Pixabay, geralt (CCO public domain)
Big Data ist ein Begriff aus dem englischen Sprachgebrauch, der eine immer schneller wachsende Datenmenge beschreibt. Neue und besonders leistungsstarke IT-Lösungen sind notwendig, um die Datenmengen zu bewältigen, unstrukturierte Daten in brauchbare Informationen zu verwandeln. Die Daten entstehen in immer komplexer werdenden Geschäftsprozessen. Voraussetzung für die Analyse all dieser Daten sind Fachleute, die ein tiefgreifendes Verständnis für das Auslesen und gewinnbringende Nutzen der Daten haben. Heute ist es kein Geheimnis mehr, dass eine professionelle Verarbeitung der Datenflut den Unternehmen einen entscheidenden Wettbewerbsvorteil bringt.
Eigene Mitarbeiter oft nicht ausreichend qualifiziert
In den Führungsetagen weiß man, wie wichtig das Thema ist. Allerdings ist das Angebot an gut ausgebildeten Experten sehr gering. Häufig müssen sich Mitarbeiter alleine in das weite Arbeitsfeld einarbeiten, mit den entsprechenden Konsequenzen. Die „Datenbastler“ kommen schnell an ihre Grenzen, weil das dafür notwendige Hintergrundwissen fehlt. Die Tipps von industry-press.com können hier eine große Hilfe sein. Letztendlich ist es sinnvoll, auf einen professionellen Data-Science-Service zurückzugreifen oder die eigenen Mitarbeiter durch Fortbildungen entsprechend auf dem Gebiet fit zu machen. Dabei kommt es nicht nur darauf an, sich mit der Technik gut auszukennen. Kenntnisse über die Marktsituation des Unternehmens sind ebenso wichtig, am besten gepaart mit einer ausgeprägten Kommunikationsfähigkeit.
Pixabay, HypnoArt (CCO public domain)
Bei der Datenanalyse ist eines ganz wichtig: Welches unternehmerische Ziel soll erreicht werden? Von der Antwort ist die Art der Analyse abhängig. Laut Bundesverband Informationswirtschaft bitkom.org nutzt bereits jedes dritte Unternehmen Big-Data-Analysen für die Produktionsplanung und Projektabwicklung. Dabei gibt es zwei Möglichkeiten der Analyse:
Die Ad-hoc-Analyse ist ein statisches Verfahren, das die Unternehmen nicht produktiv nutzen. Beispielsweise lassen sich damit Kundensegmentierungen vornehmen, die auf der Grundlage des Ist-Zustandes zu einem bestimmten Zeitpunkt basiert. Daraus leiten die Unternehmen Handlungsempfehlungen ab und setzen sie um. Dies geschieht jedoch nicht fortlaufend.
Bei der analytischen Applikation erfolgt ebenfalls eine Segmentierung, die jedoch anwendungspezifisch ist. Beispielsweise die Kategorisierung der Besucher einer Webseite nach Herkunftsland, um Angebote länderspezifisch erstellen zu können. Dabei erfolgt die Datenverarbeitung häufig in Echtzeit.
Die richtigen Schlussfolgerungen ziehen
Um aus den Datenanalysen die richtigen Schlussfolgerungen zu ziehen, sind anwendungsspezifischen Auswertungen notwendig. Dazu kann es notwendig sein, die Datenanalysen zu zentralisieren und im Rahmen von zum Beispiel einem Data-Science-Center eine Spezialisierung zu entwickeln. Die Analysten müssen Geschäftsfelder verstehen, Daten aufbereiten, Modelle entwickeln und Software programmieren können. Daran lässt sich unschwer erkennen, dass nur gut ausgebildete Fachkräfte dieser Aufgabe gewachsen sind, einfach weil das Aufgabenportfolio so umfangreich ist.
Unternehmen müssen umdenken
Zweifellos sind Daten heute der beste Weg, zu erfahren, was der Kunde möchte. Daten sammeln und gezielt auswerten ist in Traditionsunternehmen allerdings nicht immer einfach. Ein Umdenken ist erforderlich, um sich auf die neuen Bedürfnisse einzustellen oder bestehende Unternehmensstrategien neu zu überdenken.
Geschwindigkeit ist Trumpf
In der heutigen Zeit ist die Geschwindigkeit, in der Businessprozesse ablaufen oftmals wettbewerbsentscheidend. Mithilfe operativer Business-Intelligence kommen die Unternehmen im Tagesgeschäft zu besseren Entscheidungen. Sie können Schwierigkeiten schneller erkennen und entsprechende Korrekturmaßnahmen früher einleiten.
Die Komplexität erhöht sich
Die Entwicklung neuer Datenanalyse-Verfahren hat eine Vielzahl an verschiedenen Möglichkeiten auf den Markt gebracht. Welche Lösung für das anstehende Problem im Unternehmen infrage kommt, ist manchmal schwer zu entscheiden, die universelle Lösung nicht so einfach erkennbar. Heterogene Datenbank-Management-Systeme sind meist die Lösung, die verschiedene Technologien von unterschiedlichen Anbietern miteinander verbinden. Es gibt mehr und mehr spezialisierte Lösungen für eine bestimmte Fragestellung.
Worauf es ankommt
Unternehmen stehen dadurch vor einer großen Herausforderung. Der Markt wird vielschichtiger, immer schneller entwickeln sich neue Technologien und Produkte. Durch Cloud-Lösungen lassen sich immer mehr Datenquellen einbinden. Diese Entwicklungen erleichtern die Arbeit nicht gerade.
Dabei gibt es nicht die eine Komplettlösung, sondern die bestmögliche Lösung für die verschiedenen Anwendungsbereiche. Eine Gesamtlösung von einem Hersteller löst oftmals nicht alle Fragestellungen im Unternehmen zufriedenstellend. Unternehmen sollten sich gut recherchieren und Alternativen vor Ort testen, um genau die passende Lösung zu finden.
Anwendungen und Systeme sollten schnell und einfach in das vorhandene Daten-Ökosystem einbinden lassen. Wichtig ist, Projekte zeitnah umzusetzen. Wer zu langsam ist, hat nach der Analyse bereits veraltete Daten, die zu nichts mehr zu gebrauchen sind, weil sich die Anforderungen so schnell verändern. Einfach bedienbare Lösungen sind daher zu bevorzugen.
Die Bindung an bestimmte Lieferanten oder Technologien führt dazu, dass Unternehmen nicht auf Marktanforderungen reagieren können. Hier ist es wichtig flexibel zu bleiben, sodass die Einführung neuer Lösungen sich schnell umsetzen lässt. Das Thema Datenanalysen sollten Unternehmen sehr ernst nehmen. Es kann in der Zukunft entscheidende Wettbewerbsvorteile bringen.
Die Stolpersteine bei der Einführung von Big Data
Dass die Big-Data-Einführung nicht gelingt, hakt oft an internen Prozessen oder ungeklärten Zuständigkeiten. Auch ist die Datenqualität in vielen Fällen mangelhaft, weil die Daten beispielsweise unvollständig sind oder Datenbanken sich nicht maschinell auswerten lassen. Ein weiterer wichtiger Punkt ist die Komplexität. Damit die Datenanalyse reibungslos funktioniert, brauchen die zuständigen Mitarbeiter Zeit. Sie müssen sich auf die neuen Anforderungen einstellen und vorbereiten. In den Unternehmen kommen die Informationen allerdings meist sehr spät bei den zuständigen Mitarbeitern an. Oft bleiben die genauen Erwartungen und die übergeordneten Ziele unbekannt, die IT bekommt nur eine Liste mit Anforderungen. Zusätzliche Risiken durch Missverständnisse oder mangelnden Support erschweren die Arbeit. Wiwo.de hat die, warum Datenanalysen in Unternehmen scheitern, näher beleuchtet.
Big Data smart nutzen
Die Einsatzmöglichkeiten für Big Data sind vielfältig, wenn Unternehmen die Analysen richtig einsetzen, ein paar Beispiele:
