Big Data im Praxis-Einsatz

Wo können Reseller beim Endkunden Ansatzpunkte für Big-Data-Projekte finden? Welche Geschäftsmodelle ergeben sich daraus? Hier berichten Partner von ihren Erfahrungen aus der Praxis.
Matthias Nagel, CEO des Systemhauses n3 GmbH, hat bereits Projekte auf Basis der Analyseplattform Green Plum von EMC umgesetzt. Seiner Erfahrung nach ist Big Data bereits heute ein Thema: "Handelsunternehmen führen beispielsweise täglich Wettbewerbervergleiche hinsichtlich Preisen und Verfügbarkeiten durch - auch im Mittelstand. Aber es gibt auch viele herkömmliche Data Center, die diese Funktionen oft noch gar nicht integriert haben."

Hürden für SMBs

Gerade mittelständischen Firmen fehle es am Know-how, um ihre IT-Landschaft für die neuen Analysemöglichkeiten umzurüsten, so die Erfahrung bei N3. "Viele versuchen, ihr bestehendes ERP- und Data Warehouse dahingehend zu verbiegen.
Das ist aber meist nicht sinnvoll, weil überwiegend nur Einmalabfragen benötigt werden", berichtet der Systemhauschef und erläutert diese Problematik am Beispiel eines Möbelhauses, das tagesaktuelle Analysen benötigte: Das bestehende Data Warehouse konnte dies trotz aller Anstrengungen nicht leisten, weil sich semi-strukturierte Daten, beispielsweise aus Social-Media-Quellen, oder Logfiles hier gar nicht einbinden ließen." Obendrein hapere es oft schon an der Übernahme der kompletten Stammdaten. Die Analyse aber kann immer nur so gut sein wie die Stammdaten.

Die vier Herausforderungen von Big Data
Das Thema Big Data befasst sich eigentlich mit vier Herausforderungen:

Die schiere Menge:
Das für Unternehmen relevante Datenvolumen steigt weiter drastisch an. Heute schon werden Datenmengen im Terabyte-Bereich analysiert, in Kürze dürften Petabyte und Exabyte auf der Agenda stehen.

Der Zeitdruck:
Analysen der gewaltigen Datenberge sollten idealerweise in Echtzeit zur Verfügung stehen. Denn die Unternehmen stehen vor der Aufgabe, dass sie zeitnah auf Marktänderungen reagieren müssen.

Die mangelnde Struktur:
Die Analysen müssen immer häufig Datenquellen mit kaum strukturierten Beständen berücksichtigen. Das heißt: die Komplexität der Datenanalysen steigt. Neben den bekannten Datenquellen, etwa den vorhandenen ERP-Systemen, kommen neue hinzu. Dazu zählen Daten aus M-to-M-Applikationen, also beispielsweise Sensordaten, Daten aus On-Board-Systemen, RFID-Daten aus der Logistikkette, aber auch Daten aus Weblogs und Social-Media-Plattformen etc.

Die wachsende Anwenderzahl:
Die potenziellen internen und externen User werden immer mehr. Sie kommen beispielsweise über Self-Service-Portale, die im Web zugänglich sind.

Welchen konkreten Mehrwert Partner für ihren Kunden erwirken können, wenn sie ihn kompetent beraten und ihm passende Lösungen anbieten, zeigen folgende Beispiele.

Bessere Prognosen im Handel

Der Sportartikelspezialist SportScheck suchte nach einer Lösung, um genauere Prognosen für den Verkauf und die Retourenquote erstellen zu können - sowohl für den stationären als auch für den Online-Handel. Deshalb sollte auch das Besucherverhalten aus dem Online-Geschäft in die Analysen mit einfließen.

Günther Harant, Beschaffungsleiter bei SportScheck, erläutert die Gründe: "Der Strukturwandel im Versandhandel vom Katalog zum Internet stellt uns in der Absatzprognose vor ganz neue Herausforderungen." Den Zuschlag für das Projekt erhielt der Softwareanbieter Blue Yonder.
Harants Fazit nach der Einführung: "Mit der von Blue Yonder entwickelten Lösung können Absatzzahlen exakt vorhergesagt werden." Die Prognosen konnten um 40 Prozent verbessert werden, die mittleren absoluten Abweichungen bei der Vorhersage der tatsächlichen Verkaufszahlen wurden halbiert.

Einsatz in der Industrie

Das mittelständische Unternehmen tde (trans data elektronik GmbH) mit Standorten in Dortmund und Orthe hat sich auf Lösungen für Verkabelungssysteme für Netzwerktechnik und auf optische Mehrfasertechnologie spezialisiert. Es stattet Rechenzentren, öffentliche Einrichtungen und Unternehmen jeder Branche aus.

Die bisher eingesetzten Enterprise-Search-Lösungen waren hinsichtlich ihrer Suchfunktionalität und Auswertungsgeschwindigkeit für tde unzureichend. Seit Februar 2012 nutzt tde die InMemory-Plattform Hana von SAP, um Vertrieb und Produktion effizienter zu gestalten. Der SAP-Partner Uniorg setzte SAP Hana innerhalb von drei Stunden auf, da die Hardware bereits betriebsbereit geliefert wurde.

Im Rahmen des Enterprise Search werden bei tde jetzt innerhalb kürzester Zeit sämtliche Kunden und Aufträge sowie zugehörige Dokumente angezeigt. Bei einem eingehenden Telefonat wird etwa die Rufnummer des anrufenden Kunden direkt in die Datenbank übertragen, und dem Mitarbeiter von tde werden zugehörige offene Posten oder Vorgänge angezeigt.
Mittels SAP Hana sammelt tde zudem sämtliche Produktionsdaten, wertet diese aus und verbesserte so die betriebliche Effizienz. Vor Einführung von SAP Hana dauerte die Ergebnisanzeige bis zu mehrere Minuten, jetzt nur Sekunden.

4 Kriterien, die für Big Data kennzeichnend sind (Quelle: IDC, 10/2012)

Big Data Technologie-Stack (Quelle: IDC, 10/2012)

Permanentes Datenwachstum (Quelle: IDC, 10/2012)

Datenwachstum aus unterschiedlichsten Quellen (Quelle: IDC, 10/2012)

Einschätzungen der Anwender zum Datenwachstum (Quelle: IDC, 10/2012)

Herausforderung bei Datenmanagement und Datenhaltung (Quelle: IDC, 10/2012)

Technologische Herausforderungen beim Datenmanagement(Quelle: IDC, 10/2012)

Was ist neu an der Big-Data-Technologie? (Quelle: IDC, 10/2012)

Neue Generation von Technologien und Architekturen(Quelle: IDC, 10/2012)

Big Data: Lösungen und Technologie (Quelle: IDC 10/2012)

Big Data - Herausforderungen aus Sicht der IT-Entscheider(Quelle: IDC, 10/2012)

Potenzial von Big Data aus Business-Sicht (Quelle: IDC, 10/2012)

Big-Data-relevante Geschäftsbereiche (Quelle: IDC, 10/2012)

Organisationsmodelle für Big Data (Quelle: IDC, 10/2012)

Welche Anbieter bevorzugen Anwender bei der Umsetzung von Big-Data-Projekten? (Quelle: IDC, 10/2012)

Wie groß sind 1 Zettabyte? (Quelle: IDC, 10/2012)

Chance für Service-Provider

Interessante Geschäftsmodelle ergeben sich laut Burkhard Neidecker-Lutz, Chief Research Expert bei SAP Research, zudem für Service-Provider, weil Unternehmen die Daten künftig nicht mehr selbst vorhalten wollen oder können: "Data-as-a-Service oder Query-as-a-Service ist somit die nächste Stufe von Big Data und stellt ein zukunftsfähiges Geschäftsmodell dar." Dabei müssten die Provider die Integration von Open Data, also frei zugänglichen Informationen wie geografische Daten und Klimadaten, ebenfalls mit berücksichtigen.

Die IBM-Geschäftspartner mip Management Informationspartner GmbH aus München und die inoX-tech GmbH aus Passau und München bieten ein solches für Business Intelligence (BI) auf Basis ihrer City-Cloud an.
"Über unsere City-Cloud haben wir BI-Lösungen an die Anforderungen des Mittelstandes angepasst, sodass unsere Kunden sie mit monatlich kalkulierbaren Beträgen als Pay-per-Use-Software beziehen und auf Basis der zeitnahen Analysen Entscheidungen treffen zu können", berichtet Ursula Flade-Ruf, Geschäftsführerin des IT-Dienstleisters mip aus München.

Die Kunden der inoX-tech GmbH wissen, dass ihre Informationen aufgrund der lokalen Datenarchivierung in den inoX-tech-Rechenzentrum individuell gespeichert und sicher analysiert werden. "Dies ist vor allem bei geschäftskritischen Prozessen wie BI von zentraler Bedeutung", weiß Michael Döderlein, Geschäftsführer der inoX-tech GmbH. "Dank unserer BI-Lösungen können unsere Kunden direkt, frühzeitig und flexibel auf Geschäftsveränderungen und Trends im Markt reagieren."

(rb)