Was Versagen bedeutet

Woran Big-Data-Projekte scheitern

20.05.2014
Von 
Dr. Ilias Ortega arbeitet als Lead Manager bei der ELCA Informatik AG in Zürich. Er ist promovierter Betriebswirtschafter der Universität St. Gallen und diplomierter Ingenieur der ETH Zürich.
Was sind die Hauptursachen für Fehlschläge? Und was kann das Projektteam dagegen unternehmen?

Wie aktuelle Umfragen zeigen, werden mehr als die Hälfte aller Big-Data-Vorhaben abgebrochen. Zudem bezeichnet kaum mehr als ein Viertel der Befragten die laufenden oder abgeschlossenen Projekte als erfolgreich. Mehr als die Hälfte ist mit den Projektergebnissen "mäßig" zufrieden.

Woran Big-Data-Projekte scheitern
Woran Big-Data-Projekte scheitern
Foto: T. L. Furrer, Fotolia.com

Die Hauptursachen für das Scheitern beziehungsweise die Unzufriedenheit sind:

  • unzureichende Ausrichtung auf die Unternehmensstrategie,

  • unzulänglicher oder fehlender Business Case,

  • ungenügende Planung,

  • Kommunikationsprobleme,

  • fehlendes Wissen und

  • mangelhafte Datenintegration.

Das Thema Big Data gilt als Hebel für mehr Wettbewerbsfähigkeit. Doch neben technischen und wirtschaftlichen Aspekten stellen sich vermehrt Fragen zur Vertraulichkeit und Sicherheit von Daten sowie zu ethischen Aspekten. Big Data ist Teil der öffentlichen Diskussion geworden. Einer Umfrage von Kapow Software zufolge sind 85 Prozent der Unternehmen vom Big-Data-Nutzen überzeugt. Und gemäß einer Studie von Infochimps gehört Big Data nur für sechs Prozent der Befragten nicht zu den zehn IT-Prioritäten.

Vier Thesen

  1. Die Beschäftigung mit Erfolgsgeschichten reicht nicht aus, um das Scheitern von Big-Data-Projekten zu verhindern. Wer sich auch mit den Misserfolgen befasst, erhält wertvolle Hinweise auf vermeidbare Fehler, die den Projekterfolg gefährden.

  2. Big-Data-Projekte scheitern oft infolge von Mängeln in der Ausrichtung auf die Unternehmensstrategie, im Business Case, in der Planung, in der Kommunikation, im Wissen und in der Datenintegration.

  3. Gezielte Maßnahmen in diesen Bereichen helfen, das Scheitern von Big-Data-Projekten zu bekämpfen.

  4. Erfolgreiche Big-Data-Vorhaben sind strategisch ausgerichtet, durch einen Business Case untermauert und sorgfältig geplant. Die Teams kommunizieren ständig, verfügen über solides Wissen und haben ungehinderten Zugang zu den Daten. Kreativität, Neugier und Experimentierfreude leisten ebenfalls einen wichtigen Beitrag zum Erfolg.

Anzeichen für eine Hysterie

Für manche Beobachter ist bereits eine "Big-Data-Blase" auszumachen. Folgt man manchen Beratern und Fachmedien, entsteht der Eindruck, Big Data sei immer ein Erfolgsgarant, und auf die Einführung entsprechender Technologien folge zwangsläufig eine tiefere, nutzbringende Einsicht in das Unternehmen und seine Geschäfte.

Doch das entspricht nicht der Realität: Der Umfrage von Infochimps zufolge werden rund 55 Prozent der Big-Data-Projekte nicht zum Abschluss gebracht. Unter den wichtigsten Gründen sehen 58 Prozent der Befragten einen unklaren Projektumfang, 41 Prozent nennen technische Schwierigkeiten, 39 Prozent bemängeln Datensilos und mangelhafte Kooperation.

Häufigste Ursache für das Versagen von Analytics-Projekten ist das fehlende Fachwissen, das nötig wäre, um aus den Daten Schlüsse für das Business zu ziehen, sowie die ungenügende Relevanz der Daten. Das zeigt eine Erhebung der Economist Intelligence Unit. Ihr zufolge mangelt es 45 Prozent der Marketing-Fachleute an Know-how, um Big Data zu analysieren. Die Hälfte der Befragten vermisst ein ausreichendes Budget für Datenbank-Management. Die Folge: Drei Viertel können mit den gewonnenen Einsichten nichts anfangen.

Allerdings unterscheiden sich Big-Data-Projekte in dieser Hinsicht nicht wesentlich von anderen großen IT-Projekten. Wie McKinsey und die Universität Oxford durch Untersuchung von mehr als 5400 IT-Projekten herausfanden, verursachen Vorhaben mit einem Budget von über 15 Millionen Dollar im Durchschnitt Mehrkosten von 45 Prozent. Zudem weisen sie Verzögerungen um sieben Prozent auf. Und sie erbringen nicht einmal die Hälfte des erwarteten Nutzens. Dafür nennt die Studie unter anderem folgende Ursachen: unklare Ziele und fehlender geschäftlicher Fokus, unrealistische Terminplanung, wechselnde Anforderungen und technische Komplexität.