Eine verbesserte Logistikplanung durch die Auswertung grosser Datenmengen: Das versprechen die Anbieter von Big-Data-Lösungen. Aus dem Datenberg soll neues Wissen entstehen. Doch Schweizer Unternehmen halten sich noch zurück.
Daten sammeln, verarbeiten und damit die Prozesse verbessern: Elektronische Informationen entlang der Lieferkette gewinnen an Bedeutung. Mit dem Aufbau eines Frühwarnsystems können Logistikunternehmen etwa Schwankungen im Markt vorhersehen und globale Lieferketten transparenter machen. Risikominimierung und schnellere Reaktion auf Marktveränderungen sind das Ziel und sollen einen Wettbewerbsvorsprung schaffen. Soweit die Theorie.
Einsatz von Big Data in Unternehmen: Umfrage unter Schweizer Logistikexperten im Rahmen der Logistikmarkstudie 2015. Quelle: GS1
In der Praxis gibt es noch zahlreiche Unsicherheiten. Dies zeigt eine Befragung unter Schweizer Logistikexperten im Rahmen der «Logistikmarktstudie 2015». Die Umfrageresultate zeigen zwar, dass «Big Data nicht nur eine Modeerscheinung im Sinne eies vorübergehenden Hypes darstellt, sondern nachhaltig in der Unternehmenspraxis verankert ist». Dennoch werden Big-Data-Anwendungen bisher kaum eingesetzt. 64% der Befragten gaben an, dass ihr Unternehmen aktuell keine nutzt und dies auch in Zukunft nicht geplant ist.
Cargo Magazin 3/14
Lediglich 8% der Umfrageteilnehmer haben in ihrem Unternehmen bereits funktionierende Big-Data-Anwendungen im Einsatz. Gleichzeitig – so die Studie – lässt sich unter den Schweizer Logistikexperten eine starke Verunsicherung hinsichtlich des Begriffs «Big Data» feststellen: Obwohl ein Grossteil mit der Thematik vertraut ist (im Sinne von «Ich habe schon einmal etwas über Big Data gehört oder gelesen»), waren nur 16% der Befragten in der Lage, den Begriff auch zu definieren. Fazit der Studie: Durch seine mediale Präsenz hat Big Data zwar einen gewissen Bekanntheitsgrad erlangt, es mangelt jedoch noch an einem tiefgreifenden Verständnis bei den potenziellen Anwendern.
Vermutlich – so die Autoren – bestehen auch Zweifel hinsichtlich des Kosten-Nutzen-Verhältnisses von Big Data-Projekten. Ausserdem scheint der Druck, sich mit diesem Thema im Rahmen eines Projekts auseinander zu setzen, in der Praxis noch nicht gegeben. Als bedeutendste Hindernisse für entsprechende Projekte wurden fehlendes Know-how, mangelnde Integration und zu hohe Kosten genannt.