Unsicherheit im Big-Data-Markt

Big-Data-Mythen: Was ist dran?

19.03.2014
Von 
Martin Bayer ist Chefredakteur von COMPUTERWOCHE, CIO und CSO. Spezialgebiet Business-Software: Business Intelligence, Big Data, CRM, ECM und ERP.

Mythos: Nur etwas für große Konzerne

Big Data bedeutet nicht primär, mit großen Datenmengen richtig umzugehen. Die wirklichen Herausforderungen in Sachen Big Data liegen darin, mit unterschiedlichsten Datenquellen und -formaten zu jonglieren sowie mit der wachsenden Geschwindigkeit zurechtzukommen, in der diese Daten entstehen und verarbeitet werden wollen. All diese Aspekte betreffen allerdings längst nicht nur große Unternehmen. Auch kleine und mittelgroße Firmen sehen sich vielfach mit diesen Problemen konfrontiert. Big-Data-Vorhaben müssen deshalb jedoch per se nicht so groß und komplex sein, dass nur Konzerne sie stemmen könnten, relativieren Experten.

Allerdings liesollten die Verantwortlichen darauf achten, sich mit ihren Big-Data-Projekten nicht zu verzetteln. Wer unsicher sei, wie Big Data behandelt werden sollte, oder skeptisch, inwieweit sich die damit verbundenen Investitionen rentierten, solle klein anfangen. So könnten Unternehmen in einem ersten Schritt einen Ausschnitt aus ihrem Datenbestand auswählen – strukturiert oder auch unstrukturiert.

Diese Daten sollten dann mit Hilfe eines Service oder eines Tools hinsichtlich einer Fragestellung ausgewertet und dann die Ergebnisse analysiert werden. Auf diese Weise könnten sich Unternehmen behutsam an das Thema herantasten, Erfahrungen sammeln und grundsätzlich prüfen, ob und in welchen Bereichen sich Aufwand und Investitionen für Big Data lohnten.

Mythos: Hauptziel Kunden-Management

Viele Big-Data-Anwendungsbeispiele drehen sich um das Management von Kundenbeziehungen. Daraus abzuleiten, Big Data eigne sich nur für bestimmte Bereiche oder Branchen, sei jedoch falsch. Die Gartner-Experten verweisen auf Umfragen, wonach Big-Data-Anwender andere Prioritäten setzen. Demnach stehe an oberster Stelle das Ziel, mit Hilfe von Big Data grundsätzlich sämtliche Prozesse im eigenen Unternehmen effizienter zu gestalten.

An zweiter Stelle rangiert das Thema Security. Big Data soll helfen, Risiken schneller und genauer zu identifizieren und damit Sicherheitslücken zu schließen. Erst an dritter Stelle der Big-Data-Prioritäten folgt das Kundenthema.

Darüber hinaus lasse sich die Big-Data-Thematik längst nicht nur auf Handelsunternehmen oder den Kundenkontakt beschränken, mahnen Experten. Neue Wege, mit großen Datenmengen umzugehen, hätten das Potenzial, verschiedenen Branchen Impulse zu geben. Energieversorger beispielsweise könnten auf Basis exakter Auswertungen des Energieverbrauchs ihre Produktion und Netzauslastung effizienter planen. Im Gesundheitswesen bietet Big Data die Chance, mit Hilfe von Patientendaten die Wirksamkeit von Behandlungen und Medikation zu analysieren und damit die Bekämpfung von Krankheiten zu unterstützen.

Mythos: Nur Analyse unstrukturierter Daten

Unternehmen, die Big Data auf Analytics und unstrukturierte Daten, beispielsweise Kommentare aus sozialen Netzwerken, reduzieren, liegen daneben. Analyseverfahren bilden nur einen Aspekt von Big Data – im Grunde den letzten Schritt. Dieser ist sicher entscheidend für das Ergebnis einer Big-Data-Frage. Wer jedoch die Vorarbeiten vernachlässigt, wird auch an der Analyse wenig Freude haben.

Dabei geht es vor allem darum, die richtigen Datenquellen zu identifizieren, ferner zu überlegen, wie sich daraus die wirklich relevanten Daten gewinnen lassen und wie diese in der Folge abgelegt und weiterbehandelt werden sollen. Big Data könne daher sehr schnell sehr komplex werden. Um dies zu verhindern, gelte es, Projekte möglichst klein und überschaubar zu halten.

Um die richtigen Daten für Big Data zu finden, müssen alle potenziellen Quellen einbezogen werden. Es wäre zu kurz gegriffen, sich auf die oft als Big-Data-Beispiel bemühten unstrukturierten Daten aus sozialen Netzen wie Facebook zu beschränken – zumal an dieser Stelle auch Privacy-Gesichtspunkte nicht unter den Tisch fallen dürfen. Auch andere Daten beispielswiese aus der Produktion, dem Einkauf oder der Lieferkette können wertvolle Hinweise liefern, wie sich das eigene Business effizienter und lukrativer abwickeln lässt.

Mythos: Geeignete Fachkräfte fehlen

Die richtigen Mitarbeiter für Big Data zu finden ist zugegebenermaßen schwierig. Neben klassischen IT-Skills sollten Big-Data-Spezialisten Analytics-Kenntnisse mitbringen und sich darüber hinaus im Business und den Fachabteilungen auskennen. Doch Fachkräfte mit dieser Know-how-Kombination sind rar gesät, haben Umfragen gezeigt. Fast alle Unternehmen, die händeringend nach solchen Spezialisten suchen, geben an, dass die notwendigen Skills auf dem Arbeitsmarkt kaum zu haben sind.

Angesichts dieser Situation müssten die Unternehmen darauf achten, nicht jeden, der sich als Big-Data-Spezialist ausgibt, blindlings einzustellen, mahnt Gartner-Analystin Logan. Sie warnt vor voreiligen Entscheidungen: Trotz der angespannten Situation in diesem Arbeitsmarktsegment müssten Unternehmen Bewerber sorgfältig unter die Lupe nehmen, ob ihre angeblichen Fähigkeiten wirklich ausreichen, um die Herausforderungen zu meistern.

Auch sollten sich die Verantwortlichen nicht entmutigen lassen. Wer nicht fündig wird, könnte als Alternative ein Team zusammenstellen, schlägt Logan vor. Es könnte etwa aus einem IT-Spezialisten, einem Rechtsexperten sowie einem Mitarbeiter aus der Fachabteilung, der das Business kennt und versteht, bestehen. „Wenn man diesen Leuten Zugang zu Daten gibt und sie ein wenig herumspielen lässt, besteht durchaus die Chance, dass sie die eine oder andere interessante Entdeckung machen.“ (mhr)