Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

Technik-Know-how reicht nicht

Was ein Spezialist für Big Data können muss

Normal 0 21 false false false DE X-NONE X-NONE MicrosoftInternetExplorer4

Dr. Ilias Ortega arbeitet als Analytics und Reporting Manager bei den Magazinen zum Globus AG in Spreitenbach. Er ist promovierter Betriebswirtschafter der Universität St. Gallen und diplomierter Ingenieur der ETH Zürich. Er verfügt über mehr als 25 Jahre Berufserfahrung in Analytics und Business Intelligence.

Big Data ist viel mehr als Hard- und Software. Big-Data-Verantwortliche benötigen technisches und Führungswissen und sollten gut kommunizieren können.
Technik-Know-how ist natürlich unabdingbar, um als Big-Data-Verantwortlicher erfolgreich zu agieren. Das allein aber reicht nicht.
Technik-Know-how ist natürlich unabdingbar, um als Big-Data-Verantwortlicher erfolgreich zu agieren. Das allein aber reicht nicht.
Foto: fotolia.com/Ben Chams

Big Data ist viel mehr als Hard- und Software. Big-Data-Verantwortliche benötigen technisches und Führungswissen und sollten gut kommunizieren können.
von Ilias Ortega
Das Trendthema Big Data beherrscht nach wie vor die Schlagzeilen führender IT-Journale. Unternehmen wie Google, Amazon und Facebook sichern sich marktbeherrschende Wettbewerbsvorteile durch innovative Big-Data-Anwendungen. Zudem herrscht am Big-Data-Marktplatz ein großes, unübersichtliches Angebot an Hard- und Software.
Um Big-Data-Systeme jedoch erfolgreich einzuführen und später betreiben zu können, reichen rein technische Entscheidungskriterien nicht aus. Der Grund: Big-Data-Systeme müssen nicht nur technisch einwandfrei funktionieren, sondern auch einen quantifizierbaren Nutzen erbringen. Darüber hinaus müssen sie auch die Unternehmensstrategie nachhaltig unterstützen können.

Technik-Know-how ist natürlich unabdingbar, um als Big-Data-Verantwortlicher erfolgreich zu agieren. Das allein aber reicht nicht. Weitere Kompetenzen müssen hinzukommen.

1. Management-Know-how

Wichtig ist auch ein breites Management-Know-how, um gemeinsam mit den Fachabteilungen nutzbringende, nachhaltige und innovative Anwendungen von Big Data zu finden. Dazu ist es ratsam, Kreativitätstechniken und Problemlösungsmethoden einzusetzen.

Zu den typischen Big-Data-Anwendungen zählen die Mikrosegmentierung, mit der sich maßgeschneiderte Angebote erstellen lassen, oder das Monitoring von Produkten, Transportmitteln und Anlagen. Ebenfalls wichtig ist die Prüfung von Datenbeständen: Damit werden Kreditkartenbetrügereien aufgedeckt (also Mustererkennung) oder bislang unerkannte Abhängigkeiten zwischen Parametern ausfindig gemacht. Typische Anwendungen für Big Data sind ferner Empfehlungssysteme für Cross-Selling-Aktivitäten.

Schlüsselfragen zum Gebrauch von Informationen: Bei der Überlegung, welche Anwendungen für Big Data von Interesse sein könnten, kann man sich mit diesem Fragenmodell behelfen.
Schlüsselfragen zum Gebrauch von Informationen: Bei der Überlegung, welche Anwendungen für Big Data von Interesse sein könnten, kann man sich mit diesem Fragenmodell behelfen.
Foto: Trivadis AG (nach Davenport, Harris und Morison)

Eine Annäherung an das Thema sowie die Suche nach weiteren Big-Data-Anwendungen sind mit dem von Thomas Davenport, Jeanne Harris und Robert Morison - Autoren des Buchs "Analytics at Work: Smarter Decisions, Better Results" - entwickelten Modell möglich (siehe Grafik: "Schlüsselfragen ...").

Anstöße für weitere Anwendungen liefert die eigene Unternehmensstrategie, aus der sich die Grundausrichtung für neue Ideen ableiten oder überprüfen lässt. Hilfreich sind auch Best Practices von Unternehmen der eigenen und aus fremden Branchen (Benchmarking). Zudem sollte man gesellschaftliche, wirtschaftliche und demografische Trends genau beobachten.

Unbedingt empfehlenswert ist es auch, Geschäftsprozesse systematisch nach Verbesserungspotenzialen zu durchsuchen. So lassen sich - nur ein Beispiel - Entscheidungen automatisieren. Damit lassen sich unter Umständen Kosten senken, Durchlaufzeiten verkürzen oder die Qualität erhöhen.Big-Data-Lösungen gewinnen auch an Bedeutung, um etwa Informationen zu analysieren, die bei Gesprächen mit Experten, Forschern und Konkurrenten anfallen oder auf Fachtagungen gewonnen werden.

Grundsätzlich kann man festhalten: Die Suche nach Big-Data-Anwendungen ist ein exploratives Unterfangen, das Geduld und Ressourcen voraussetzt.