29.06.2012 IDC-Studie

Big Data für neue Sichtweisen

Von: Danielle Schoof

Die meisten Unternehmen schöpfen das Potential von Big Data noch nicht aus, so lautet das Ergebnis einer aktuellen IDC-Studie. Insbesondere durch die Kombination aus Cloud Computing und Big Data bieten sich jedoch flexible Möglichkeiten und neue Sichtweisen an.

Fernrohr, Bildquelle: iStockphoto.com/philipdyer

Obwohl Analysten wie Gartner Big Data längst als Megatrend ausgemacht haben, ist der rapide steigende Wert von Daten als strategische Ressource für das Kerngeschäft weitgehend unerkannt. So sehen laut IDC-Studie bisher nur 15 Prozent der befragten Führungskräfte in Deutschland Big Data Analytics als vorwiegend vom Business getriebenes Thema an, 40 Prozent hingegen als reines Spezialgebiet der IT. Doch ist zu erwarten, dass der Zugang zu Daten und deren Analyse künftig mehr Einfluss auf den Wert eines Unternehmens haben als seine Marke. Im Big-Data-Kontext existiert eine Reihe von Möglichkeiten, die die Struktur und das Management von Unternehmen grundlegend verbessern können.

Der zeitnahe Zugang aller Stakeholder zu relevanten Informationen kann in Unternehmen hohes Innovationspotential freisetzen und damit zu großer Kostenersparnis und Wertschöpfung führen. Derzeit entdecken z.B. viele Behörden in Deutschland den „Open Data“-Gedanken und machen mehr und mehr Datenbanken der Öffentlichkeit zugänglich. Werden diese Datensätze aus unterschiedlichen Quellen mit anderen kombiniert, können neue öffentliche Services generiert und damit wichtige Innovationen umgesetzt werden.

Performancedaten in Echtzeit erlauben Unternehmen kontrollierte Experimente, um ihre Bedürfnisse zu identifizieren und damit die Leistung zu steigern. Wenn etwa ein Pharmahersteller seine Forschungsdaten aggregiert, kann er mit Simulationen und vorausschauenden Modellierungen von neuen Wirkstoffen und Medikamenten herausfinden, wie er seine Ressourcen am wirksamsten einsetzen kann. Damit lassen sich Kosten sparen und die Forschungs- und Entwicklungspipeline erheblich verkürzen. Ein weiteres Beispiel: Mit dem Sammeln und Auswerten von Big Data kann der Einzelhandel seine Waren und Dienstleistungen genau auf feinkörnige Bevölkerungs- und Kundensegmente zuschneiden. Cross Selling, standortbezogenes Marketing, In-Store-Verhaltensanalysen, Mikrosegmentierung von Kunden und eine verbesserte Kundenerfahrung über möglichst alle Marketing- und Vertriebskanäle hinweg helfen Händlern, ihren Umsatz pro Kaufvorgang zu steigern.

Laufen Analysen komplexer Daten als vollautomatische Prozesse, lassen sich die Fehlerrisiken minimieren und Entscheidungen verbessern. So haben produzierende Unternehmen mit Big Data erstmals die Möglichkeit, auch nach dem Verkauf Kontakt zu ihren z.B. vernetzten, mit Sensoren ausgestatteten Waren zu halten. Damit kann der Vertrieb mit aktuellen Nutzerdaten optimiert werden. Kommt es im Fertigungsprozess zu Störungen, lassen sich Fehlerquellen zeitnah identifizieren, Supportmöglichkeiten ausloten und frühzeitig Korrekturen einleiten. Darüber hinaus macht es Big Data Unternehmen möglich, Servicepakete zur präventiven Wartung zu schnüren. Welche bestehenden Geschäftsmodelle von Big Data aufgebrochen werden, lässt sich nicht genau vorhersehen. Ein mögliches Szenario ist, dass etablierte Branchenführer, die an überkommenen Geschäftsmodellen und alten Infrastrukturen festhalten, von Konkurrenten überholt werden, die Kundendaten aus Sensoren und Social Media schnell verarbeiten und auf diese reagieren können.

Zwei Ansätze für Big Data

Mit Hana (High-Performance Analytic Appliance) hat SAP eine Lösung entwickelt, mit der Unternehmen die vier genannten Ansätze für Big Data durchgängig erschließen können. Die Lösung basiert auf der In-Memory-Technologie, die es erlaubt, Millionen von Datensätzen im Hauptspeicher in Echtzeit zu analysieren. Über diese Datenbanktechnologie hinaus gibt es die Möglichkeit, die Datenmengen weltweit verteilt zu halten und getrennt sowie parallel zu verarbeiten. Dazu bietet es sich an, Big Data mit einem weiteren Megatrend zu kombinieren: Cloud Computing. Denn um die riesigen Datenmengen an verschiedenen Orten zu speichern und zu verarbeiten, bedarf es verteilter Rechenleistung, die flexibel und dynamisch zur Verfügung gestellt wird. Mit NoSQL-Datenbanken und globalen Infrastructure-as-a-Service-Lösungen (IaaS) gibt es eine Reihe guter Möglichkeiten, Big Data auf Basis von Cloud Computing mit vertretbarem Zeit- und Geldaufwand zu betreiben. Bei vielen Daten handelt es sich um geschäftskritische und sensible Informationen, die hohe Anforderungen an die Sicherheit und IT-Governance stellen. Daher sollten Unternehmen gerade beim Thema Big Data Private-Cloud-Ansätze verfolgen, die im eigenen Haus oder gemeinsam mit einem Cloud-Anbieter umgesetzt werden. Dabei wird der Zugang zu den Netzen durch Sicherheitsmechanismen auf einen abgeschlossenen Nutzerkreis beschränkt.

„Für Unternehmen bieten wir mit unserem dynamischen Portfolio die Möglichkeit, Big Data auf einer Private Cloud zu betreiben“, erläutert Ulrich Meister, Mitglied der Geschäftsführung von T-Systems und Leiter Systems Integration. „Rechenleistung, Speicherkapazitäten und Bandbreite können nach Bedarf abgerufen werden.“ Die Nutzer sparen dadurch Eigeninvestitionen in neue IT-Systeme und können kurzfristig über die notwendigen Ressourcen für Big Data verfügen. Dabei ist es eine Herausforderung, Big Data in die Cloud zu überführen. Dazu müssen laut Forrester-Analyst Holger Kisker vier Säulen der Information Governance – Datenqualität, -sicherheit, -standardisierung und -lebenszyklus – neu überdacht werden. Hier spricht vieles für eine End-to-end-Strategie in der Cloud. Denn je mehr Integrationspunkte eine Cloud-Lösung mit anderen Anwendungen hat, desto mehr Sicherheitsangriffspunkte gibt es. Allerdings brauchen Unternehmen bei der Umsetzung dieser Strategie kompetente Unterstützung. Denn es ist keineswegs einfach, ganze Geschäftsprozesse und Big Data in die Cloud zu überführen.