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.