Die Verfügbarkeit immer größerer Datenmengen birgt viel Potenzial, stellt Unternehmen aber auch vor Herausforderungen. Vor allem in die Beantwortung der Frage welche Datenquellen miteinander verknüpft werden, sollte viel Hirnschmalz investiert werden. [...]
Das stimmt. Aber es geht ja nicht nur um Big Data – ein Begriff, der momentan sehr gehyped wird. Letztendlich geht es darum, Erkenntnisse aus Big Data zu ziehen. Wir nennen das daher lieber Big Data Analytics oder High Performance Analytics.
Weil es immer mehr Daten gibt. Aus sozialen Netzwerken, von Maschinen, etc. Die Frage ist dabei nicht, wie ich diese Daten abspeichern kann, sondern wie ich daraus Erkenntnisse ziehe. Deshalb wollen wir eben nicht nur das Thema Big Data als solches in den Vordergrund stellen, sondern den Erkenntnisgewinn: Wie kann ich all die Daten für meine operativen Prozesse besser nutzen. Da gibt es große Branchenunterschiede: Im Handel oder in der Telekomindustrie zum Beispiel geht es um die Zusammenführung von Online- und Offline-Welt. Die Industrie wiederum stellt sich die Frage, wie Maschinendaten besser genutzt werden können, um Wartungszyklen zu optimieren oder die Produktion in Summe zu verbessern. Das sind unsere großen Themen.
Laut einer Studie der Universität Potsdam zum Thema Big-Data-Analytics ist beispielsweise die Unterstützung durch das Top-Management ein wesentlicher Faktor, denn es geht darum, das Thema nicht nur in den Silos der Fachabteilungen zu betrachten, sondern unternehmensübergreifend. Je nach Reifegrad einer Organisation muss bei Big Data oft erst einmal die unterschiedliche operative Verankerung sichergestellt werden.
Absolut. Laut einer Untersuchung des MIT, die den Zusammenhang zwischen Wettbewerbsfähigkeit und Analytics untersucht hat, sind inzwischen zwei Drittel der Führungskräfte überzeugt davon, dass Analytics Wettbewerbsvorteile sichert. Vor zwei Jahren war es nur ein Drittel. Das Thema hat derzeit viel Momentum. Vor allem Predictive Analytics, also der Blick in die Zukunft, spielt eine große Rolle. Darum geht es ja eigentlich. Im Mittelpunkt steht nicht mehr so sehr die Berichtswesen-Thematik. Statt in den Rückspiegel zu schauen, wollen Unternehmen wissen, wie sie ihr Geschäft besser unterstützen, Prozesse vereinfachen und schneller werden können.
Eine Entwicklungskurve braucht immer ihre Zeit. Viele Organisationen sind noch damit beschäftigt, die Grundlagen zu schaffen, auf denen dann Analytics aufsetzen kann. Ich muss ja zunächst eine vernünftige Datenbasis schaffen, um Forecasts, Simulationen, Optimierungen durchführen zu können. Das ist bei vielen noch nicht ausreichend gegeben.
Zudem entwickeln sich viele Anwendungsbereich erst. Zum Beispiel Energieversorger und Smart Metering: Smart Meter sind ja noch nicht flächendeckend ausgerollt. Und schließlich ist es eine sehr komplexe Thematik: Es geht darum, Analytics unternehmensweit zu verankern, nicht nur um eine Nischenbetrachtung, denn Geschäftsmodelle verändern sich grundsätzlich mit Big Data.
Zum Beispiel durch mehr Schnelligkeit. SAS hat ein spannendes Projekt bei Macy’s umgesetzt, einem Mode-Retailer in Amerika. Die Frage war: Wie kann ich die Bekleidung bestmöglich, mit der höchsten an diesem Tag möglichen Marge, an den Mann bringen. Macy’s hat dazu ein System aufgesetzt, mit dem sie mehrmals am Tag Preisoptimierungen durchführen können: Je nach Wettbewerbssituation oder Wetterverhältnissen können Artikel entsprechend bepreist werden. Ursprünglich wurden die Preise ein Mal am Tag berechnet, was etwa 20 Stunden gedauert hat. Mit unserer High-Performance-Analytics-Plattform geht das nun in zwei Stunden.Durch diese Geschwindigkeit ändern sich auch die Prozesse in den Unternehmen massiv, weil man viel zeitnäher reagieren kann.
Unternehmen müssen sich die Frage stellen, wie sich ihre Geschäftsmodelle verändern. Wenn ich heute beispielsweise als Bank hergehen und mein Portfolio nicht mehr nur ein Mal am Tag berechnen kann, sondern stündlich oder im Minutenrhythmus, dann heißt das, dass ich meinen ganzen Geschäftsprozess ändern kann. Weil ich auf einmal viel mehr Kompetenz, viel mehr Entscheidungsgewalt an den Point of Decision bringe und das im Dialog zwischen Kunde und Berater verankern kann. Daraus resultiert wieder, dass sich die ganze Unternehmenslandschaft verändert. Big Data bietet die Möglichkeit, organisatorische Verbesserungen durchzuführen.
Big Data ist Realität. Ich kann mich natürlich davor verschließen, aber das Datenwachstum ist da. Auch Speicher wird immer billiger. Damit habe ich als Unternehmen die Möglichkeit, Big Data zu nutzen und dazu brauche ich Analytics. Big Data per se bringt mich nicht weiter. Um meine Geschäftsprozesse zu optimieren, brauche ich Daten – ob ich das nun Big Data nenne oder nicht – und von diesen Daten gibt es immer mehr. Wenn heute ein Kunde anruft und mir sagt, dass mein Service eine Katastrophe ist, dann will ich darauf reagieren können. Und zwar noch während des Anrufes.
Viele Unternehmen überlegen derzeit noch, welche Daten sie mit welchen verknüpfen bzw. welche Unternehmensbereiche verknüpft werden sollten. Die einzelnen Fachbereich-Silos funktionieren durchaus sehr gut. Aber das siloübergreifende Denken ist noch nicht so weit. Online und Offline beispielsweise sind getrennte Fachbereiche und sollten miteinander verschmelzen. Wenn sich ein Kunde im Web bewegt, dann messe ich sein Verhalten im Web, verknüpfe das mit den Offline-Daten aus meinen Systemen und nutze Analytics um ihm ein maßgeschneidertes Angebot anzuzeigen, während er noch im Web ist. So kann man viel treffsicherer auf Kunden reagieren. Vor dieser Herausforderung stehen derzeit Unternehmen quer über alle Branchen hinweg: Wie sich mehrere Datentöpfe, egal ob strukturiert oder unstrukturiert, gemeinsam nutzen lassen.
Das glaube ich nicht. Es ist auch eine Kostenfrage. Das Thema In-Memory wird zusehends relevant um Prozesse zu beschleunigen, wird aber traditionelle Systeme aus meiner Sicht nicht komplett ersetzen. Das Fernsehen hat ja auch nicht das Radio ersetzt oder das Internet das Fernsehen. Das sind unterschiedliche Ansätze, die sich ergänzen. Im Bereich Analytics ist In-Memory eine Disziplin. In-Database, also Analytics in der Datenbank, ist eine andere. Oder Grid-Systeme: verteilte Rechenkapazitäten um Analysen zu beschleunigen. Auf die Kombination dieser Ansätze kommt es an. In-Memory alleine hilft mir nicht. Was bringt es mir, einen Bericht schneller angezeigt zu bekommen? Die Frage ist, was für einen Vorteil ich daraus ziehe, dass das schneller angezeigt wird.
Das Gespräch führte Oliver Weiss.
Dietmar Kotras
Dietmar Kotras (48) ist seit 2009 Country Manager von SAS Österreich. Der gebürtige Kärntner startete seine IT-Karriere 1984 bei der Hofbauer Group, wechselte 1991 als Business Development Manager zu CIPS Inc. in Dallas und kehrte 1993 als Vertriebsmanager bei Compuware nach Österreich zurück. Berufsbegleitend absolvierte er ein Studium zum Bachelor of Science in Computer Science und ein Studium zum Master of Business Administration. 1996 wechselte Kotras zu T-Systems Austria, wo er ab 2001 auch Mitglied der Geschäftsleitung war.
Be the first to comment