Ergebnis

Industrial Analytics

Der Weg zu Big Data

Big Data und die darauf aufbauenden Analyseverfahren haben sich zu wuchtigen Schlagworten entwickelt, die im Hype um das sogenannte Cognitive Computing gipfeln. Entgegen vollmundiger Anbieterversprechen, die suggerieren, dass die Buchung eines entsprechenden Cloud Services oder der Erwerb spezieller Datenbankmanagementsysteme und Analyseverfahren ausreichen, um Big Data erfolgreich zu meistern, hat der Workstream Industrial Analytics andere Erfahrungen gemacht.

Um große Datenmengen zu analysieren und auf dieser Basis Entscheidungen zu treffen, müssen Unternehmen zunächst eine Architektur entwickeln, mit der Daten so bereitgestellt werden, dass sie für moderne Analyseverfahren wie Predictive Analytics überhaupt genutzt werden können. Ihren Weg zu Big Data, der mit vielen vereinfachenden Annahmen aufräumt, haben die Mitglieder des Workstreams unter Leitung von Dr. Alexander Hildenbrand in einem Big Data Guide für Unternehmen zusammengefasst.

In diesem Guide finden Nutzer Business-Szenarien und Use Cases, einen Überblick über die wichtigsten Elemente von Big Data sowie – vielleicht zur Orientierung am nützlichsten – einen sehr konkreten Leitfaden, mit dem sich Big-Data- und Advanced-Analytics- Prozesse erfolgreich gestalten lassen. Um Big Data erfolgreich einführen und entsprechende Projekte meistern zu können, unterstützt der Leitfaden seine Nutzer mit einem Big-Data-Reifegrad- Modell.

Es gliedert sich in die fünf Themenbereiche „Strategie & Roadmap“, „Governance“, „Referenzarchitektur“, „Infrastruktur“ sowie „Development, Testing und Maintenance“ und ist in die fünf Reifegradstufen Ad-Hoc, Repeatable, Defined, Managed und Optimized unterteilt. „Wenn sich eine Organisation als „defined“ einstuft, also zum Beispiel der Meinung ist, dass ihre Big-Data-Strategie voll entwickelt ist, aber in Wahrheit erst damit beginnt, eine Strategie zu formulieren, ergeben sich in der Folge große Schwierigkeiten.

So kann zum Beispiel weder bewertet werden, ob einzelne Anwendungsfälle zur Strategie passen, noch, ob die eingesetzte Technologie der Roadmap und der Architektur sowie den Unter- nehmenszielen entspricht. Das führt bestenfalls zu Fehleinschätzungen und Doppelarbeit, schlimmstenfalls zum Abrechen der Projekte”, erklärt Hildenbrand.

Big Data braucht einen Vertrauensvorschuss.
Dr. Alexander Hildenbrand
Workstreamleiter

Außerdem enthält der Big Data Guide eine Referenz-Architektur, in der Folgendes festgelegt wird:

  • Technologie-Entscheidungen
  • Produkt-Entscheidungen
  • Security-Prinzipien
  • Regeln für die Datenintegration
  • Verantwortlichkeiten und Gremien
  • Steuerungskreis und Prozesse

Insgesamt besteht der Guide für Big Data und Analytics aus fünf Dimensionen und 13 Modulen. 

Die Dimensionen umfassen die Bereiche Strategie, Technologie, IT-Prozesse und Policies sowie Security und Compliance. Jede ist unterteilt in Module, die durchaus als Arbeitspakete verstanden werden dürfen.

Hildenbrand betont bei allem systematischen Vorgehen, dass sich für Big Data nicht immer ein eindeutiger Business Case rechnen lasse:

„Big Data braucht einen Vertrauensvorschuss. Wir können zwar gut voraussagen, dass die Analyse-Ergebnisse zusätzliche Erkenntnisse bringen, aber

rechnen tut sich das für ein Unternehmen erst dann, wenn die Erkenntnisse zum Beispiel in Vertrieb und Marketing oder in anderen Fachabteilungen sinnvoll verwendet werden und entweder den Umsatz steigern, Kosten senken oder eine kürzere Time- to-Market ermöglichen.“

zum weiterlesen:

Download Big-Data-Guide

"Wie Unternehmen strukturiert in Big Data und Analytics einsteigen können"
Artikel über den Big-Data-Guide des CBA Lab in der Online-Ausgabe der Computerwoche