Tipps & Tricks rund um Big Data

Zahlreiche Mittelständler springen mittlerweile auf den Big-Data-Zug auf. Eine kürzlich durchgeführte Studie von Competitive Edge Research Reports zeigt, dass 96 Prozent der mittelständischen Organisationen bereits an einer Big-Data-Initiative arbeiten oder für das kommende Jahr eine solche planen. Das sind viele Unternehmen, deren Big-Data-Projekte in nächster Zukunft entweder zum Erfolg führen oder untergehen.

Einer der Vorteile, wenn man als Unternehmen relativ spät auf der Adaptionskurve eines beliebigen Technologiezyklus unterwegs ist, ist die Chance, von denen zu lernen, die vorher da waren. Gerade Mittelständler, die ein Big-Data-Projekt starten wollen, haben ihre Vorgänger, die Großunternehmen, nützliche Lektionen hinterlassen. Indem man aus den Fehlern der Großunternehmen lernt und Schritte unternimmt, um diese Fehler zu vermeiden, kommen Mittelständler in den Genuss des schnellen Erfolges, der ihren Vorgängern verwehrt blieb. Hier sind fünf wichtige Lektionen:

Lektion 1: Mangelnde Absprache mit Stakeholdern lässt jedes Projekt scheitern

Bei der richtigen Datenanalyse geht es nicht um Technologie. Es geht um das Geschäft. Vor jedem Big-Data-Analyseprojekt gilt es, sich zunächst die Unterstützung der Beteiligten im Management zu sichern. Dies ist aus zwei Gründen besonders wichtig. Erstens sind diese Stakeholder diejenigen, die sicherstellen, dass die Projektverantwortlichen über die nötigen Ressourcen verfügen – das richtige Team, das erforderliche Budget oder den erforderlichen Zugriff auf Daten – um ihr Projekt zum Erfolg zu führen.  Doch es gibt noch einen wichtigeren Grund: die Datenanalyse ist nur dann effektiv, wenn der Wille besteht, sie auch durchzuführen. Diese Lektion mussten viele Großunternehmen schmerzhaft lernen. Wenn die wichtigsten Manager nicht bereit sind, greifbare Entscheidungen auf Grundlage der Erkenntnisse aus einem Big-Data-Projekt zu treffen, ist das ganze Projekt zwecklos.

Lektion 2: Keine Fixierung auf Einsparungen bei der Infrastruktur

Anfangs dachten viele große Unternehmen, dass der Umzug ihrer Archivdaten von herkömmlichen Datenbanken mit teuren Lizenzgebühren auf die nahezu kostenfreien Datenbanken, z.B. von Hadoop, zu deutlichen Kosteneinsparungen führt. Tatsächlich führt der Umzug dieser Daten auf diese unstrukturierten Quellen zu Einsparungen bei den Lizenzgebühren, jedoch kann der Aufwand für die Architektur, den Einsatz und das Management dieser Systeme erheblich sein – und zwar derart, dass viele große Unternehmen erkennen, dass sie lediglich Kosten von der Lizenzseite auf die Betriebsseite verschoben haben. Daraus sollten Mittelständler folgende Erkenntnisse ziehen: Die Arbeitskosten sind ein wesentlicher Bestandteil der ROI-Berechnung und Unternehmen sollten sich anfangs nicht auf Einsparungen bei der Infrastruktur fixieren, sondern sich auf die Ausarbeitung und Beantwortung von Fragen konzentrieren, die für den Unternehmenserfolg von Bedeutung sind. Dort findet man die wahren Kosteneinsparungen.

Lektion 3: Datenwissenschaftler sind keine Fabelwesen – aber nahe dran

Einfach ausgedrückt sind die Arbeitsanforderungen im Reich von Big Data schwierig zu erfüllen. Obwohl mit zunehmender Regelmäßigkeit neue Ausbildungsprogramme geschaffen werden, waren Universitäten und professionelle Trainingsdienstleister anfangs nicht in der Lage, den riesigen Bedarf an sogenannten Datenwissenschaftlern zu befriedigen. Die Zahl der Mitarbeiter, die zur Unterstützung des Einsatzes von Big Data erforderlich ist, überfordert den IT-Ressourcenpool. Wenn sich schon große Unternehmen mit bedeutenden finanziellen Möglichkeiten bei der Rekrutierung entsprechender Talente schwertun, wird es dem Mittelstand kaum gelingen, mitzuhalten. Es gibt derzeit einfach nicht genügend Datenwissenschaftler auf der Welt, und das wird sich in absehbarer Zukunft auch nicht ändern. Anstatt sich darauf zu konzentrieren, einen einzelnen Datenwissenschaftler zu finden, sollten Mittelständler sich daher daran machen, Teams innerhalb ihrer Organisation zum Thema Datenwissenschaft fortzubilden. Sie sollten ihre Mitarbeiter intern schulen, um ihre individuellen Big-Data-Initiativen zu managen. In nahezu jedem Unternehmen gibt es interessierte DBAs und Business-Analysten, die lernwillig und bereit sind, den nächsten Schritt zu tun und sich mit On-the-Job-Schulungen weiterzubilden.

Lektion 4: Die native Analysetechnologie auf Big-Data-Plattformen ist beschränkt

Nur weil Unternehmen über eine leistungsfähige Big-Data-Plattform verfügen, heißt das nicht, dass sie auch echte Fähigkeiten für die Datenanalyse haben. Ein Big-Data-Cluster ist nicht zu verwechseln mit aussagekräftigen Big-Data-Analysefähigkeiten. Viele Großunternehmen fanden den Zugriff und die Analyse der Daten schwierig, trotz Implementierung der besten Big-Data-Plattformen. Glücklicherweise ist die Big-Data-Analyse einer der heißesten Märkte im gesamten IT-Bereich. Beinahe täglich erscheinen neue Anbieter mit neuen Angeboten auf dem Markt. Mittelständler sollten den Marktplatz für Analyselösungen durchforsten und den Anbieter suchen, der am besten zu ihrer Organisation passt.

Lektion 5: Der Schlüssel liegt in der Kollaboration

Dies war eine weitere schmerzhafte Lektion für die meisten großen Organisationen. Führungskräfte aus Marketing, Vertrieb und anderen Unternehmensbereichen wurden dazu verleitet zu glauben, dass sie auch ohne Hilfe der IT – und in manchen Fällen auch ohne deren Fachwissen  – erfolgreich ein Big-Data-Analyseprojekt auf die Beine stellen könnten. Sie fanden jedoch schnell heraus, dass Führungskräfte, seien es auch große Innovatoren, nicht dafür ausgerüstet sind, Datenanalyseprodukte zu managen, zu betreiben und zu skalieren. Daher stießen sie unweigerlich auf Hindernisse. Mit dem Vorteil der Retrospektive können Mittelständler diesen Fallstrick vermeiden, indem der Zusammenarbeit zwischen der IT und den Fachbereichen Priorität eingeräumt wird. So wird nicht nur sichergestellt, dass mit den Daten korrekt umgegangen wird, sondern auch, dass die Systeme entsprechend gemanagt werden und bei Bedarf skaliert werden können. Vor allem aber wird sichergestellt, dass die richtigen Leute zur richtigen Zeit Zugriff auf die richtigen Daten haben. Ein Datenanalyseprojekt ist wenig wert, wenn die Ergebnisse zweifelhaft sind. Eine gute Zusammenarbeit schafft hier schnell Vertrauen.

* Die Autorin, Joanna Schloss, ist Business Intelligence und Analytics Evangelist bei Dell Software

Bildquelle: Thinkstock/iStockphoto