Foto: Toasted Pictures - shutterstock.com
Manche können sich noch an das Chaos und die Frustration zu Beginn der Big-Data-Ära erinnern. CSV-Dateien wurden aus verschiedenen Quellen in Excel-Tabellen zusammengeführt, um die Daten auf den Desktops zu konsolidieren und zu analysieren. Der Zugriff auf Informationen und die Fehlersuche waren zeitraubend und den Unternehmen fehlte häufig das Vertrauen in die Genauigkeit der verfügbaren Daten. Mittlerweile haben Cloud-basierte Tools und automatisierte Datenintegration des Modern Data Stack viele dieser Schwierigkeiten aus dem Weg geräumt und sind den exponentiell zunehmenden Datenmengen gewachsen.
Data Management: 5 wesentliche Entwicklungen
Fünf wesentliche Entwicklungen im Bereich Datenintegration, Cloud Data Warehouses und Business-Intelligence-Plattformen haben die Art und Weise der Datennutzung nachhaltig verändert:
1. ELT wurde zum "Fully Managed"-System
Durch moderne Extract-Load-Transform (ELT)-Pipelines profitieren Unternehmen von einer stärkeren Automatisierung und einer besseren Performance. Die Tage langsamer Abfragezeiten oder täglicher Abstürze gehören der Vergangenheit an. Der Umstieg von batchbasierten und instabilen ETL-Prozessen zu einem kontinuierlichen, cloudbasierten ELT-Ansatz bedeutet, dass Unternehmen jetzt in Echtzeit Zugriff auf alle ihre Daten haben.
2. Ohne DataOps keine datengesteuerten Prozesse
Der Druck im Bereich DataOps - den Prozessen, Technologien und der Infrastruktur zur Unterstützung von Analytics - nimmt ständig zu. Diese Entwicklung zeigt sich auch in der zunehmenden Zahl an Unternehmen, die DataOps-Funktionen direkt in ihre (nicht DataOps-spezifischen) Produkte integrieren. Ein gutes Beispiel dafür ist dbt Labs, ein weit verbreitetes Open-Source-Transformations-Tool: Es ermöglicht Datenanalysten und Ingenieuren, Daten in ihrem Warehouses mit SQL-Code umzuwandeln und Data-Lineage-Tracking sowie Versionskontrolle einzurichten. Das komplette DataOps-Ökosystem wächst beständig und Unternehmen können zunehmend von DataOps-Best-Practices profitieren.
3. Operational Analytics wird immer wichtiger
Operational Analytics, d. h. die direkte Übermittlung von Analysedaten an betriebliche Anwendungen, wird die Kompetenz der Mitarbeitenden in den verschiedenen Bereichen steigern. So können sie Chancen nutzen, Probleme frühzeitig erkennen sowie vorbeugen und dadurch interne Prozesse und Customer Experience grundlegend verbessern. Da Operational Analytics den Datenzugriff im gesamten Unternehmen erleichtert, können Analysedaten zunehmend in die täglichen Arbeitsabläufe einfließen.
4. BI-Tools verbessern die Zusammenarbeit
Data Analysts und ihre Gegenüber im operativen Geschäftsbereich haben manchmal das Gefühl sie sprechen nicht dieselbe Sprache. Das kann schon bei der Auswahl der Kommunikationsplattform beginnen: Während die eine Seite per Slack kommuniziert, bevorzug die andere eher E-Mail. Die virtuelle Zusammenarbeit bei der Datenanalyse und Ergebnisdarstellung wird durch Business Intelligence Tools, ähnlich wie bei der gemeinsamen Bearbeitung von Dokumenten, effizienter.
5. Wettbewerbsvorteile durch fortschreitende Automatisierung
Eine der spannendsten Entwicklungen in nächster Zeit ist der verstärkte Einsatz von Frameworks, die eine Verteilung und Verarbeitung großer Datenmengen ermöglichen, wie Apache Spark, Beam, Flink und PySpark. Unternehmen, die diese Tools der Softwareentwicklung bei der Datenverarbeitung und -analyse einsetzen, werden davon stark profitieren und wichtige Wettbewerbsvorteile erzielen. (bw)
Lesetipp: Business-Intelligence-Software - Die besten BI-Tools
- Steve Oluborode, Tableau Software
Daten sind das neue Öl. Dass das keine Zukunftsprognose, sondern längst Realität ist, sieht man allein schon bei einem Blick auf die Rangliste der weltweit wertvollsten Unternehmen. Die Top 3 erzielen ihre Wertschöpfung allesamt mit der Monetarisierung von Daten. - Carol Stockinger, IDG
Der Job des Data-Analysten ist alles andere als neu. Er hat sich in den vergangenen Jahren aber stark gewandelt. Ging es früher darum, Doubletten zu verhindern und insgesamt die Datenqualität und-sicherheit hochzuhalten, so steht heute die Herstellung von Benutzbarkeit insgesamt im Mittelpunkt. Verstehe ich meine Daten? Wie kann ich sie zusammenführen, einteilen, analysieren? Das sind die Fragen, mit denen wir heute konfrontiert sind. - Michael Koch, Lufthansa Industry Solutions
Das Wesen der Deutschen ist es, alles im Detail verstehen zu wollen. Das ist mit dem gigantischen Datenaufkommen, das in den Unternehmen generiert wird, aber heute schlicht nicht mehr möglich. Vielleicht liegt darin die Erklärung dafür, warum sich hierzulande alles ein bisschen langsamer bewegt. - Andreas Laux, Datavard
Uns stehen heute so viele technologische Möglichkeiten zur Verfügung wie noch nie zuvor. Doch die bessere Nutzung von Daten zu realisieren ist eine kulturelle Aufgabe, die Kunden und Dienstleister nur gemeinsam lösen können. Dabei ist es wichtig, die Menschen immer wieder darauf hinzuweisen, wie wichtig Daten für die Verbesserung von Geschäftsprozessen und die Entstehung neuer Services sind. Wenn ich den entstehenden Mehrwert glaubwürdig veranschauliche, dann steigt auch die Bereitschaft für das „Sharing“. - Peter Jung, Board
Das Business wird immer dynamischer. Strukturen, Geschäftsmodelle und Besitzverhältnisse verändern sich ständig. Auf diese Dynamik müssen wir mit flexiblem Datenmanagement reagieren: Jeden Tag gibt es einen neuen „Datenschatz“ zu heben und zu verwerten, das heißt aus den Daten entscheidungsrelevante Erkenntnisse zu gewinnen und bereitzustellen. - Andreas Heißler, Uniserv
Die Initiative der Bundesregierung für eine eigene Datenstrategie klingt weniger nach „echter“ Strategie. Das Problem ist doch die große Verunsicherung innerhalb der Unternehmen darüber, was sie rechtlich überhaupt dürfen und was nicht. Allein die parallele Existenz verschiedener sich teilweise widersprechender Gesetze und Verordnungen schafft eine Intransparenz, die den Fortschritt hemmt. Was heute richtig ist, kann morgen schon wieder falsch sein. Das ist gerade für den Mittelstand ein Problem: Um ein funktionierendes Datenmanagement zu etablieren, muss ich Geld in die Hand nehmen und das ist für große Konzerne leichter zu stemmen. Kleinere Unternehmen können aber nicht „einfach mal ausprobieren“, sondern brauchen Planungssicherheit. - Oliver Schröder, Informatica
Uns fehlt es in Deutschland noch an der Geschwindigkeit in der Adaption von Geschäftsmodellen. Die Plattformökonomie in den USA hat hier schon rein organisatorisch deutliche Wettbewerbsvorteile. Ein offensichtlicher Indikator findet sich im organisatorischen Stellenwert der IT. So existieren in vielen Unternehmen immer noch gesonderte IT-Abteilungen, und der CIO berichtet an den CFO. Das alles wäre in einer agilen Struktur nicht mehr nötig, in der IT und Business idealerweise miteinander verschmelzen. - Peter Küssner, Cubeware
Die allzu verhaltene Nutzung von Daten bei der Entwicklung neuer Geschäftsmodelle ist kein technisches und kein organisatorisches Problem, sondern schlichtweg: ein deutsches!