„Think Big!“

Während der Ausdruck Big Data ursprünglich verwendet wurde, um die Erfassung und Verwaltung großer, komplexer Datenmengen zu beschreiben, wird der Begriff heute im Kontext der allgegenwärtigen Digitalisierung deutlich differenzierter betrachtet. Im Wesentlichen kennzeichnet er den Ansatz, die extensiv wachsenden Datenbestände von Unternehmen zu analysieren, die Ergebnisse zu interpretieren und daraus Wissen zu extrahieren, das zu optimierten Prozessen oder gar neuen Geschäftsmodellen führt. Big Data bildet damit u.a. die Grundlage für Disziplinen wie das maschinelle Lernen und der Künstliche Intelligenz.

„Eine erfolgreiche Digitale Transformation basiert auf datengetriebenen Geschäftsmodellen. Das Potenzial von Daten ist enorm. Die aktuelle Anforderung besteht für die meisten Unternehmen explizit darin, die relevanten Daten auszuwählen, zu bearbeiten und in die entsprechenden Prozesse und Pipelines einzupflegen“, beschreibt Matthias Zacher, Senior Consulting Manager beim Beratungsunternehmen IDC die Situation. Nach seinen Worten haben die meisten Unternehmen in Deutschland die Herausforderungen zwar in der Theorie erkannt, müssen aber an vielen Stellschrauben drehen, um für die Herausforderungen der Digitalen Transformation gewappnet zu sein und ihre Daten umfassend für Innovationen einsetzen zu können.

Datenkompetenz sichert Wettbewerbsfähigkeit

Eine dieser Stellschrauben ist die in vielen mittelständischen Unternehmen derzeit noch mangelnde Datenkompetenz. Die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten, sie zu analysieren sowie mit ihnen zu kommunizieren, gewinnt sowohl im Alltag als auch am Arbeitsplatz immer mehr an Bedeutung.
„Datenkompetenz darf keine spezielle Qualifikation sein oder sich auf diejenigen mit technischem Know-how beschränken. Jeder muss sowohl im privaten als auch im beruflichen Leben sicher mit Daten umgehen können“, fordert Dr. Paul Barth, Global Head of Data Literacy beim Spezialisten für Datenintegration und -analyse Qlik. „Während wir uns von den weltweiten Lockdowns erholen und die Wiederaufbaupläne vorantreiben, müssen Führungskräfte ihre Mitarbeiter dazu befähigen, in einer zunehmend digitalen und datengesteuerten Arbeitswelt erfolgreich zu sein. Wenn sie das nicht tun, riskieren sie einerseits, Talente an Unternehmen zu verlieren, die mehr in die Weiterbildung ihrer Mitarbeiter investieren. Andererseits gefährden sie dadurch auch die zukünftige Produktivität, Leistungs- und Wettbewerbsfähigkeit ihres Unternehmens.“

Unter dem Titel „Data Literacy Training“ bietet Qlik deshalb Interessenten ein teilweise kostenfreies, teilweise kostenpflichtiges Ausbildungsprogramm. Zur Auswahl steht ein umfassendes Portfolio an Schulungsmöglichkeiten, mit denen Teilnehmer ihre Datenkompetenz verbessern und darüber hinaus Zertifizierungen erlangen können. Das Programm ist laut Qlik nicht auf bestimmte Analyseprodukte ausgerichtet. Im Mittelpunkt stehen vielmehr gängige Daten-, Analyse- und Statistikkonzepte, die Teilnehmer in jedem Kontext nutzen können. Ziel ist es nach der Meinung von Paul Barth, datenkompetente Mitarbeiter zu entwickeln, die in der Lage sind, Daten souverän zu interpretieren, mit ihnen zu arbeiten und Best Practices für die datengesteuerte Entscheidungsfindung im gesamten Unternehmen voranzutreiben.

Aus Quantität Qualität gewinnen

Ein weiterer Aspekt, der erfolgreiche Big-Data-Projekte vielfach behindert, ist eine oft unzureichende Datenqualität. Das Problem ist: Die Daten kommen nicht nur aus eigenen vorhandenen und neuen Workloads, sondern auch aus der Nutzung zusätzlicher frei verfügbarer Datenquellen und liegen in unterschiedlichsten Datentypen vor.

Bei einer Umfrage unter 261 deutschen Betrieben und Organisationen mit mehr als 100 Mitarbeitern, die IDC im Dezember 2020 durchführte, nannten 37 Prozent der Befragten die Sicherstellung der Datenqualität als eine zentrale Herausforderung. Die Aspekte, die dabei berücksichtigt werden müssen, sind vielfältig und reichen vom Erfassen aller relevanten Daten über das Erfassen des Datenkontexts bis hin zur Daten-Governance. Unter Daten-Governance verstehen Experten das ganzheitliche Management der Daten. Es beinhaltet Richtlinien, um den Schutz und die Sicherheit der Daten zu gewährleisten, und sorgt für die Einhaltung rechtlicher Vorgaben.

Datenwert ist keine feste Größe

Die damit verbundene Komplexität ist nach Ansicht der IDC-Analysten einer der Hauptgründe für das Zögern vieler Unternehmen, ihre Daten end-to-end und für alle Geschäftsbereiche in der erforderlichen Qualität aufzubereiten und zu analysieren. Die Folge sind Lücken bei der bereichsübergreifenden Adressierung von Datenthemen. Der dringend notwendige Abbau von Funktions- und Prozesssilos und damit von den oft vorhandenen Fachbereichsgrenzen wird dadurch verhindert.

Dies ist ein Artikel aus unserer Print-Ausgabe 06/2021. Bestellen Sie ein kostenfreies Probe-Abo.

Dass detailliert strukturierte und professionell organisierte Big-Data-Projekte enorme Rationalisierungspotenziale erschließen können, steht nach den Worten von Thomas Froese, Vorsitzender des VDI-Fachausschusses Big Data, außer Frage. So haben sich im Rahmen des Projekts „Future Data Assets“ 
(www.future-data-assets.de), gefördert vom BMWi, Industriefirmen und Forschungsinstitute zusammengeschlossen, um den bilanziellen Wert von Daten zu bestimmen. Das Ziel des Forschungsprojekts besteht in einer monetären Bewertung des unternehmerischen Datenkapitals. Dazu wird die Entwicklung und Instanziierung einer sogenannten Datenbilanz angestrebt. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit zur Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichtserstattung schließen, in der Daten kaum betrachtet bzw. systematisch bewertet werden.

Die Nutzung von maschinellem Lernen ist eine der Kernanwendungen, um Produktionsverfahren mit Künstlicher Intelligenz zu verbessern. Der Ansatz bringt jedoch laut Froese sehr spezielle Anforderungen mit sich, die weit über das maschinelle Lernen hinausgehen. „Schnell wurde dabei allen Partnern klar, dass Daten keinen Wert an sich haben, sondern der Wert immer von ihrer Nutzung abhängt und die jeweils antizipierte Datennutzung sehr spezifische Qualitätsanforderungen an die Daten stellt“, so Froese.

Der zu erwartende Effekt auf die Profitabilität und die Nachhaltigkeit von Fertigungs- und Produktionsprozessen war innerhalb ausgewerteter Modellprojekte derartig groß, dass sich selbst erhebliche Investitionen in Messtechnik, Analytik und Datenqualität nach deutlich weniger als drei Monaten amortisieren. „Auch angesichts der Diskussionen über Nachhaltigkeit hoffen wir auf eine grundlegende Veränderung im Mindset der europäischen Industrie, vor allem auf das Erkennen der immensen Vorteile und Potenziale, die sich aus der Digitalisierung und dem Einsatz moderner Big-Data-Methoden ergeben“, resümiert Froese.

Das datengetriebene Unternehmen

Wie viele Downloads hat die Unternehmens-App? Wie viel Umsatz wird mit dem Online-Shop gemacht? Und wer öffnet eigentlich den Newsletter? Entsprechende Daten werden inzwischen in den meisten Unternehmen gesammelt und teilweise zumindest auch systematisch analysiert – aber häufig hapert es daran, die Ergebnisse in die übrigen Unternehmensprozesse einfließen zu lassen. Der Digitalverband Bitkom hat deshalb im April die Praxishilfe „Digital Analytics & Optimization – Strategische, kulturell-personelle und organisatorische Aspekte bei der Transformation zur datengetriebenen Organisation“ veröffentlicht.  Die Verfasser geben Einblicke in die konkrete Datennutzung im Unternehmen und welche Voraussetzungen geschaffen werden müssen, um die Erkenntnisse aus digitalen Nutzungsdaten in strategische Entscheidungen einfließen zu lassen. Dabei wird deutlich: Es kommt nicht nur auf Technik, Tools und Daten an, sondern genauso auf die Strategie eines Unternehmens, seine Organisation und nicht zuletzt auf die Kultur und das Personal.

„Die Nutzung von Daten entwickelt sich in der Digitalen Transformation zu einer entscheidenden Wettbewerbsfrage. Ziel der Publikation ist es, Unternehmen konkrete Hilfestellungen dabei zu geben, wie sich datengetriebene Kulturen etablieren lassen“, sagt Bitkom-Experte Dr. Sebastian Klöß, Bereichsleiter Consumer Technology.

So entwickeln Mittelständler 
eine effiziente Datenstrategie

Eine der wichtigsten Aufgaben bei der Digitalen Transformation ist die Ausarbeitung einer Datenstrategie – also eines Plans für die Datenwertschöpfung im Unternehmen. Denn nur wer Daten zielgerichtet und intelligent nutzt, kann Entscheidungen besser und schneller treffen, Abläufe optimieren, neue, kundenspezifische Angebote oder gar innovative Geschäftsmodelle entwickeln.


Die Datenstrategie braucht einen Verantwortlichen:
Die Entwicklung und Umsetzung einer Datenstrategie ist ein Thema für das Management. Der Datenverantwortliche benötigt die aktive Unterstützung der Geschäftsführung sowie weitreichende Kompetenzen und Ressourcen.

Daten sind kein reines Technologiethema:
Die Datenstrategie betrifft fast alle Unternehmensbereiche. Um kontinuierlich Anwendungsfälle für die Nutzung von Daten zu entwickeln und umzusetzen, braucht es einen interdisziplinären Ansatz und zusätzlich Kompetenzen.

Schnelle Erfolge schaffen Akzeptanz:
Zum Start sollten Unternehmen vor allem solche Projekte angehen, die sich schnell und mit überschaubarem Aufwand umsetzen lassen. Damit sorgen sie für Erfolgserlebnisse.

Datenkompetenz ist die Basis der 
neuen Entscheidungskultur:
Die Unternehmenskultur ist entscheidend für den Erfolg von Datenprojekten, doch datengetriebene Organisationen entstehen nicht von heute auf morgen. Entscheidungen sollten anhand von Erkenntnissen getroffen werden, die auf Daten basieren.

Konkrete Anwendungsfälle helfen 
bei der Technologieauswahl:
Häufig starten Unternehmen direkt mit dem Aufbau neuer Datenplattformen oder der Sammlung möglichst vieler Daten. Sinnvoller ist es, zunächst konkrete Ziele für eine Datennutzung zu erarbeiten.

„Die Umsetzung einer Datenstrategie stellt Unternehmen oft vor Herausforderungen. Dennoch sollten Unternehmen das Thema zügig angehen, damit sie Daten gezielt für den Geschäftserfolg einsetzen und neue Datenquellen erschließen können,“ empfiehlt Dr. Jens Linden, Senior Data Scientist & Strategist im Inform Datalab.

Quelle: Inform

Die Infrastruktur muss stimmen

„Die erfolgreiche Nutzung von Big Data im Mittelstand setzt voraus, dass man einfach und schnell Zugriff auf Daten hat, die sinnvoll klassifiziert sind und bei deren Nutzung stets auf Compliance geachtet wird. Außerdem muss man sich die Frage stellen, was genau die Zielsetzung des Projekts sein soll. Es ist ratsam, sich einzelne kleine Prozesse herauszupicken. Elementar wichtig ist es, einfach zu bedienende Schnittstellen zu haben, um bequem auf Datenquellen zugreifen zu können. Um die Arbeitslast eines Big-Data-Projekts zu bewältigen, sollte eine Infrastruktur geschaffen werden, die mit  zeitgemäßen Anforderungen mithalten kann und schnelle Ergebnisse liefert. Diese muss einfach zu verwalten und zu skalieren sein. Um die Dynamik von modernen Apps in Multi-Cloud-Umgebungen zu bedienen, benötigt Big Data  auch eine Datenmanagementschicht, mit der Apps von einer beliebigen Cloud zu einer anderen übertragen werden können.

Da im Mittelstand häufig nur limitierte IT-Budgets zur Verfügung stehen, sind hier „Storage as a Service“-Modelle angeraten, die das Ausprobieren von Big Data erlauben, ohne gleich ein größeres Investment tätigen zu müssen. Mit wachsender Erfahrung und Erfolg kann man dann Big Data immer weiter ausrollen und neue Ressourcen dafür aktivieren.“
Statement: Markus Grau, Principal Technology Strategist bei Pure Storage

Können Unternehmen auf Big Data verzichten?

„Die klare Antwort: Nein, jedes Unternehmen – und zwar unabhängig von der Größe – sollte dieses Thema aufgreifen. Denn getrieben durch die Digitalisierung besitzen nahezu alle Unternehmen einen beständig wachsenden Datenpool, der weit mehr als die klassischen transaktions-orientierten Daten umfasst. Man denke an Sensordaten, Social-Media-Daten oder Daten, die rund um die digitale Auftragsabwicklung, Rechnungsstellung, Support-Erbringung und Ähnliches entstehen. So gut wie jedes Unternehmen hat die Chance, aus Big Data neue Erkenntnisse zu ziehen.

Einzige Voraussetzung: Das Bewusstsein und das Knowhow für den Umgang mit Analytics müssen vorhanden sein. Denn Big Data ist keine Frage der Technologie. Der Markt für Machine Learning ist reif und bietet vor allem viele spezialisierte Open-Source-Werkzeuge, mit denen sich Algorithmen generieren und Muster erkennen lassen. Aber Achtung, es gibt nicht das „eine“ Tool, vielmehr müssen das Wissen für den Umgang damit und der Use Case im Vordergrund stehen. Diesen gilt es vor dem Hintergrund einer nutzenorientierten Fragestellung zu identifizieren und anschließend zu implementieren.“
Statement: Steffen Vierkorn, Geschäftsführer der Qunis GmbH