analysen fr die Produktionsplanung. Auch im Vergleich zu Datenanalysen zur Supply-Chain-Optimierung. Dies drfte
hufig genutzten Anwendungen in anderen Unternehmens darauf zurckzufhren sein, dass diese Analysen in
bereichen ist dies ein Spitzenwert. An zweiter Stelle folgen der Regel technisch und methodisch sehr anspruchsvoll sind.
Datenanalysen fr das Datenqualittsmanagement, die Die wachsende Anzahl der Unternehmen, die sich mit dem
inzwischen von zwei Dritteln der Unternehmen eingesetzt Thema konkret beschftigten, zeigt jedoch, dass grundstz
werden und damit das strkste Wachstum gegenber dem liches Interesse vorhanden ist.
Vorjahr verbuchten. Es gibt zudem nur wenige Unternehmen,
die eine zuknftige Nutzung nicht bereits planen oder
diskutieren.
Abb. 13: Datenanalysen in den Unternehmensbereichen Produktion und Betrieb

Produktionsplanung ist dominierend
Fr welche der folgenden Anwendungen nutzt Ihr Unternehmensbereich aktuell bereits Datenanalysen bzw. plant oder diskutiert dies?
2016 85 14
Produktionsplanung
2015 78 21
2016 66 31
2015 57 40
2016 38 35
Produktion/Betrieb
2015 36 38
2016 35 32
Produktionssystemberwachung
2015 28 29
2016 33 33
Ausfallmanagement
2015 26 34
2016 28 36
Maschinennetzberwachung
2015 20 34
2016 16 35
Supply-Chain-Optimierung/
-berwachung 2015 11 26
Anteil (gewichtet) in Prozent der Unternehmen, die zum Unternehmensbereich Produktion/Betrieb befragt wurden, n = 177/178
Quelle: KPMG, 2016
3.3 DATENANALYSEN IN MARKETING UND VERTRIEB
Innerhalb von Marketing und Vertrieb kommen Daten Im Mittelfeld bewegen sich die Anwendungsfelder Umsatz-
analysen besonders hufig fr Kundenanalysen sowie das analyse, Kundenbeziehungsmanagement, Produktentwick
Datenqualitts- und Stammdatenmanagement zum Einsatz. lung und Wettbewerberanalysen, fr die jeweils mehr als
Im vergangenen Jahr haben vor allem Wettbewerber- und 30 Prozent der Unternehmen Datenanalysen einsetzt. Den
Umsatzanalysen erheblich an Bedeutung gewonnen. grten Sprung nach vorn haben Wettbewerberanalysen
gemacht (plus 16 Prozentpunkte). Die Zurckhaltung der
In Marketing und Vertrieb kommt ein breites Spektrum an Unternehmen gegenber der Analyse von Social Media und
Datenanalysen zum Einsatz. Rund zwei Drittel der befragten E-Mails hat gegenber dem Vorjahr etwas abgenommen,
Unternehmen verwenden Datenanalysen fr Kundenanaly bleibt aber sichtbar: Weniger als ein Fnftel der Unterneh
sen sowie fr das Datenqualitts- und Stammdatenmanage men setzen entsprechende Datenanalysen ein. Hier spielen
ment drei Anwendungsfelder, die sinnvoll zu kombinieren nicht zuletzt rechtliche Restriktionen bzw. Unklarheiten
sind, denn die Qualitt der Kundenanalysen hngt unmittel hinsichtlich der Rechtslage eine Rolle.
bar von der Qualitt der verwendeten Daten ab. Sofern die
Unternehmen entsprechende Anwendungen nicht bereits Generell bemerkenswert ist, dass fast ber alle Anwen
nutzen, befinden sie sich ganz berwiegend in der Planungs- dungsfelder hinweg nicht nur die Nutzerzahlen deutlich
oder Diskussionsphase, nur die wenigsten zeigen kein gestiegen sind, sondern parallel auch der Anteil der Unter
Interesse. nehmen, die einen zuknftigen Einsatz planen oder
diskutieren.
Abb. 14: Datenanalysen in den Unternehmensbereichen Marketing und Vertrieb

Kundenanalyse steht im Vordergrund
2016 69 25
Kundenanalyse
2015 65 25
2016 68 31
2015 61 25
2016 66 31
2015 61 24
2016 55 36
Umsatzanalyse
2015 46 41
Marketing/Vertrieb
2016 38 44
Kundenbeziehungsmanagement
2015 38 36
2016 30 34
Produktentwicklung
2015 36 25
2016 30 38
Wettbewerbsanalyse
2015 14 32
2016 22 33
Geospatial und Demografie
2015 15 38
2016 18 23
Social Media-Analyse
2015 10 15
2016 16 25
E-Mail Screening
2015 7 12
Anteil (gewichtet) in Prozent der Unternehmen, die zum Unternehmensbereich Marketing/Vertrieb befragt wurden, n = 177/175
Quelle: KPMG, 2016
3.4 DATENANALYSEN IN FINANZEN, STEUERN UND COMPLIANCE
Risikomanagement bleibt das gefragteste Anwendungsfeld Ausgehend von dem verhltnismig geringen Ausgangs
in diesem Unternehmensbereich. Mittlerweile nutzen neun niveau haben sich die Nutzerraten beim Arbeitskrftema
von zehn Unternehmen entsprechende Analysen. Daneben nagement im Vergleich zum Vorjahr auf 20 Prozent nahezu
werden vermehrt Datenanalysen fr das Arbeitskrftema verdoppelt. Bei Analysen fr das digitale Kontrollsystem
nagement und digitale interne Kontrollsysteme (IKS) (IKS) legten sie auf 22 Prozent zu (plus sieben Prozent). Die
verwendet. geringste Verbreitung zeigt sich bei den Anwendungsfeldern
Betrugsmanagement und Anti-Geldwsche, fr die jeweils
Das Risikomanagement bleibt Dreh- und Angelpunkt der nur elf Prozent der Unternehmen Datenanalysen nutzen.
Datenanalysen in den Unternehmensbereichen Finanzen, Der Anteil der befragten Unternehmen, die den Einsatz von
Steuern und Compliance. Ebenfalls in diesen Unternehmens Datenanalysen fr diese Anwendungsfelder in Betracht
bereichen stark verbreitet sind das Stammdaten- und das ziehen, signalisiert jedoch, dass in nchster Zeit mit einem
Datenqualittsmanagement. Mit Ausnahme der Steuerana weiteren Wachstum zu rechnen ist.
lyse zeigen sich bei allen weiteren Anwendungsfeldern nur
geringe Nutzungsraten. Das drfte zum Teil damit zusam
menhngen, dass die notwendigen Daten unstrukturiert
vorliegen und erhhte Anforderungen an die Analyse stellen.
Abb. 15: Datenanalysen in den Unternehmensbereichen Finanzen, Steuern und Compliance

Risikomanagement ist wichtigstes Einsatzfeld
2016 91 6
Risikomanagement
2015 84 15
2016 76 19
2015 Keine Angabe
2016 67 24
2015 Keine Angabe
2016 42 28
Steueranalyse
2015 38 34
Finanzen/Steuern/Compliance
2016 22 46
Digitales IKS
2015 15 46
2016 21 21
Geldflussmanagement
2015 27 26
2016 20 32
Arbeitskrftemanagement
2015 11 33
Shared-Service-Center- 2016 17 32
berwachung 2015 15 37
Compliance-berwachung 2016 14 22
hinsichtlich Korruption und Kartellen 2015 12 21
2016 11 20
Betrugsmanagement
2015 6 25
2016 11 18
Anti-Geldwsche
2015 9 12
Anteil (gewichtet) in Prozent der Unternehmen, die zum Unternehmensbereich Finanzen/Steuern/Compliance befragt wurden, n = 174/175
Quelle: KPMG, 2016
WERTSTEIGERUNG WAS KOMMT | 35
04
WERTsteigerung
was kommt
Perspektive Big Data: Technologie erfordert Strategie
Die Unternehmen in Deutschland sind gegenber dem Thema Big Data sehr
aufgeschlossen und interessiert, ein Drittel der Befragten nutzt bereits entspre
chende Lsungen. Gleichzeitig erwartet die berwiegende Mehrheit, dass sich
der Stellenwert von Big Data in den kommenden drei Jahren erhhen wird.
Trotzdem haben bisher nur rund ein Drittel aller Unternehmen eine Big-Data-Stra
tegie erarbeitet. Insbesondere kleinere und mittlere Unternehmen verfgen noch
nicht ber eine entsprechende Strategie.
4.1 GROSSES INTERESSE AN BIG DATA
Mehr als zwei Drittel der befragten Unternehmen sind Etwa ein Drittel der befragten Unternehmen (35 Prozent) hat
gegenber dem Thema Big Data aufgeschlossen und bereits Big-Data-Lsungen im Einsatz, weitere 24 Prozent
interessiert, etwa ein Drittel verwendet bereits Big-Data- planen diese zuknftig zu nutzen. Zwei Drittel (67 Prozent)
Lsungen. Durch den Einsatz dieser Lsungen konnten der Befragten erwarten zudem, dass sich der Stellenwert
die Unternehmen oftmals Risiken minimieren und ihren von Big Data in ihrem Unternehmen in den kommenden drei
Umsatz steigern. Jahren erhhen wird. Im vergangenen Jahr lag dieser Wert
mit 63 Prozent bereits auf einem vergleichbar hohen Niveau.
Eine deutliche Mehrheit der Unternehmen betrachtet das Big Data bleibt somit ein wichtiger Zukunftstrend.
Thema Big Data aufgeschlossen und interessiert, weniger
als 10 Prozent sind eher kritisch und ablehnend. In der Die bisher beobachteten Auswirkungen unterstreichen
traditionell sehr datenaffinen Versicherungsbranche ist die einerseits das Potenzial von Big Data, einen konkreten
Aufgeschlossenheit gegenber dem Thema im Vergleich Mehrwert zu stiften, und verdeutlichen zugleich, dass die
der Branchen untereinander am grten: 81 Prozent sind an Unternehmen sich hier noch auf einer Lernkurve befinden.
Big-Data-Lsungen interessiert und nur drei Prozent haben Eine signifikante Anzahl der befragten Unternehmen, die
eine ablehnende Haltung. Deutlich weniger interessiert bereits Big-Data-Lsungen nutzen, berichtet von Erfolgen in
zeigen sich die Branchen Chemie und Pharma sowie IT Bezug auf zwei zentrale Kenngren: Durch Big Data gelang
und Elektronik. Dieses Ergebnis berrascht gerade mit Blick es rund einem Drittel der Unternehmen, Risiken zu minimie
auf die IT- und Elektronikbranche. Ein Grund knnte darin ren (31 Prozent) und den Umsatz zu steigern (29 Prozent).
liegen, dass Unternehmen dieser Branchen bereits frh mit Darber hinaus gaben 14 Prozent an, durch den Einsatz von
dem Thema in Berhrung kamen. Zu dieser Zeit waren die Big-Data-Lsungen Kosten reduziert zu haben. Es ist zu
Big-Data-Lsungen noch weniger ausgereift und die Erfolge erwarten, dass der Anteil der Unternehmen, die einen
stellten sich noch nicht so schnell ein wie erhofft. konkreten Nutzen aus Big-Data-Analysen ziehen, mit
zunehmender Erfahrung und Marktreife zuknftig weiter
steigen wird.
Abb. 16: Einstellungen zu Big Data nach Branchen

Versicherungen haben das meiste Interesse am Thema Big Data
Wie steht Ihr Unternehmen generell zum Thema Big Data?
Versicherungen 81 17 3
Insgesamt 68 23 8 1
Automobilindustrie 67 22 11
Gesundheit 66 25 7 2
Banken 63 24 8 5
Telekommunikation 62 27 9 2
Maschinen- und Anlagenbau 61 26 8 4
Medien 58 23 18 1
Energie 56 30 11 4
Transport und Logistik 55 32 9 4
Handel 53 32 15
Chemie und Pharma 44 36 9 12
IT und Elektronik 38 36 22 4
Eher aufgeschlossen Wir haben uns bisher noch nicht

Unentschieden Eher kritisch und ablehnend Wei nicht/keine Angabe
und interessiert mit dem Thema Big Data beschftigt

Quelle: KPMG, 2016

Abb. 17: Nutzung von Big-Data-Lsungen

Mehr als ein Drittel nutzt bereits Big-Data-Lsungen
Inwieweit setzt Ihr Unternehmen bereits Big-Data-Lsungen ein bzw. plant oder diskutiert diese zuknftig zu nutzen?
Wir haben Big-Data-Lsungen

35
bereits im Einsatz.
Wir planen diese

24
zuknftig zu nutzen.
Wir diskutieren diese 18

zuknftig zu nutzen.
Big-Data-Lsungen sind fr
22
uns derzeit kein Thema.
Wir haben uns bisher noch nicht

1
mit dem Thema beschftigt.
Anteil (gewichtet) in Prozent der Unternehmen, n=704
Quelle: KPMG, 2016
Abb. 18: Auswirkungen des Einsatzes von Big-Data-Lsungen

Einsatz von Big Data minimiert vor allem das Risiko
Hat Ihr Unternehmen durch den Einsatz von Big Data bereits
den Umsatz erhht? Risiken minimiert? Kosten reduziert?
14
29
31 5
62 68 1
10
81
Ja Wei nicht/keine Angabe Nein
Anteil (gewichtet) in Prozent der Unternehmen, die Big-Data-Lsungen einsetzen, n = 330
Quelle: KPMG, 2016
4.2 KNAPP ZWEI DRITTEL DER UNTERNEHMEN HABEN KEINE BIG-DATA-STRATEGIE
Die Aufgeschlossenheit gegenber dem Thema Big Data Darber hinaus gibt es auch nennenswerte Unterschiede
ist gro, doch die Mehrheit der Unternehmen lsst bislang zwischen den einzelnen Branchen: In der Spitzengruppe
eine entsprechende Strategie vermissen. Im Vergleich zum befinden sich die Medien, Versicherungen und Banken.
Vorjahr erhht sich der Anteil der Unternehmen mit Big- Mindestens 45 Prozent der Unternehmen aus diesen
Data-Strategie um fnf Prozentpunkte auf rund ein Drittel. Branchen haben bereits eine Big-Data-Strategie entwickelt.
In den brigen Branchen liegen die Werte dicht beieinander,
Trotz des vielfach vorhandenen Interesses am Thema hat im Vergleich zum Vorjahr hat sich der Anteil der Unterneh
erst eine Minderheit der Unternehmen eine Big-Data-Strate men mit Big-Data-Strategie insbesondere in der Medien
gie entwickelt. Dabei zeigen sich erhebliche Unterschiede, branche, im Maschinen- und Anlagenbau und in der
abhngig von der Gre der Unternehmen: Whrend knapp Telekommunikation deutlich erhht.
zwei Drittel der kleineren und mittleren Unternehmen mit bis
zu 2.000 Mitarbeitern noch keine Big-Data-Strategie erar
beitet haben, verfgen nahezu die Hlfte (48 Prozent) aller
Grounternehmen bereits ber eine solche Strategie.
Abb. 19: Existenz einer Big-Data-Strategie nach Unternehmensgre

Mehr als ein Drittel hat eine Big-Data-Strategie
Hat Ihr Unternehmen bereits eine Big-Data-Strategie erarbeitet?
Insgesamt 34 65 1
100 bis 499 Mitarbeiter 34 66
500 bis 1.999 Mitarbeiter 33 65 2
2.000 Mitarbeiter und mehr 48 52
Ja Nein Wei nicht/keine Angabe
Quelle: KPMG, 2016
Abb. 20: Existenz einer Big-Data-Strategie nach Branchen

Medienbranche hat am hufigsten eine Big-Data-Strategie
Hat Ihr Unternehmen bereits eine Big-Data-Strategie erarbeitet?
Medien 56
Versicherungen 46
Banken 45
Transport und Logistik 40
Maschinen- und Anlagenbau 39
Gesundheitswirtschaft 39
Energie 37
Handel 37
Chemie und Pharma 36
Telekommunikation 36
IT & Elektronik 36
Insgesamt 34
Automobilindustrie 34
Sonstige Industrie 32
Sonstige Dienstleistungen 30
Ja
Quelle: KPMG, 2016
BRANCHENWERTE WER WAS MACHT | 41
05
BranchenWERTE
wer was macht
Branchen und ihre Daten
Daten und Datenanalysen sind fr die Unternehmen unabhngig von ihrer Gre
und Branchenzugehrigkeit von wachsender Bedeutung. Allerdings zeigen sich
sowohl hinsichtlich der Vielfalt der verwendeten Daten und Analysen als auch
in Bezug auf die erzielten Ergebnisse deutliche Unterschiede. So sind bislang
die Unternehmen der Automobilindustrie und des Maschinen- und Anlagenbaus
berdurchschnittlich erfolgreich, wenn es darum geht, einen konkreten Nutzen
aus Datenanalysen zu erzielen. Die Automobilbranche zhlt zudem neben den
Medien zu den Vorreitern beim Einsatz fortgeschrittener Analysemethoden. Die
Versicherungsbranche wiederum zeigt die grte Aufgeschlossenheit gegenber
dem Zukunftsthema Big Data.
Die derzeit bestehenden Unterschiede zwischen den Branchen sollten jedoch

nicht berbewertet werden, denn oftmals zeichnen sich grere Verschiebungen
bereits am Horizont ab. So verlagern sich die Positionen der einzelnen Branchen
in den Rankings erheblich, wenn neben den aktuellen Nutzerzahlen auch die
Planungswerte fr den Einsatz bestimmter Datenanalysen bercksichtigt werden.
Das Auto ist eine gigantische Datengenerie
rungsmaschine. Die intelligente Verknpfung
und Analyse von Massendaten (Informational
Engineering) wird daher zuknftig neben der
technischen Ingenieurskunst eine essenzielle
Kernkompetenz innovativer Automobilunter
nehmen sein. Dass daraus Werte geschaffen
werden knnen, erkennen auch in diesem Jahr
wieder berdurchschnittlich viele der befragten
Unternehmen aus der Branche. Knapp drei
Vierteln (73 Prozent) gelingt es der Umfrage
zufolge, einen konkreten Nutzen aus Datenana
lysen zu ziehen. Auch beim Einsatz fortgeschrit
tener Datenanalysen ist die Autobranche nach
wie vor Spitzenreiter.
Automobil Dass weiterhin berwiegend Unternehmens

daten, beispielsweise zu Transaktionen
(91 Prozent) oder von Sensoren und Standorten
industrie (sog. Upstream-Daten), effektiv genutzt werden,

ist zwar nicht verwunderlich, jedoch sicherlich
nicht ausreichend zukunftsorientiert. Verhaltens
bezogene Fahrzeug- und Kundendaten werden in
Nahezu drei Vierteln der Automobil Zukunft der Garant fr nachhaltige Umsatzstrme
unternehmen gelingt es, einen kon sein. Um diese und die Schnittstelle zum Kunden
kreten Nutzen aus Datenanalysen zu
erzielen. Gleichzeitig zhlt die Auto
nicht an innovative IKT-Unternehmen zu verlie
mobilbranche zur Spitzengruppe beim ren, muss sich das Leben des Kunden im
Einsatz fortschrittlicher Datenanalysen. Geschftsmodell des OEM deutlich strker
Hauptschlich werden diese in den widerspiegeln. Es wird daher entscheidend sein,
Anwendungsfeldern Produktions
planung und Produktionssystem
sowohl fahrzeug- und umfeldbezogene Upstre
berwachung genutzt. am-Daten (generiert vom Fahrzeug) als auch
kundenbezogene Downstream-Daten (generiert
von den Insassen) intelligent miteinander zu
verknpfen, um den Herausforderungen eines
multimobilen und multivernetzten Zeitalters
gerecht werden zu knnen.
Dieter Becker,
Partner, Head of Automotive
2016 KPMG AG Wirtschaftsprfungsgesellschaft, ein Mitglied des KPMG-Netzwerks unabhngiger Mitgliedsfirmen, die
KPMG International Cooperative (KPMG International), einer juristischen Person schweizerischen Rechts, angeschlossen
sind. Alle Rechte vorbehalten. Der Name KPMG und das Logo sind eingetragene Markenzeichen von KPMG International.
Bei der Analyse von Sensordaten ist die Automobilindustrie Spitzenreiter
Welche der folgenden Arten von Daten werden in Ihrem

Unternehmen digital gesammelt und IT-gesttzt analysiert?
Transaktionsdaten Compliance-Daten
Automobilindustrie 91 Automobilindustrie 86
Gesamtwirtschaft 86 Gesamtwirtschaft 68
Sensordaten Standortdaten
Die Automobilindustrie ist fhrend bei der Nutzung von fortgeschrittenen Datenanalysen
Automobilindustrie 30
Gesamtwirtschaft 13
Datenanalysen werden in der Automobilindustrie vornehmlich in der Produktion eingesetzt
Produktionsplanung Produktionssystemberwachung
Quelle: KPMG, 2016
Die Menge an verfgbaren Daten, die Banken
aktiv nutzen, steigt stetig an. Mehr als 93 Prozent
der Banken analysieren Transaktionsdaten, dicht
gefolgt von CRM-Daten mit 78 Prozent. Diese
Daten werden vor allem in den traditionellen
Anwendungsgebieten Risikomanagement
(100 Prozent) und im digitalen internen Kontroll
system (78 Prozent) genutzt.
Dieser Trend ist leicht zu erklren. Mit der ber

nahme der Bankenaufsicht durch die EZB ist der
Fokus der Banken auf neue Reporting-Anforde
Banken rungen gelegt worden. Ein Beispiel hierfr sind
die Anforderungen aus AnaCredit. Das Reporting
zum Kreditportfolio wird im Wesentlichen aus der
Kombination von Transaktions- und Kundendaten
Bei den Banken spielen die Anwen erstellt werden.
dungsfelder Risikomanagement und
digitales internes Kontrollsystem eine
zentrale Rolle bei der Datenanalyse.
Nur knapp die Hlfte der Banken setzt Daten
Dafr werden vornehmlich Transak analysen in neuen Anwendungsfeldern wie
tionsdaten und CRM-Daten verwendet. Verhaltensdaten und Social-Media-Daten ein.
Allerdings nicht systematisch auf Basis Fr die Analyse dieser unstrukturierten Daten
fortschrittlicher Datenanalysen. Hier
gehrt die Bankenbranche zu den
sind fortgeschrittene Analyseverfahren erforder
Nachzglern. lich, die aktuell nur von elf Prozent der Banken
eingesetzt werden. Hier liegt nach wie vor ein
enormes Potenzial, im Zuge der zunehmenden
Digitalisierung von Vertriebswegen Kunden
bedrfnisse besser zu verstehen und Kunden
an das Finanzinstitut zu binden.
Thomas Lechte,
Partner, Financial Services
Banken analysieren in erster Linie Transaktionsdaten und CRM-Daten

Transaktionsdaten CRM-Daten
Banken 93 Banken 78
Compliance-Daten Logdaten
Banken 76 Banken 72
Verhaltensdaten Social-Media-Daten
Banken 52 Banken 42
Beim Einsatz fortgeschrittener Datenanalysen haben Banken noch Nachholbedarf
Banken 11
Gesamtwirtschaft 13
Zentrale Anwendungsfelder von Banken sind Risikomanagement und digitales Internes Kontrollsystem
Risikomanagement Digitales Internes Kontrollsystem

Banken 100 Banken 78
Quelle: KPMG, 2016
71 Prozent der Chemie- und Pharmaunter
nehmen ziehen konkreten Nutzen aus Daten
analysen. Im Bereich der fortschrittlichen
Datenanalyse liegen noch groe Potenziale.
Nutzenbasierte Preismodelle spielen eine immer

grere Rolle in der Pharmabranche. Innovative
Pharmaunternehmen etablieren bereits heute auf
der Basis von real world evidence Plattformen,
Chemie um Nutzen festzuhalten und Preise zu rechtferti

gen. Aufgrund gesetzlicher Bestimmungen muss
die Branche die Serialisierung ihrer Produkte
und Pharma implementieren (Track & Trace). Durch die fort
schrittliche Analyse dieser Datenstze lsst sich
enormes Potenzial zur Optimierung von Preis und
Distribution realisieren.
Die Chemie- und Pharmabranche zhlt
zur Spitzengruppe bei der Nutzung von Auch kooperieren Pharmaunternehmen mitein
systemisch erstellten Daten. Innerhalb
der Branche werden in erster Linie
ander und mit dem Patienten. Firmen tauschen,
Sensor- und Standortdaten analysiert. integrieren und analysieren historische, anonyme
Mehr als zwei Drittel der Chemie- und Patientendaten sowie Ergebnisse aus klinischen
Pharmaunternehmen ziehen einen Studien ber Plattformen. Patienten stellen
konkreten Nutzen aus Datenanalysen
insbesondere beim Ausfallmanage
physiologische Daten ber digital vernetzte
ment und bei der Produktions- mobile Gerte bereit.
systemberwachung.
Die intelligente Datenanalyse und mehrdimen
sionale Verknpfung von Parametern bietet
den hheren Mehrwert und entscheidet ber
den Wettbewerb.
Vir Lakshman,
Partner, Head of Chemicals
&Pharmaceuticals
Mehr als zwei Drittel der Chemie- und Pharmaunternehmen erzielen einen Mehrwert aus Datenanalysen
In unserem Unternehmen analysieren wir Daten nicht nur, sondern

schaffen es auch, die Erkenntnisse aus den Analysen in konkreten
Nutzen fr das Unternehmen umzuwandeln.
Chemie und Pharma 71
Gesamtwirtschaft 62
Stimme voll und ganz zu und Stimme eher zu in Prozent
Chemie- und Pharmaunternehmen verarbeiten hauptschlich Sensor- und Standortdaten

Sensordaten Standortdaten
Chemie und Pharma 78 Chemie und Pharma 71
Datenanalysen werden in der Chemie- und Pharmabranche vornehmlich beim

Ausfallmanagement und bei der Produktionssystemberwachung eingesetzt
Ausfallmanagement Produktionssystemberwachung
Chemie und Pharma 62 Chemie und Pharma 57
Quelle: KPMG, 2016
Die Energiewirtschaft in Deutschland steht
unter Druck. Sie muss sich schnell und radikal
anpassen, um erfolgreich zu bleiben. Die Digitali
sierung bietet Versorgern dabei neue Chancen
und eine Perspektive in Zeiten der
Energiewende.
Immer mehr Unternehmen haben dies bereits

erkannt. Die Sensibilitt fr die Notwendigkeit
von Datenanalyseprogrammen im Energiesektor
ist innerhalb von einem Jahr um beachtliche
42Prozent gestiegen. Inzwischen sind sich ber
Energie 80Prozent der Energieversorger bewusst,
dassdie Analyse der eigenen Daten entscheidend
zur Steigerung der Wertschpfung im Unter
nehmen beitragen kann.
Vier von fnf Energieunternehmen
geben an, dass Datenanalysen eine Neue Informationsquellen wie virtuelle Kraft
immer wichtigere Rolle fr die Wert
schpfung in ihrem Unternehmen
werke, intelligente Zhler oder Netze lassen die
spielen. Hauptschlich werden in der Datenwelt in der Energiebranche immer komple
Energiebranche Compliance- und xer werden und schrfen gleichzeitig das
CRM-Daten analysiert und fr das Bewusstsein fr die Notwendigkeit einer erwei
Anwendungsfeld Kundenbeziehungs
management genutzt.
terten Datenverarbeitung. Dies bildet den Grund
stein fr innovative Versorger, einen Schritt
weiterzugehen und selbst Smart-Energy-
Lsungen im Markt anzubieten.
Michael Salcher,
Partner, Head of Energy &
Natural Resources
Datenanalysen spielen eine immer wichtigere Rolle fr die Wertschpfung in der Energiebranche
Datenanalysen werden fr die Wertschpfung bzw. die Geschftsmodelle

in unserem Unternehmen immer wichtiger.
Energie 81
Gesamtwirtschaft 68
Energieunternehmen analysieren vornehmlich Compliance- und CRM-Daten

Compliance-Daten CRM-Daten
Energie 85 Energie 81
Sensordaten Logdaten
Energie 58 Energie 71
Social-Media-Daten
Energie 36
Gesamtwirtschaft 28
Datenanalysen werden im Energiesektor in erster Linie im Rahmen des Kundenbeziehungsmanagements verwendet
Kundenbeziehungsmanagement
Energie 63
Gesamtwirtschaft 38
Quelle: KPMG, 2016
Die digitale Transformation macht in ihrer Ent
wicklung vor kaum einer Branche halt. Im Zuge
der Digitalisierung werden traditionelle Geschfts-
modelle infrage gestellt das sehen wir mehr
und mehr auch in der Gesundheitsbranche.
Kunden und Patienten treten mit immer neuen
Gesundheit und spezielleren Wnschen und Nachfragen an

die Leistungserbringer heran. Krankenhuser,
Krankenkassen und Versicherer sowie viele
weitere Anbieter im Gesundheitssektor mssen
ihre aktuellen Geschftsprozesse berdenken
Die Gesundheitsbranche platziert sich
beim Einsatz fortschrittlicher Datenana und Vernderungsbereitschaft im Hinblick auf
lysen im Mittelfeld. Gleichzeitig ist die Innovation und Fortschritt zeigen. Die Zahlen
Gesundheitswirtschaft Spitzenreiter belegen, dass Datenanalysen im Vergleich zum
bei der Nutzung von Datenanalysen im
Anwendungsfeld Arbeitskrftemanage
Vorjahr immer hufiger als ein entscheidender
ment und zhlt zur Spitzengruppe in Baustein fr die Wertschpfung bzw. die
den Bereichen Ausfallmanagement und Geschftsmodelle in der Gesundheitsbranche
Social Media-Analyse. anerkannt werden. Analysiert man die Anwen
dungsfelder im Detail, liegt ein zentraler Fokus
des Einsatzes von Datenanalysen im Bereich
Personal und damit auch beim grten Kosten
block. Hier spielt meines Erachtens die Musik:
mithilfe der Digitalisierung das Gesundheitswe
sen sicher, innovativ, effizient gestalten mit
dem Patienten im Mittelpunkt.
Prof. Dr. Volker Penter,
Partner, Head of Health Care
Mehr als drei Viertel der Unternehmen der Gesundheitsbranche geben an, dass Datenanalysen
zunehmend ein entscheidender Baustein fr die Wertschpfung sind
Datenanalysen werden fr die Wertschpfung bzw. die Geschftsmodelle

in unserem Unternehmen immer wichtiger.
Gesundheit 77
Gesamtwirtschaft 68
Beim Einsatz fortgeschrittener Datenanalysen liegt die Gesundheitswirtschaft im Mittelfeld
Gesundheit 18
Gesamtwirtschaft 13
Die Gesundheitsbranche ist Spitzenreiter beim Einsatz von

Datenanalysen im Anwendungsfeld Arbeitskrftemanagement
Arbeitskrftemanagement Ausfallmanagement
Gesundheit 43 Gesundheit 54
Social Media Analytics

Gesundheit 24
Gesamtwirtschaft 18
Quelle: KPMG, 2016
Das Sammeln und Analysieren von Kunden-,
Produkt- und Transaktionsdaten hat im Handel
eine besondere Bedeutung. Die mit dem Nutzen
von Daten verknpften Potenziale werden von
Handelsunternehmen zunehmend erkannt und
umgesetzt.
Als Primrpartner des Kunden in der tagtglichen

Lebensbewltigung fokussiert sich der Handel
insbesondere auf CRM- und Verhaltensdaten.
Diese Datenprferenzen bilden ein Indiz dafr,
dass der Umbau der Geschftsmodelle im
Handel in Richtung Kundenzentrierung bereits
in vollem Gange ist.
Fr den Handel (und natrlich fr seine Kunden)
Handel besitzt insbesondere die Verknpfung verschie-

dener Daten einen hohen Mehrwert. So sind
Handelsunternehmen auch bei Geospatial- und
bei Wettbewerbsanalysen fhrende Nutzer. Die
Der Handel liegt bei der Nutzung
Verknpfung dieser Daten mit Kundendaten wird
fortgeschrittener Datenanalysen im auf eine echte, digital getriebene Multikanall-
oberen Mittelfeld und analysiert sung einzahlen. Auf einer solchen Basis wird der
vornehmlich CRM- und Verhaltensda- Handel mit seinen starken Vertriebsmarken
ten. Die Branche ist Spitzenreiter bei
der Nutzung von Datenanalysen im
gegen rein technische Plattformlsungen und
Anwendungsfeld Geospatial-Analysen Online-Formate als fhrender Wettbewerber
und zhlt zur Spitzengruppe bei den konkurrieren und bestehen knnen.
Wettbewerberanalysen.
Stephan Fetsch,
Partner, Head of Retail
Im Handel werden hauptschlich CRM- und Verhaltensdaten analysiert

CRM-Daten Verhaltensdaten
Handel 78 Handel 66
Markt- und andere konomische Daten Wissenschaftliche Publikationen
Handel 56 Handel 46
Die Handelsbranche platziert sich bei der Nutzung von fortgeschrittenen Datenanalysen im oberen Mittelfeld
Handel 22
Gesamtwirtschaft 13
Handelsunternehmen sind Vorreiter bei der Nutzung von Datenanalysen im Anwendungsfeld Geospatial-Analysen
Geospatial-Analysen Wettbewerberanalysen
Handel 46 Handel 38
Quelle: KPMG, 2016
IT und Datenstrme entwickeln sich rapide zu Lebens-
adern der globalen Wirtschaft. Die Technologie-
Elektronik
branche steht daher in der besonderen Verant
wortung, nicht nur Enabler von Data-&-Ana
lytics-Anwendungen zu sein, sondern auch als
Vorbild fr eine positive Anwendung intelligenter
Datenanalysen zu agieren.
IT- und Elektronikunternehmen sind
Spitzenreiter bei der Nutzung von
Zwar wissen Technologieunternehmen eigene
Datenanalysen im Anwendungsfeld
Maschinennetzberwachung. Inner Innovationen einzusetzen, wie eine berdurch
halb der Branche werden hauptschlich schnittliche Nutzung von CRM-Daten im Ver
CRM-, Compliance- und Logdaten gleich zur Gesamtwirtschaft oder die Spitzen-
digital gesammelt und analysiert. Bei
position im Anwendungsfeld Maschinennetz
der Nutzung fortgeschrittener Daten
analysen liegen IT- und Elektronikunter berwachung zeigen. berraschend hingegen
nehmen im Mittelfeld. Die Branche ist, dass der IT-Sektor im Gegensatz zu anderen
weist den hchsten Anteil an Befragten Branchen offensichtlich selbst weniger konkreten
auf, die kritisch und ablehnend gegen
Nutzen aus den Erkenntnissen der Datenanalyse
ber dem Thema Big Data eingestellt
sind (22 Prozent). Unter den Branchen, gewinnen kann.
die aus Datenanalysen einen konkreten
Nutzen generieren, liegt sie auf dem Gleichzeitig aber stagniert die Anwendung fort
letzten Platz. geschrittener Datenanalysen im Vergleich zum
Vorjahr und liegt weiterhin bei lediglich zwlf
Prozent. Die Ergebnisse hatten klar gezeigt, dass
Nutzer fortgeschrittener Datenanalysen ma
geblich zufriedener sind als Nutzer von
Ad-hoc-Analysen.
Die groe Aufgabe besteht in naher Zukunft

darin, konkrete Werte aus Datenanalysen zu
schaffen, um der wichtigen Vorbildrolle gerecht
werden zu knnen.
Peter Heidkamp,
Partner, Head of Technology
IT- und Elektronikunternehmen sammeln und analysieren vornehmlich CRM-, Compliance- und Logdaten

CRM-Daten Compliance-Daten
IT und Elektronik 82 IT und Elektronik 78
Logdaten Social-Media-Daten
Der IT- und Elektronikbranche gelingt es deutlich seltener als anderen

Branchen, einen konkreten Nutzen aus Datenanalysen zu ziehen
IT und Elektronik 38
Gesamtwirtschaft 62
Im Anwendungsfeld Maschinennetzberwachung ist die Technologie-

branche Spitzenreiter bei der Nutzung von Datenanalysen
Maschinennetzberwachung Produktionsplanung
Produktionssystemberwachung
IT und Elektronik 62
Gesamtwirtschaft 35
Quelle: KPMG, 2016
Maschinen- Die berdurchschnittliche Zustimmung in der
Fertigungsindustrie zur Nutzung von Datenana
und
lysen wundert mich nicht. Erstens: Die Digitali
sierung der Produktionsprozesse und die inte-
grativen Anwendungen zur Optimierung der
Anlagenbau Wertschpfung finden sich nahezu auf jeder

C-Level-Agenda. Zweitens: Einige Unternehmen
der Fertigungsindustrie richten ihre Geschfts
modelle bereits neu aus und verstrken gleich
Im Maschinen- und Anlagenbau zeigt zeitig das Servicegeschft. Grundlagen hierfr
sich die hchste Zustimmung zur sind Datenauswertungen. Diese bieten nicht nur
Aussage, dass Datenanalysen zuneh
Mglichkeiten fr vorgelagerte Dienstleistungen
mend ein entscheidender Baustein fr
die Wertschpfung im Unternehmen (Produktions- und Maschinenplanung) und Opti-
sind. Wenig berraschend ist die mierungen whrend des Einsatzes der Maschine,
Branche Vorreiter bei der Verarbeitung sondern auch Werkzeuge zur Steuerung und
von systemisch erstellten Daten und
berwachung der Anlagen in Echtzeit (Condition
analysiert in diesem Zusammenhang
berdurchschnittlich hufig Log- und Monitoring). Darber hinaus werden vermehrt
Sensordaten. Gleichzeitig ist die Tools zur vorausschauenden Wartung entwickelt.
Branche Spitzenreiter bei der Nutzung
von Datenanalysen im Anwendungsfeld Der Mehrwert der Datenanalysen steht nicht
Ausgabenanalyse.
mehr infrage die Akzeptanz des Datenzugriffs
gilt es herbeizufhren.
Die grte Herausforderung fr die Branche wird

es sein, sich strker als vertrauensvoller Partner
der Anwender zu etablieren. Hufig werden
Anlagen, Maschinen oder Komponenten gelie
fert, ohne dass auf die dadurch generierten
Daten zurckgegriffen werden kann. Dieses
Problem muss schnellstens gelst werden.
Harald von Heynitz,

Partner, Head of Industrial
Manufacturing
Im Maschinen- und Anlagenbau zeigt sich die hchste Zustimmung zu der folgenden Aussage
Datenanalysen sind zunehmend ein entscheidender Baustein fr die

Wertschpfung bzw. die Geschftsmodelle in unserem Unternehmen.
Maschinen- und 90
Anlagenbau
Gesamtwirtschaft 68
Alle Maschinen- und Anlagenbauunternehmen verarbeiten systemisch erstellte Daten

Compliance-Daten Logdaten
Maschinen- und 80
Maschinen- und 71
Anlagenbau Anlagenbau
Sensordaten Verarbeitung systemisch erstellter Daten

Maschinen- und 70
Maschinen- und 100
Der Maschinen- und Anlagenbau ist Vorreiter beim Einsatz von Datenanalysen im Anwendungsfeld Ausgabenanalyse
Ausgabenanalyse Produktionssystemberwachung
Maschinen- und 93
Maschinen- und 51
Ausfallmanagement
Maschinen- und 50
Anlagenbau
Gesamtwirtschaft 33
Quelle: KPMG, 2016
Den Ergebnissen unserer Studie zufolge sind
die deutschen Medienunternehmen im Bran
chenvergleich Spitzenreiter beim Einsatz inno
vativer Datenanalysen. Das ist eine positive
Nachricht. Viele Medienunternehmen haben
folglich den Nutzwert von Data Analytics erkannt.
Neue Anbieter aus der Technologiebranche und

Start-up-Szene setzen etablierte Medienhuser
unter Druck. Das Wettbewerbs- und Verdrn
gungsrisiko liegt dabei weniger im Content-
Bereich. Hier haben die klassischen Medien
noch immer einen Erfahrungs- und Kompetenz
vorsprung. Das Risiko bezieht sich zumindest
im Digitalgeschft auf den Vertriebs- und
Medien Kundenbereich. Medienunternehmen laufen

Gefahr, durch die Omniprsenz der groen
Technologie- und Internetanbieter den direkten
Kontakt zu den Kunden zu verlieren und zu Inhal
Die Medienbranche ist Spitzenreiter telieferanten von Google, Facebook & Co.
beim Einsatz fortschrittlicher Daten herabgestuft zu werden.
analysen. Dabei werden vornehmlich
Logdaten, CRM-Daten, konomische
Mithilfe einer intelligenten Datennutzung lassen
Daten und Verhaltensdaten analysiert
und vor allem fr das Anwendungsfeld sich die Mediennutzungsgewohnheiten der
Produktionsplanung verwendet. Kunden optimal auswerten. In der Folge knnen
mediale Angebote passgenau auf diese Bedrf
nisse zugeschnitten werden. User Experience
und Kundenbindung werden verbessert. Darin
liegt eine groe Chance fr Medienunterneh
men, dass sie auch in Zukunft den direkten
Kontakt zu ihren Kunden halten und sich in einem
zunehmend komplexen Wettbewerbsumfeld
behaupten knnen.
Dr. Markus Kreher,
Partner, Head of Media
In der Medienbranche werden hauptschlich Logdaten und CRM-Daten analysiert

CRM-Daten Markt- und andere konomische Daten

Medien 79 Medien 56
Logdaten Verhaltensdaten
Medien 85 Medien 49
Beim Einsatz fortschrittlicher Datenanalysen ist die Medienbranche Spitzenreiter
Medien 35
Gesamtwirtschaft 13
Alle Medienunternehmen setzen Datenanalysen bei der Produktionsplanung ein
Produktionsplanung
Medien 100
Gesamtwirtschaft 85
Quelle: KPMG, 2016
Tele Die Ergebnisse dieser Studie zeigen, dass
die Relevanz von Datenanalysen mittlerweile
kommunikation
von fast allen Telekommunikationsanbietern
in Deutschland erkannt wird. Gleichwohl sind
innovative Big-Data-Tools zur Auswertung groer
(unstrukturierter) Datenmengen hufig noch nicht
im Einsatz. Lediglich 19 Prozent der Telekom
Mehr als drei Viertel der Telekommuni
munikationsfirmen nutzen derart fortgeschrittene
kationsunternehmen geben an, dass
relevante Entscheidungen zunehmend Datenanalysen.
auf Erkenntnissen aus der Analyse
von Daten basieren. Bei der Nutzung In einer hochkompetitiven Branche wie dem
fortgeschrittener Datenanalysen liegt Telekommunikationssektor kann die intelligente
die Branche im oberen Mittelfeld.
Datennutzung entscheidende Wettbewerbs-
Zugleich gehrt die TK-Branche zur
Spitzengruppe bei der Nutzung von oder Kostenvorteile schaffen. So kann man
Datenanalysen in den Anwendungs mithilfe von Churn Analytics das Kundenwechsel-
feldern Kundenanalyse und Kunden- verhalten viel besser analysieren und Manah
beziehungsmanagement.
men ableiten. Ziel ist es hier, die Kundenbindung
zu strken. Mit anderen Tools ist es mglich,
smtliche Kundenkontakte entlang der Custo
mer Journey zu analysieren, um beispielsweise
die Kundenzufriedenheit zu erhhen oder neue
Geschftsmglichkeiten zu identifizieren.
Telco Excellence bedeutet: Angebote konse

quent am Kundenbedarf ausrichten, auerge
whnliche Kundenerlebnisse (z. B. Einsatz von
Virtual und Augmented Reality) schaffen und
interne Strukturen und Prozesse effizient (z. B.
Einsatz von Robotics-Lsungen) gestalten. Dieses
Exzellenzkonzept lsst sich nur mit fortschrittli
chen Analytics-Lsungen umsetzen. Erst mithilfe
multivariabler Datenanalysen knnen Produkt
angebote, Kundenservices und Betriebsablufe
optimiert werden. Auf diese Weise knnen
Telekommunikationsunternehmen ihre verfg
bare Datenvielfalt veredeln und einen wichtigen
Schritt in Richtung Telco Excellence machen.
Marc Ennemann,
Partner, Head of
Telecommunications
Mehr als drei Viertel der Telekommunikationsunternehmen besttigen, dass relevante

Entscheidungen zunehmend auf Erkenntnissen aus Datenanalysen basieren
Relevante Entscheidungen in unserem Unternehmen basieren

zunehmend auf Erkenntnissen aus der Analyse von Daten.
Gesamtwirtschaft 80
Die TK-Branche liegt im oberen Mittelfeld beim Einsatz fortgeschrittener Datenanalysen
Gesamtwirtschaft 13
Telekommunikationsunternehmen zhlen zur Spitzengruppe bei der Nutzung von Datenanalysen

in den Anwendungsfeldern Kundenanalyse und Kundenbeziehungsmanagement
Kundenanalyse Kundenbeziehungsmanagement
Telekommunikation 87 Telekommunikation 50
Wettbewerberanalysen
Gesamtwirtschaft 30
Quelle: KPMG, 2016
Obwohl die Transport- und Logistikbranche den
Nutzen von Datenanalysen zunehmend erkennt,
bleibt sie beim Einsatz fortgeschrittener Anwen
dungen gegenber der Gesamtwirtschaft zurck.
Ausschlaggebend hierfr ist die derzeit noch
bergeordnete Bedeutung der Optimierung des
eigenen Kerngeschfts. Nur wenig Beachtung
hingegen findet der Einsatz von Datenanalysen
bislang bei Fragen der Erweiterung des Dienst
leistungsangebots um neue Produkte. Genau in
diesem Bereich liegt indes der strategische Wert
insbesondere der Kundendaten: Nur wenn es
gelingt, Transparenz in die gesamte Supply Chain
(vom Zulieferer bis zum Endkunden) zu bringen,
kann die fr die Nachhaltigkeit des eigenen
Markterfolgs entscheidende Kundenschnittstelle
auch langfristig gesichert werden. Hierbei sind
nicht nur B2B-Daten, sondern zunehmend auch
B2C-Daten von Relevanz, da der Endkunde und
seine Bedrfnisse bereits heute die Geschfts
Transport modelle aller Branchen und damit auch der

diese Branchen verbindenden Logistik ma
und Logistik
geblich beeinflusst.
Steffen Wagner,
Partner, Head of
Transport & Leisure
Datenanalysen spielen fr die Wert

schpfung in der Transport- und
Logistikbranche eine immer grere
Rolle. Obwohl sich der Anteil der
Nutzer fortgeschrittener Datenanalysen
im Vergleich zum Vorjahr von 2 auf 8
Prozent erhht hat, gehrt die Branche
nach wie vor zur Gruppe der Nachzg
ler. Gleichwohl ist die Logistikbranche
in der Spitzengruppe beim Einsatz von
Datenanalysen in den Anwendungs
feldern Umsatzanalyse und Supply-
Chain-Optimierung.
Mehr als drei Viertel der Transport- und Logistikunternehmen geben an, dass Datenanalysen
zunehmend ein entscheidender Baustein fr die Wertschpfung sind
Datenanalysen sind zunehmend ein entscheidender Baustein fr die

Wertschpfung bzw. die Geschftsmodelle in unserem Unternehmen.
Transport 79
und Logistik
Gesamtwirtschaft 68
Die Transport- und Logistikbranche zhlt nach wie vor zur Gruppe der
Nachzgler bei der Nutzung von fortgeschrittenen Datenanalysen
Transport 8
und Logistik
Gesamtwirtschaft 13
Beim Einsatz von Datenanalysen in den Anwendungsfeldern Umsatzanalyse und

Supply-Chain-Optimierung ist die Transport- und Logistikbranche in der Spitzengruppe
Umsatzanalyse Supply-Chain-Optimierung
Transport 77
Transport 48
und Logistik und Logistik
Geospatial-Analysen
Transport 37
und Logistik
Gesamtwirtschaft 22
Quelle: KPMG, 2016
Versicherungen Die Digitalisierung verndert die Art, wie Unter
nehmen ihr Geld verdienen. Denn ein neuer
Rohstoff entscheidet ber Gewinne und Ver
luste: Es handelt sich um Daten in allen Facetten
Zwei Drittel der Versicherungsunter und Informationstiefen. Insbesondere Versiche
nehmen ziehen einen konkreten Nutzen rungsunternehmen sind von dieser Entwicklung
aus Datenanalysen. Hier schlgt sich betroffen, denn ihr Kerngeschft bedurfte schon
auch nieder, dass die Versicherungs
immer der intelligenten Analyse und Nutzung von
branche zur Spitzengruppe beim
Einsatz fortschrittlicher Datenanalysen Daten. Dies erklrt auch die Vorreiterrolle, die
zhlt. Hauptschlich werden in der die Versicherungsbranche bei der Digitalisierung
Versicherungsbranche CRM-Daten, einnimmt: So ziehen bereits heute 66 Prozent
Transaktionsdaten, Compliance-Daten
der befragten Versicherungen konkreten Nutzen
und Verhaltensdaten gesammelt und
diese vor allem fr das Anwendungs aus Datenanalysen. Um ihre Kunden besser zu
feld Kundenanalyse verwendet. verstehen, nutzen 92 Prozent ihre CRM-Daten fr
Analysezwecke und 74 Prozent fhren konkrete
Kundenanalysen durch. Allerdings verwenden
bisher nur 26 Prozent der befragten Versicherun
gen fortgeschrittene Datenanalysen. Die Studie
zeigt, dass dies zwar ein Wachstum von 24
Prozent gegenber dem Vorjahr ist. Allerdings
wird das durch neue Analysemethoden und
-technologien ermglichte Potenzial damit bei
Weitem nicht ausgeschpft. Dies ist gefhrlich,
denn langfristig erfolgreich werden nur Versiche
rungsunternehmen sein, welche es verstehen,
Daten intelligenter als ihre Konkurrenz einzusetzen.
Dr. Frank Ellenbrger,

Partner, Bereichsvorstand
Insurance
In der Versicherungsbranche werden in erster Linie CRM-Daten, Transaktionsdaten und Compliance-Daten analysiert

CRM-Daten Transaktionsdaten
Versicherungen 92 Versicherungen 87
Compliance-Daten Verhaltensdaten
Die Versicherungsbranche gehrt zur Spitzengruppe bei der Nutzung von fortgeschrittenen Datenanalysen
Versicherungen 26
Gesamtwirtschaft 13
Kundenanalysen stehen bei Versicherungsunternehmen im Vordergrund
Kundenanalyse Social Media Analytics

Quelle: KPMG, 2016
Spotlight:
ffentlicher Sektor
Big Data ist lngst in der ffentlichen Verwaltung angekommen. Nahezu die
Hlfte der befragten Behrden ist dem Thema gegenber aufgeschlossen. Das
groe Interesse der ffentlichen Verwaltung an Big Data weist auf das Potenzial
einer systematischen Analyse von Daten hin: Big Data in der ffentlichen Ver
waltung kann mehr Transparenz, personalisierte Dienstleistungen und schnellere
Entscheidungsprozesse ermglichen sowie Risiken senken.
Um dieses Potenzial besser auszuschpfen, mssen allerdings noch einige

Hindernisse berwunden werden. Zu den grten Hrden, die einer breiteren
Nutzung im Wege stehen, gehren datenschutzrechtliche Unsicherheiten,
unzureichendes Budget und das Fehlen eigener Datenanalyse-Spezialisten,
wie die Studie darlegt.
Will der ffentliche Sektor die Mglichkeiten fortgeschrittener Datenanalysen voll

wahrnehmen, bedarf es daher klarer rechtlicher Vorgaben und einer angemesse
nen Ausstattung mit finanziellen und personellen Ressourcen.
Mathias Oberndrfer,
Partner, Bereichsvorstand
ffentlicher Sektor
FFENTLICHER SEKTOR | 67
Ergnzend zur Unternehmensbefragung wurden insgesamt 102 Interviews mit Organisationen der
ffentlichen Verwaltung ab 100 Mitarbeitern durchgefhrt. Bei den Befragten im ffentlichen Sektor
handelt es sich ausschlielich um Abteilungs- bzw. Fachbereichsleiter Beschaffung/Einkauf oder
Haushalt/Finanzen sowie um Verwaltungschefs bzw. Behrdenleiter. Durch Schichtung der Zufalls
stichprobe wurde gewhrleistet, dass Organisationen aus den unterschiedlichen Organisationsgren
klassen in ausreichender Anzahl vertreten sind. Die Aussagen der Befragungsteilnehmer wurden nicht
gewichtet, da keine amtlichen Statistiken zur Verteilung der Organisationsgrenklassen der ffent
lichen Verwaltung in Deutschland vorliegen.
Der ffentliche Sektor auf dem Weg zu Big Data?
Mit Daten Werte Schaffen Sonderausgabe ffentliche Verwaltung
Die vollstndige Auswertung fr die ffentliche Verwaltung mit Interpretationen

und Fallbeispielen finden Sie unter www.kpmg.de/publicsector
Methodik der Befragung
Telefonische Befragung (CATI) im Februar Stichprobe: Funktion der Befragten

und Mrz 2016 (n=102)
Grundgesamtheit: Organisationen in der ffentlichen

Verwaltung mit mindestens 100 Mitarbeitern 21
Zielgruppe/Befragte: Bereichsleiter bzw. 39

(Haupt-)Abteilungsleiter aus den Bereichen
Beschaffung/Einkauf/Logistik
Haushalt/Finanzen
40
sowie Verwaltungschefs/Behrdenleiter
Verwaltungschef/Behrdenleiter
Leiter Beschaffung/Einkauf
Leiter Haushalt/Finanzen
Anteil in Prozent der Organisationen, n = 102
2016 KPMG AG Wirtschaftsprfungsgesellschaft, ein Mitglied des KPMG-Netzwerks unabhngiger Mitgliedsfirmen, die KPMG International Cooperative (KPMG
International), einer juristischen Person schweizerischen Rechts, angeschlossen sind. Alle Rechte vorbehalten. Der Name KPMG und das Logo sind eingetragene
Markenzeichen von KPMG International.
ffentliche Verwaltungen lagern im Vergleich zur deutschen Wirtschaft deutlich seltener Prozesse
im Zusammenhang mit Datenanalysen und/oder Daten(mengen) selbst aus. Von allen Aspekten
werden das Design bzw. der Aufbau von Datensystemen (25 Prozent) sowie die Datenvisualisierung
(22 Prozent) am hufigsten ausgelagert.
Die grten Hrden bei der Nutzung von Datenanalysen in ffentlichen Verwaltungen sind Bedenken
bei der Weitergabe von Daten an externe Dienstleister, unzureichendes Budget und Personalengpsse
bei Datenanalyse-Spezialisten.
Die bisherigen Erfahrungen der befragten ffentlichen Verwaltungen mit Datenanalysen sind fast immer
positiv: In erster Linie konnten durch den Einsatz von Datenanalysen die Risiken minimiert werden (65
Prozent) sowie die Qualitt der Brger- und Kundenkontakte/-ansprache (64 Prozent) verbessert
werden.
Die positiven Erfahrungen unterstreichen das Potenzial von Datenanalysen.
Abb. 21: Hrden bei der Nutzung von Datenanalysen

Datensicherheit und Budget sind grte Hrden
Inwieweit treffen die folgenden Argumente, die gegen eine (intensive) Nutzung
von Datenanalysen sprechen, fr Ihre Organisation zu?
Keine Weitergabe von Daten an Drittanbieter 45 22 17 6 9 2
Unzureichendes Budget 29 31 21 8 6 5
Nicht gengend Datenanalyse-Spezialisten 30 18 25 16 12
Unklarheiten hinsichtlich Rechtslage 22 25 37 10 7
Sorge vor ffentlicher Kritik 27 17 21 12 20 5
Schwierigkeiten bei der Erstellung eines 30 12 30 19 5 4

Anwendungsbeispiels
Gefhrdung des Brgervertrauens 24 17 15 13 27 6
Fehlende Infos zu Analysemglichkeiten 18 17 22 20 25
Unzureichende Qualitt der Daten 6 13 18 41 23
Trifft voll Trifft eher Trifft berhaupt Wei nicht/

Trifft eher zu Teils/teils
und ganz zu nicht zu nicht zu keine Angabe

Quelle: KPMG, 2016
FFENTLICHER SEKTOR | 69
Nahezu die Hlfte der befragten ffentlichen Verwaltungen (49 Prozent) ist gegenber dem Thema Big
Data aufgeschlossen und interessiert. Demnach ist die Aufgeschlossenheit der ffentlichen Verwaltun
gen gegenber diesem Thema deutlich geringer als bei den befragten Unternehmen.
Abb. 22: Einstellung zu Big Data

Knapp die Hlfte hat Interesse an Big Data
Wie steht Ihre Organisation generell zum Thema Big Data?
Insgesamt 49 36 3 7 5
100 bis 499 Mitarbeiter 46 31 4 12 8
500 bis 1.999 Mitarbeiter 54 36 4 4 4
2.000 Mitarbeiter und mehr 50 50
Wir haben uns bisher

Eher aufgeschlossen Eher kritisch noch nicht mit dem Wei nicht/
und interessiert Unentschieden
und ablehnend Thema Big Data keine Angabe
beschftigt

Quelle: KPMG, 2016
MEHRWERT WAS ZU TUN IST | 71
06
MehrWERT
was zu tun ist
Fazit und Empfehlungen
Die erste zentrale Botschaft unserer Untersuchung lautet: Daten und Daten
analysen gewinnen fr die gesamte Wirtschaft an Bedeutung. Die Unternehmen
sammeln tendenziell mehr Daten und werten diese gezielter aus als noch vor
einem Jahr. Gleichzeitig wchst die Anzahl der Unternehmen, denen es gelingt,
die Erkenntnisse aus Datenanalysen in einen konkreten Nutzen umzuwandeln:
Nachdem dies im Vorjahr erst fr knapp die Hlfte der Unternehmen zutraf, gilt
es inzwischen fr fast zwei Drittel. Es besttigt sich zudem der Trend hin zu
komplexeren, vorausschauenden Analysen, die sich oftmals aus unterschiedlichen
Datenquellen speisen.
Aus Sicht der Unternehmen lohnt sich der zustzliche Aufwand offensichtlich: Die
Zufriedenheit der Nutzer fortgeschrittener Datenanalysen ist noch ausgeprgter
als im Fall von einfachen Ad-hoc-Analysen. Andererseits zeigt sich, dass der
Einsatz fortgeschrittener Analysen bzw. von Big-Data-Analysen nicht per se zu
unmittelbar greifbaren Erfolgen fhren muss: So gelang es bisher nur rund einem
Drittel der Unternehmen, durch Big-Data-Lsungen Risiken zu minimieren bzw.
den Umsatz zu steigern.
Dieses Ergebnis macht deutlich, dass sich die Unternehmen hier noch auf einer
Lernkurve befinden. Zwei weitere Faktoren kommen hinzu: Oftmals sind struktu
relle oder organisatorische Vernderungen vorzunehmen, damit Erkenntnisse aus
Datenanalysen ihre Wirkung entfalten knnen. Zudem mangelt es in vielen
Unternehmen noch an einer strategischen Orientierung.
Was sollten Unternehmen beherzigen, wenn sie das Potenzial von Datenanalysen
fr ihr Unternehmen besser verstehen und nutzen wollen?
DATENVIELFALT Der Schlssel zu neuen geschftsrelevanten Erkenntnissen liegt oftmals in

NUTZEN Datenanalysen, die unterschiedliche Daten aus unterschiedlichen Quellen kombi
nieren. Fr die Auswahl der richtigen Daten gibt es kein Patentrezept, grund
stzlich spielen sowohl die Branchenzugehrigkeit als auch der jeweils betrachtete
Unternehmensbereich eine Rolle.
DATENPROFIS Nur eine kleine Minderheit der Unternehmen verfgt intern ber das Know-how,
EINBINDEN um die Mglichkeiten fortgeschrittener Datenanalysen richtig einschtzen und
bestmglich nutzen zu knnen. Die berwiegende Mehrheit der Unternehmen
kann erheblich von der Einbindung externer Dienstleister profitieren. Der Trend zu
anspruchsvolleren Datenanalysen macht eine professionelle Untersttzung umso
wichtiger.
EXPERIMENTE Fr viele Unternehmen, die bislang noch keine fortgeschrittenen Datenanalysen

WAGEN nutzen, kann es sinnvoll sein, sich mit dem Thema zunchst gezielt in einem
ausgewhlten Unternehmensbereich zu befassen. Dabei empfiehlt es sich,
einerseits einen konkret messbaren Mehrwert anzustreben, bei der Auswahl der
verwendeten Daten und Analysemethoden jedoch experimentierfreudig zu sein.
ERKENNTNISSE Um den grtmglichen Mehrwert aus Datenanalysen zu erzielen, sind oftmals

KONSEQUENT strukturelle oder organisatorische Vernderungen im Unternehmen erforderlich.
UMSETZEN Es gilt, diesen Anpassungsbedarf genau zu analysieren und ausgehend von einer
Kosten-Nutzen-Betrachtung geeignete Manahmen abzuleiten und umzusetzen.
MEHRWERT FR Viele Unternehmen machen die Erfahrung, dass sie durch Datenanalysen die
DEN KUNDEN Bedrfnisse der Kunden genauer wahrnehmen und sie durch eine individuelle
SCHAFFEN Gestaltung von Produkten und Dienstleistungen besser befriedigen knnen.
In diesem Zusammenhang kann gerade auch die Auswertung von Social-
Media-Daten zielfhrend sein.
DATEN- Gerade die Unternehmen, die noch keine fortgeschrittenen Analysen einsetzen,
SCHUTZASPEKTE haben Vorbehalte hinsichtlich der Rechtsgrundlage, der Datensicherheit und des
KONKRET Datenschutzes. Diese Themen werden oftmals reflexartig und ohne fundierte
ANGEHEN Betrachtung als Hrde genannt. Daraus ergibt sich fr die Analyseanbieter die
Aufforderung, fr mehr Information und Transparenz zu sorgen, und fr Anwender
die Notwendigkeit, diese Themen konkret anzugehen und bei Bedarf (externe)
Experten hinzuzuziehen.
STRATEGISCH Angesichts der zunehmenden Bedeutung von Datenanalysen als Wettbewerbs

VORGEHEN faktor ist in vielen Unternehmen eine weitere Professionalisierung im Umgang mit
Daten und Datenanalysen geboten. Dazu gehrt eine strategische Vorgehens
weise in dem Sinne, dass konkrete Analyseziele benannt und davon ausgehend die
passenden Analysemethoden und erforderlichen Daten identifiziert werden. Die
Daten- bzw. Analysestrategie sollte wiederum eingebettet sein in die bergeord
nete Unternehmensstrategie.
Ansprechpartner
Die Studie wurde von der Bitkom Research GmbH im Auftrag

der KPMG AG Wirtschaftsprfungsgesellschaft erstellt.
KPMG AG Wirtschaftsprfungsgesellschaft Bitkom Research GmbH
KPMG ist ein Firmennetzwerk mit mehr als 174.000 Bitkom Research bietet Marktforschung aus einer Hand
Mitarbeitern in 155 Lndern. von der Beratung und Konzeption ber die Durchfhrung
von Feldstudien bis hin zur ffentlichkeitswirksamen Ver
Auch in Deutschland gehrt KPMG zu den fhrenden marktung der Ergebnisse. Wir liefern Daten und Analysen,
Wirtschaftsprfungs- und Beratungsunternehmen. Unser die ITK-Anbieter und -Anwender in ihren Entscheidungen
Anspruch: Seite an Seite mit unseren Kunden neue und zur Geschftsentwicklung sowie bei der Umsetzung von
innovative Wege gehen. Unser Ziel: schon heute konkrete Marketing- und PR-Manahmen untersttzen. Die Bitkom
Lsungen fr morgen liefern. Unser Handwerkszeug: Research GmbH ist ein Tochterunternehmen des Bitkom
Qualitt, Leidenschaft und voller Einsatz. Das fundierte e. V. und analysiert seit vielen Jahren Fragestellungen rund
Fach- und Branchenwissen unserer Experten gibt unseren um die digitale Wirtschaft. Zu unseren Kunden zhlen mit-
Kunden Sicherheit und Orientierung. Und es ermutigt sie, telstndische Unternehmen ebenso wie Global Player und
notwendige Dinge entschlossen anzupacken. Denn wir ffentliche Auftraggeber.
zeigen Unternehmen nicht nur geschftliche Chancen auf.
Wir untersttzen sie auch dabei, Entwicklungen mitzu
bestimmen und ihre Wachstumsziele zu erreichen. Ansprechpartner:
Dr. Axel Pols

Ansprechpartner: Geschftsfhrer
T +49 30 27576-120
Dr. Thomas Erwin a.pols@bitkom-research.de
Partner
Global Execution Partner, Data & Analytics Franz Grimm
T +49 621 4267-249 Senior-Projektmanager
M + 49 173 5464686 T +49 30 27576-560
terwin@kpmg.com f.grimm@bitkom-research.de
Peter Heidkamp Weitere Informationen: www.bitkom-research.de

Partner
Head of Technology
T +49 221 2073-5224
M +49 174 3132744
pheidkamp@kpmg.com
Ihre individuellen Auswertungen zu Datenanalysen Ihrer Branche erhalten Sie in unserem
interaktiven Dashboard: www.kpmg.de/mdws
Ansprechpartner Sektoren und Segment ffentlicher Sektor
KPMG AG Wirtschaftsprfungsgesellschaft
Klingelhfer Str. 18
10785 Berlin
Dieter Becker Peter Heidkamp

Partner, Head of Automotive Partner, Head of Technology
T +49 89 9282-6720 T +49 221 2073-5224
dieterbecker@kpmg.com pheidkamp@kpmg.com
Thomas Lechte Harald von Heynitz

Partner, Financial Services Partner, Head of Industrial Manufacturing
T +49 69 9587-1441 T +49 89 9282-1201
tlechte@kpmg.com hheynitz@kpmg.com
Vir Lakshman Dr. Markus Kreher

Partner, Head of Chemicals and Pharmaceuticals Partner, Head of Media
T + 49 211 475-6666 T +49 89 9282-4310
vlakshman@kpmg.com markuskreher@kpmg.com
Michael Salcher Marc Ennemann

Partner, Head of Energy & Natural Resources Partner, Head of Telecommunications
T +49 89 9282-1239 T +49 201 455-6960
msalcher@kpmg.com mennemann@kpmg.com
Prof. Dr. Volker Penter Steffen Wagner

Partner, Head of Health Care Partner, Head of Transport & Leisure
T +49 351 4944-203 T +49 69 9587-1507
vpenter@kpmg.com steffenwagner@kpmg.com
Stephan Fetsch Dr. Frank Ellenbrger

Partner, Head of Retail Partner, Bereichsvorstand Insurance
T +49 221 2073-5534 T +49 89 9282-1867
stephanfetsch@kpmg.com fellenbuerger@kpmg.com
Mathias Oberndrfer
Partner, Bereichsvorstand ffentlicher Sektor
T +49 30 2068-4971
moberndoerfer@kpmg-law.de
www.kpmg.de/data
www.kpmg.de/mdws
www.kpmg.de/socialmedia
Die enthaltenen Informationen sind allgemeiner Natur und nicht auf die spezielle S ituation einer Einzelperson oder einer juristischen Person ausgerichtet. Obwohl wir
uns b emhen, zuverlssige und aktuelle Informationen zu liefern, knnen wir nicht garantieren, dass diese Inform ationen so zutreffend sind wie zum Zeitpunkt ihres
Eing angs oder dass sie auch in Zukunft so zutreffend sein werden.
International), einer juristischen Person schweizerischen Rechts, angeschlossen sind. Alle Rechte vorbehalten. Printed in Germany. Der Name KPMG und das Logo
sind eingetragene M arkenzeichen von KPMG International.

KPMG Mdws 201 Sec

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

KPMG Mdws 201 Sec

Hochgeladen von

Copyright:

Verfügbare Formate

Mit Daten

Liebe Leserinnen und Leser,

Die zentrale Botschaft unserer Untersuchung lautet: Datenanalysen werden

Dr. Thomas Erwin Peter Heidkamp

Begriffe und Definitionen  6

SEITE 12 SEITE 18 SEITE 28

SEITE 34 SEITE 40 SEITE 70

Begriffe und Definitionen

Was ist Big Data?

VOLUME VELOCITY VARIETY VERACITY VALUE

Sehr groe Schnell Groe Vielfalt Enge regula Mehrwert durch

Welche Analysearten gibt es? Ausbaustufen der Datenanalyse

Leitfrage: Was sollen wir tun?

Stufe Ziel Daten Technologien

1 Einmalig einen bestimmten Kleiner Ausschnitt, nur intern, Tabellenkalkulation/kleine Daten

2 Regelmige Bereitstellung Umfassend, vorwiegend intern, Business Warehouse,

3 Definition sinnvoller Umfassend, intern/extern, Self-Service-Business Intelligence

4 Freie Suche nach neuen Erkennt Umfassend, intern/extern, Big-Data-Technologien

Methodik der Erhebung

Stichprobe 2016: Funktion der Befragten

1. Befragung Mit Daten Werte Schaffen 2015

Grundgesamtheit: Unternehmen in Deutsch

Zielgruppe/Befragte: Bereichsleiter bzw. 19

(Haupt-)Abteilungsleiter aus den Bereichen

Marketing/Vertrieb Leiter Beschaffung/Einkauf/Logistik

sowie Geschftsfhrer Leiter Finanzen/Steuern/Controlling

Anteil in Prozent der Unternehmen, n = 704

DATENANALYSEN Unternehmerische Entscheidungen sttzen sich immer hufiger auf Erkenntnisse

DATENVIELFALT Ob Unternehmensdaten, Kundendaten, systemisch erstellte oder ffentlich

DATEN- Noch dominieren in den Unternehmen eher einfache, deskriptive Datenanalysen,

Datenanalysen gewinnen im Vergleich zum Vorjahr an Bedeutung. Einerseits

1.1 DATENANALYSEN GEWINNEN AN BEDEUTUNG

Abb. 1: Relevanz von Datenanalysen

Inwieweit treffen die folgenden Aussagen fr Ihr Unternehmen zu?

Relevante Entscheidungen in unserem 2016 40 40

Die Analyse von Daten spielt eine 2016 34 35

In unserem Unternehmen analysieren

Trifft voll und ganz zu Trifft eher zu

Anteil (gewichtet) in Prozent der Unternehmen, n = 704/706

Quelle: KPMG, 2016

Abb. 2: Relevanz von Datenanalysen

Inwieweit treffen die folgenden Aussagen fr Ihr Unternehmen zu?

Maschinen- und Anlagebau

2,2 Chemie und Pharma

2,4 Transport und Logistik

Relevante Entscheidungen in unserem Unternehmen basieren

Quelle: KPMG, 2016

1.3 ZIELE DER NUTZER WERDEN BERWIEGEND ERREICHT

Abb. 3: Auswirkungen durch die Nutzung von Datenanalysen

Geschwindigkeit der Entscheidungsfindung 9 8 18 30

Performance der Organisation

Qualitt der Prognosen

Aufbau innovativer Geschftsmodelle 20 10

Hhe der Geschftsrisiken 28 42 2 5

Quelle: KPMG, 2016

1.4 VORBEHALTE GEGENBER DATENANALYSEN NEHMEN AB

Abb. 4: Hrden bei der Nutzung von Datenanalysen

Nicht gengend Datenanalyse- 2016 50

Schwierigkeiten bei der Erstellung 2016 29

Top-2-Boxes (Trifft voll und ganz zu und Trifft eher zu)

Anteil (gewichtet) in Prozent der Unternehmen, n = 704/706

Quelle: KPMG, 2016

2.1 DATENVIELFALT IN DEN UNTERNEHMEN NIMMT ZU

Begriffe und Definitionen 6