gs1-neton-header-04.jpg

Big Data in der Supply Chain: eine Modeerscheinung?

Nicht zuletzt die jüngsten Enthüllungen über internationale Datenspionage haben das Thema «Big Data» auch in der Schweiz ins Licht der öffentlichen Aufmerksamkeit gerückt. Auch in Logistik und Supply Chain Management existiert ein grosses Potenzial für Big-Data-Anwendungen. Allerdings bestehen noch zahlreiche Unsicherheiten in Bezug auf den Begriff «Big Data» und die Reife von Big-Data-Anwendungen. Dies zeigt eine Befragung von Logistikexperten im Rahmen der Logistikmarktstudie Schweiz, Band 2015.

Der Begriff «Big Data» beschreibt eine Reihe neuer Methoden und Technologien, mit denen grosse Datenmengen erfasst, gespeichert und analysiert werden können. Als Datengrundlage können sowohl strukturierte Daten dienen (beispielsweise aus Warenwirtschaftssystemen) als auch unstrukturierte (beispielsweise Social-Mediaund Wetterdaten).

Neue Systeme und Ansätze
Aufgrund der starken Verzahnung von logistischen Prozessen mit Informationssystemen sowie der steigenden Komplexität und maschinellen Erzeugung von Daten in der Logistik, beispielsweise mittels RFID, müssen ITSysteme immer grössere Datenvolumen und immer komplexere Datenstrukturen verwalten. Zudem zeichnet sich ein wachsender Bedarf an Echtzeitinformationen zur Entscheidungsunterstützung ab. Diese Entwicklungen in der Logistik führen dazu, dass bestehende Informationssysteme zunehmend an ihre Grenzen stossen.
Die Methoden und Systeme aus dem Bereich Big Data bieten hier Abhilfe. So konnte der Hamburger Onlinehändler OTTO dank eines innovativen, selbstlernenden Forecast-Tools seine Verkaufsprognosen stark verbessern, die Lieferbereitschaft steigern und letztlich Ressourcen schonen. «Dies brachte Kostenersparnisse in zweistelliger Millionenhöhe ein», sagt Michael Sinn, Direktor Category Support bei OTTO.

Aktuelle Nutzung von Big-Data-Anwendungen
Um herauszufinden, welche konkreten Potenziale, Nutzungsmöglichkeiten und Herausforderungen für Big Data in Schweizer Supply Chains bestehen, haben der Lehrstuhl für Logistikmanagement der Universität St.Gallen und GS1 Schweiz eine Befragung unter 99 Teilnehmern eines Logistikexpertenpanels durchgeführt. Die Umfrageresultate zeigen, dass Big Data nicht nur eine Modeerscheinung im Sinne eines vorübergehenden Hypes darstellt, sondern langfristig in der Unternehmenspraxis verankert ist. Dennoch werden Big-Data-Anwendungen bisher kaum eingesetzt.
Zwei Drittel der Teilnehmer gaben an, dass ihr Unternehmen aktuell keine Big-Data-Anwendungen nutzt und dies auch nicht geplant ist. Lediglich acht Prozent der Befragten haben in ihrem Unternehmen bereits funktionierende Big-Data-Anwendungen im Einsatz. Offenbar sind sich die Schweizer Logistikexperten bei der Definition des Begriffs «Big Data» auch nicht ganz einig: Obwohl ein Grossteil mit der Thematik vertraut ist (im Sinne von «Sie haben schon einmal etwas über Big Data gehört oder gelesen»), können nur 16 Prozent der Befragten den Begriff auch definieren. Zweifel bestehen vermutlich in Bezug auf das Kosten-Nutzen-Verhältnis bei Big-Data- Projekten. Zudem scheint der Druck in der Praxis noch nicht gegeben, sich mit diesem Thema im Rahmen eines Projekts auseinanderzusetzen.

Arten von Daten für Big-Data-Anwendungen
Für den Grossteil der Teilnehmer ist Big Data kein wirklich neues Thema. Dennoch steckt die Entwicklung ihrer Meinung nach noch «in den Kinderschuhen » – und das, obwohl namhafte Hard- und Softwareanbieter bereits seit Jahrzehnten auf diesem Gebiet aktiv sind, beispielsweise mit ihren Business-Intelligence-Lösungen. Trotz Zweifeln am Reifegrad von Big-Data- Anwendungen sehen die Schweizer Logistikexperten erhebliche Verbesserungspotenziale durch deren Einsatz, sowohl für Unternehmen im Allgemeinen als auch speziell in Logistik und Supply Chain Management.
Den grössten Mehrwert durch Big- Data-Anwendungen versprechen sich die Befragten durch die Analyse von klassischen Daten aus dem eigenen Betriebsumfeld, beispielsweise ERP-, WMS- und Point-of-Sale-Daten. Grund hierfür ist womöglich, dass sich dort das grösste, relativ leicht zugängliche Datenaufkommen findet. Unstrukturierte Datenquellen, zum Beispiel von Social-Media-Plattformen, stehen bei den Logistikexperten hingegen weniger im Zentrum des Interesses.

Die entscheidende Rolle von Fachwissen in Big-Data-Projekten
Als bedeutendste Herausforderungen bei der Implementierung von Big- Data-Projekten gelten Fachkenntnisse, Integrations- und Kostenaspekte. Klassische Herausforderungen im Projektmanagement, wie Timing und die Aufmerksamkeit des Topmanagements, werden hingegen als weniger kritisch eingestuft. Dies lässt sich darauf zurückführen, dass die eigentlich wertbringenden Aufgaben bei Big-Data- Projekten, wie die Interpretation von Daten, besonders schwierig sind und ein umfassendes, schwer zu erlangendes Spezialwissen in der Verarbeitung und Analyse grosser Datenmengen erfordern. Notwendig sind nicht nur die entsprechenden Anwendungen, sondern auch spezielle Datenanalyse-Experten. Hier zeichnet sich eine Lücke an ausgebildeten Fachkräften ab. Big Data bringt somit zwar zahlreiche Verbesserungsmöglichkeiten mit sich, ist in der Praxis jedoch noch nicht vollends angekommen. Die zukünftigen Entwicklungen hinsichtlich der Nutzung dieses Potenzials werden zeigen, inwiefern sich Big Data durchsetzen wird.
Weiterführende Informationen zu Big Data und Analysen rund um Supply- Chain-Trends und Strategien im Schweizer Logistikmarkt finden Sie in der Gesamtausgabe der Logistikmarktstudie Schweiz, Band 2015.

Prof. Dr. Wolfgang Stölzle
Prof. Dr. Erik Hofmann
M. Sc. Katrin Oettmeier
 

Logistikmarktstudie Schweiz, Band 2015
Die Logistikmarktstudie Schweiz, Band 2015, ist das Nachschlagewerk für das Schweizer Logistik- und Supply Chain Management. Die Studie wird jährlich aktualisiert, überarbeitet und mit neuen Inhalten ergänzt. Das Handbuch liefert wertvolle Informationen über den Gesamtmarkt, einzelne Segmente, Standorte, Potenziale und Trends in der Schweiz.
Die Studie umfasst rund 250 Seiten und erscheint im Januar 2015. Bestellungen sind auf www.logistikmarkt.ch möglich.

Nach oben