Trends der TDWI Konferenz M√ľnchen

17.06.2024

< Zur√ľck zur √úbersicht

Trends der TDWI Konferenz M√ľnchen

Die TDWI-Konferenz in M√ľnchen ist zu Ende gegangen und damit eine der gr√∂√üten deutschsprachigen Konferenzen in den Themengebieten BI, Data & Analytics. CINTELLIC war in diesem Jahr vor Ort und l√§sst nun die drei Tage Revue passieren und fasst die diskutierten Trends und Entwicklungen zusammen.

Insgesamt bot die Konferenz einen √úberblick √ľber aktuelle Entwicklungen in der Datenwelt: von technischen Innovationen und neuen Ans√§tzen in der IT-Architektur √ľber Fortschritte und Standards in den BI-Tools bis hin zu den neuesten KI-Entwicklungen, aber auch fachliche Themen wie die Kultur im Umgang mit Daten in Unternehmen.

Der TDWI ist ein Verein mit dem Ziel, eine anbieterneutrale Community f√ľr die Themenfelder BI, Data & Analytics aufzubauen, in der sich Anwender mit Softwareherstellern, Beratern sowie Studierenden und Wissenschaftlern in verschiedenen Formaten austauschen k√∂nnen.

 

Wir möchten im Folgenden auf die aus unserer Sicht prägendsten Themen der Konferenz eingehen und diese aus unserer Perspektive einordnen:

1. Organisation: Ist Data Mesh die Lösung?

Data Mesh ist ein Architekturparadigma und fokussiert sich auf die dezentrale Verwaltung von Daten und das Konzept, Daten als Produkt zu behandeln, welche jeweils einer Abteilung geh√∂ren und von dort aus geteilt werden k√∂nnen. Data Mesh verspricht die Aufl√∂sung von Datensilos und f√∂rdert die Eigenverantwortung der Teams f√ľr ihre Daten. Also einziger Ausweg: Rein ins Data Mesh? Ein klares Jain, denn auf der Konferenz wurden sowohl erfolgreiche Umsetzungen als auch viele Herausforderungen gezeigt. Grunds√§tzlich gilt: Wer sich mit dem Thema Data Mesh besch√§ftigen will, sollte schon von Anfang an die ben√∂tigten Skills rund um Datenhaltung und -verarbeitung sowie BI und ggf. Analytics in den dezentralen Units haben oder sich zumindest bewusst sein, dass man diese Ressourcen aufbauen und ausbilden muss. Somit sind auch eine gewisse Unternehmensgr√∂√üe und Datenkomplexit√§t notwendig, um diese Form dezentraler Datenorganisation zu w√§hlen. Wo diese Komplexit√§t gegeben ist, kann Data Mesh ein geeigneter Ansatz sein, er muss aber auch zum sonstigen Unternehmensaufbau und der Verantwortungslinie zwischen IT und den Fachbereichen passen. Wir haben aber auch wahrgenommen, dass Data Mesh meistens dennoch mit zentralen Elementen verkn√ľpft wird, was am Ende dann wieder dem guten alten BICC erstaunlich nahekommt.

2. Der KI-Hype: Wird K√ľnstliche Intelligenz, allen voran GenAI durch die Regulatorik erschlagen?

Nat√ľrlich war (generative) KI ein zentrales Thema auf der TDWI. √úberraschend war jedoch die Tatsache, dass die Themen rund um den EU AI Act, die Ethik und der verantwortungsvolle Umgang mit KI √ľberwogen haben. Es gab auch Vorstellungen von ersten erfolgreichen GenAI Use Cases und Best Practices, aber es scheint so zu sein, dass sich Unternehmen aktuell vor allem mit den M√∂glichkeiten und Grenzen der Umsetzung besch√§ftigen, bevor sie konkrete Projekte starten. Wir sind gespannt, ob im n√§chsten Jahr diese H√ľrden von mehr Unternehmen gemeistert wurden und AI Use Cases st√§rker im Vordergrund stehen werden.

3. Cloud-Architekturen: was h√§tten‚Äės denn gerne?

Viel Platz haben in diesem Jahr auch wieder die Cloud-Architekturen eingenommen. Von erfolgreichen Lakehouse-Implementierungen, aber auch den Stolpersteinen wie Security und der Gefahr des Verlustes der √úbersichtlichkeit durch Datens√ľmpfe wurde thematisiert. Dennoch durften die Themen DWH und SQL nicht fehlen, bilden sie doch weiterhin die Fundamente f√ľr BI-Implementierungen. Aber auch einzelne Tools bzw. Plattformen wurden mehrfach vorgestellt, allen voran MS Fabric. Nat√ľrlich weckt eine All-in-One-L√∂sung mit einer Mischung aus erfolgreichen Azure-Komponenten, neuem OneLake-Konzept und bew√§hrtem Power BI viele Begehrlichkeiten. Ob diese aber erf√ľllt werden k√∂nnen, ist noch nicht ganz klar. Das liegt zum einen an dem immer noch jungen Tool, welches rasant weiterentwickelt wird, dennoch aber Kinderkrankheiten hat und Features vermissen l√§sst, die woanders Standard sind. Zum anderen muss man sich bewusst sein, dass man mit MS Fabric einen hohen Lock-in-Effekt hat, da Datenhaltung, -verarbeitung und Reporting in einem Tool abgedeckt werden und nicht so einfach herauszul√∂sen sind.

 

4. Daten m√ľssen bekannt sein – von der Data Literacy bis zum Data Catalog

Ein CHS ist dynamischer Punktwert, der empfindlich auf Ver√§nderungen im Kundenverhalten reagiert. Aber wie tr√§gt er √ľber die Zeit hinweg zum gesch√§ftlichen Mehrwert bei?

Auch das Thema Data Literacy ist in vielen Programmpunkten thematisiert worden. Klar, bei immer mehr Unternehmen mit dem Ziel, datengetriebene Entscheidungen zu treffen, m√ľssen immer mehr Mitarbeiter die Daten und den Umgang damit kennen, insbesondere das Management, das darauf basierend Entscheidungen treffen soll. Hiermit tun sich viele Unternehmen weiterhin schwer, denn auch wenn f√ľr Data Catalogs viele gute Tools am Markt parat stehen, braucht es eine klare Priorit√§t darauf, diese auch aufzubauen und, noch wichtiger, dann auch zu pflegen mit klaren Verantwortlichkeiten. Ebenso darf die Wissensvermittlung rund um die Daten und deren Interpretation nicht einmalig sein, sondern sollte im Unternehmen strukturiert verankert werden. Und das kostet Kraft und Zeit, die aus unserer Sicht leider zu h√§ufig dann lieber doch in weitere Datenanbindungen, KPI-Berechnungen und Reportaufbau flie√üen. Daher als Fazit: Bis ein Gro√üteil der Unternehmen, die das wollen, wirklich data-driven sind, vergehen noch ein paar Konferenzen.

5. Nachhaltigkeit – auch in der BI ein Thema

Nachhaltigkeit war ein weiteres zentrales Thema auf der Konferenz, das in verschiedenen Facetten diskutiert wurde. Als Umsetzungstreiber wurden ESG- und CSRD-Reporting thematisiert, wodurch Unternehmen regulatorisch verpflichtet werden, Transparenz √ľber Lieferketten und Nachhaltigkeitsumsetzungen zu berichten. Hier nehmen wir sehr unterschiedliche Priorit√§ten in den Unternehmen, aber auch Branchen wahr. W√§hrend Banken und Versicherungen sich sehr stark mit dem Thema besch√§ftigen, haben andere Branchen damit nicht einmal angefangen. Auch die Frage nach Energieeffizienz im Datenmanagement, etwa durch Green Coding, sowie der Einsatz von KI zur Optimierung CO‚āā-intensiver Prozesse wurden diskutiert und weisen ein deutliches Wachstumspotenzial auf.

Fazit

Als Fazit l√§sst sich festhalten, dass vor allem das Gesamtpaket in einem Unternehmen stimmen muss. Der Aufbau von GenAI-Use-Cases ben√∂tigt eine solide Datengrundlage und -qualit√§t. Das Data Warehouse (DWH) bleibt relevant, insbesondere f√ľr mittelst√§ndige Unternehmen, da es eine zentrale und ressourcenschonende BI-L√∂sung bietet, gerade mit Blick auf den Fachkr√§ftemangel. Im Hinblick auf Cloud-Architekturen reduziert dies zwar den Aufwand im IT-Betrieb, die Themen Data Literacy und Data Culture im Fachbereich sind jedoch unabh√§ngig von der eingesetzten Software oder Datenmodellierung entscheidend. Abschlie√üend l√§sst sich aus den Erkenntnissen der TDWI 24 und unserer langj√§hrigen Erfahrung sagen, dass der Wandel zu einem datengetriebenen Unternehmen nur gelingt, wenn die Fachbereiche ihre Daten verstehen und richtig nutzen k√∂nnen. Dies setzt aber auch nahezu zwangsl√§ufig eine Datenstrategie voraus, um den gro√üen Blumenstrau√ü an zuvor genannten Themen erfolgreich zu priorisieren und umzusetzen.

Sie ben√∂tigen Unterst√ľtzung oder einen Diskussionspartner auf Augenh√∂he zu den Themen BI, Data und Analytics? Z√∂gern Sie nicht, uns anzusprechen!

CINTELLIC steht bereit, um mit Ihnen diese neuen Horizonte zu erkunden. Treten Sie mit uns in Kontakt, um Ihre spezifischen Bed√ľrfnisse und M√∂glichkeiten im Kundenmanagement zu besprechen. Gemeinsam k√∂nnen wir die richtigen Strategien entwickeln, um Ihr Unternehmen f√ľr die Zukunft des CRM zu r√ľsten.

 

Dieser Text kann kostenfrei als Publikation heruntergeladen werden:

PDF jetzt herunterladen
CINTELLIC Consulting - Social Media