Die Spotlight-Studie GenAI in Business Intelligence and Analytics wurde vom BARC im Auftrag von HICO und Qlik erhoben – und wie der Titel nahelegt, wirft sie ein Schlaglicht auf die Adaption und Nutzung von GenAI im aktuellen Geschehen. Für die Erhebung wurden 238 Entscheider:innen im Bereich Business Intelligence in verschiedenen Branchen zu ihrer Einschätzung von Adoption Status, Nutzen, Risiken und Best Practices rund um GenAI in BIA gefragt.
Für Eilige Leser gehts hier direkt zum Download:
Im vorangegangenen Artikel hatten wir uns bereits gewundert: Das Bild ist eines einer verunsicherteren Zunft.
So ist zu bestaunen: Die Einführung von GenAI in der BIA befindet sich trotz allen Hypes noch im Anfangsstadium, nur ein kleiner Prozentsatz der Unternehmen setzt sie tatsächlich um. Etwa 29 % der Befragten diskutieren über GenAI, 9 % evaluieren noch und immerhin 22 % experimentieren bereits mit GenAI in Controlling, Finance und Business Intelligence herum.
Nur 9 % befinden sich in der Implementierungsphase, wobei 6 % teilweise und 3 % vollständig im Einsatz sind.
Aber wo verlaufen hier eigentlich die Bruchlinien?
Zwischen Leads und Laggards
Die BARC-Researcher machen – das zeigt die vorangegangene ausführlichere Studie – einen Unterschied zwischen Leads und Laggards: Pionieren und Nachhut, wenn man so will. Und diese wiederum korrelieren offenbar eng mit den Karriere- und ergo mit den Menschentypen, die hier unterwegs sind. So heißt es in der Studie:
Fortgeschrittene KI-/ML-Anwender übernehmen GenAI eher und integrieren die Technologie in die bestehenden Data-Science-Programme. Mehr als ein Drittel der Befragten erwartet, dass GenAI ihre BIA-Nutzung in den nächsten 12-18 Monaten moderat verbessern wird, wobei Data Engineers und Business User am optimistischsten sind.
Aber was bedeutet das? Was sind eigentlich die Hürden bzw. Roadblocks?
Teil- und Vollsperrungen auf der Road(map) zur Datenintegration
Die Bedenken, die Entscheidungsträger äußern, sind fast schon klassisch, insbesondere für den Westeuropäischen Raum. So werden Aspekte der Datensicherheits sowie Compliance besonders häufig als Hindernisse identifiziert. Aber auch der populäre Prozess-Aphorismus „Shit In – Shit Out“ findet sich hier:
Data Privacy und Security concerns
Mit 61% der Befragten gab eine offensichtliche Mehrheit Bedenken bzgl. der Sicherheit zu Protokoll.
Skill Gaps and Training Needs
Fast die Hälfte der Befragten machte fehlendes Wissen bzw. Kenntnisse geltend.
Compliance + regulatory challenges
Ebenfalls über 40% der Antworten bezogen sich auf Herausforderungen, die der Gesetzgeber den Unternehmen bezüglich der Sammlung und Verarbeitung von Daten stellt (ein paar Beispiele hier. Haben wir ein Zitat von uns oder ein Kundenzitat, was hier passt?)
Insufficient data quality and availability
Wo keine Daten sind, kann man sie nicht analysieren. Und wenn sie gesammelt werden, müssen sie auch in einer Form auftauchen, die Expert:innen erlaubt, mit ihnen sinnvoll umzugehen. Das erkennt ebenfalls über ein Drittel der befragten als Problem an.
Integration complexities and inaccurate or biased outcomes
Eine weitere Herausforderung für 40% der befragten Personen stellt die mitunter hohe Komplexität der Daten- und/oder Systemintegration dar.
Nette Probleme habt ihr da!
Wie wär’s denn mal mit ein paar Lösungen?
Dass all diese Herausforderungen nun als verschiedene Sichtweisen desselben Problems betrachtet werden können, dürfte durchaus auffällig sein: Datensicherheit, die sichere und funktionale Integration verschiedener Vorsysteme sowie sinnvolle Daten und deren Visualisierung gehen schließlich Hand in Hand.
Für Verantwortliche in Finance, Planning und Business Intelligence stellt sich dennoch die Frage: Wo beginnen mit der Implementierung von AI in Finance, Planning und BIA?
Noch steht die Entwicklung in dem Bereich einigermaßen am Anfang – die Chancen stehen daher gut, etwaigen Aufholbedarf noch ganz gut hinzubekommen. Im kommenden dritten Teil dieser Serie geben AI und BI-Expert:innen der BARC und HICO Tipps: Welche Schritte sind die richtigen, um mit GenAI in Business Intelligence, Controlling und Finance zu starten.
Kleiner Spoiler: Dass interdisziplinäre Probleme am besten von interdisziplinären Teams angegangen werden, ist eine Binse, … oder?
Zu Binsen, weiteren Gräsern (und den respektiven Allergien) sowie an eingemachte Daten sprechen Sie bestenfalls mit unseren Experten.
