Big Data Analytics

So nutzen Sie Daten effizient



Sascha Bäcker ist Geschäftsführer der DUALITY Beratung-GmbH. Bereits seit mehr als 15 Jahren ist er an der Schnittstelle zwischen IT und BWL unterwegs. Nach ersten Schritten als IT-Leiter im Data Warehousing ging es in die Business-Analytics-Beratung, wo bald erste erfolgreiche Projekte mit strukturierten und unstrukturierten Daten folgten.
Auf was müssen Sie bei der Durchführung von Big-Data-Projekten achten? Wie können Sie Fehlerquellen umgehen? Ein paar Tipps für erfolgreiche Big-Data-Projekte.
Big-Data-Analysen können bisher verborgene Zusammenhänge aufdecken.
Big-Data-Analysen können bisher verborgene Zusammenhänge aufdecken.
Foto: Sergey Nivens - shutterstock.com

Was im 19. Jahrhundert der Goldrausch war, ist in der heutigen Zeit der Datenrausch - mit nur einem Unterschied: Unternehmen haben bereits Unmengen an Daten zur Verfügung. Jetzt geht es darum, den Rohstoff gewinnbringend auszuwerten, um Mehrwerte zu generieren. Aber welches Vorgehen führt zum Erfolg - und was sollte man besser vermeiden?

Wie die Siedler 1848 beim Start des kalifornischen Goldrausches stehen heute auch Unternehmen unter dem enormen Wettbewerbsdruck, schneller und erfolgreicher in der Entwicklung zu sein, um gebotene Chancen optimal zu nutzen. Die eigenen Prozesse müssen optimiert und Kosten gesenkt werden. Im Gegensatz zu damals steht das wertvolle Rohmaterial den Unternehmen bereits in rauen Mengen zur Verfügung: Daten.

Big-Data-Analysen können bisher verborgene Zusammenhänge aufdecken, indem sie verschiedene Daten in neuer Form kombinieren und vergleichen. Sie verändern den Blickwinkel und ermöglichen fundierte Entscheidungen. So finden Unternehmen Antworten auf wichtige Fragen - etwa warum Kunden abwandern, wo Verbesserungsbedarf besteht oder wie man Ausschuss reduzieren kann. Die folgenden Best Practices helfen Ihnen dabei, das Beste aus Ihren Daten herauszuholen.

Lesetipp: Die wichtigsten IT-Jobs von morgen

Agiles Projektmanagement

Big-Data- und Analytics-Projekte lassen sich nicht mit starrem Wasserfallprojektmanagement durchführen. Stattdessen ist eine agile Herangehensweise gefragt. Es bringt nichts, sich auf ein festgefahrenes Ziel zu beschränken. Denn manchmal führt ein Projekt vielleicht nicht zum anvisierten Ergebnis, liefert dafür aber andere wichtige Erkenntnisse. Nur wer in der Lage ist, auch einmal nach rechts und links zu sehen und vielversprechende Abweichungen zu verfolgen, kann das Potenzial von Big Data Analytics voll ausschöpfen. Ein Beispiel hierfür bietet ein Fall aus der Automobilbranche.

Zielsetzung war "Predictive Maintenance". Ein Thema, welches in aller Munde ist, aber durchaus mit gesunder Skepsis betrachtet werden darf. So auch in diesem Fall. Aufgrund der Kombination von Datenbasis und produktionstechnischer Anforderungen ließ sich keinerlei Ansatz für "Predictive Maintenance" finden. Da aber agil vorgegangen wurde, wurden erhebliche Potenziale zur Steigerung der Qualitätskennzahlen identifiziert. Das ursprüngliche Ziel wurde nicht erreicht, das Projekt war dennoch ein voller Erfolg.

Stakeholder rechtzeitig einbinden

Ein Analytics-Projekt darf weder eine reine IT-Angelegenheit sein noch an der IT-Abteilung vorbeigehen. Denn hier handelt es sich um eine interdisziplinäre Spielart, bei der IT- und Fachabteilungen eng zusammenarbeiten müssen. Fachbereichsleiter bringen ihre akuten Problemstellungen ein. Die IT-Abteilung wiederum kennt die technischen Möglichkeiten. Für einen Projekterfolg ist es wichtig, alle Stakeholder rechtzeitig mit einzubinden. Das bedeutet nicht unbedingt von Anfang an - sondern sobald grundlegende Vorgehensweisen geklärt sind. Entscheidend ist, schnell mit dem Projekt voranzukommen und mit zeitnah erzielten, ersten Ergebnissen Interesse zu wecken.

Lesetipp: So wird Big Data zum Channel-Business

Zur Startseite