Andreas Gödde, SAS, zur Studie „Wettbewerbsfaktor Analytics“

Big Data Analytics sind die Basis für fundierte Geschäftsentscheidungen

Seite: 3/3

Firmen zum Thema

Inzwischen ist es keine Frage mehr, ob Unternehmen den Einzug von Big Data willkommen heißen, sondern wann sie ihre IT tatsächlich darauf abstellen. Bei der Wahl der passenden Lösung für die Migration auf eine Big-Data-Umgebung gilt es, einige Punkte zu berücksichtigen.

  • 1. Integrierte Plattform/Umgebung: Die vollständige Abdeckung des End-to-End-Prozesses beim Information Management dient auch der Datenqualität. Tools verschiedener Anbieter bringen den Nachteil mit sich, dass sie zusätzlichen Aufwand für die manuelle Integration erfordern; eine Lösungssuite aus einer Hand lässt sich wesentlich einfacher managen und kommt der Datenqualität zugute.
  • 2. Einbindung von Fachanwendern: Um die schon überlastete IT-Abteilung nicht noch mehr zu strapazieren, ist es sinnvoll, den Anwendern in den Fachabteilungen mehr Verantwortung zu geben. Über einfach zu bedienende, leistungsstarke Benutzeroberflächen können sie auf die Daten zugreifen, diese bearbeiten, zusammenführen und bereinigen.
  • 3. In-Database-Datenqualität: Technologien für Datenprofilierung, -validierung und -standardisierung müssen den Ansprüchen von Big Data an die Performance genügen. Mit In-Database-Verarbeitung können Daten ohne Bewegung und hochperformant innerhalb der Datenbank-Appliance im Hinblick auf Datenqualitätsanforderungen bereinigt werden.
  • 4. Weniger Datenbewegung: Durch Datenbewegung verursachte Latenz gehört zu den häufigsten Gründen für Performance-Probleme im Zusammenhang mit datenintensiven Anwendungen. Daher sollten vorwiegend Tools geprüft werden, die die Notwendigkeit, Daten hin- und herzuschieben, minimieren.
  • 5. Schnittstelle zu Hadoop: Hadoop entwickelt sich zunehmend zur De-facto-Plattform für Big-Data-Anwendungen. Aus diesem Grund ist es wichtig, dass das entsprechende Tool die Datendistribution innerhalb des Hadoop Distributed File System (HDFS) und des parallelen Programmiermodells von MapReduce unterstützt.
  • 6. Governance: Entscheidend für einheitliche Daten ist, dass sie effizient im Unternehmen geteilt werden. Anwender benötigen einen uneingeschränkten Zugang zu einer immer größer werdenden Sammlung an kritischen Metadaten für strukturierte und unstrukturierte Assets. Voraussetzung dafür ist ein Metadaten-Repository, das ein Business Glossary unterstützt und in der Lage ist, Datendefinitionen sowie damit verbundene Meta-Tags zu erfassen.

Fazit

Big Data an sich bildet noch keinen Wert – dieser entsteht erst, wenn die Rohdaten verarbeitet und analysiert werden, sodass sich neue Kenntnisse und Umsatzmöglichkeiten eröffnen. Die umfassenden Veränderungen bei Big-Data-Technologien und der Einstellung des Managements müssen jetzt auch auf die Nutzung von Daten für Entscheidungsprozesse und Produkt-/Serviceinnovationen übertragen werden. Fest steht, dass Big Data Analytics Unternehmen und ihre Geschäftsmodelle komplett umkrempeln wird – und Unternehmen, die diese Veränderungen mit offenen Armen empfangen, verschaffen sich einen immensen Vorsprung.

Bildergalerie

Die deutschsprachige Wirtschaft versäumt mit ihrem aktuellen Analyseverhalten und -vorgehen allerdings noch wichtige Wettbewerbsvorteile. Um Big-Data-Potenziale wirklich zu erschließen, gilt es, die Datenqualität sicherzustellen und ein leistungsfähiges, intuitiv bedienbares Analysewerkzeug zu wählen. Damit sind die Voraussetzungen erfüllt, um datenbasierte Entscheidungen zu treffen – und damit einen wichtigen Schritt auf dem Weg zum maximalen Erkenntnisgewinn und Geschäftserfolg weiterzugehen.

(ID:42936522)