Effiziente Big-Data-Analysen

IT-DIRECTOR: Herr Tuchen, kürzlich hat Talend von verschiedenen Investoren rund 40 Millionen US-Dollar erhalten. Was haben Sie mit diesem Geld vor?
M. Tuchen: Investieren – sowohl in Produktinnovationen als auch in schnellere Markteinführungen. Auf der Produktseite werden wir unseren Einsatz hinsichtlich Big-Data-Lösungen verdoppeln. Dieser Bereich explodiert bei uns geradezu. Wir verzeichnen bereits eine starke Nachfrage nach unserer Lösung, die wir mit den neuen Finanzmitteln im Laufe des Jahres weiter ausbauen wollen. Bei den Markteinführungen werden wir vor allem in den Bereich „Inside Sales“ investieren und unsere Community sowie das Partner-Ökosystem ausbauen.

IT-DIRECTOR: Wie laufen die Geschäfte in Deutschland? Sind deutsche IT-Organisationen allgemein zögerlicher bei der Umsetzung von Big-Data-Projekten als beispielsweise US-amerikanische?
M. Tuchen: Deutschland ist für uns ein wichtiger Markt – aus Vertriebssicht, aber auch aus der technischen Perspektive. Einige unserer größten Kunden sitzen in Deutschland. Zudem zählt das Land bezüglich des Umsatzes immer zu einer unserer besten Regionen. Auch unser technisches Enterprise-Service-Bus-Team (ESB) sitzt in der Bundesrepublik.

Bei der Akzeptanz von Big Data sind die US-Amerikaner Europa etwa ein Jahr voraus. In den USA haben wir die “Early Adoper”-Phase hinter uns und beobachten, dass mehr Kunden ihre Pilotprojekte abschließen und für dieses Jahr die produktive Nutzung einplanen. Deutschland befindet sich hingegen noch in der Frühphase, die meisten IT-Organisationen planen und starten zunächst mit “Proof of Concepts”.

IT-DIRECTOR: Heute ist Hadoop bei Big Data der Stand der Technik. Warum glauben Sie ist Open Source in diesem Bereich so erfolgreich?
M. Tuchen: Gegenüber früheren Lösungen zur Datenanalyse hat Hadoop zwei entscheidende Vorteile: Flexibilität und extreme Kosteneffizienz. Beide können direkt auf Open-Source-Wurzeln zurückgeführt werden. Aus Kostensicht ist Hadoop pro Terabyte etwa 40 bis 50 mal günstiger als Lösungen von Oracle oder Teradata.
Allerdings kann Hadoop viele Aufgaben zur Analyse strukturierter Daten nicht so gut erledigen wie die etablierten Lösungen – jedenfalls noch nicht. Dafür hat es den enormen Vorteil, mit seiner Flexibilität zahlreiche neue Szenarien zu adressieren, die mit einem Standard-Data-Warehouse nur schwer oder unmöglich umzusetzen sind. Diese Flexibilität wird durch das große Ökosystem, das sich rund um Hadoop entwickelt hat, ermöglicht. Zahlreiche Unternehmen tragen mit Komponenten oder Programmcode dazu bei, die Lösung insgesamt zu verbessern. Geschlossene, proprietäre Software kann sich diese Expertise und die Investitionen dutzender oder hunderter Unternehmen nicht so zunutze machen, wie erfolgreiche Open-Source-Projekte wie Hadoop das können.

IT-DIRECTOR: Cloud- und Big-Data-Projekte laufen heute zusammen – woran liegt das Ihrer Ansicht nach? Sind die beiden Technologien so etwas wie zwei Seiten ein und derselben Medaille?
M. Tuchen: Meiner Ansicht nach gibt es hier zwei Probleme: Anfangs bemerkten wir großes Interesse seitens IT-Organisationen, die cloud-basierende Big-Data-Installationen verfolgten, was sich aber im letzten Jahr dramatisch geändert hat. Obwohl es immer noch eine erhebliche Anzahl an cloud-basierenden Pilotprojekten und Cloud-Installationen gibt, wurden 80 Prozent der Hadoop-Einsätze, die wir im letzten Jahr beobachteten, On Premise, also vor Ort, eingeführt.

Davon abgesehen nutzt praktisch jeder Cloud-Anbieter und Internetprovider Big Data. Die Gründe liegen auf der Hand: Wenn man Millionen von Kunden eine Dienstleistung über das Internet anbietet, entsteht eine enorme Menge an Daten, die man sich zunutze machen kann, um das Angebot für die Kunden noch wertvoller zu machen. Außerdem kann man die Daten intern nutzen, um beispielsweise Konversionsraten, Cross-Selling, Up-Selling oder die Kundenbindung zu verbessern.

IT-DIRECTOR: Offensichtlich starten immer mehr Unternehmen mit Big-Data-Initiativen. Welchen Rat geben Sie CIOs, die über Big-Data-Projekte nachdenken?
M. Tuchen: Zuerst einmal sollte man immer ein klares Ziel verfolgen. Wenn man genau weiß, auf welche Vorteile man abzielt und wo man die Daten dazu findet, hat man eine klare Erfolgsmessung und eine bei weitem bessere Chance, ans Ziel zu gelangen. Dabei ist es gerade am Anfang wichtig, die Installation skalierbar aufzubauen. Denn ansonsten erfordert später jeder neue Hadoop-Knoten entweder viele manuelle Schritte oder kostspielige Komponenten.

Dasselbe gilt für die Datenquellen: Bei erfolgreichen Big-Data-Projekten werden mit der Zeit immer mehr Datentypen hinzugefügt. Ein gewählter Ansatz sollte es ermöglichen, dass leicht mehr Quellen hinzugefügt werden können, wenn sich ein Plan weiter entwickelt. Besonders wichtig sind dabei automatisierte Tools, die keine manuelle Programmierung erfordern. Hadoop Entwickler sind auf dem Arbeitsmarkt bekanntlich extrem rar.

de.talend.com