Die richtigen Analyse-Tools für Big Data
Das Thema Big Data ist in aller Munde. Doch die ungeahnten Potenziale, die sich im vermeintlichen Gold des 21. Jahrhunderts verbergen, werden meist noch nicht richtig genutzt. Dazu ist es notwendig, nicht nur hochqualifizierten Experten detaillierte Big-Data-Analysen zu ermöglichen, sondern auch den Fachanwendern in Unternehmen.
Die Diskussion um Big Data erregt derzeit viel Aufsehen. Ob in Fachpublikationen und Blogs oder in Tageszeitungen und Publikumszeitschriften: Die Berichterstattung ist enorm. Zukunftsorientierte Unternehmen sind schon einen Schritt weiter und setzen entsprechende Projekte in die Tat um, denn das Pot...
Die Diskussion um Big Data erregt derzeit viel Aufsehen. Ob in Fachpublikationen und Blogs oder in Tageszeitungen und Publikumszeitschriften: Die Berichterstattung ist enorm. Zukunftsorientierte Unternehmen sind schon einen Schritt weiter und setzen entsprechende Projekte in die Tat um, denn das Potenzial von Big Data wird als sehr hoch eingeschätzt. So haben laut einer aktuellen Gartner-Studie mittlerweile 42 Prozent der befragten IT-Führungskräfte in Big-Data-Technologien investiert oder planen dies innerhalb des nächsten Jahres zu tun.
Das Problem: Big-Data-Engpass
Bei all dem Hype um das vermeintliche Gold des 21. Jahrhunderts bleiben die eigentlichen Vorteile jedoch oft im Verborgenen. Die Daten lediglich zu speichern, bringt Unternehmen keinen zusätzlichen Nutzen. Erst wenn Firmen detaillierte Analysen durchführen, mit denen sich in den Daten die Spreu vom Weizen trennen lässt, kann Big Data auch tatsächlich einen Mehrwert generieren.
Doch bislang verfügen nur wenige Unternehmen über geeignete Technologien, mit deren Hilfe sich die besten Erkenntnisse aus vorhandenen Informationen ziehen lassen. Oft führt der Weg bei Big-Data-Analysen über ein Team hochqualifizierter "Data Scientists". So entsteht allerdings leicht ein Engpass: Eine kleine Gruppe von Experten analysiert Daten und stellt ihre Ergebnisse den Business-Anwendern zur Verfügung.
Solch ein Prozess läuft selten in Echtzeit ab. In der Zeit, in der die Spezialisten einen einzigen Report anfertigen, können die Daten schon wieder veraltet sein - und die Ergebnisse somit hinfällig. Die Leidtragenden sind die Fachanwender. Denn sie können mit dem Datenmaterial, das bei ihnen auf dem Tisch landet, nicht mehr viel anfangen.
Es ist also fraglich, ob dies eine effektive Methode ist, um Mitarbeiter mit aussagekräftigen Informationen zu versorgen. Unternehmen sollten daher evaluieren, ob es nicht sinnvoller ist, denjenigen Mitarbeitern im Unternehmen Big-Data-Analysen zu ermöglichen, die tagtäglich unternehmensrelevante Entscheidungen zu treffen haben.
Eine mögliche Option ist der Einsatz einer sogenannten Self-Service- Plattform für Business Intelligence (BI). Eine derartige, auf den Anwender ausgerichtete BI-Lösung ermöglicht Entscheidern, Analysen selbst durchzuführen und bei Bedarf in Echtzeit zu reagieren. Mit traditionellen BI-Werkzeugen, die statisch sind und den Nutzer auf vordefinierte Filter festlegen, haben diese modernen BI-Lösungen nichts gemein.
Die Lösung: Do It Yourself
Self-Service-BI zeichnet sich vielmehr durch intuitiv zu bedienende Applikationen aus. Funktionen für mobiles Arbeiten und für die Zusammenarbeit ermöglichen zudem eine Entscheidungsfindung über Abteilungsgrenzen hinweg. Nicht zuletzt erlauben Self-Service- Lösungen dem Nutzer, Dashboards an die individuellen Bedürfnisse anzupassen - idealerweise ohne das Zutun der IT-Abteilung.
Das bedeutet allerdings nicht, dass bereits vorhandene Unternehmensdaten nicht mehr relevant sind, denn solche Business-Discovery-Lösungen bieten weit mehr als die Analyse von Echtzeitdaten. Laut Gartner-Vorhersagen werden bis zum Jahr 2015 etwa 30 Prozent der Datenanalyseprojekte Ergebnisse liefern, die auf Auswertungen strukturierter und unstrukturierter Daten basieren.
Der Business-Discovery-Ansatz ermöglicht es, gleichzeitig strukturierte und unstrukturierte Daten zu durchforsten sowie Daten, die in Echtzeit abgefragt werden können. Damit lässt sich zudem die buchstäbliche Nadel im Datenheuhaufen finden - auch wenn es sich um mehrere Terabyte an Daten handelt.
Denn das Herzstück entsprechender Lösungen ist die assoziative Suche, die der Logik des menschlichen Gehirns folgt. Sie ermöglicht Nutzern, auf sehr einfache Weise Korrelationen zwischen bestimmten Daten herauszufinden und entsprechend zu reagieren.
Ein weiterer Schlüsselfaktor für erfolgreiche Big-Data-Analysen ist eine Kollaborationsfunktion. Die meisten Analyse-Lösungen behindern jedoch Interaktion und Zusammenarbeit, da sie nur starre Tabellen und Diagramme bieten. Nutzern sollte es möglich sein, Daten detailliert zu analysieren, ohne bei jedem geänderten Parameter im Datensatz neue Visualisierungen erstellen zu müssen.
Sie sollten auch in der Lage sein, ihre Erkenntnisse einfach mit ihrem Team oder auch mit Ansprechpartnern außerhalb des Unternehmens zu teilen. Anwender müssen ihr Dashboard mit Kollegen in Echtzeit teilen oder Ergebnisse mit Kommentaren versehen können, um diese der Gruppe für eine spätere Diskussion zur Verfügung zu stellen. Besonders für Teams, die über verschiedene Standorte verteilt sind, ist diese Funktion von erheblicher Bedeutung.
Ein Beispiel aus der Praxis
Marketing und Vetrieb sind in vielen Organisationen Vorreiter in puncto Self-Service- BI und wissen entsprechende Analysenmöglichkeiten zu schätzen - so auch bei der Ticketcorner AG, dem Schweizer Marktführer für Ticketvertriebslösungen. Hier analysieren Anwender Details zur Anzahl der verkauften Karten nach Region, Event und Verkaufskanal sowie die Auslastung einer Veranstaltung, Veranstaltungsserie oder Produktgruppe.
Ebenfalls setzen die Nutzer die Lösung ein, um Konversionsraten einzelner Newsletter-Aussendungen oder von Google-AdWords-Kampagnen zu evaluieren. Insgesamt ergeben sich aus den ermittelten Kennzahlen wertvolle Hinweise für die Entwicklung neuer Produkte. Ticketcorner hat jetzt genau im Blick, wie und wo beispielsweise Musical- oder Pop/Rock-Veranstaltungen am besten angenommen werden und kann Organisatoren zielgenaue Werbeschaltungen in den Medien anbieten.
Fazit
Der Schlüssel zum Erfolg mit Big Data sind die Business-Anwender. Die Mitarbeiter, die auch tatsächlich die Entscheidungen treffen müssen, sollten selbst Zugang zu Big-Data-Analysen haben. Jeden Tag werden Millionen von Daten generiert. Die Analysten von IDC gehen davon aus, dass der Business-Analytics-Services-Markt, zu dem auch BI zählt, bis zum Jahr 2016 um mehr als 14 Prozent wachsen wird.
Big Data verändern sich ständig. Unternehmen können es sich nicht leisten, auf Experten zu warten, um die Daten für sich nutzbar zu machen. Sie sollten vielmehr in Betracht ziehen, Anwender aus den Fachabteilungen mit der geeigneten Software auszustatten. So lassen sich auch Einblicke gewinnen, die vorher nicht möglich waren oder Trends erkennen, die vielleicht den entscheidenden Wettbewerbsvorteil bringen.
