Quelle:

Gewusst-wie: So gelingt der Einstieg in das Big Data-Universum

Für den Erfolg des eigenen Unternehmens ist das Gewinnen von Erkenntnissen aus Daten mittlerweile essentiell wichtig. Damit einher geht natürlich auch die Entwicklung einer passenden Datenstrategie. Denn nur, wer sein eigenes Datenuniversum nutzen kann, dem erschließen sich alle Chancen von Big Data. Der Einstieg in die Welt von Big Data, Advanced Analytics und Co. ist mit einigen Detailfragen verbunden, die wir im Folgenden aufgreifen möchten.

Was meint Big Data eigentlich?

Gartner, Inc. definiert Big Data durch drei große V:

  • – high-volume (ein großes Datenaufkommen)
  • – high-variety (hohe Diversität von Datenbeständen)
  • – high-velocity (hohe Dynamik innerhalb der Datenbanken).

IBM erweiterte die Definition um veracity, also die Glaubwürdigkeit bzw. Verlässlichkeit der Daten. Diese Dimension ist in der Praxis äußerst wichtig. Erst die Berücksichtigung der veracity von Big Data sichert die Aussagekraft meiner Ergebnisse.

Mit der Erweiterung „Value“ wird der unternehmerischen Wert von Daten berücksichtigt. Hierbei erfolgt eine Begriffsabgrenzung von „Smart Data“, um den inhärenten Mehrwert bestimmter Daten im Gegensatz zum allgemeinen „Big Data“ hervorzuheben. In diesem Sinne ist Big Data (m)ein großes, potentielles (Daten-) Universum und Smart Data eine Teilmenge davon, verknüpft mit den entsprechenden Business-Zielen und -Informationen, die ich zu einer wertschöpfenden Route verknüpfe.

Big Data ist also sehr breit gefächert und wird zum Teil sehr unterschiedlich benutzt. Dieser Beitrag folgt dem oben dargestellten Verständnis und konzentriert sich darauf, relevante Informationen aus allen Daten zu gewinnen, die zur Beantwortung meiner Fragestellungen verwendet werden können.

Immer der erste Schritt: Mein Big Data-Potential erkennen

Nahezu alle Geschäftsmodelle werden in Zukunft von Big Data profitieren. Es ist jedoch zu beachten, dass es eine One-Fits-All Lösung im Bereich Big Data nicht geben wird. Jeder Kunde, jedes Business und jeder Datenraum müssen als individuelle Größen gehandelt werden. Ergeben sich Synergie-Effekte in der Prozessierung, umso besser!

Es macht also wenig Sinn, bereits zu Beginn meines Big Data-Projekts eine allumfassende und teure Infrastruktur zu implementieren. Stattdessen empfiehlt es sich, zunächst einen abgegrenzten und definierten „smarten“ Versuchsballon steigen zu lassen, um die Aussagekraft und Handhabbarkeit meiner Daten hinsichtlich der zu definierenden Ziele zu testen.

Ein möglichst geringer Aufwand für die eigenen Ressourcen und gleichzeitig eine valide Einschätzung meines Big Data-Potentials stehen dabei im Fokus. Angelehnt an agilen Projekt-Methoden suche ich nach sog. „Quick Wins“, teste auf effiziente Weise und im MVP-Modus neue Methoden und Technologien. Erst im Anschluss erweitere ich meine Cases iterativ entweder vertikal und/oder horizontal.

Innerhalb einer Potential-Analyse gilt es vor allem, den Datenraum des Kunden zu erfassen und ein möglichst umfassendes Bild des Status-Quo zu erhalten. Auf der Suche nach einem ersten Use Case z.B. für Machine Learning Anwendungen, welcher effizient und mit gutem Erfolgspotential bestückt sein sollte, ergeben sich meist weitere Ansatzpunkte.

So trifft man nicht selten auf komplett neue Themenfelder und weiterführende Fragestellungen, die selbst in einem sehr frühen Stadium der Big Data Potential-Analyse auf die strategische Unternehmensebene zurückwirken.

Mit Hilfe folgender Fragen kann ich mich meinem ersten Big Data-Projekt nähern und seinen Umfang abschätzen:

  • Welche Datensilos möchte ich gerne einreißen?
  • Auf welche Daten habe ich Zugriff?
  • Wie kann dieser Datenzugriff mgl. automatisiert erfolgen?
  • Welche Struktur haben meine Daten?
  • Bin ich in der Lage meine Daten selbständig zu aggregieren und zu verarbeiten?
  • Kann ich die notwendige Infrastruktur selbst entwickeln und implementieren? (make or buy)
  • Habe ich „inhouse“ Zugriff auf die dafür notwendigen Ressourcen und fachliche Expertise oder kaufe ich mir diese extern ein?

Mit Hilfe von Data Mining die verborgenen Geschichten in den Daten erkennen.

Nachdem die entsprechenden Daten aggregiert wurden, beginnt mit Data Mining das „Schürfen“ nach verborgenen Erkenntnissen. Mit Hilfe dieser multivariaten Methoden, welche Analysen in hochdimensionalen Räumen erlauben, können Strukturen in Daten gefunden werden.

Ein großer Vorteil: Diese Erkenntnisse sind allein durch die reinen Daten definiert und nicht durch menschliche Annahmen verzerrt. So werden häufig grundlegend andere oder neue Zusammenhänge zwischen Daten- und Business-Ebene aufgedeckt, als anfänglich erwartet.

Data Mining bietet sich bei tatsächlich großen und komplexen prozess- und systemübergreifenden Daten an. Der zeitliche Aufwand für eine erste Bereinigung und Aufbereitung dieser großen Datenbestände sollte jedoch nicht unterschätzt werden. Dieser Punkt ist vorab relativ schwer planbar und vor allem abhängig von den Erfahrungen der Experten und natürlich von der vierten Dimension „Veracity“. (siehe oben)

Abschließend: Sind hohe Erwartungen an die unendlichen Weiten von Big Data gerechtfertigt?

An ein Investment in Big Data, Automatisierung und KI Prozesse sind oftmals unterschiedliche Erwartungshaltungen geknüpft. Als CEO möchte ich z.B. fundiertere Informationen für strategische Entscheidungen, als CFO günstigere Informationen und als CIO schlankere Prozesse. Das alles kann mit Big Data möglich werden. Dazu müssen lediglich die hier aufgezeigten Fallstricke beachtet werden.

Ist Big Data für Sie lediglich ein Buzzword oder eine echte Chance für die Gewinnung neuer Erkenntnisse und damit der Weiterentwicklung ihrer Geschäftsprozesse? Berichten Sie uns doch von Ihren Erfahrungen an info@epic-insights.com – Wir freuen uns darauf.

Weitere Beiträge:

Newsletteranmeldung:

* Pflichtfelder