Rüstzeug für Big-Data-Partner

Welche Voraussetzungen müssen Systemhäuser, IT-Consultants und Integratoren mitbringen, um die "Big-Data" Chancen zu nutzen und Projekte erfolgreich umzusetzen?
Unternehmen erkennen zwar vielfach heute schon die Vorteile der neuen Big-Data-Konzepte. Doch für Umsetzung ist gerade der Mittelstand auf kompetente Partner angewiesen.
So sind Systemhäuser als Architekten für die Infrastruktur gefordert, um beim Kunden erst einmal die nötigen Speicherkapazitäten bereitzustellen: "Die großen Datenmengen zu sichern wird die eigentliche Herausforderung für Unternehmen sein. Denn bestehende Sicherungskonzepte stoßen hier schnell an Ihre Grenzen und müssen völlig neu konzipiert werden", konstatiert Dr. Bernhard Schweitzer, Director Services Insight Deutschland.

"Viele Unternehmen werden dies nicht in Eigenregie erledigen können, sondern kooperieren mit spezialisierten Rechenzentrumspartnern." Diese stehen vor der Herausforderung, das Datenvolumen zu strukturieren und nicht unnötig viele Daten mehrfach zu speichern. "De-Duplikation ist gefragt", so Schweitzer.

Für die Beratung der Kunden rund um die IT- und Storage-Architektur sieht Dieter Schmitt, Director Channel Sales Germany bei NetApp, die klassischen Infrastrukturpartner bereits sehr gut aufgestellt.

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)

Kompetenzen verzahnen

Effiziente Storage-Systeme sind jedoch nur einer der Big-Data-Bausteine. "Die Partner müssen auch die Applikationen zur Verwaltung und Analyse der Daten genau kennen, um Unternehmen entsprechend beraten zu können", merkt Schmitt ergänzend an.
Die Kooperation zwischen Infrastruktur- und Applikationspartnern werde deshalb immer wichtiger. Ein Beispiel hierfür sei SAP Hana: "SAP-Applikationen wurden bislang aber klassischerweise über SAP-Beratungshäuser angeboten und implementiert, während Storage vom Infrastrukturpartner geliefert wurde. Gehen beide Partner eine Kooperation ein, können sie Unternehmen eine Big-Data-Lösung aus einer Hand anbieten."

Thilo Precht, Head of SAP Center of Excellence Central Europe bei Fujitsu, rät Partnern ebenfalls dringend zur Kooperation: "Die Kombination von Anwendungs- und Business-Expertise auf der einen Seite und technologischem Fachwissen auf der anderen Seite führt zu Komplettlösungen, von denen alle profitieren - sowohl die Partner als auch deren gemeinsame Kunden."

"Weichensteller für die Daten"

Die Auswertung polystrukturierter Daten erfordert den Erfahrungen von Dr. Matthias Nagel, CEO des Systemhauses N3 zufolge, einen 'Data Scientist'. "Die dazu nötigen Kompetenzen fehlten aber gerade in mittelständischen Unternehmen. "Es ist unsere Aufgabe als Partner, dieses Know-how als Dienstleistung einzubringen", stellt Nagel klar und umreißt die Aufgaben des Data-Scientists: "Er muss bewerten, welche Daten hier entstehen und wie sie zu bewerten sind. Und er muss als eine Art Weichensteller entscheiden, ob beispielsweise bestimmte Daten unerheblich oder für neue Auswertungen zu gebrauchen sind, aus denen sich neues Geschäft entwickeln lässt."

Kenntnis der Prozesse und Branchen

Zudem müssen Partner "branchenspezifisches Wissen um Arbeitsabläufe, Wettbewerbssituationen und Best-Practice-Ansätze mitbringen, um dem Kunden zusammen mit der eigenen Erfahrung und Kenntnissen der technologischen Möglichkeiten einen Mehrwert zu vermitteln. Nur auf dieser Basis werden Kunden die Lösungsvorschläge als für sie relevant erkennen und annehmen", erklärt Eckhard Rödel, Solution Principal bei HP ES Information Management & Analytics

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.

Checkliste für Reseller

• Verfügt die Infrastruktur beim Kunden über eine geeignete Bandbreite, Performance, Dichte und Content-Management? Hard- und Software-Komponenten müssen hoch skalierbar sein, und Komponenten für den performanten Datentransport, Caching-Technologien und Systeme zur Analyse, Reduktion und Verdichtung der Daten müssen integriert sein

• Welche physischen Speicherkapazitäten möchte der Endkunde selbst aufbauen und für definierte Anwendungen nutzen?

• In welchen Bereichen will der Endkunde auf externe virtuelle Speicherlösungen zurückgreifen?

• Lässt es die bislang eingesetzte Datenbank zu, die gewünschten Analysen wirtschaftlich und effizient durchzuführen?

• Soll die Business-Analytics-Lösung auch mobile Endgeräte unterstützen?

• Welche Dateninhalte sind für die bessere Marktausrichtung des Anwenders wesentlich und können ihm echten Mehrwert bieten? Für diesen Teil des Datenvolumens gilt es, neue Methoden in der Datenaufbereitung und -analyse aufzusetzen, je nach Anwendungsfall sogar für Echtzeitanalysen.

• Nach welchen Methoden und Prozessen sollen die Daten ausgewertet werden?

• Welche Anforderungen hat der Kunde an die Nutzbarkeit und Verfügbarkeit der Informationen, die in den Daten enthalten sind?

• - Prozesse und Tools müssen definiert werden, um die Daten sinnvoll sammeln, speichern und auswerten zu können, sie den berechtigten Nutzern zugänglich zu machen, sie zu visualisieren und entsprechende Controlling-Mechanismen zu implementieren.

• Experten empfehlen, dem Kunden Lösungen mit Technologien unterschiedlicher Anbieter vorzustellen (Best Practice).

(rb)