How to kill your Big Data project

15 Möglichkeiten, die Nutzung eigener Daten zu sabotieren

10.06.2015
Von 


Klaas Wilhelm Bollhöfer, ist Chief Data Scientist und Big Data Evangelist bei The unbelievable Machine Company (*um), einem Spezialisten für Cloud Computing und Big Data aus Berlin. Er übersetzt Business-Anforderungen in kundenspezifische Big Data Lösungen und agiert an der Schnittstelle von Business, IT, Künstlicher Intelligenz und Design.

10. Alles glauben, was die Daten sagen

In unendlich vielen Daten finden Sie Unmengen an Mustern, die alles belegen, was auf der Welt interessant sein könnte. Doch nur weil eine Korrelation vorliegt, muss dort keine Kausalität herrschen. Sie sollten deshalb immer Skepsis gegenüber den Ergebnissen behalten. Denn letztlich bleibt immer noch der Mensch für die Interpretation der Ergebnisse entscheidend.

11. Die eigenen Maschinen machen das allein

Maschinen geben ihre Daten leider nicht bereitwillig her. Die Daten aus alter Hardware zu verstehen, ist noch ein weiteres Problem, da die gewonnenen Daten alles andere als von Beginn an sauber und strukturiert sind. Die analoge Welt lässt sich nicht bereitwillig digitalisieren. Dessen müssen Sie sich immer bewusst sein.

12. Bloß nichts weitersagen

Schweigen mag manchmal Gold sein. Hier aber definitiv nicht. Denn wer keine Informationen weitergibt, gefährdet das ganze Projekt. Vermeiden Sie deshalb Alleingänge der am Projekt beteiligten Mitarbeiter und setzen Sie stattdessen auf Know-how-Transfer.

13. Design wird überbewertet

Dass die Technik funktioniert, ist die eine Seite der Medaille. Die andere ist, dass die Technik einfach und angenehm anzuwenden sein muss. Entwickler sollten deshalb immer auch an ein intuitives Design von Interfaces, Prozessen, System- und Datenbank-Landschaften denken. Letzten Endes muss der Anwender mit dem System vertraut sein, um damit effektiv arbeiten zu können.

14. Auf keinen Fall um Hilfe bitten

Ein Big Data-Projekt zu starten, benötigt viel Expertenwissen - etwa um eine entsprechende Infrastruktur aufzubauen oder ein spezielles Vorhersagemodell zu erstellen. Dieses Wissen ist in vielen Unternehmen zu Beginn noch nicht vorhanden. Es empfiehlt sich deshalb, bei einem so neuen Thema wie Big Data Hilfe von außen zu holen. Dies kann das eigene Projekt um einiges nach vorne bringen.

15. Kein eigenes Budget für Big Data-Projekte

Große Budgets werden in Big Data meistens nicht investiert. Das müssen sie auch nicht zwangsläufig. Allzu stiefmütterlich sollte das eigene Projekt allerdings auch nicht behandelt werden. Vielmehr gilt es, wie eigentlich überall, eine adäquate Budgetplanung zu treffen. Eine zu geringe Investitionssumme kann das Projekt verlangsamen; zu viel investiertes Geld kann an den falschen Stellen verrinnen.

Und jetzt?

Sind Sie bis hierher durchgekommen, gilt es, möglichst alle Stolperfallen zu vermeiden. Nicht mit dem großen - sprich: teuren - Masterplan, sondern indem Sie einfach anfangen. Mit den Daten, die Sie haben. Denn diese sind ein Schatz für kommende Erkenntnisse, Maßnahmen und Erfolge. Ergänzt um die Daten, die wichtig, sinnvoll und verfügbar sind. Und gemeinsam mit jemandem, der sich damit auskennt.

Die Herausforderung von Big Data liegt nicht nur darin, möglichst viele Daten zu sammeln, sondern richtig damit umzugehen. Wichtig zu wissen ist, welche relevanten Daten selektiert werden müssen, um sinnvoll analysieren, auswerten und interpretieren zu können. Bei alledem gibt es keine Patentlösung, da die Fragestellungen zu den jeweiligen Daten stets unterschiedlich sind. Budgets sind natürlich wichtig, aber auch mit einem kleinen lässt sich starten. Für den Anfang reicht es beispielsweise aus, die eigenen Kunden und Marktlagen genauer zu kennen, um erfolgreiche Maßnahmen daraus abzuleiten. Eine eigene teure Infrastruktur ist übrigens auch keine Stolperfalle, denn auch dafür gibt es Dienstleister. Daten statt warten. Legen Sie los. (bw)