Graphiqa-Stock - Fotolia

Big Data Analytics: Strategie geht vor Technologie

Big Data Analytics schafft Transparenz und ermöglicht neue Handlungsspielräume. Doch das volle Potenzial bietet nur eine unternehmensweite Strategie.

Daten haben sich in den letzten Jahren vom Nebenprodukt zum Antrieb der digitalen Wirtschaft entwickelt. Das rückt die Speicherung und Sicherung sensibler Informationen in den Fokus. Immer mehr Unternehmen investieren in Technologien, die ihren großen Datenbestand vor Angriffen von außen schützen oder um die Ausfallsicherheit zu erhöhen.

Laut einer aktuellen Studie von Bitkom Research im Auftrag von KPMG, nutzen deutsche Unternehmen Big Data Analytics hauptsächlich für den Bereich Risiko-Management. Gut 90 Prozent der befragten Unternehmen setzen Datenanalysen bei der Identifikation und Bewertung von potenziell geschäftsschädigenden Entwicklungen ein. Cybersecurity und Datenschutz sind jedoch nur Teilaspekte von dem, was eine durchdachte Datenstrategie zum Geschäftserfolg im Zeitalter der Digitalisierung beitragen kann.

Doch worauf kommt es bei einer Big-Data-Analytics-Strategie noch an? Die Gewinner werden wohl diejenigen sein, denen es gelingt, aus der Datenflut die entscheidenden Informationen herauszufiltern und sie in adäquate Handlungsempfehlungen umzuwandeln. Vielen Entscheidern ist die Wichtigkeit von Big Data Analytics bewusst. Das zeigt eine Studie von IDC, der zufolge zwei Drittel aller CEOs der großen europäischen Player die digitale Transformation Ende 2016 als zentrales Thema in ihrer Strategie haben. Dennoch stolpern sie häufig bei der Umsetzung.

Einheitliche Strategie entwickeln

Die Gründe dafür sind häufig eine fehlende, unternehmensweite Datenstrategie und eine ungeeignete oder zu langsame Vorgehensweise. Um Erfolg zu haben, ist ein ganzheitlicher Ansatz gefragt. Tools müssen zusammenpassen und sich leicht in die bestehende Infrastruktur integrieren lassen. Empfehlenswert ist daher eine End-to-End-Lösung, mit der das Unternehmen alles aus einer Hand erhält: von der ersten Beratung über die geeignete Hard- und Software bis hin zu Integration und Projekt-Management.

Mehr zum Thema Big Data Analytics:

Big Data Analytics Tools: Braucht man die Vielzahl an Werkzeugen wirklich?

Die Auswirkungen von Big-Data-Analytics auf Storage-Systeme.

Die wichtigsten AWS- und Drittanbieter-Tools für Big Data Analytics im Überblick.

Bei der Bewertung von Big-Data-Tools zählt das Gesamtbild.

Essential Guide Big Data: Anwendung, Datenschutz und Technologie.

Erfahrene Big-Data-Analytics-Spezialisten beginnen stets mit einem ausführlichen Consulting auf Management-Ebene. Obwohl eine Big-Data-Lösung naturgemäß einen starken technischen Charakter hat, sollte nicht deren Architektur oder der Funktionsumfang im Zentrum stehen. Zunächst geht es darum, die übergeordneten Geschäftsziele zu definieren und Potenziale zu erkennen. Die IT-Abteilung sollte jedoch von Anfang an mit im Boot sein.

Eine weitere wichtige Aufgabe, die spezialisierte Dienstleister erbringen können, ist die Beratung bei Sicherheits-, Rechts- und Compliance-Fragen. Unternehmen benötigen den richtigen Data-Governance-Ansatz – also das Wissen um den konformen Umgang mit den Daten. Dazu zählt in erster Linie der Schutz von sensiblen personenbezogenen und geschäftskritischen Daten. Dessen Missachtung kann immense juristische Konsequenzen nach sich ziehen, wie sie zum Beispiel in der im Jahr 2018 in Kraft tretenden EU- Datenschutz-Grundverordnung festgehalten werden.

Wissen wofür

Wenn die grundlegenden Fragen rund um Sicherheit und Compliance beantwortet sind, setzen sich Entscheider, Consultants, Data Scientists und -Architekten in einem Workshop zusammen. In diesem analysieren sie, welche Daten im Unternehmen zur Verfügung stehen, welche externen Quellen vielleicht mit einzubeziehen sind, wie das aktuelle Geschäftsmodell aussieht und wie sich mit den Daten neue Geschäftsmodelle oder Services entwickeln lassen.

Anschließend werden aus den gesammelten Aspekten diejenigen herausgegriffen, die für das Unternehmen am wichtigsten und erfolgversprechendsten sind. Gemeinsam entwickeln die Beteiligten relevante bedarfsgerechte Anwendungsfälle. Für diese Aufgabe weisen global operierende Dienstleister die meiste Expertise auf. Denn im Vergleich zu den Unternehmensvertretern selbst haben sie mehr Erfahrungen aus Projekten in vielen Branchen und Regionen, die sich in konkrete Best-Practice-Empfehlungen niederschlagen.

Anschließend folgt eine Proof-of-Value-Phase: Die Big-Data-Spezialisten stellen eine Experimentierumgebung zur Verfügung und nehmen sich ein konkretes Daten-Set vor. Sie identifizieren die Schlüssel-Korrelationen und -Muster und untersuchen, welches Potenzial für vorausschauende Analysen in den Datensätzen steckt. So exerzieren sie ein Einsatzszenario durch und können innerhalb kurzer Zeit darstellen, welche Vorteile die Datenanalyse bringt.

Orchestrierte Hard- und Software

Cloud-, Hybrid-Cloud- oder On-Premise-Lösungen weben einen Teppich aus Soft- und Hardware, der passgenau an die Bedürfnisse des Unternehmens angepasst wird. Ein abgestimmtes Portfolio an Softwarelösungen, das zudem auf einer vorkonfigurierten Plattform basiert, reduziert den Aufwand für die Implementierung und beschleunigt die Einführung.

„Big Data Analytics ist weniger eine Technologie als vielmehr ein Ansatz.“

Thomas Schramm, Atos Deutschland

xxxxx

Erfahrungen aus der Unternehmenspraxis zeigen, dass sich Big-Data-Anwendungen durch Cloud-Angebote innerhalb weniger Stunden produktiv aufsetzen lassen. Eine geschickte Kombination von standardisierten Best-Practice-Komponenten mit maßgeschneiderten Lösungen senkt die Anpassungskosten deutlich – so können Unternehmen zum Beispiel mehr Budget für Experimente aufwenden.

Hardwareseitig sollten Analytics-Anbieter Supercomputer im Portfolio haben, so dass sich auch extrem zeitkritische Datenanalysen schnell umsetzen lassen und Unternehmen einen Geschwindigkeitsvorsprung gewinnen. Hochleistungsserver skalieren zudem problemlos auf die Anforderungen verschiedener Workloads.

Je nach Analysesituation können diese ganz unterschiedlich ausfallen: Einige sind zum Beispiel sehr speicherintensiv, andere brauchen viel Rechenleistung. Eine standardisierte Plattform sorgt dafür, dass alle Einzelelemente gut zusammenarbeiten und sich schnell integrieren lassen. Gleichzeitig sollte sie offen sein für individuelle Anpassungen und Wünsche des Kunden.

Fazit

Big Data Analytics ist weniger eine Technologie als vielmehr ein Ansatz. Gehen Unternehmen geschickt vor, geben ihre Daten Aufschluss über Zusammenhänge sowie Muster und bieten Potenzial für neue Produkte und Services. IT-Entscheider sind daher gut beraten, sich die Expertise von Spezialisten ins Haus zu holen. So stehen ihnen Erfahrungswerte zur Verfügung und sie gewinnen Zeit. Denn in Zeiten der Digitalisierung ist Geschwindigkeit ein entscheidender Wettbewerbsvorteil.

Über den Autor:
Thomas Schramm ist Senior Vice President Consulting & System Integration bei Atos Deutschland.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im April 2017 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Erfahren Sie mehr über Big Data

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close