Big Data Analytics

So vereinfachen Data Studios den Einstieg

| Autor / Redakteur: Oliver Schonschek / Nico Litzel

Der aktuelle Status in Big-Data-Analytics-Projekten (BDA) zeigt, dass die Unternehmen noch einige Hürden nehmen müssen, bevor BDA bei ihnen wirklich zum Einsatz kommen kann.
Der aktuelle Status in Big-Data-Analytics-Projekten (BDA) zeigt, dass die Unternehmen noch einige Hürden nehmen müssen, bevor BDA bei ihnen wirklich zum Einsatz kommen kann. (Bild: Capgemini Deutschland)

Nicht nur kleine und mittelständische Unternehmen müssen Hürden überwinden, um Big Data Analytics erfolgreich nutzen zu können. Auch in größeren Unternehmen fehlen die notwendigen Fachkräfte. Verschiedene Data Studios können den Einstieg erleichtern.

Nur knapp 20 Prozent aller Befragten gaben in der Capgemini-Studie IT-Trends 2015 an, bereits eine oder mehrere Big-Data-Analytics-Anwendungen in Betrieb zu haben, darunter vor allem Unternehmen aus der Industrie und Finanzdienstleister. Die Mehrheit (knapp 51 Prozent) beschäftigt sich derzeit mit Diskussionen, Workshops oder der Pilotierung. Von einem breiten Einsatz kann man also bei Big Data Analytics bisher nicht wirklich sprechen.

An dem Wunsch, Big Data Analytics zu nutzen, mangelt es nicht: Data Analytics hat bei über 70 Prozent der Unternehmen für Prognosen den höchsten Stellenwert. Bei den Zielen steht ein besseres Markt- und Kundenverständnis ganz weit oben, Vertriebsoptimierung, Prognose des Kundenverhaltens und Kundensegmentierung sind die Haupttreiber von Data Analytics, so die Studie Datenland Deutschland von Deloitte. Auch im Mittelstand ist das Interesse an der Analyse großer Datenmengen hoch. Laut einer weiteren Deloitte-Untersuchung (Data Analytics im Mittelstand) berichten 87 Prozent der Befragten von stark ansteigenden Datenmengen im Unternehmen, die es nötig machen, Entscheidungen immer schneller zu treffen.

Es fehlen Know-how und Fachkräfte

Ein wesentlicher Grund für die noch geringe Nutzung von Big Data Analytics ist im Mitarbeiterbereich zu sehen. Hier fehlen die notwendigen Fachkräfte. Zudem suchen fast 60 Prozent der Unternehmen nach klassisch ausgebildeten Wirtschaftswissenschaftlern für die Datenanalyse. Weniger als zehn Prozent bemühen sich um erfahrene Naturwissenschaftler, die mit Algorithmen und Analysemodellen Mehrwerte aus den Daten generieren können. Wie ein Data Scientist genau aussehen sollte, ist Gegenstand verschiedener Studien. Fest steht in jedem Fall, dass es zu wenige davon gibt. So besteht laut der Lünendonk-Studie „Recruiting für die digitale Transformation“ unter anderem im Bereich Business Analytics/Big Data eine besonders hohe Nachfrage am Markt.

Spezielle Data Studios helfen beim Einstieg

Ein möglicher Weg, Big Data Analytics trotz fehlender Fachkräfte einzuführen, liegt darin, diejenigen, die die Analyseergebnisse benötigen, so weit wie möglich zu befähigen, selbst die vorhandenen Daten auszuwerten. Die Marktforscher von Gartner erwarten, dass bereits 2017 die meisten Unternehmen Zugriff auf Self-Service-Funktionen für Data Analytics haben werden.

Big Data Analytics als Self-Service kann allerdings nur gelingen, wenn es auf Anwenderebene und damit in den Fachabteilungen möglich wird, selbst die Datenquellen anzuzapfen, die Analysefunktionen und Abfragen selbst zu erstellen und ebenso die Dashboards und Berichte in Eigenregie zu definieren. Das gelingt nicht ohne Unterstützung durch die interne IT, oftmals wird auch ein Support durch externe Dienstleister erforderlich sein. Trotzdem können Self-Service-Tools bei Big Data Analytics einen hohen Beitrag dazu leisten, dass die Analyse großer Datenmengen schneller zur Anwendung kommt. Eine solche Unterstützung bieten verschiedene Tools, die man auch als Data Studio bezeichnen kann. Beispiele sind RapidMiner Studio, Zoomdata, Data Science Studio von Dataiku, Jedox Cloud, Pentaho Instaview und Talend Integration Cloud.

Kriterien zur Auswahl von Self-Service Analytics

Welches Self-Service Tool oder Data Studio für das eigene Unternehmen geeignet ist, hängt von mehreren Faktoren ab. Zum einen ist die Frage, wie umfangreich der verfügbare Support sein soll. Reicht ein Online-Bereich „Learning“ und ein Gruppen-Forum, um die eigenen Fragen beim Einstieg zu klären, oder wird die Unterstützung durch Dienstleister, womöglich auch vor Ort im Unternehmen erforderlich sein? Wichtig sind zudem natürlich die verfügbaren Konnektoren und damit die Liste der unterstützten Datenquellen, die zum Bedarf des eigenen Unternehmens passen muss.

Da Big Data Analytics häufig eine Aufgabe für ein Team darstellt, sollte auch geprüft werden, welche Funktionen zur Zusammenarbeit vorhanden sind und welche Mehr-Nutzer-Versionen angeboten werden. Weiterhin gibt es Unterschiede, wie einfach die Analysen und Abfragen definiert werden können, ob also zum Beispiel ein rein visueller Zugang über Drag-and-drop von Analyse-Modulen möglich ist. Nicht zuletzt sollten die Templates für Diagramme, Berichte und Dashboards zu den Vorstellungen des eigenen Unternehmens passen. Ganz ohne Anpassung wird es oftmals nicht gehen, aber die wesentlichen Punkte könnten und sollten bereits in den Vorlagen enthalten sein, um den Einstieg wirklich leicht und schnell zu machen. Da Big Data immer auch ein Thema für Datensicherheit und Datenschutz ist, gilt es auch, diese Funktionen unter die Lupe zu nehmen. Immerhin soll die Nutzung von Big Data Analytics nur für befugte Nutzer leichter werden und nicht für Datendiebe.

Kommentar zu diesem Artikel abgeben
Nach meiner Einschätzung werden die Begriffe Big Data und Data Scientist tatsächlich völlig...  lesen
posted am 18.01.2016 um 18:24 von Unregistriert


Mitdiskutieren

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 43804834 / Analytics)