Analytics in der Praxis

Big Data Projekte – worauf Unternehmen achten sollten

15.01.2016
Von 
Marco Schmid verfügt über 15 Jahre Erfahrung im IT-Sektor. Er besitzt einen Bachelor in Information Technology von der University of Applied Science in Zürich.
Viele Unternehmen starten Big-Data-Projekte ohne ausreichende Vorbereitung. Lesen Sie, worauf es bei der Planung ankommt.

Beim Einführen von Big-Data-Systemen stehen Unternehmen vor zahlreichen Herausforderungen. Sie reichen von der organisatorischen Ebene über die technische Infrastruktur und Einbindung von Cloud-Providern bis hin zur Suche nach geeigneten Mitarbeitern.

Beginnen sollten Entscheider mit organisatorischen Fragestellungen. Big Data wird in der Praxis noch immer stark von der IT-Abteilung vorangetrieben. Wenn nun aber ein Hadoop-Cluster erstellt und betrieben werden soll und es dafür wenig oder gar keine Unterstützung von der Führungsebene gibt, sind Probleme programmiert.

Häufig wird Big Data als "nice to have" betrachtet und deshalb nicht mit der angemessenen strategischen Bedeutung entwickelt. Dies liegt an der fehlenden Priorisierung und Abstimmung mit anderen Abteilungen. für Für das Business besitzt Big Data dabei oft eine deutlich höhere strategische Priorität als andere eher technische Aspekte der IT. Denn Big Data ist das Werkzeug, um die gesteckten Business-Ziele einfacher zu erreichen.

Data Gravity: Daten am Ort ihrer Entstehung auswerten

In Bezug auf die technische Infrastruktur ist eine Frage nicht zu vernachlässigen: Wo werden die Daten erzeugt, die auszuwerten sind? Denn je mehr Informationen gesammelt werden und je wichtiger das Big-Data-Projekt für die Geschäftsentwicklung ist, deso wichtiger ist die sogenannte "Data Gravity". Dieser Begriff steht für folgenden Zusammenhang: Da ein kontinuierlicher Datentransfer langwierig und kostenintensiv ist, sollte die Datenauswertung möglichst am Ort der Systeme stattfinden, welche die Informationen erzeugen - oder zumindest in deren direkter Nähe.

Wenn zum Beispiel ein Gerät oder eine Maschine Sensordaten über das Internet sendet, kann Big Data in der Cloud eine elegante Lösung sein. Falls die Daten intern erzeugt werden, eignet sich vielleicht eine hybride Lösung besser. Alternativ kann ein Unternehmen den Server, der die Daten generiert, in einer Managed-Hosting-Umgebung betreiben und ihn so enger zum Big Data Service bringen.

Big Data: Technisch gibt es keine Einschränkungen

In der Theorie gibt es keine technischen Einschränkungen. Die ideale Lösung hängt eher davon ab, was das Unternehmen genau möchte. Bei der Speicherung von Daten gibt es natürlich sehr verschiedenartige Anforderungen, die analysiert werden müssen. Typischerweise wächst die Datenmenge kontinuierlich. Doch auch eine schnelle Skalierung kann benötigt werden, vor allem beim Aufbau von Kapazitäten.

Dies gilt möglicherweise auch für die Analyse. Angenommen, das Unternehmen führt eine tägliche oder stündliche Analyse einer bestimmten Daten-Teilmenge aus und analysiert einmal im Monat zudem den gesamten Datenbestand. Dann empfiehlt es sich eventuell, einen Server-Cluster für diese monatliche Analyse einzuschalten und nach Abschluss der Auswertung wieder abzuschalten.

Analytics in der Cloud bringt Vorteile

Ein Cluster, der von einem Provider gehostet wird, bringt mehrere Vorteile. Diese resultieren weitgehend aus dem "typischen" Nutzen der Cloud, wo es etwa um Skalierung oder das Vermeidung von Investitionsrisiken und Kapitaleinsatz geht. Zu Beginn eines neuen Projekts mag dies nützlich sein, aber es hilft nicht bei den gerade beschriebenen Problemen.

Etwas anders sieht es aus, wenn eine Managed Cloud zum Einsatz kommt, da sie alle verfügbaren Services enthält. In diesem Fall profitiert der Kunde nicht nur von den bereitgestellten Kapazitäten, sondern erhält auch Unterstützung bei Aufbau und Betrieb des Systems zur Big-Data-Analyse. Damit sinken die Einstiegshürden für Big-Data-Projekte erheblich.

Dringend gesucht: Big Data-Experten

Das Nutzen einer Managed Cloud verringert zudem eines der größten Probleme für Unternehmen mit Analytics-Ambitionen: die Suche nach qualifizierten Mitarbeitern. Dies beginnt bei Experten für die Infrastruktur und reicht bis zu Spezialisten für die zahlreichen Analytics-Optionen. Erfahrene Big-Data-Fachkräfte wie etwa Data Scientists sind nicht nur schwer zu finden, sondern lassen sich auch entsprechend gut bezahlen. Zudem kann es schwierig sein, solche Mitarbeiter zu halten, wenn es auf Dauer zu wenig interessante Projekte gibt.

Fazit

Big-Data-Analysen lassen sich nicht mit der heißen Nadel stricken. Bevor Unternehmen damit beginnen, sollten sie ihre Ziele definieren und Spezialisten für die Auswertung der rasant wachsenden Datenmengen an Bord nehmen. Zudem ist es unabdingbar, dass die Geschäftsführung ein solches Projekt unterstützt, denn nur dann kommt Big Data die notwendige strategische Bedeutung zu. (wh)