Klassisches BI reicht nicht mehr aus

Analytics-Projekte lavieren zwischen Zukunftsvision und Hausaufgaben

Spezialgebiet Business-Software: Business Intelligence, Big Data, CRM, ECM und ERP; Betreuung von News und Titel-Strecken in der Print-Ausgabe der COMPUTERWOCHE.
Neue Daten und Analysemethoden rütteln an den Grund­festen, wie Unternehmen Entscheidungen treffen und ihr Geschäft betreiben. Den Verantwortlichen wird zunehmend klar, dass sie ihre Business-Modelle stärker auf Daten und Analytics ausrichten müssen. Doch bevor das funk­tionieren kann, gilt es Hausaufgaben zu erledigen: Silos aufbrechen, Systeme konsolidieren und die Daten­qualität in Ordnung bringen.

Unternehmen werden in den kommenden Jahren viel Geld in die Hand nehmen, um ihre Geschäfte mit Hilfe von Daten und Datenanalysen voranzutreiben – so zumindest lauten die Prognosen. Beispiels­weise gehen die Analysten von IDC davon aus, dass das globale Business mit Big Data und Analytics bis 2020 um 11,7 Prozent jährlich zulegen werde – von gut 130 Milliarden Dollar im laufenden Jahr auf über 203 Milliarden Dollar im Jahr 2020. "Die wachsende Verfügbarkeit von Daten, neue technische Möglichkeiten sowie der kulturelle Wandel in den Unternehmen, Entscheidungen zunehmend Daten-basiert zu treffen, treiben die Nachfrage nach Big-Data- und Analytics-Technik und -Services", konstatierte Dan Vesset, Group Vice President für den Bereich Analytics und Information Management bei IDC.

Von einem boomenden Markt darauf zu schließen, dass die Geschäfte mit Big Data und Analytics ein Selbstläufer sind, ist allerdings ein Trugschluss. Auf Anwenderseite weiß man zwar um die Notwendigkeit, stärker auf Daten und Analytics zu bauen. Vielerorts sind jedoch noch grundlegende Hausaufgaben zu erledigen – Datensilos einreißen, Systeme konsolidieren oder sich um die Datenqualität kümmern. Zudem hinterfragen die Verantwortlichen genau, welchen Nutzen neue Analytics-Lösungen und -Dienste bringen und ob es sich lohnt, entsprechende Investitionen zu tätigen.

Herkömmliche BI-Strategien reichen nicht mehr

Da die Verantwortlichen jedoch merken, dass sie mit ihren klassischen Business-Intelligence-(BI-)Ansätzen nicht mehr weiterkommen, dürfte kein Weg daran vorbei führen, neue Analytics-Strategien aufzusetzen und auch Geld dafür in die Hand zu nehmen. Carsten Bange, Gründer und Geschäftsführer des Business Application Research Center (BARC), mahnte auf dem Jahreskongress des Analystenhauses am 8. und 9. November in Würzburg, dass herkömmliche Strategien nicht ausreichten, um die künftigen Herausforderungen zu meistern.

Der Analyst spricht von Excel-Manufakturen und Informationsfabriken, deren primäre Ziele darin beständen, stabile und gesicherte Daten sowie weitgehend automatisierte Prozesse bereitzustellen, die Kosten zu optimieren und klare Service-Levels zu definieren. In der künftigen Analytics-Welt werde das allein aber nicht mehr funktionieren. "Gerade durch die Digitalisierung ändert sich das Bild derzeit massiv", sagt Bange.

Data as a Product

Diese Veränderungen beträfen das Fundament der Unternehmen, erklärt der BARC-Experte und nennt Management-Prozesse, operative Prozesse sowie Produkte und Geschäftsmodelle. Beispielsweise würden Planung, Steuerung und Kontrolle der Unternehmensleistung künftig wesentlich stärker auf Daten basieren als auf Erfahrung, Intuition und Bauchgefühl. Es gelte, Forecasting und Analysen mit Algorithmen zu unterlegen. Teilweise lieferten diese schon heute bessere Ergebnisse als Menschen, stellt Bange fest. Auch die Steuerung der Abläufe werde künftig stärker auf Datenanalysen und daraus abgeleiteten Modellen basieren statt auf vordefinierten Prozessen und Regeln. Grundsätzlich dürfte darüber hinaus der Anteil von Datenanalysen an der Wertschöpfung von Produkten wachsen. Der Analyst sieht in diesem Zusammenhang auch vollständig daten-basierte Produkte – Data as a Product.

Angesichts dieser Entwicklungen muss sich Business Intelligence und Analytics in den Unternehmen neu justieren, drängt Bange die Verantwortlichen. Dabei identifiziert er vier Herausforderungen:

1. Was in den Firmen heute an Daten ausgewertet werde, sei nur die Spitze des Eisbergs. Das Datenspektrum werde sich in Zukunft noch deutlich erweitern, beispielsweise durch Sensordaten beziehungsweise verschiedenste Geräte und Maschinen. Zusätzlich entständen regelrechte Daten-Ökosysteme rund um die Unternehmen: Beteiligt seien unter anderen Partner, Lieferanten und Kunden. Darüber hinaus könnten sich Unternehmen bei kommerziellen Datenlieferanten sowie im Zuge von Open Data mit zusätzlichem Datenmaterial eindecken.

Als Beispiel für das Potenzial, das hinter einem solchen mit Open Data erweiterten Datenspektrum steckt, führte Bange das Würzburger Startup Green Spin an. Auf Basis von frei verfügbaren Satelliten-Bildern haben die Entwickler das "Modern Farmer's Tool" (mofato) gebaut. Damit könnten Bauern anhand von Bodenbeobachtungen genau die ertragsreichen und ertragsarmen Bereiche auf Äckern identifizieren. Durch eine entsprechend optimierte Bewirtschaftung ließen sich in der Folge die Erträge steigern.

Open-Data-Portale seien zwar noch etwas unübersichtlich, lieferten aber "unglaublich viele Daten", sagt Bange. Der Phantasie seien an dieser Stelle kaum Grenzen gesetzt. Der Analyst verweist unter anderem darauf, dass sämtliche Zoll-Informationen der USA im Netz zugänglich sind. Damit lasse sich beispielsweise feststellen, wie viele Produkte ein Konkurrent in einem bestimmten Zeitraum in die Vereinigten Staaten eingeführt habe.

2. Außerdem verändere sich die Gravitation der Analytik, sagt der BARC-Mann. So bewege sich die Analytik hin zu den Daten, in die operationalen Systeme. Der Trend gehe dahin, Analysen direkt in den Prozessen zu verankern. An dieser Stelle würden Konzepte wie Edge Computing zunehmend interessanter. Dabei laufen erste Analysen bereits direkt dort, wo Daten produziert werden – als eine Art Filter, der nur die wirklich relevanten Daten weiterreicht. Auch die Cloud verändert die Anziehungskräfte. Wenn immer mehr Anwendungen und Daten in die Cloud verlagert werden, dann sei es aus Sicht von Bange nur logisch, wenn auch die Analysen in der IT-Wolke abliefen.

3. Die Technik rund um Big Data und Analytics entwickelt sich rasant weiter, beschreibt Bange eine weitere Herausforderung für die Anwenderunternehmen. Er verweist darauf, dass es beispielsweise rund um NoSQL- und Graph-Datenbanken viele neue Ansätze und Ideen gibt, Daten nicht mehr nur relational zu betrachten. So habe sich die Zahl der NoSQL-Datenbanken in den vergangenen Jahren auf 225 verdoppelt. Auch auf dem Open-Source-System Hadoop setzten immer mehr Initiativen auf. Zwar sei das Ganze noch etwas unreif – gerade auch mit Blick auf den Business-Einsatz –, aber die innovative Dynamik in diesem Umfeld sei noch lange nicht am Ende.

4. Als größte Herausforderung in einem sich stetig wandelnden BI-Markt sieht Bange, die Anwender mitzunehmen. In einem klassischen Szenario habe man von diesen Wohlverhalten erwartet – brav warten, bis sie aus der BI-Abteilung die angeforderten Berichte und Reports erhielten. Doch die Anwender helfen sich in Sachen Analytik zunehmend selbst. Das sei ein Hilfeschrei, weil ihre Anforderungen von den eigenen BI-Abteilungen nicht erfüllt würden.

Die entscheidende Frage lautet aus Sicht von Bange: "Wie kann man Anwendern Flexibilität bieten, aber trotzdem die Kontrolle behalten?" Letzteres sei notwendig, um nicht in das gleiche Chaos wie beim Excel-Wildwuchs abzudriften. Der Analyst plädiert dennoch für mehr Exploration. Unternehmen sollten die Anwender lernen lassen und ihnen mehr Freiheiten lassen. In Datenlaboren ließen sich über Versuch und Irrtum explorative Datenanalysen ausprobieren. Aber, so Bange: "Hier lässt sich kein Return on Investment ausrechnen." Ergebnisse seien nicht vorhersagbar. Ein solches Umfeld bedeute allerdings einen Kulturwandel in den Unternehmen. "Dafür sind viele Unternehmen nicht vorbereitet." Mit einer derartigen Situation zurecht zu kommen, erfordere ein regelrechtes Innovations-Management.

Zudem brauche es neue Rollen. Der Experte nennt dafür neben den Data Scientists und Data Engineers, die auf einer technischen Ebene mit Daten hantierten, auch den Data Artist. Dessen Aufgabe sei es, das Thema Analytics zu kommunizieren und letztlich auch in den Produktivsystemen und -prozessen umzusetzen. Man könne die besten Analysen haben, sagt Bange, wenn sie keiner verstehe, nutzten sie gar nichts.