Foto: fotolia.com/Ben Chams
Big Data ist viel mehr als Hard- und Software. Big-Data-Verantwortliche benötigen technisches und Führungswissen und sollten gut kommunizieren können.
von Ilias Ortega
Das Trendthema Big Data beherrscht nach wie vor die Schlagzeilen führender IT-Journale. Unternehmen wie Google, Amazon und Facebook sichern sich marktbeherrschende Wettbewerbsvorteile durch innovative Big-Data-Anwendungen. Zudem herrscht am Big-Data-Marktplatz ein großes, unübersichtliches Angebot an Hard- und Software.
Um Big-Data-Systeme jedoch erfolgreich einzuführen und später betreiben zu können, reichen rein technische Entscheidungskriterien nicht aus. Der Grund: Big-Data-Systeme müssen nicht nur technisch einwandfrei funktionieren, sondern auch einen quantifizierbaren Nutzen erbringen. Darüber hinaus müssen sie auch die Unternehmensstrategie nachhaltig unterstützen können.
Technik-Know-how ist natürlich unabdingbar, um als Big-Data-Verantwortlicher erfolgreich zu agieren. Das allein aber reicht nicht. Weitere Kompetenzen müssen hinzukommen.
1. Management-Know-how
Wichtig ist auch ein breites Management-Know-how, um gemeinsam mit den Fachabteilungen nutzbringende, nachhaltige und innovative Anwendungen von Big Data zu finden. Dazu ist es ratsam, Kreativitätstechniken und Problemlösungsmethoden einzusetzen.
Zu den typischen Big-Data-Anwendungen zählen die Mikrosegmentierung, mit der sich maßgeschneiderte Angebote erstellen lassen, oder das Monitoring von Produkten, Transportmitteln und Anlagen. Ebenfalls wichtig ist die Prüfung von Datenbeständen: Damit werden Kreditkartenbetrügereien aufgedeckt (also Mustererkennung) oder bislang unerkannte Abhängigkeiten zwischen Parametern ausfindig gemacht. Typische Anwendungen für Big Data sind ferner Empfehlungssysteme für Cross-Selling-Aktivitäten.
Foto: Trivadis AG (nach Davenport, Harris und Morison)
Eine Annäherung an das Thema sowie die Suche nach weiteren Big-Data-Anwendungen sind mit dem von Thomas Davenport, Jeanne Harris und Robert Morison - Autoren des Buchs "Analytics at Work: Smarter Decisions, Better Results" - entwickelten Modell möglich (siehe Grafik: "Schlüsselfragen ...").
Anstöße für weitere Anwendungen liefert die eigene Unternehmensstrategie, aus der sich die Grundausrichtung für neue Ideen ableiten oder überprüfen lässt. Hilfreich sind auch Best Practices von Unternehmen der eigenen und aus fremden Branchen (Benchmarking). Zudem sollte man gesellschaftliche, wirtschaftliche und demografische Trends genau beobachten.
Unbedingt empfehlenswert ist es auch, Geschäftsprozesse systematisch nach Verbesserungspotenzialen zu durchsuchen. So lassen sich - nur ein Beispiel - Entscheidungen automatisieren. Damit lassen sich unter Umständen Kosten senken, Durchlaufzeiten verkürzen oder die Qualität erhöhen.Big-Data-Lösungen gewinnen auch an Bedeutung, um etwa Informationen zu analysieren, die bei Gesprächen mit Experten, Forschern und Konkurrenten anfallen oder auf Fachtagungen gewonnen werden.
Grundsätzlich kann man festhalten: Die Suche nach Big-Data-Anwendungen ist ein exploratives Unterfangen, das Geduld und Ressourcen voraussetzt.