Big Data gibt´s nicht zum Nulltarif: Sechs Tipps für den erfolgreichen Einsatz

Foto: Pixabay

Das Schlagwort Big Data weckt in der Wirtschaft große Hoffnungen: Laut einer aktuellen Umfrage im Auftrag von Sopra Steria Consulting wollen sieben von zehn deutschen Unternehmen bis zum Frühjahr 2017 in entsprechende Analyse-Tools investieren. Eines muss Firmen dabei klar sein: Data-Science-Lösungen sind alles andere als einfach und auch nicht zum Nulltarif zu haben. Sechs Management-Tipps sollen helfen, Fallstricke auf dem eigenen Weg zur „Data-driven Company“ zu vermeiden.

Das Schlagwort Big Data ist für viele Unternehmen zu einer Art Projektionsfläche ihrer Wünsche und auch mancher Illusion geworden. Diesen Schluss legt die aktuelle Potenzialanalyse „Data Science“ von Sopra Steria Consulting nahe. 94 Prozent der dafür befragten Entscheider erwarten zum Beispiel, dass sich die wirtschaftliche Performance ihrer Firma durch datengetriebenes Agieren verbessert.

Fast ebenso viele gehen davon aus, dass Data Science wertvolle Erkenntnisse liefern und Entscheidungsprozesse verändern kann. Entsprechend hoch ist die Investitionsbereitschaft, um dieses Ziel zu erreichen: Lediglich zwei Prozent der Studienteilnehmer planen derzeit keinerlei kurzfristige Investitionen in diesem Bereich.

Fast drei Viertel hingegen wollen bis zum nächsten Frühjahr finanzielle Mittel für Analysetechnologien und zwei Drittel für die Neueinstellung entsprechender Fachkräfte bereitstellen.

6 Tipps: Darauf ist zu achten

1. Auf dem Arbeitsmarkt sind Data-Science-Spezialisten allerdings eine Rarität. „Unternehmen sollten deshalb gezielt auf die Aus- und Weiterbildung eigener Mitarbeiter setzen – gerade, weil diese das Geschäft und die Prozesse bereits kennen“, so die erste Empfehlung von Lars Schlömer, Head of Business Intelligence bei Sopra Steria Consulting.

2. Wichtig ist zudem, dem Data-Science-Team genügend Freiraum einzuräumen, um kreative Denkansätze ausprobieren und neue Einsatzszenarien entwickeln zu können.

3. Es dürfen existierende Business-Modelle nicht wie Scheuklappen wirken. „Gefragt ist im Gegenteil ein unverstellter Blick auf alle möglichen Anwendungsfälle, die über Kundenmanagement und Vertrieb hinausgehen und sich zum Beispiel auch auf die Produktionsoptimierung erstrecken“, so Lars Schlömer.

4. Daraus ergibt sich unmittelbar die nächste Empfehlung – nämlich, dem Data-Science-Team einen breiten Zugang zu allen verfügbaren Datenquellen zu gewähren, wozu neben strukturierten vor allem auch unstrukturierte Informationen gehören.

5. Es müssen beim Experimentieren mit verschiedenen Analyseansätzen alle Akteure stets auch datenschutzrechtliche Fragen sowie unternehmenseigene Anforderungen an die Informationssicherheit im Hinterkopf behalten.

6. Und schließlich darf, bei aller Euphorie über die neuen Möglichkeiten, auch der ökonomische Aspekt niemals außer Acht gelassen werden: „Data-Science-Anwendungsfälle müssen – und werden – sich betriebswirtschaftlich rechnen und einen greifbaren Mehrwert im Wettbewerb erbringen“, so der Head of Business Intelligence.

Neben Anwendungsbeispielen aus der Praxis enthält Managementkompass „Data Science“ auch methodisch aufbereitete Werkzeuge für den erfolgreichen Einsatz von Data Science in Unternehmen. Dazu gehöre insbesondere eine Checkliste zur Bewertung des individuellen Big-Data-Reifegrades sowie zur systematischen Erfassung aller vorhandenen Datenquellen quer über alle Abteilungen hinweg. Eine solche Standortbestimmung soll Unternehmen helfen, realistisch einzuschätzen, in welchen Bereichen mit kreativen Data-Science-Ansätzen der größtmögliche Erkenntnis- und Informationsgewinn zu erwarten ist.