IT-Trends-Blog

IT-Trends-Blog

Opinions expressed on this blog reflect the writer’s views and not the position of the Capgemini Group

Big Data: Potentiale neuer Analysemethoden optimal nutzen

Kategorie: Trend-Anatomie

Das Potential von Big Data besteht nicht nur in einer rein technischen Erweiterung des Reportings, sondern auch in der Veränderung von Prozessen sowie der Entwicklung der Organisation hin zu einem daten- und analysegetriebenen Unternehmen. Die entscheidende Frage ist hierbei: Welche Rahmenbedingungen müssen Unternehmen für die Reporting-Organisation und die Analyseprozesse schaffen, um die Potentiale in den Daten zu erkennen, zu heben und in bessere Analysen und Entscheidungsgrundlagen umzuwandeln oder sogar neue (datengetriebene) Geschäftsprozesse zu entwickeln?

Derzeit können wir beobachten, wie sich Geschäftsprozesse durch die technischen Möglichkeiten der Speicherung, parallelen Verarbeitung und Analyse von Massendaten in einer bisher nicht gekannten Geschwindigkeit verändern. Ein großes Angebot von jederzeit verfügbaren Informationen sowie geschäftsrelevanten Daten außerhalb der transaktionalen Systeme führen auch zu gestiegenen Anforderungen an die Analyseprozesse in den Fachbereichen: Der Bedarf nach einem explorativen Analyseprozess steigt. Fachlich und organisatorisch isolierte Formen des Reportings werden in diesem Kontext immer seltener, da sich das Potential neuer Analysemethoden nur durch eine domänenübergreifende Betrachtung durch kooperative Analysen in interdisziplinären Teams erschließen lässt.

Die Basis einer stärkeren explorativen Analyse und des Einbindens  neuer Reportingformen in bestehende Prozesse und Organisationen wird mit drei Aspekten gelegt: Kultur, Technologie & Architektur sowie Organisation.

Ein alleiniger Fokus auf das Bereitstellen einer neuen technologischen Plattform führt hierbei nicht zu einer explorativen, domänenübergreifenden Analyse oder zu einem datengetriebenen Unternehmen. Die neuern Formen des Reportings erfordern auch eine Änderung in der Reporting-Kultur; weg von den starren, standardisierten Formen eines traditionellen Reportings, hin zu methoden- und ergebnisoffenen Formen der Analyse.

Im Aspekt der Technologie ergibt sich für mich durch die Erweiterung des Datenraums für die Analysen eine wesentliche Forderung und Herausforderung in der Datenintegration:.

·         Data Warehouse Technologie, Hadoop, NoSQL-Datenbanken und analytische Datenbanken werden Seite an Seite eingesetzt

·         die neue Technologie zur Verarbeitung von Big Data wird die bereits verfügbaren Daten und Technologien nutzen und ergänzen

·         die vorhandene Informationsgewinnung muss durch die Einbeziehung von Big Data und erweiterten Analysen verbessert werden

·         es werden keine zusätzlichen Analyse- oder Datensilos entstehen

Im Aspekt der Architektur lassen sich durch Big Data Architekturkonzepte wie das Konzept des „Business Data Lake“ große Datenmengen zu vergleichsweise geringen Kosten speichern und in hoher Geschwindigkeit flexibel auswerten, auch wenn deren konkrete Verwendung zum Zeitpunkt der Extraktion noch nicht feststeht. Hierin besteht zusammen mit der Definition der Datenstruktur beim Lesen der Daten („schema-on-read“) ein wesentlicher Unterschied zu den traditionellen Formen des Reportings. Auch das Einbinden traditioneller (relationaler) Quellen in die Analyse und deren Verknüpfung mit anderen externen und internen Datenquellen lässt sich hierdurch realisieren. Wenn dies mit einem leistungsfähigen Metadatenmanagement zur Analyse der Eigenschaften und zum Auffinden der Daten sowie Instrumenten zum Umsetzen der Data Governance kombiniert wird, entsteht die technische und architektonische Grundlage zur explorativen Datenanalyse. 

Im Aspekt der Organisation müssen Strukturen zur organisatorischen Integration von BI-Analytics und Big Data Teams entstehen und benötigen ein erweitertes Rollenmodell für die neuen Analytic-Services. Die Integration zusätzlicher Rollen wie bspw. die Rolle eines Data Stewards sichert die Qualität der Daten, des Data Engineers sichert die Anbindung und Befüllung aus neuen Quellsystemen, des Data Scientists und Business Analysten ermöglicht die Entwicklung neuer Analysen unterschiedlicher Ausprägung in Zusammenarbeit mit den Fachbereichen.

Eine effektive Analyse ist heute nicht mehr mit rein mathematischen und algorithmischen Mitteln möglich. Eine Ausschlag in Höhe der doppelten Standardabweichung mag signifikant sein, ohne die Interpretation und eine darauf basierende Entscheidung bleibt der Ausschlag jedoch lediglich ein senkrechter Strich auf einem Blatt Papier.

Erst der Zusammenschluss von IT, mathematisch/statistischem Methodenwissen und Kenntnis der Geschäftsprozesse in integrierten Teams, bestehend aus Mitgliedern der Fachbereiche und Repräsentanten des Analytics / Big Data Competence Centers,  durch Verwendung hochentwickelter Visualisierungs- und Analysetools nutzt das Potential von Big Data und den erweiterten analytischen Methoden optimal aus.

Das Zusammenspiel aller relevanten Aspekte als Integration neuer analytischer Services und deren Rollen in eine existierende Organisation zusammen mit den technischen und architektonischen Möglichkeiten ermöglicht bessere Analysen und Entscheidungen in integrierten Teams, tiefere Erkenntnisse aus den Daten und die Transformation hin zu einem daten- und analysegetriebenen Unternehmen. 

Über den Autor

Gerd Jährling
Gerd Jährling
Als Teil eines Entwicklungsteams übersetze ich als Solution Architekt die funktionalen Anforderungen in die Design Artefakte (Architekturkomponenten) der System Architektur. Die Festlegung der Architektur beinhaltet oft auch die Auswahl der am besten geeigneten Technologie, oder deren Ausprägung und Verwendung innerhalb eines Systems. Die Grundlagen der Architektur werden verwendet, um die Lösung durch das Entwicklungsteam zu implementieren. Die Architektur eines Systems beeinflusst hierbei signifikant die Performance, Effizienz und Qualität der Lösung.

Kommentar hinterlassen

Ihre E-Mail-Adresse wird nicht veröffentlicht. Pflichtfelder sind mit einem * gekennzeichnet.