Analysen in Sekundenschnelle

IT-DIRECTOR: Viele Großunternehmen sehen sich derzeit drastisch anwachsenden Datenmengen gegenüber – Stichwort Big Data. Was ist dabei hinsichtlich der Performanz von BI-Lösungen zu beachten?
I. Mierswa: Big Data bieten die Chance für eine frühzeitige Erkennung neuer Geschäftsmöglichkeiten. Voraussetzung dafür ist allerdings eine effiziente Auswertung dieser Datenmengen und die Suche nach bislang unbekannten Zusammenhängen. Dazu werden moderne Analysetools benötigt wie beispielsweise Rapid Miner in Kombination mit einer verteilten Datenhaltung, wie Hadoop sie bietet. Das Zusammenwirken dieser beiden Lösungen ermöglicht Einblicke oftmals in Echtzeit und erlaubt somit eine enge Verzahnung mit operativen Geschäftsprozessen.

Darüber hinaus kann Rapid Miner mit Rapid Analytics kombiniert werden, wobei die Lösung dann als eine Art Benutzeroberfläche fungiert: Nutzer greifen über Rapid Miner auf Rapid Analytics zu, Analyseprozesse laufen rund um die Uhr im Hintergrund, so dass die Performance nicht beeinträchtigt wird und eine hohe Anzahl gleichzeitiger Nutzer bedient werden kann. Nur, wenn die entsprechenden Lösungen optimal ineinandergreifen, können aussagekräftige Informationen aus den erhobenen Daten gezogen werden, was wiederum die Voraussetzung für die Generierung eines echten Mehrwerts bildet.

IT-DIRECTOR: Welche Rolle spielen dabei In-Memory-Technologien? Was versteht man eigentlich unter dieser Technik?
I. Mierswa: Um Antwortzeiten zu verkürzen, setzen Unternehmen mittlerweile auf In-Memory-Technologien. Bei der In-Memory-Technologie – einem innovativen Business-Intelligence-Konzept – werden die Daten nicht mehr von der Festplatte geladen, sondern vom Arbeitsspeicher vorgehalten. Die Werte werden für eine schnelle Prozessierung komprimiert, denn die Speicherung der Daten erfolgt in der Regel spaltenorientiert, die Daten werden also nicht vollständig in Tabellen wie im Fall von relationalen Datenbanken gespeichert.

IT-DIRECTOR: In Memory Computing gibt es bereits seit einigen Jahren. Warum wird gerade jetzt ein derartiger Hype darum gemacht? Was ist das wirklich Neue an aktuellen In-Memory-Lösungen?
I. Mierswa: Diese spaltenweise Bearbeitung bietet insbesondere fortgeschrittenen Datenanalysen aus den Bereichen Data Mining und Predictive Analytics, bei denen die Berechnung spaltenweiser Statistiken von zentraler Bedeutung ist, massive Vorteile. Mit dem Paradigmenwechsel von Business Intelligence – also weg von der Beschreibung der Vergangenheit hin zu Business Analytics und damit zu Prognosen und der Optimierung von Prozessen – nimmt der Stellenwert dieser Lösungen zu. Und damit verbunden auch die Rolle der notwendigen Techniken zur Datenhaltung. Hinzukommt der Druck des Marktes: Aufgrund der Datenflut wird es auch für kleine und mittelständische Unternehmen immer wichtiger, Business-Intelligence-Lösungen einzusetzen. Mit innovativen In-Memory-Lösungen schaffen sie die Voraussetzung, um große Mengen an strukturierten und komplexen Daten in Echtzeit zu analysieren. Auf diese Weise können profunde Entscheidungen getroffen und Prozesse beschleunigt werden.

IT-DIRECTOR: Wie viel schneller können Auswertungen via In-Memory-Technologie ablaufen?
I. Mierswa: Antworten können innerhalb von Sekunden oder Minuten geliefert werden, anstatt Stunden oder Tage zu benötigen. In zahlreichen Projekten haben wir Beschleunigungen bis zu einem Faktor von 100 erfahren. Hinzu kommt, dass bestimmte Data-Mining-Analysen ohne In-Memory-Technologien auf großen Datenmengen in klassischen Datenbanksystemen aufgrund der hohen Laufzeiten kaum noch ausgeführt werden können.

IT-DIRECTOR: Was würde das an Mehrkosten verursachen?
I. Mierswa: Innovative Systeme für Business Analytics wie die von SAS oder von Rapid-I bringen die Techniken bereits mit und verursachen keinerlei Mehrkosten. Unserer Erfahrung nach liefern diese integrierten Systeme nicht nur die beste Performanz sondern auch die leichteste Integration und Bedienbarkeit. Neben spaltenorientierten In-Memory-Techniken spielen im Big-Data-Bereich aber natürlich auch Techniken wie Hadoop eine zentrale Rolle, bei denen verteilte Dateisysteme auf ebenfalls verteilte Algorithmen treffen, die dem „Map & Reduce“-Paradigma folgen. Hadoop entwickelt sich derzeit in diesem Bereich zu einem De-facto-Standard und ist dank Open-Source-Geschäftsmodellen auch deutlich weniger kostenintensiv, als angesichts der Performanzsteigerung zu erwarten wäre.

IT-DIRECTOR: Inwieweit können es sich BI-Anbieter überhaupt noch erlauben, Lösungen ohne In-Memory-Basis anzubieten?
I. Mierswa: Klassische Business Intelligence auf Basis von relationalen Datenbanken wird nicht in Kürze aussterben, aber die Relevanz reiner BI-Systeme wird auf Grund neuer Anforderungen sinken. Zukünftige Systeme müssen Methoden für fortgeschrittene Analysen anbieten, und um In-Memory-Techniken sowie verteilte Datenhaltungen und -berechnungen wird mittelfristig kein Anbieter herumkommen.

IT-DIRECTOR: Welche Kombination klassischer Olap- und neuer In-Memory-Technik empfehlen Sie bei BI-Neuprojekten?
I. Mierswa: Klassische Olap-Techniken haben nach wie vor Stärken in solchen Fällen, bei denen große Transaktionsmengen bezüglich unterschiedlichster Dimensionen sowohl aggregiert als auch in verschiedenen Detailgraden vorliegen müssen. Eine Vorberechnung bringt jedoch eine geringere Flexibilität und schlechtere Voraussetzungen für fortgeschrittene Analysen mit sich. Empfehlenswert sind daher solche Systeme, die sowohl klassische Zugriffstechniken auf Datenbanken und Cubes erlauben als auch einen, möglichst integrierten, In-Memory-Datenkern bieten. Eine Anbindung an NoSQL-Datenbanken und insbesondere Hadoop sollte ebenfalls nicht fehlen und kann vor allem für Data und Text Mining einen entscheidenden Erfolgsfaktor darstellen. In Kombination mit Advanced Analytics bilden diese Techniken eine vollständige Business-Analytics-Suite, die derzeit jedoch nur wenige Anbieter im Portfolio haben.

IT-DIRECTOR: Was kann trotz der Nutzung von In-Memory-Technik die Performance von BI-Anwendungen drastisch drosseln?
I. Mierswa: Die Performanz von In-Memory-Analysen lebt davon, dass ab einer bestimmten Kompression oder zumindest für aktuell benötigte Daten diese in der Tat im Speicher verbleiben und dort verarbeitet werden können – dies kann man sogar für weitere Performanzsteigerungen bis in den Prozessorcache treiben. Gelingt dies jedoch nicht, erfährt man ähnliche Bottlenecks wie bei klassischen Techniken, wenn Zugriffe auf externe Datenquellen zu häufig durchgeführt werden müssen. Aktuelle Techniken erlauben uns jedoch, diese Grenze sehr weit nach hinten zu schieben und bei verteilten Techniken wie Hadoop und darauf angepassten Algorithmen definiert nur noch Rechnerleistung eine Grenze, während sich prinzipielle Beschränkungen auflösen.

IT-DIRECTOR: Können Sie uns bitte ein konkretes In-Memory-Szenario bei einem Anwenderunternehmen beschreiben?
I. Mierswa: Ein Beispiel für die In-Memory-Analyse großer Datenmengen liefert die Abteilung Digital Research der GfK-Gruppe, einem der führenden Marktforschungsunternehmen weltweit. Zusätzlich zur klassischen Marktforschung werden nun auch Informationen im Internet – z.B. in Form von Äußerungen der User in sozialen Medien – ausgewertet. Um einen Nutzen aus diesen unstrukturierten Informationen zu gewinnen, bedarf es einer Kategorisierung der Daten, beispielsweise mit Hilfe der sog. Sentimentanalyse, die im Internet geäußerte Stimmungen und Meinungen einfängt. Zur Bewältigung der wachsenden Menge an Texten aus Online-Quellen wurde nach einer generischen Lösung mit hoher Anpassungsfähigkeit und Wiederverwendbarkeit, die schnelle Berechnungen auch großer Datenmengen auf „kleinen“ Laptops ermöglicht, gesucht. Die Heterogenität der Quellen war zudem ein wichtiger Punkt, den die gesuchte Lösung adressieren musste. Die GfK entschied sich nach einer gründlichen Marktevaluierung für den Einsatz von Rapid Miner in der Enterprise Edition. Um den Big-Data-Anforderungen noch besser gerecht zu werden, setzt das Marktforschungsinstitut seit 2011 zusätzlich den leistungsstarken Analyseserver Rapid Analytics ein und profitiert neben der größeren Performanz durch spaltenorientierte Datenverwaltung auch von Vorteilen wie einer besseren Integrierbarkeit und interaktiven Visualisierungen.