Google ist ein Paradebeispiel für ein Unternehmen, das Big Data in der Praxis umsetzt. Google Maps nutzt beispielsweise mobile Daten in Echtzeit, um Nutzer vor Verkehrsstaus zu warnen. Aufgrund solcher und ähnlicher Szenarien nimmt der Einsatz ständig zu:Das Marktforschungsunternehmen IDC hatte bereits 2015 vorhergesagt, dass der Markt für Big-Data-Technologie und -Services mit einer durchschnittlichen jährlichen Wachstumsrate von 23,1 Prozent bis 2019 ansteigen und dann einen Jahresumfang von 48,6 Milliarden US-Dollar erreichen wird. Big Data wird also immer größer und größer.
Auf den Big-Data-Zug aufspringen
So ist es nicht überraschend, dass die meisten Unternehmen nur noch zu einer von zwei Kategorien gehören: Entweder nutzen sie bereits Big Data oder sie prüfen den Einsatz. Letztere erkennen schnell, dass der Weg zu Big Data meist nicht so lang is, wie sie glauben. Tatsächlich stellt er für viele einen natürlichen Übergang dar, als Ergänzung ihrer bestehenden Projekte für Business Intelligence.
Foto: Gunnar Assmy - shutterstock.com
Die Erweiterung der herkömmlichen BI-Plattformen mit Big Data ermöglicht es Unternehmen, die bereits fortgeschrittene Analysetechniken nutzen, einen riesigen Schatz an neuen unstrukturierten Daten aus Quellen wie Social Media, Blogs und mit dem Internet der Dinge verbundenen Geräten zu nutzen und ihren bestehenden strukturierten Datensätzen hinzuzufügen. Dies bietet viel mehr Kontext zur Einschätzung, warum Menschen sich auf eine bestimmte Weise verhalten, sowie zur Identifizierung der Beziehungen zwischen Datensätzen, um eine 360-Grad-Sicht auf die Kundenprofile zu erreichen.
Jedoch ist die Einführung von Big-Data-Technologien noch lange nicht einfach und der Druck, damit zu starten, kann Unternehmen von wichtigen Aufgaben und der Umsetzung ihres vollständigen Geschäftspotentials ablenken. Daher ist es wichtig, ein klares Ziel vor Augen zu haben. Statt auf den erstbesten Zug aufzuspringen sollten Unternehmen ermitteln, was sie konkret durch Big Data erreichen wollen. Damit gewährleisten sie, dass die Reise sie auch zum gewünschten Ort bringt. Dies wiederum hilft bei der Bestimmung, welche Daten nötig sind und wie sich diese zusammentragen lassen. Nur dann werden die Projekte auf wirtschaftliche Weise durchgeführt.
Das richtige Gleis
Sobald die Ziele festgelegt sind, müssen Unternehmen ihre bestehenden Fähigkeiten und Werte überprüfen. Damit ermitteln sie, an welchen Stellen Verbesserungen und Effizienzsteigerungen nötig sind, um Big Data auf das richtige Gleis zu bringen. Sie müssen dabei berücksichtigen, wie groß ihre Big-Data-Plattform sein soll, wie viel Server-Kapazität sie benötigen, wie die Daten zu migrieren sind und wie viel Speicherplatz nötig ist.
Zuerst müssen sie jedoch ihre bestehende Infrastruktur betrachten, die sie für die Speicherung ihrer Daten einsetzen. Einer der kosteneffektivsten Ansätze zur Speicherung von Big Data kann der Aufbau eines Datenpools sein. Dieser ermöglicht Unternehmen die Reduzierung von Storage-Kosten, indem sie ihre Datenhaltung auf Standardservern etablieren. Diese sind deutlich günstiger als diejenigen, die für herkömmliche Data-Warehouse-Plattformen nötig sind. Tatsächlich ist gerade diese Möglichkeit zur Kostensenkung für viele Unternehmen einer der Hauptgründe zur Einführung von Big-Data-Anwendungen.
Die Nutzung eines Datenpools beseitigt auch die Silos, die Datensätze in relationalen Datenbankumgebungen voneinander trennen. Dadurch können Unternehmen ein riesiges Reservoir erzeugen, in dem Daten zu echten Big Data werden. Dies ermöglicht deutlich umfangreichere Einblicke durch die Identifizierung von Mustern und die Kontextualisierung der Beziehungen zwischen verschiedenen Datensätzen. Ein zusätzlicher Vorteil liegt in der deutlich einfacheren Einführung von Daten in diesen Datenpool im Vergleich zu Umgebungen mit relationalen Datenbanken. Es entfällt schließlihc die Notwendigkeit zur Vorbereitung oder Umgestaltung der Daten, bevor sie integriert werden können.
Zuverlässige Lokführer und Schaffner
Ist die Storage-Plattform aufgebaut, müssen Unternehmen sicherstellen, dass sie die richtigen Mitarbeiter an Bord haben, um ihre Big-Data-Reise erfolgreich zu absolvieren. Neben dem IT-Team sind auch Digitalisierungs-Experten und Manager auf jeder beteiligten Geschäftsebene wichtig, um herauszufinden, wie Analysen nahtlos in die Prozesse integriert werden können, die sie unterstützen sollen.
Zudem gelten Mitarbeiter als erfolgsentscheidend, welche die benötigten Fähigkeiten besitzen, um Big-Data-Tools zu implementieren und anzuwenden sowie ihren Betrieb effektiv zu verwalten. Das kann jedoch häufig ein größerer Stolperstein sein. Denn die relative Neuheit von Big Data bedeutet, dass es nur wenige Data Scientists mit den entsprechenden Fähigkeiten gibt. Viele Universitäten bieten zwar inzwischen Kurse an, um diesen Mangel zu beheben. Doch die jüngere Generation von Mitarbeitern ist neu im Geschäftsleben und besitzt nicht die Erfahrung ihrer älteren Kollegen.
Aus diesem Grund nehmen viele Unternehmen Technologiepartner an Bord, die bereits Fähigkeiten und Erfahrung bei der Einführung von Big-Data-Projekten besitzen, statt das unbekannte Terrain alleine zu erforschen. Dadurch umgehen sie einerseits das Hindernis Fachkräftemangel und andererseits können sie aus der Expertise anderer lernen, die bereits die Big-Data-Reise abgeschlossen haben. Viele Partner, die bereits ähnliche Projekte anderswo durchführten, haben häufig auch effiziente Prozesse entwickelt, um die Zeit bis zum Start der Big-Data-Initiative zu verkürzen. Zum Beispiel können Frameworks für Aufgaben zum Erreichen großer Meilensteine - wie Datenintegration - eine Serie modularer Bausteine bereitstellen, welche einen Großteil der Komplexität reduzieren. Dadurch fahren Unternehmen deutlich schneller auf ihrem Weg zu Big Data.
Wo auch immer sie sich auf dieser Reise gerade befinden, sehr wahrscheinlich bleibt Big Data in den kommenden Jahren im Blickfeld jedes Unternehmens. Dabei ist es jedoch wichtig, sich nicht vom allgemeinen Hype mitreißen zu lassen. Ein vollständig definierter Plan, ein klares Ziel und die richtige Balance zwischen internen Fähigkeiten und externer Erfahrung sind entscheidend für den Erfolg. Wer dieses Niveau an vorausschauendem Denken erreicht, wird sicherlich die besten Geschäftsergebnisse in der datengetriebenen Zukunft erreichen. (haf)