Big Data Lab von SAS

„Experimentieren dauerhaft möglich machen“

| Autor / Redakteur: Ariane Rüdiger / Nico Litzel

Vergleich zwischen einem traditionellen Projektansatz und dem Big Data Lab von SAS.
Vergleich zwischen einem traditionellen Projektansatz und dem Big Data Lab von SAS. (Bild: SAS)

Wie alle Unternehmen im Bereich Business Analytics sieht auch SAS seine Chance darin, Unternehmen auf dem Weg zu neuen Geschäftsprozessen zu unterstützen. SAS sieht dabei eine große Chance in laborartigen Strukturen im Unternehmen, um Neues auszuprobieren.

SAS ist nach Daten von Lünendonk noch immer die Nummer 1 auf dem deutschen Markt für BI-only-Anbieter. Im Jahr 2015 erwirtschaftete das Unternehmen in Deutschland 142 Millionen Euro Umsatz, 2014 waren es 134,3 Millionen. Die Mitarbeiterzahl hierzulande ist mit 520 konstant geblieben. Weltweit setzt SAS rund 2,85 Milliarden Euro um, der deutsche Markt macht also vom Geschäft des BI-Spezialisten rund fünf Prozent aus.

Dr. Andreas Becks, Manager Business Intelligence DACH bei SAS
Dr. Andreas Becks, Manager Business Intelligence DACH bei SAS (Bild: SAS)

Wie alle Anbieter in diesem Bereich wird auch SAS durch die Trends zu Big Data, IoT und Cloud zu neuen geschäftlichen Ansätzen herausgefordert, sieht sich aber auf der Gewinnerseite. Vor schnell wachsenden Konkurrenten, die mit Visualisierungstools für den Arbeitsplatz punkten, ist Dr. Andreas Becks, Manager Business Analytics für den deutschsprachigen Raum, jedenfalls nicht bange. „Wir haben gegenüber vielen anderen Anbietern den Vorteil, ein einfach zu bedienendes Visualisierungs-Frontend mit allen wichtigen Analytik- und Unternehmensfunktionen wie Governance im Backend aus einer Hand liefern zu können“, sagt der Manager.

Alle Deployment-Varianten im Angebot

Zudem biete SAS den Kunden alle Deployment-Varianten: Sie können Analytics-Services von SAS aus der Cloud beziehen (SaaS Results), sie selbst on premise betreiben oder als Managed Service in die Verantwortung eines Dienstleisters geben. SAS' Cloud-Angebot, seit rund zwei Jahren am Markt, wächst stark. Dafür hat das Unternehmen eigens in Deutschland RZ-Ressourcen aufgebaut, die dem europäischen Recht genügen.

Becks geht wie die meisten Kenner der Materie nicht davon aus, dass Datenanalysten in der IT-Abteilung auch in Zukunft diejenigen sein werden, die die analytischen Aufgaben hauptsächlich lösen. Vielmehr müsse Analytik auf vielen, wenn nicht allen Arbeitsplätzen in der Fachabteilung den Anwendern zur Verfügung stehen.

„Sie sollten direkt am Platz in der Lage sein, nicht nur auf einfache statistische Auswertungen, sondern auch auf komplexe analytische Funktionen wie prädiktive Analytik, Treiberanalysen, Regressionsanalysen und so weiter zuzugreifen, ohne solche Dinge mit wochenlangem Vorlauf bei der IT bestellen zu müssen und ohne große Fachkenntnisse zu benötigen“, fordert Becks. SAS sieht darin heute ein Alleinstellungsmerkmal seiner Lösung. „Wer auf ein anspruchsvolles analytisches Werkzeug die Visualisierungslösung eines anderen aufsetzt, hat einen Bruch in der Arbeitslogik und muss komplexere Analysen doch wieder bei der IT bestellen“, meint er.

Becks ist überzeugt, dass auf die Unternehmen mit der aufbrandenden Diskussion über Dürfen und Können analytischer Applikationen höhere Governance-Anforderungen zukommen, aber auch davon, dass die Unternehmen diese sehr bewusst wahrnehmen und gegebenenfalls entsprechende Technologien eher vorsichtig einsetzen: „Heute können schon viele Applikationen weit mehr als das, wofür sie de facto genutzt werden.“ Auch aus solchen Gründen habe eine durchgängige Plattform für Unternehmen Vorteile, denn dann könne eine verbindliche Datenbasis mit klaren Zugriffsrechten geschaffen werden, und gleichzeitig am Frontend und im Rahmen der vergebenen Rechte jeder Mitarbeiter seiner Kreativität freien Lauf lassen.

Ziel: Innovationsökonomie im Unternehmen

Schließlich gehe es darum, in den Kundenunternehmen eine Innovationsökonomie aufzubauen. Das bedeute, man müsse das Experimentieren ermöglichen, also schnell viele neue Ideen ausprobieren, bei Misserfolg verwerfen und bei Erfolg in größerem Umfang ausrollen. Becks: „Die Frage ist: Wie gehe ich mit Daten kreativ um, um ein Geschäft zu machen?“ Die Grundkonstellation sei überall dasselbe und sattsam bekannt: Die Kunden selbst, Maschinen oder sonstige Sensoren erzeugten massenweise Daten, die im Grunde aus jedem Geschäft früher oder später ein datenbasiertes machen. Die Frage sei nur, wie – die Automobilbranche (Tesla), Landmaschinen (Deere) und das Finanzwesen (innovative Fintechs) böten beispielhafte Lösungsansätze, aber letztlich müsse jedes Unternehmen hier Antworten finden, um langfristig zu überleben.

Um Unternehmen den Weg in die Datenökonomie zu erleichtern, hat SAS mit dem IoT-Lab und dem Big Data Lab zwei speziell auf das Innovationsproblem zugeschnittene Komplettlösungen inklusive Training und Beratung im Portfolio, die jeweils in unterschiedlichen Leistungsstärken lieferbar sind. Beide ermöglichen den Einstieg in ein experimentierfreundliches Umfeld, das nicht gleich Veränderungen an den Kernanwendungen des Unternehmens verlangt. Allerdings nutzen beide Labs dieselben Technologien, die auch bei einer Umsetzung dort entwickelter Ideen in den Unternehmensalltag eingesetzt würden, also mit einer durchgängigen Plattform von Datenbeschaffung, -aufbereitung-, -analyse bis hin zur Visualisierung der Ergebnisse und zum eventuellen Eingreifen in nachgelagerte Systeme wie Lager, ERP oder die den Analysen zugrunde liegenden Modelle.

Kalkulation des Regulierungsbedarfs

„Praktische Beispiele zeigen, warum das nötig ist“, sagt Becks und bringt zwei davon. So arbeite man mit Versicherungskunden daran, Lösungen zu entwickeln, die bei der Schadensmeldung eine einigermaßen genaue Kalkulation des finanziellen Regulierungsbedarfs erlauben. Dieses Geld wird dann vom Sachbearbeiter vorbeugend zurückgestellt. Hier hilft Analytik, automatisch eine passende Summe für den individuellen Schadensfall zu ermitteln. Sie wird sofort und automatisch auf dem Bildschirm ausgegeben, sobald der Sachbearbeiter einige Details zum gemeldeten Fall in das System eingibt. „Dahinter liegt eine komplexe Logik, denn beispielsweise muss man darauf achten, dass nur im Detail passende vorangegangene Fälle in die Kalkulation einbezogen werden, es muss geklärt sein, ob es überhaupt erlaubt ist, zu diesem Zweck auf die betreffenden Daten zuzugreifen und so weiter.“

Zudem brauche man für die zugrundeliegenden Modelle eine permanente nachgelagerte Messung der Prognosestärke, man müsse also die vorgeschlagenen Rückstellungen mit den tatsächlichen Schadenshöhen vergleichen und bei Bedarf das Modell nachjustieren, was man als Model Management bezeichnet. Verunfallen beispielsweise statt relativ günstiger Allerweltsfahrräder plötzlich immer mehr E-Bikes oder werden gestohlen, ist ein Schadensanstieg pro Fall sehr wahrscheinlich und eine Modellanpassung ist fällig.

Predictive Maintenance

Ein anderes Beispiel sind die inzwischen vor größerer Marktdurchdringung stehenden elektronischen Hausgeräte, die in Zukunft Daten über die Nutzungsgewohnheiten ihres Besitzers, über die Betriebsparameter anfälliger Komponenten und etc. an den Hersteller senden, damit bevorstehende Ausfälle durch rechtzeitigen Austausch der Komponente abgefangen werden können (Predictive Maintenance). Die vorbeugende Wartung beeinflusst beispielsweise die Bestückung der Servicefahrzeuge mit Werkzeug und Ersatzteilen, die Lagerhaltung und die automatische Bestellung von Komponenten bei Zulieferern.

Egal, welche Lösung und welche Herangehensweise ein Kunde wählt, in einem ist sich Becks ganz sicher: „Es geht heute nicht mehr um die Frage, ob man digitalisiert und Daten nutzt – es geht nur noch um die Frage, wie. Ein Ausweichen gibt es also nicht.“

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44186649 / Analytics)