Sentient Enterprise

Teradata will Unternehmen „empfindsam“ machen

| Autor / Redakteur: Ariane Rüdiger / Nico Litzel

Das Teradata-Management von links nach rechts: Oliver Ratzesberger, Leiter der Teradata Labs, der deutsche Geschäftsführer Sascha Puljic und Dr. Michael Gerstauer, Head of Business Consulting bei Teradata Deutschland
Das Teradata-Management von links nach rechts: Oliver Ratzesberger, Leiter der Teradata Labs, der deutsche Geschäftsführer Sascha Puljic und Dr. Michael Gerstauer, Head of Business Consulting bei Teradata Deutschland (Bild: Rüdiger)

Oft beantworten Datenanalysten Fragen anhand veralteter Daten. Diesem Missstand will der Analytics-Spezialist Teradata mit dem Konzept vom „Sentient Enterprise“ entgegentreten – in etwa zu übersetzen mit „empfindsames“ oder „fühlendes“ Unternehmen.

Oliver Ratzesberger, Präsident der Teradata Labs mit rund 1.400 Wissenschaftlern, arbeitete jahrelang für eBay daran, mithilfe von analytischen Techniken besser zu verstehen, was eBay-Nutzer sich wünschen. Dann entwickelte er gemeinsam mit einem Wissenschaftler über zweieinhalb Jahre hinweg das Konzept des „Sentient Enterprise“. Das stellte der Manager und Datenspezialist nun in München Kunden, Partnern und der Presse vor.

Unternehmen können bei ihren Analysen nur selten auf einen kongruenten Datensatz zurückgreifen. Häufig benutzen unterschiedliche Abteilungen verschiedene Datensätze oder definieren Kennwerte unterschiedlich. Oft weiß niemand, wo sich Daten befinden, und viele Daten sind schwer zu verstehen. Nach einer Studie der European Intelligence Unit verbrauchen Datenanalysten 78 Prozent ihrer Zeit bei der Suche nach Daten.

Dazu kommt die sogenannte Daten-Drift: Wird ein Datensatz kopiert, sind Original und Kopie sehr schnell nicht mehr deckungsgleich: Kunden ziehen um, Preise werden erhöht oder gesenkt, Lieferanten gewechselt. Basieren die Analysen – wie meist – auf der Kopie, verwenden sie irrelevantes Material. Der Prozentsatz falscher Daten in Kopien könne durchaus bei 60 Prozent liegen, so Ratzesberger.

Interaktion in Echtzeit und das Internet der Dinge

Gleichzeitig greifen neue technologische Trends: Interaktion in Echtzeit, Internet der Dinge, schlanke Apps statt schwerfälliger Applikationen und Selbstbedienung heißen einige. Ratzesberger: „Es geht um eine andere Kultur, andere Prozesse und eine andere Umgangsweise.“ Unternehmen müssten sich „wie ein Organismus“ verhalten, in dem alle Teile ständig zusammenarbeiten.

Um das zu erreichen, hat Ratzesberger sein Fünf-Stadien-Modell entwickelt. Es leitet Teradata inzwischen bei der Beratung von Kunden, die nach datengetriebenen Geschäftsmodellen suchen. In Deutschland sind derzeit acht Teradata-Berater unter Leitung von Dr. Michael Gerstlauer, Head of Business & Industry Consulting, in der Anwendung des Modells geschult, weitere sollen hinzukommen.

Best Practices und Konzepte gibt es derzeit schon für die Data Driven Supply Chain, weitere werden folgen. Zudem investiert Teradata in neue Produkte und Dienste, etwa Analytik aus der Cloud. Hier arbeitet man unter anderem mit AWS zusammen, baut aber auch ein eigenes Rechenzentrum in unmittelbarer Nähe der deutschen AWS-Ressourcen auf.

Fünfschichtige Datenarchitektur

Ratzesbergers Konzept liegt eine fünfschichtige Datenarchitektur zugrunde, die mit unterschiedlichen Zugriffsrechten pro Schicht verknüpft ist. Auch Endanwender aus der Fachabteilung bekommen Datenzugriff, allerdings nur auf eine experimentelle Lab-Schicht (siehe Grafik in der Bildergalerie) und die Darstellungsebene. Nur ausgewiesene Data Scientists können auf alle Datenebenen zugreifen und sie verändern. Außerdem unterscheidet Teradata zwischen eng, locker und nicht gekoppelten Daten. Die Daten auf der Anwenderebene und direkt aus den Datenquellen sind vorwiegend nicht gekoppelt, am höchsten ist der Kopplungsgrad auf der Präsentations- und der Aggregationsebene.

Als ersten Schritt sollen Unternehmen agiler werden. „Agil bedeutet aber nicht, unerlässliche Schritte wie Dokumentation oder Konzeption einfach wegzulassen. Das führt ins Chaos“, mahnt Ratzesberger. Bei eBay habe man gute Erfahrung im Aufbau sogenannter Sandboxen, experimenteller Datenräume, gemacht, die nur für ein, zwei oder drei Monate existieren und auf echten Daten, nicht auf Kopien arbeiten. Dort würden aber alle Abfragen und Aktionen auf den Daten aufgezeichnet und es würden experimentelle Analysemethoden auf die Daten angewandt. Bei eBay habe man Sandboxen bis 250 Gigabyte in Selbstbedienung sogar ohne Anfrage einrichten lassen.

Zweiter Schritt ist die Integration verhaltensbasierender Daten wie sie Sensoren, Social Media Feeds, Clickstreams etc. Das bedeutet, dass zehn- bis hundert Mal mehr Daten analysiert werden müssen. Einsatzbereiche sind beispielsweise Multichannel-Analysen des Finanzverhaltens von Einzelpersonen oder Analysen in Windparks, die die aktuellen Strömungen, Wetter, Wind, Maschinenparameter und Daten aus dem Stromnetz ad hoc integrieren müssen. Dabei sind meist nicht die schieren Mengen das Problem, sondern der organisatorische Rahmen, der oft zu starr ist.

„LinkedIn für Analytics“

Als Drittes sollte, so Ratzesberger, eine „Collaborative Ideation Platform“, also eine gemeinsam genutzte datengetriebene Ideenplattform entstehen. „Wir stellen uns eine Art LinkedIn für Analytics vor“, erklärt er. Sie sollte auch spielerische Ansätze gestatten, um neue Erkenntnisse zu gewinnen, und möglichst vielen Ideengebern zugänglich sein. „Zu viele Unternehmen behandeln Daten heute noch als einen Wert, den man nicht mit anderen teilt“, sagt Ratzesberger. Dies stehe der kollaborativen Natur der Wissensgenerierung entgegen.

Vierter Schritt ist der Aufbau einer Plattform für analytische Applikationen, wobei die entstehenden Apps tatsächlich geschäftswirksam sein müssten. Hier sollen die Erkenntnisse der Datenanalysten mit den App-Ideen anderer Mitarbeiter, etwa aus der Fachabteilung, zusammenfließen. „Jeder mit ein bisschen Programmierwissen sollte Apps auf Datenbestände und -modelle schreiben und sie im Unternehmen verbreiten können“, fordert Ratzesberger. Das dafür genutzte App-Framework solle auch Mechanismen enthalten, mit denen Apps schnell in Produktion gehen können.

Zudem komme es darauf an, dass nicht die Plattform die nötigen Daten anfordere, sondern jede Daten erzeugende Einheit selbst ihre Daten an die Plattform liefere, so dass diese stets auf aktuelle Daten aus allen möglichen Quellen zugreifen kann. Damit entstehe eine „Data Listening Platform“, deren Datenbestände weitaus aktueller seien als die durch die bisherigen Pull-Verfahren erzeugten. „Dabei integriert man die Daten gewissermaßen von außen nach innen statt umgekehrt“, erklärt Ratzesberger. Daher müssten entsprechende Schnittstellen vorhanden sein.

Mehr Zeit für die Entscheidungsfindung

Letzter denkbarer Entwicklungsschritt ist die autonome, prädiktive Entscheidungsplattform, mit deren Hilfe Anwender mehr Zeit für die datengestützte Entscheidungsfindung haben, statt die meiste Zeit mit der Datensuche zu verbringen. Sie ersetzt die Definition von Schwellenwerten durch die automatische Detektion abweichender Muster durch entsprechende Algorithmen. „Es erfordert ein geändertes Denken, sich bei Entscheidungen tatsächlich auf die Ergebnisse der Datenanalysen zu verlassen statt auf die Erfahrungen Einzelner. Tatsächlich zeigt sich aber meist, dass die auf Daten basierenden Entscheidungen besser sind“, berichtet Ratzesberger von seinen Erfahrungen bei eBay.

Daher sei das Change Management das Wichtigste, um zu einem „Sentient Enterprise“ zu werden, was bis zu zehn Jahre dauern könne. Unbedingt brauche man die Unterstützung der obersten Führungsebene und eine Einbindung in die Gesamtstrategie des Unternehmens – bis hin zur Ernennung eines Chief Data Officer. Nicht jeder müsse alles umsetzen – es komme auf den individuellen Bedarf an. Allein die richtige Umsetzung von Agile dauere aber zwei bis drei Jahre. Nötig seien klare Ziele, eine Roadmap und ausreichend Ressourcen. Der Lohn bestehe in zukunftsfähigen, datengetriebenen Geschäftsmodellen, die bisher unbekannte Erlösquellen erschließen.

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: 44170776 / Analytics)