- silicon.de - http://www.silicon.de -

Big Data Analytics: Ganzheitlich muss es sein

Dass Big Data Analytics [1] heute wesentlich für den Geschäftserfolg sind, dessen sind sich die meisten Entscheider bewusst. Laut einer aktuellen Studie von Forrester Consulting im Auftrag von Atos unter 580 internationalen Firmen aus elf Branchen ist Massendatenanalyse bereits in den Kerngeschäftsbereichen von 40 Prozent der befragten Unternehmen präsent. Weitere 23 Prozent planen, entsprechende Tools zu implementieren. Noch eindeutiger ist der Blick in die Zukunft: Bis zu 90 Prozent der Unternehmen werden bis 2020 ihre Geschäftsentscheidungen aufgrund datenbasierter Informationen treffen, prognostiziert Forrester.

Ohne die passende Big-Data-Strategie können Unternehmen künftig schnell ins wirtschaftliche Straucheln geraten. Wer zurückfällt, wird von innovativeren Konkurrenten und oft viel jüngeren Anbietern mit disruptiven Geschäftsmodellen überholt. Wichtig dabei: die Datenstrategie muss das ganze Unternehmen umfassen, sonst droht ein Scheitern des Big-Data-Projekts bereits in der Pilotphase. Ohne Vision sind Zielkonflikte vorprogrammiert.

Einheitlich, aber mit System

Im ersten Schritt einer unternehmensweiten Datenstrategie gilt es, herauszufinden, in welchen Bereichen Handlungsbedarf besteht. An oberster Stelle stehen hier typischerweise die Prozessoptimierung sowie die Entwicklung neuer Geschäftsmodelle, Produkte und Services. Nach der Ist-Analyse sind die Ziele zu definieren und geeignete Technologien auszuwählen. Denn kostspielige Hochleistungssysteme helfen nicht, wenn sie an den Problemstellen vorbeiarbeiten oder ihr Potenzial nicht voll ausspielen können. Eine Big-Data-Strategie muss das ganze Unternehmen umspannen und alle Abteilungen einbinden. Das beugt isolierten “Datensilos” ebenso vor wie der “Schatten-IT”, also dem unbefugten Einsatz nicht zentral genehmigter und geprüfter IT-Systeme und -Anwendungen.

Zaghaftes Handeln oder eine behäbige Umsetzung sind dabei genauso wenig erfolgsversprechend wie singuläres oder übereiltes Handeln. Das traditionelle phasengebundene “Wasserfall-Modell” ist zu zeitintensiv, um mit den rasanten Veränderungen des digitalen Marktes mithalten zu können. Vielmehr ist eine agile und flexible Herangehensweise gefragt.

Big Data (Bild: Shutterstock) [2]
(Bild: Shutterstock)

Aus den Ergebnissen der Ist-Analyse und den definierten Ziele lassen sich Use Cases ableiten, die auf die individuellen Gegebenheiten im Unternehmen eingehen und die Basis für konkrete, praxisbezogene Einsatzszenarien bilden. Bei der anschließenden Implementierung ist auf ein abgestimmtes Portfolio an Software-Lösungen zu achten, das auf einer vorkonfigurierten Plattform basiert. Das reduziert organisatorische Aufwände und beschleunigt den Integrationsprozess.

Erfahrungen aus der Unternehmenspraxis zeigen, dass sich beispielsweise Big-Data-Anwendungen durch Cloud-Angebote bereits innerhalb weniger Stunden produktiv aufsetzen lassen. Eine geschickte Kombination aus standardisierten Best-Practices-Komponenten und maßgeschneiderten Lösungen senkt die Anpassungskosten deutlich – so können Unternehmen beispielsweise mehr Budget für Experimente aufwenden oder Big Data Analytics in weiteren Abteilungen einführen.

Datenbasierte Innovationen

Je mehr Daten und darauf basierende Erkenntnisse zur Verfügung stehen, umso effektiver lassen sich neue Produkte und Services aus bestehenden Geschäftsmodellen ableiten. Das Internet of Things (IoT) ist dabei gleichzeitig Initiator und wichtigstes Werkzeug: Einerseits lassen sich die Kunden durch smarte IoT [3]-Analysen zu den Anbietern lenken, die ihnen zahlreiche individuelle Zusatzservices bieten. Andererseits generiert das IoT genau die Daten, die für die Entwicklung solcher Services nötig sind. Entscheidend ist es, die vom Kunden gewünschten Mehrwerte zu antizipieren und anzubieten, bevor die Konkurrenz einem zuvorkommt.

Ausgewähltes Whitepaper

Optimierungsbedarf bei Logistikprozessen?

Die Lösung lautet: Dokumentenmanagement. Erfahren Sie im kostenlosen E-Book, wie ein Dokumentenmanagement-System (DMS) Ihnen helfen kann, Ihre Logistikprozesse zu verbessern – von der Artikelnummer bis zur Zustellung. Lesen Sie außerdem, wie Sie ein DMS auch im laufenden Betrieb zeit- und kostensparend implementieren können.

Um diesen Vorsprung zu halten, müssen die Services zudem kontinuierlich verbessert werden und sich an die ständig wechselnden Kundenbedürfnisse anpassen. Denn die Kunden sind so informiert und wechselwillig wie noch nie. Was passiert, wenn man zu behäbig vorgeht, erfahren etablierte Anbieter momentan am eigenen Leib, sogar in traditionsreichen Branchen wie dem Bankenwesen oder dem Automobilsektor. Finanzinstitute müssen sich dynamischen Fintech-Startups erwehren, während sich Innovationstreiber wie Tesla und Google anschicken, etablierten Fahrzeugbauern im Bereich E-Car und autonomes Fahren den Rang abzulaufen.

Für Unternehmen ist es deshalb überlebenswichtig, mit ganzheitlichen Strategien ihr Daten-Gold zu mobilisieren und in einer gut durchdachten Informationsinfrastruktur zu maximieren. Gekoppelt mit einem jahrelangen Vorsprung an Ressourcen und Markterfahrung können sie so auch am digitalisierten Markt bestehen.