Nutzung von big data

Sogar Unternehmen, die sich für big data entschieden und einen Business Case definiert haben sowie der „Forschungsphase entwachsen sind, begegnen einer gewaltigen Herausforderung: Wie können wir big data nutzen?

Der starke Hype und die verwirrende Anzahl von Technologieoptionen und -verkäufern für big data erschweren die Suche nach der richtigen Antwort unnötig. Ziel muss die Entwicklung und Errichtung einer günstigen und zugleich wenig komplexen Umgebung für big data sein. Sie muss stabil, stark integriert und skalierbar genug sein, um Daten und Analysen zum Mittelpunkt des Unternehmens machen zu können.

Sind Daten und Analysen im Mittelpunkt, stehen die Stärken von big data und den big data Applications allen Teilen des Unternehmens zur Verfügung, die sie benötigen. Dank der zugrunde liegenden Infrastruktur, der Datenströme und der erforderlichen Hilfsmittel zur Gewinnung wichtiger Erkenntnisse treffen Sie bessere Entscheidungen und lösen Sie wichtige unternehmerische Probleme. So sollte big data funktionieren.

Was ist big data? big data Examples und big data Applications zeigen die Möglichkeiten dieser neuen Technologie.

big data als Motor der Möglichkeiten

Wo sollten Sie beginnen? Stellen Sie sich big data als Motor vor. Zur Leistungssteigerung ist es von Bedeutung, die richtigen Komponenten nahtlos, stabil und nachhaltig miteinander zu verbinden. Diese Komponenten sind:

  • Datenquellen: operative und funktionelle Systeme, Computerprotokolle, Sensoren, Internet, soziale Medien und viele andere Quellen
  • Datenplattformen, DataWarehouses/Datenbanken und Discovery Platforms: sie ermöglichen die Erfassung und Verwaltung von Daten und anschließend die Konvertierung in Erkenntnisse zu Kunden und letztendlich Handlungen.
  • Tools und Apps für big data Analysen: das von Führungskräften, Analysten und Managern genutzte „Frontend zur Abfrage von Erkenntnissen zu Kunden, Modellszenarien und weiteren Hilfsmitteln zur Durchführung des Tagesgeschäfts und Verwaltung des Unternehmens

Zu diesem Zeitpunkt geht es darum, die gesamte Kraft der Ressourcen von big data auszuschöpfen und zu nutzen und Wert für das Unternehmen zu generieren. Um alles zum Laufen zu bringen sind ein strategisches Design sowie eine durchdachte big data Architecture notwendig, die nicht nur aktuelle Datenströme und Speicherorte kontrolliert, sondern auch spezifische Unternehmensziele und langfristige Markttrends erfasst. In anderen Worten: damit big data funktioniert, benötigt es mehr als eine Vorlage. Wir sprechen hier nicht über COTS.

Weil big data erst in der Zukunft an Bedeutung zunehmen wird, sollten diese Infrastrukturen als Grundlage zukünftiger Abläufe angesehen werden. Ja, die Investitionskosten können erheblich sein. Viele vorausschauende Unternehmen und frühzeitige Anwender von big data sind jedoch zu einem überraschenden und in gewisser Weise widersprüchlichen Ergebnis gekommen: dass die Entwicklung der richtigen Umgebung für big data tatsächlich zu Kosteneinsparungen führen kann. Zum Thema Überraschungen: diese Kosteneinsparungen könnten erfreulich hoch ausfallen und sich schon sehr bald auszahlen.

Dank flexibler Frameworks können big data Technologien und Programme mehrere Unternehmensbereiche unterstützen und die Abläufe verbessern. Andernfalls besteht das Risiko, dass sogar fortschrittliche und ehrgeizige Projekte für big data als gescheiterte Investition enden. Nach Schätzungen von Gartner werden 90% der Projekte von big data im gesamten Unternehmen eingesetzt oder nachgeahmt. Die Gewinner von big data von morgen werden unter den heutigen 10% sein, weil sie bereits seit langem in größeren Dimensionen denken.

Anzeichen sehr effektiver Umgebungen für big data

  • Nahtlose Nutzung von Datensätzen: Viele der positiven Ergebnisse entstehen durch die Kombination und Gegenüberstellung von Datensätzen, es gibt also keine analysegestützte Innovation ohne Integration
  • Flexibel, geringe Kosten: Ziel ist eine niedrige Komplexität und geringe Kosten sowie ausreichende Flexibilität, um auf zukünftige Anforderungen sowohl größer als auch gezielter reagieren zu können
  • Stabilität: Stabilität ist von besonderer Bedeutung, weil die Datenvolumen sehr groß sind und Anwender in der Lage sein müssen, einfach auf Daten zugreifen zu können und sie zu nutzen. Die Leistungsfähigkeit der Infrastruktur ist deswegen entscheidend für die Leistungssteigerung des Unternehmens durch big data
Weil big data erst in der Zukunft an Bedeutung zunehmen wird, sollten diese Infrastrukturen als Grundlage zukünftiger Abläufe angesehen werden.

big data & Hadoop: Eine Technologie, die Sie kennen sollten

Hadoop ist ein Dateisystem, das die Speicherung sämtlicher Datentypen ermöglicht, vor allem solcher, die in der Vergangenheit gelöscht wurden, weil die Nutzbarmachung zu teuer und umständlich gewesen wäre. Der Wert von big data und Hadoop entsteht durch eine schnelle Modellierung von Daten, die brauchbar sein und zu Geschäftseinblicken dienen könnten, wenn sie in eine bestehende Umgebung für big data und Analysen integriert würden.

big data Integration: die wichtigste Variable

Begrenzte Wiederverwertbarkeit liegt zu einem großen Teil an einer schlechten Integration. Tatsächlich kann Integration als die wichtigste Variable auf dem Weg zum Erfolg mit big data betrachtet werden.

Laut Forrester Research werden 80% des Wertes von big data durch Integration erzielt. Der Grundgedanke ist zum einen, big data mit hohem Wert den entsprechenden Anwendern zugänglich zu machen, zum anderen, widerstandsfähige und klar definierte Unternehmensregeln und Verwaltungsstrukturen zu haben. Umfassende Datensätze ältere Transaktionsdaten und detaillierte Kundenverläufe benötigen einen verlässlichen Speicherplatz und ein solides Datenmanagement, damit Data Scientists und Datenforscher die Daten überprüfen und modellieren können.

Bei der big data Integration geht es auch darum, in großen Dimensionen zu denken. In diesem Fall heißt „big auch ganzheitlich, umfassend und mehrdimensional. Punkte müssen verbunden, Dateninseln überbrückt und funktionelle Silos integriert (oder vollständig aufgegliedert) werden.

Ein hohes Maß an Integration. Gut entwickelte Ökosysteme. Einheitliche Architekturen. Daten- und Analysezentrierung. Diese kurze Liste umfasst nicht alle notwendigen Komponenten oder technischen Details, um big data Programme zum Laufen zu bringen. Sie enthält aber Attribute, die einen Unterschied machen, wenn es um eine effektive Funktion von big data Programmen geht.