Mit dem richtigen Einsatz von Big Data eröffnet sich eine 360-Grad-Perspektive auf Kunden, neue Wertschöpfungsmodelle und Dienstleistungen. Allerdings gehört dazu mehr als die blosse Erhebung, Speicherung und Verknüpfung von Dateninseln. Infosys hat für IT-Manager zehn Tipps zusammengestellt, die Big Data zum Erfolg führen sollen.
1. Das grosse Ganze: Bei der Implementierung und Nutzung von Big Data geht schnell der Blick auf das Wesentliche verloren und Unternehmen verstricken sich in Details oder Nebensächlichkeiten. Eine Hilfe können externe Berater sein, die bereits Erfahrung in der erfolgreichen Umsetzung von Big-Data-Projekten gesammelt haben.
2. Ziele festlegen: Die Kosten für die Speicherung von Daten sinken kontinuierlich. Für Unternehmen ist die Versuchung daher gross, Informationen zu horten und unstrukturierte Datenhaufen als Basis für eine Big-Data-Strategie zu verwenden. Unternehmen sollten Ziele deshalb vorab definieren und nur die hierfür notwendigen Daten archivieren.
3. Intelligentes Datenmanagement: Big Data erzeugt durch Kombination und Analyse von Informationen permanent neue Daten. Mehr Informationen führen jedoch nicht zwangsläufig zu besseren Ergebnissen. Vielmehr erhöhen sie das Grundrauschen und überdecken so schwache Muster. Deshalb sollten Daten kategorisiert und mit einem Verfallsdatum versehen werden.
4. Fehlerhafte Daten: Durch Übertragungsfehler, mangelnde Kalibrierung, defekte Geräte und Probleme bei Spitzenlast fallen unter Umständen fehlerhafte Daten an. Qualitätskontrolle, konservative Daten-Policies und Inspektions-mechanismen helfen den Datenmüll gering zu halten.
5. Daten-Pool ausschöpfen: In Unternehmen schlummern in unterschiedlichen Abteilungen, Standorten und Rechnern wahre Datenschätze. Eine systematische „Kartierung“, ein effektives Zugriffsmanagement und einheitliche Aufbereitung helfen vorhandene Datenquellen nutzbar zu machen.
6. Datenschutz: Mit Big Data erhalten Unternehmen tiefgreifenden Einblick in das Verhalten ihrer Kunden. Bei der Verarbeitung personenbezogener Daten müssen Organisationen Informationen daher vertraulich behandeln, mindestens die im jeweiligen Land geltenden Datenschutzrichtlinien beachten und strenge Daten-Policies aufstellen. Darüber hinaus ist es ratsam, überall dort, wo es nicht unbedingt erforderlich ist, Werkzeuge zur Datenmaskierung einzusetzen.
7. Skalieren der Infrastruktur: Die Infrastruktur muss in der Lage sein, flexible Datenstrukturen, hohe Transaktionsvolumen und komplexe Abfragen mit geringer Latenzzeit zu verarbeiten. Lösungen sind Hadoop-Distributed-File-Systeme (HDFS), Direct-Attached-Storages (DAS) oder Storage-Area-Networks (SAN). Das richtige System für ein Unternehmen ist abhängig von dem voraussichtlichen Platzbedarf, dem angepeilten Datenwachstum sowie der Häufigkeit und Art der Analytik.
8. User Interface: Der Erfolg von Big Data in einem Unternehmen hängt nicht zuletzt von der Benutzerfreundlichkeit ab. Je leichter sich Analysen durchführen und Datensätze abfragen lassen, desto häufiger machen Mitarbeiter davon in der Praxis auch Gebrauch. Erhalten Mitarbeiter die Möglichkeit, Big Data in der Cloud oder von ihren eigenen Geräten aus zu nutzen, erhöht dies die Akzeptanz zusätzlich.
9. Mitarbeiter fördern: Die für Big Data erforderlichen Kompetenzen unterscheiden sich von denen anderer IT-Projekte. Notwendig sind Experten, die Muster in Daten erfassen, Erkenntnisse visualisieren und für Geschäftsentscheidungen übersetzen können. Fachkräfte mit einem solchen Know-how sind rar. Deshalb lohnt es sich für Unternehmen, in die Fähigkeiten der eigenen Mitarbeiter zu investieren.
10. Vom Rechner auf den Markt: Damit Unternehmen einen echten Mehrwert aus Big Data ziehen können, müssen Erkenntnisse rasch umgesetzt und auf das Geschäft angewandt werden. Der Abbau starrer Organisationshierarchien sowie Straffung von Entscheidungsprozessen unterstützen diesen Prozess und verbessern den ROI.
Der Online-Stellenmarkt für ICT Professionals