Suchen

Viele Daten – das ist gar nicht das Problem Weshalb die meisten Big-Data-Projekte scheitern

Autor / Redakteur: Ales Zeman / Ulrike Ostler

Nicht nur die NSA, sondern auch die meisten Unternehmen verfügen schon seit Jahren über Massendaten und Dokumente, die sie mithilfe von Business Intelligence oder Data-Warehousing auswerten und bereitstellen. Trotzdem: Das Gros der Big-Data-Projekte scheitert.

Firmen zum Thema

Da braucht so machner Big-Data-Architekt einen Stressball ....
Da braucht so machner Big-Data-Architekt einen Stressball ....
(Bild: Norman Pogson)

Ohne eine Big-Data-Strategie verliert ein Unternehmen schnell den Überblick über seine Daten und verpasst wichtige Wettbewerbschancen. Aber die bisherigen Verfahren stoßen angesichts der Datenflut schlichtweg an ihre Grenzen. Denn die Auswertung dauert zu lange und verliert für die Entscheidungsvorbereitung an Wert.

Wer Big-Data nutzen will, braucht neben neuen Hard- und Software-Infrastrukturen eine klare Roadmap, mit der sich Unternehmen Schritt für Schritt Big Data annähern können. Dazu gehört es vor allem, Transparenz im Datenbestand, in den Datenquellen und in der Datenvielfalt herzustellen, um die Daten überhaupt effektiv managen, validieren und analysieren zu können.

Informationssicherheit als Herausforderung

Auch die Informationssicherheit und der Datenschutz unterliegen ganz neuen Anforderungen. Zu einer der ersten Maßnahmen vor der Umsetzung von Big Data gehört daher der Aufbau einer Data Governance, die Prozesse und Verantwortlichkeiten festlegt und Compliance-Richtlinien definiert. Schließlich darf nicht außer Acht gelassen werden, dass die Total Cost of Ownership steigen, insbesondere dann, wenn die Auswertung komplexer Daten in Echtzeit erfolgen soll.

Diese Herausforderungen führen dazu, dass klare Verantwortlichkeiten und Prozesse im Umgang mit Big Data definiert werden müssen. Der aktuelle Leitfaden des Branchenverbands Bitkom zum Management von Big-Data-Projekten zeigt eine Reihe weiterer Herausforderungen auf:

  • Total Cost of Ownership: Heterogene und komplexe Informationslandschaften führen zu steigenden Betriebskosten.
  • Datenverluste: Unternehmen müssen sicherstellen, dass sie alle wesentlichen Daten und Informationen erfassen und diese nicht verlorengehen. Durch schnell wachsende Volumina stellt sich diese Aufgabe in einer neuen Dimension.
  • IT-Sicherheit, Betrugs- und Manipulations-Prävention: Volumen, Komplexität und Wert von Informationen verstärken die Notwendigkeit, Betrug und Manipulation vorzubeugen.
  • Transparenz: Das immense Volumen sowie die Vielfalt der Informationen erhöhen die Bedeutung geeigneter Datenstrukturen. Klare Datenstrukturen und Abläufe sind aber die Grundlage, um die Interpretation der Daten, die Informationsflüsse, die Verantwortlichkeiten und damit die Transparenz über das Datenuniversum zu ermöglichen
  • Dateninterpretation, Validierung: Das immense Volumen sowie die Vielfalt der Informationen erhöhen die Anforderungen an die problemadäquate Interpretation der Daten sowie die
  • Sicherstellung ihrer Aktualität: Die Früherkennung von Signalen wichtiger Veränderungen nimmt an Bedeutung zu. Gleichzeitig gilt es, Fehlinterpretationen zu verhindern.
  • Entscheidungsbasis: Hohes Datenvolumen und zunehmend volatile Märkte erfordern und erschweren gleichzeitig eine schnelle und akkurate Datenanalyse als Basis für Management-Entscheidungen.

Nur die Unternehmen, welche die Herausforderungen aktiv angehen und bewältigen profitieren von Big Data und realisieren Geschäftsvorteile.

Mangelnde Abstimmung - immer ein Problem

Die Organisationen tun sich schwer damit, Mittel und Wege zur Aufzeichnung, Steuerung, Auswertung und letztendlich zur Mehrwertschöpfung aus ihren Daten und Informationen zu finden. Tatsächlich kann Business-Mehrwert nur in den Fachbereichen eines Unternehmens entstehen. Deshalb ist es unerlässlich, dass die Fachbereichsleitung die Führung bei der Ausrichtung von Big-Data-Initiativen und der Festlegung ihrer Ziele und Aufgaben übernimmt.

Miteinander sprechen hilft.
Miteinander sprechen hilft.
(Bild: pholidito/ Fotolia.com)
Erfolgreiche BI- und Data-Warehouse-Projekte zeigen aber auch: Sponsoren aus dem Top-Management der Fachbereiche erleichtern das Zusammenwirken von Vertretern unterschiedlicher Disziplinen deutlich, die in den Projekten benötigt werden. Besonders tiefgreifende Veränderungen können ohne Unterstützung von Fachbereichs- oder Geschäftsleitung nicht durchgesetzt werden.

Die Erarbeitung der Big-Data-Strategie setzt also eine effektive Kommunikation zwischen den Fachbereichen eines Unternehmens und den Abgleich der Ziele voraus. Das Management muss eine Brücke zwischen der IT- und den Fachabteilungen bilden, die organisatorischen Voraussetzungen für eine neue Form der Zusammenarbeit schaffen und dabei immer das Gesamtunternehmen im Blick behalten.

Der Abbau von Datensilos erfordert Rückendeckung

Temporäre, interdisziplinäre Teams aus IT- und Fachabteilungen bieten sich dazu an. Sobald das unternehmerische Problem identifiziert ist, braucht das Business-Team die Rückendeckung von oben, um die nötigen Daten für die erfolgreiche Umsetzung des Projektes zu bekommen. Hierzu sollte die IT auch die Unternehmensleitung mit ins Boot holen, um Zugriff auf alle relevanten Unternehmensdaten zu erhalten und jene Muster und Beziehungen aufzuspüren, die das unternehmerische Problem beantworten.

Das Projekt muss von der obersten Ebene des Top-Managements ausgehen, auch um den Zugang zu wichtigen Daten zu gewährleisten und das unternehmerische Problem zu lösen. Ohne Zugriff auf die richtigen Daten wird das Projekt nicht gelingen.

Doch oftmals behindern Datensilos beim Vertrieb, Marketing und Personal beispielsweise das Big-Data-Projekt. Aus Gründen der Compliance sind diese Bereiche strikt voneinander abgeschottet, was auch Sinn macht.

Fachkräftemangel stellt ein dickes Problem dar

Wenn jene Daten nicht zur Verfügung stehen, ist die Problemlösung aber von vornherein zum Scheitern verurteilt. Ohne die gesamten relevanten Unternehmensdaten ist es nicht möglich, Beziehungen und Muster zwischen den Daten zu erkennen, welche die Antwort auf die Fragen des Unternehmensliefern.

Datensammler -archtieklten und -analysten fehlen.
Datensammler -archtieklten und -analysten fehlen.
(Bild: N-Medie-Images/Fotolia.com)
Big Data stellt Unternehmen vielfältige neue Möglichkeiten zur Verfügung, Daten zu speichern, zu bearbeiten und mit dem Ziel zu analysieren, mit verbesserten Entscheidungsprozessen wichtige Impulse für das Business zu geben. Big Data unterscheidet sich wesentlich von der bisherigen Datenverarbeitung.

Ohne ausreichende Big-Data-Expertise wird kein Big-Data-Projekt zum Erfolg führen. Ein grundlegendes Verständnis von den neuen Möglichkeiten – aber auch von den Grenzen – muss daher in der gesamten Organisation entwickelt werden. Das gilt ganz besonders für das Management aller betroffenen Fachbereiche.

Die notwendigen Skills

Big Data erfordert neue Kenntnisse und Fähigkeiten bei allen involvierten Mitarbeitern aus den Bereichen Unternehmens- und IT-Architektur, Analyse, Software-Entwicklung, Betrieb und Wartung von IT-Lösungen. Man braucht Mitarbeiter, die sich unter anderem mit maschinellem Lernen ebenso auskennen wie mit natürlicher Sprachverarbeitung. Da diese Technologie aber gerade erst im „Mainstream“ angekommen ist, fehlt es den IT-Teams oft an Mitarbeitern, die verstehen, wie die Technik zu Analysezwecken einzusetzen ist.

Der Kompetenzaufbau wird demnach erheblich aufwändiger und langwieriger sein als die Installation der Technik. Es ist im Einzelfall zu prüfen, welche Wege der Kompetenzentwicklung zielführend sind, ob man Mitarbeiter weiterbildet, neue Experten einstellt, externe Berater für bestimmte Aufgaben hinzuzieht oder mit Berufsakademien, Organisationen etc. zusammenarbeitet.

Das Big-Data-Team muss vor dem Projektstart gerüstet sein und eine interdisziplinäre offene Kultur der Zusammenarbeit entwickeln. Deshalb ist es notwendig die benötigten Kompetenzen frühzeitig aufzubauen. Für Unternehmen bedeutet das: die Kompetenzentwicklung des Big-Data-Team sollte als strategische Investition betrachtet werden, denn Big Data wird zukünftig an Bedeutung gewinnen und verstärkt Business-Nutzen hervorbringen.

Die Quintessenz

Big-Data-Projekte dienen keinem Selbstzweck, sondern folgen einem zu erzielenden geschäftlichen Mehrwert. Je besser dieser formuliert und quantifiziert wird, desto leichter fällt es, einseitig von der Technologie getriebene Initiativen zu vermeiden. Die Klarheit darüber, welche analytischen Prozesse oder welche informationsgestützten Entscheidungen ein erfolgreicheres Geschäft ermöglichen, wird auch den Einsatz einer Big-Data-Lösung in den Fachbereichen positiv beeinflussen.

Big-Data-Lösungen können dann einen messbaren Beitrag für die Wertschöpfung leisten, wenn die Entscheider eine Reihe von Erfolgsfaktoren beachten. Dazu zählen etwa die Entwicklung einer wertorientierten Big-Data-Strategie und einer daraus abgeleiteten Roadmap, die Auswahl geeigneter Technologien bis hin zur regelmäßigen Erfolgsüberprüfung.

Der Autor:

Ales Zeman ist Manager Presales bei Dell Software.

Artikelfiles und Artikellinks

(ID:42298288)