Big Data: Wie sich die Datenanalyse optimieren lässt

Für eine effiziente Verwertung großer Datenmengen ist mehr nötig, als lediglich die Anschaffung entsprechender Analyse-Tools. Es müssen auch fundamentale Veränderungen in der Herangehensweise stattfinden. Ansonsten werden bis zum Jahr 2017 rund 60 % der derzeit laufenden Projekte zur Analyse von Big Data noch während der Pilot- oder Experimentierphase wieder eingestellt.

Das prophezeit zumindest das Marktforschungsunternehmen Gartner und gibt gleichzeitig einige wichtige Tipps, wie Unternehmen ein Scheitern verhindern können:

  • Wählen Sie eine Aufgabe, die schnelle Erfolge verspricht.
    Suchen Sie nach einem aktuellen Problem, das entweder einen hohen Geschäftsnutzen oder baldige Erfolge bringt. Das können tagesaktuelle operative Entscheidungen, taktische Erwägungen etwa bei der Planung oder einzelne strategische Entscheidungen wie die Expansion in ein anderes Land sein.
  • Beauftragen Sie Fremdfirmen und kaufen Sie fertige Programmpakete.
    Viele Unternehmen glauben, es sei besser, eine zentrale Analyse-Abteilung mit eigenen Tools aufzubauen. Für schnelle Erfolge ist es jedoch oft von Vorteil, wenn man externe Dienstleister beauftragt oder moderne Analyse-Software kauft, um den Wert von Big-Data-Analysen bei einem bestimmten Problem zu demonstrieren.
  • Identifizieren Sie die wichtigen Akteure in Ihrer Firma, die es zu überzeugen gilt.
    Es sind die Schwarzmaler, die Pessimisten und die Entscheidungsträger, die Sie auf Ihre Seite bringen müssen. Die schwierigste Aufgabe ist es immer, die Überzeugungen der Menschen zu ändern. Dabei hilft ein Business Case, der den Wert von Big-Data-Analysen zeigt. Zudem ist es meist erforderlich, eine auf Daten basierende Geschäftskultur zu etablieren.
  • Überlegen Sie, ob Sie die Kompetenzen und Tools tatsächlich intern aufbauen wollen.
    Eine interne Lösung ist nicht in jedem Fall der beste Weg. Das ist nur dann sinnvoll, wenn a) die Analysen in der eigenen Branche ein wichtiges Unterscheidungsmerkmal sind oder wenn der Bereich von strategischer Bedeutung ist, wenn b) eine hochgradig flexible und granulare Kontrolle verlangt ist und wenn es c) im Unternehmen die Möglichkeit gibt, die Analysen in mehreren Anwendungsbereichen oder Geschäftszweigen einzusetzen.
  • (Quelle: Gartner/rf)