IT-Rebellen Das Blog für IT- und Businessentscheider, die neue Wege gehen wollen. Es sieht wohl so aus, als ob das schöne Cebit-Motto „Datability“ es nicht als feststehender Begriff in den Sprachgebrauch der IT-Profis schafft. Zumindest Google Trends registriert steil abfallendes Interesse. Aber das gilt nur für den Begriff – und nicht für das Thema. Datability beschreibt recht trefflich die Herausforderung vieler Unternehmen, mehr aus ihren Daten zu machen. Und diese Reise hat in den meisten Unternehmen erst begonnen. Das zeigen aktuelle Untersuchungen von Crisp Research, die Gründer und Chefanalyst Carlo Velten hier kommentiert.
Reise zu neuen datenbasierten Geschäftsmodellen hat erst begonnen
So fang mehr als zwei Drittel der Unternehmen gerade damit an, neue datenbasierte Dienste und Geschäftsmodelle zu entwickeln und bestehende Prozesse mittels der neuen Big Data-Technologien weiter zu optimieren. Um sich hier grob zu orientieren und die sich anschließenden Architektur- und Sourcing-Fragen (Wer ist der passende Technologie- und Integrationsanbieter?) klären zu können, sollten Entscheider sich folgende Fragen stellen bzw. eine Einordnung anhand folgender Matrix vornehmen.
So gilt es zu beantworten, ob im Unternehmen bestehende Prozesse oder Geschäftsmodelle unterstützt und optimiert oder neue entwickelt werden sollen. Zudem stellt sich die Frage, ob es dazu „nur“ der Analyse bestehender interner Datenbestände (z.B. Preis- oder Lagerbestandsdaten aus Business-Applikationen) bedarf oder ob neue Daten im Unternehmen erfasst (z.B. Sensordaten) oder extern zugekauft werden sollen (z.B. Wetterdaten, Social Media-Daten etc.).
Technologie- und Herstellerauswahl – Evolution der Analytics-Lösungen
Sobald Unternehmen für sich entschieden haben, um welche Business Cases und Datenbestände es geht und welche Daten, wie und in welcher Granularität und Aktualität analysiert werden müssen, kann die Vorbereitung der Technologieauswahl erfolgen. Denn diese ist maßgeblich von der Problemstellung und weniger von den begrifflichen Vorlieben des CIO abhängig.
So muss konstatiert werden, dass es für viele klassische Analyseaufgaben immer noch vollkommen ausreichend ist, auf klassische BI-Software zu setzen. Dies gilt vor allem in Szenarien, in denen Datenbestände gut strukturiert sind, die Analyseaufgaben einem wiederkehrenden Muster erfolgen und keine Echtzeit-Auswertungen nötig sind. Für letzteres würden klassische BI-Lösungen nicht ausreichen, dafür wären In-Memory-Technologien wie SAP HANA oder Oracle Exadata nötig. Diese lassen sich auch als „High-Performance“ BI bezeichnen und beziehen sich auf die Analyse strukturierter Daten in Größenordnungen von bis zu 1 PB RAM.
Kommen neue Anforderungen auf die Unternehmen zu, wie Analyse und Visualisierung nicht genau spezifizierbarer Datenbestände (viele Quellen, unstrukturierte Daten) und deren Kombination mit externen Datenquellen, so bietet sich der Einsatz neuer Frameworks- und Technologie wie Hadoop an. Hier besteht – eine entsprechende Infrastruktur vorausgesetzt – eine nahezu unbegrenzte Skalierungsfähigkeit und Flexibilität bei den Analysen.
In den letzten 24 Monaten hat sich für die Anwender eine recht komfortable Situation entwickelt, da IT-Dienstleister wie T-Systems, IBM oder Accenture in großem Stile in den Bereich „Big Data & Analytics“ investiert haben. Dies gilt einerseits für den Aufbau entsprechender Skills und Beratungsprogramme – vor allem aber für den Aufbau und den Betrieb entsprechender IT-Infrastrukturen. So stelltbeispielsweise T-Systems nicht nur eine breite Auswahl an Technologien zur Verfügung, sondern liefert diese in nahezu allen Betriebskonzepten – von On-Premise, über hybride Umgebungen bis hin zu reinrassigen Cloud-Plattformen.
Anwender sind erstmals in der Lage, die neuen Analytics-Möglichkeiten auszuprobieren und zu nutzen, ohne sich auf horrende Vorabinvestitionen einlassen zu müssen. Und dies ist elementar wichtig, da viele der heutigen Big Data- und Analytics-Projekte einen explorativen und innovativen Charakter haben. Meist kann zu Projektbeginn der ROI noch nicht genau bestimmt werden. Dieser ergibt sich erst nach mehreren Iterationsstufen.
Aus einer Reihe von Fallstudien und Best Practices ist klar erkennbar, dass diejenigen Unternehmen, die eine offene und kreative Kultur im Umgang mit den Daten („Data Culture“) pflegen und innovative Projekte befürworten, deutlich erfolgreicher bei der Implementierung großer Analytics-Vorhaben sind.
Data Economy – Mehr als 63 Mrd. Euro Umsatz mit Daten basierten Diensten
Es existieren nicht nur viele Beispiele für die neuen Anwendungen und Services im Datenzeitalter. Auch erste Prognosen zur Marktentwicklung der neuen Daten basierten Dienste liegen nun vor. Im Auftrag des BITKOM hat Crisp Research eine Analyse zu den Big Data-IT-Infrastrukturen und den darauf aufbauenden „Datability“-Services und Geschäftsmodellen durchgeführt, deren Ergebnisse zur Cebit erstmalig vorgestellt wurden.
Die Zusammenfassung der Ergebnisse finden Sie zudem in folgender Infografik des BITKOM visualisiert: http://www.bitkom.org/de/presse/8477_78804.aspx
