Kommentar von Aaron Auld, Exasol

Big Data fordert Unternehmen heraus

| Autor / Redakteur: Aaron Auld / Nico Litzel

Der Autor: Aaron Auld ist CEO der Exasol AG
Der Autor: Aaron Auld ist CEO der Exasol AG (Bild: Exasol AG)

Bis 2020 werden mehr als sieben Milliarden Menschen mit mindestens 30 Milliarden Endgeräten geschätzte 44 Zettabyte an digitalen Daten produzieren. Schon heute fallen über alle Branchen hinweg Unmengen von Daten an und das enorme wirtschaftliche Potenzial von Big Data wird zweifellos erkannt. Um aber davon zu profitieren, müssen Unternehmen nun eine entsprechende datengetriebene Strategie in den internen Abteilungen verankern und gleichzeitig unterschiedliche Technologien an die Bedürfnisse der Abteilungen anpassen.

Allein in diesem Jahr hat der Markt für Business Intelligence enorm zugelegt. Einen nicht zu vernachlässigenden Beitrag ist hier der schnellen Entwicklung des Internets der Dinge zuzuschreiben. Immer mehr untereinander und mit dem Internet verbundene Geräte lassen das Datenvolumen über viele Branchen hinweg rasant wachsen. Einhergehend mit dieser Entwicklung steigt die Bedeutung der Datenanalyse in zahlreichen Entscheidungsprozessen in Unternehmen.

Und auch der Stellenwert von Data Science – also die Gewinnung von Erkenntnissen aus den erhobenen Daten – stieg in jüngster Zeit. Die Konsequenz: Das Verständnis und die Akzeptanz für Data Driven Business müssen innerhalb der Unternehmen mit dieser Entwicklung mitwachsen. Sind diese einmal vorhanden, so schließt sich die Lücke zwischen dem technologischen Fortschritt und den Bedürfnissen der einzelnen Unternehmensabteilungen. Nur so lässt sich das volle Potenzial von Big Data ausschöpfen.

Data Driven Business im Fokus

Keine Frage: Der Umbau eines Unternehmens hin zu einer datengetriebenen Denkweise ist eine enorme Herausforderung. Die Mitarbeiter der verschiedenen Fachabteilungen müssen zusammenarbeiten und eine datengetriebene Unternehmenskultur entwickeln.

Dazu gilt es, entsprechende Strukturen aufzusetzen und Know How auszubauen. Auch der Einkauf von Know-how kann eine Option sein, wenn das Wissen im Unternehmen nicht ausreichend vorhanden ist. Hier kommt der Data Scientist ins Spiel, der in der jeweiligen Abteilung mit mathematischen Methoden die richtigen Antworten aus den Daten erzeugt. Das entsprechende Jobprofil wird in naher Zukunft definitiv eines der Gefragtesten sein.

In-Memory-Lösungen werden immer populärer

Vor allem In-Memory Computing wird in den kommenden Jahren eine entscheidende Rolle spielen. Eine aktuelle Studie von PAC zeigt, dass insbesondere mittelständische Unternehmen aus der Industrie ein immer größeres Interesse daran haben, In-Memory-Lösungen zur Datenanalyse einzusetzen. Ein wichtiger Grund dafür ist die Erkenntnis, dass das stetig wachsende Datenvolumen zeitnah analysiert und ausgewertet werden soll.

In-Memory liefert die dafür benötigte Performance und Geschwindigkeit. Gleichzeitig sinken die Preise für Hauptspeicher, was die Lösungen auch monetär immer attraktiver macht.

Hadoop eignet sich zwar hervorragend zur Datenspeicherung und kann in vielen Branchen eingesetzt werden, für Analysen in Echtzeit ist die Lösung allerdings nicht geeignet. Die In-Memory-Technologie wird deshalb laut Marktanalysten innerhalb der nächsten zwei Jahre den Höhepunkt des sogenannten „Hype Cycle“ von Gartner erreichen und sich als Mainstream-Technologie durchsetzen.

Cloud-Lösungen sind auf dem Vormarsch

Seit längerer Zeit ein Trend- und Hype-Thema, wird sich der Cloud-Computing-Anteil bei Big Data in den nächsten Jahren weiter erhöhen. In diesem Zusammenhang machen Komplettlösungen und Services das Rennen vor reinen Software-Produkten, denn gerade im Bereich Data Analytics gewährt die Cloud einen Zugang zu professionellen BI-Lösungen.

Selbst bei knappem Budget lassen sich mithilfe von flexibel skalierbaren Software-as-a-Service- oder Cloud-Lösungen Big-Data-Projekte ad hoc und kostengünstig umsetzen. So können beispielsweise auch mittelständische Unternehmen leistungsfähige Lösungen einsetzen, da nur wenig Know-how im eigenen Haus aufgebaut werden muss und initiale Investitionen sowie die Verantwortung für die gesamte Hard- und Software entfallen.

Zudem bieten flexible Laufzeiten und Skalierungsmöglichkeiten im SaaS-Bereich mehr Agilität und weniger Risiko. So werden Cloud-Modelle für datengetriebene Start-ups immer interessanter – auch sie können damit schneller auf rasant ansteigende Datenmengen und geänderte Anforderungen reagieren.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  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? Kontaktieren Sie uns über: support.vogel.de/ (ID: 43768959 / Infrastruktur)