Markttrends und Kundenpräferenzen vorhersagen zu können, ist der Traum aller Unternehmenslenker. Data Analytics-Anwendungen haben das Zeug dazu, dass dieser Traum auch in Erfüllung geht. Aber Vorsicht: Die richtige Technologie ist nur die eine Seite der Medaille.
Was ist Big Data
Kapital, Arbeitskraft und Rohstoffe waren bisher die klassischen Produktionsfaktoren, welche nun einen neuen und ernstzunehmenden Mitbewerber bekommen haben: Daten. Sogar eine ganze Menge von Daten. Das weltweit anfallende Datenvolumen verdoppelt sich laut verschiedener Schätzungen derzeit circa alle zwei Jahre und gewinnt immer mehr an Wichtigkeit.
Aber woher kommen all diese Daten? Die Antwort hierauf ist ganz einfach: Von überall, und überall umfasst zum Beispiel Social Media-Kanäle, Mobiltelefone (Smartphones), Suchmaschinen, Finanztransaktionen, RFID-Chips (Radio-frequency identification), GPS-Daten (Global Positioning System), unterschiedlichste Warenwirtschaftssysteme und fast alle anderen digitalen Anwendungen oder Geräte. Das Thema Cloud Computing spielt bei der Erhebung von Daten ebenfalls eine wesentliche Rolle.
Die Menge an Daten, die Geschwindigkeit und auch die Vielfalt wird immer grösser und komplexer. Massen von unstrukturierten Daten (Informationen), die mittlerweile ad hoc abrufbar sind und ausgewertet werden können, stehen uns zur Verfügung. Aber was können wir mit allen diesen Informationen anfangen?
Datenanalyse – Big Data
Die Kosten für digitale Speichermöglichkeiten und Abrufgeschwindigkeiten haben einen enormen Einfluss auf die weiterführenden Prozesse, mit denen wir die Daten sammeln, archivieren und analysieren. Die wohl grösste Herausforderung liegt jedoch in der Kunst, aus unstrukturierten Daten strukturierte Daten zu generieren, um diese wirtschaftlich oder wissenschaftlich sinnvoll einzusetzen. Dank Big-Data-Analytics haben wir heutzutage die Möglichkeit, schnell und präzise eine Interpretation der Daten durchzuführen, um auf dieser Basis dann relevante Geschäftsentscheidungen treffen zu können. Unternehmen, die diese Big Data Kernkompetenz für sich entwickelt haben, geniessen einen strategischen Vorteil. Denn sie sind in der Lage, Informationen wie Markttrends und Kundenpräferenzen vorherzusagen. Systeme, die sie dabei unterstützen, müssen vor allem zweierlei Anforderungen gerecht werden: Die Qualität in Bezug auf die Verarbeitung von Daten muss stimmen, und sie müssen in der Lage sein, Daten sinnvoll aufzubereiten, so dass sie für Entscheidungsträger von Nutzen sind. Zu bedenken ist jedoch, dass Big Data-Systeme noch sehr jung sind und es ihnen daher oft an Reife fehlt. Das führt dazu, dass Unternehmen händeringend nach Mitarbeitern suchen, die für solche Analysen qualifiziert und in der Lage sind, Daten effektiv zu interpretieren. Es ist wohl nur eine überschaubare Anzahl von Unternehmen, die hier personell gut aufgestellt ist und über ein kompetentes Team für die Datensammlung und die strategische Interpretation verfügt.
Implementierung eines Big Data Analytics-Projektes – fünf notwendige Schritte
Es ist eine Illusion zu glauben, dass es mit dem Kauf einer teuren Software-Suite, die alles auf Knopfdruck erledigt, getan wäre. Deshalb sollten Sie zunächst einmal Geduld und Zeit für die Strukturierung und Umsetzung Ihres Big Data-Vorhabens mitbringen. Eine gute Planung ist der wichtigste Erfolgsfaktor bei der Implementierung eines solchen Datenanalyse-Systems. Bevor Sie ein Projekt ins Rollen bringen, empfiehlt es sich, die folgenden fünf Massnahmen zu beherzigen: 1. Identifizieren Sie das Problem - Bevor Sie Geld und Zeit in die Hand nehmen, finden Sie zunächst heraus, welche Probleme es in Ihrem Unternehmen gibt und wie sie zu lösen wären. Sind Sie auf der Suche nach prädiktiven Trends in Ihrem Markt, suchen Sie neue Kunden oder Absatzmärkte oder wollen Sie Ihre Supply Chain optimieren? Ohne einen genauen und strukturierten Plan vorzugehen, könnte am Ende mehr Zeit und Geld in Anspruch nehmen, als eigentlich notwendig wäre und führt schlimmstenfalls auch nicht zu dem erhofften Ergebnis. 2. Erfolgsfaktoren definieren - Nehmen Sie sich im Vorfeld ausreichend Zeit, um diejenigen Kennzahlen zu identifizieren, die für den Fortschritt des Projektes und die erwarteten Ergebnisse benötigt werden. 3. Schlüsseldaten identifizieren - Bevor Sie einen bestimmten Software- bzw. Lösungsansatz verfolgen, versichern Sie sich, dass Sie Vollzugriff auf die entsprechenden Daten haben und eine ausreichende Menge an Daten (Informationen) vorliegt. Ohne Daten kein Projekt. 4. Talente zusammenstellen – Stehen Ihnen die richtigen Mitarbeiter zur Verfügung? Ein passendes Team besitzt das entsprechende Know-how, um das Projekt vor, während und nach der Implementierung begleiten zu können. Sollte das nicht der Fall sein, ist Ihr Projekt von Anfang an zum Scheitern verurteilt. Vergewissern Sie sich rechtzeitig, dass Sie intern auf die richtigen Leute zurückgreifen können oder holen Sie sich externe Unterstützung. 5. Testen, Testen, Testen - Bevor Sie Ihre Big Data-Entwicklung im Live-Betrieb einsetzen, stellen Sie sicher, dass Sie Ihr System ausreichend und die erzeugten Informationen korrekt getestet haben. Schliesslich wollen Sie den Entscheidungsträgern die richtigen Informationen zukommen lassen und Ihr Unternehmen nicht auf den falschen Weg führen. Zum Schluss noch ein wichtiger Hinweis: Bedenken Sie, dass sich ein Big Data-System stets weiter entwickelt und ein solches Projekt niemals final abgeschlossen sein wird. Neue Probleme treten auf, die Geschäftsstrategien der Entscheider ändern sich, neue Märkte kommen hinzu oder das Kundenverhalten ändert sich über die Jahre. Regelmässige Anpassungen und Kontrollen sowie die Weiterentwicklung des Big Data-Projektes sind auch nach der Inbetriebnahme des Systems unerlässlich. Weitere Artikel von Tim Erben
