Mittelstand und Big Data

Kleiner Leitfaden für eine Big-Data-Potenzialanalyse

| Autor / Redakteur: Christian Löhnert / Nico Litzel

Der Autor: Christian Löhnert ist Pre-Sales Consultant bei Consol Consulting & Solutions Software
Der Autor: Christian Löhnert ist Pre-Sales Consultant bei Consol Consulting & Solutions Software (Bild: Consol)

Weil Big Data mit großen Datenmengen zu tun hat, assoziieren IT-Verantwortliche das Thema oftmals auch mit großen Konzernen. Sie nehmen an, dass vor allem dort große Mengen an strukturierten und unstrukturierten Daten entstehen und analysiert werden müssen. Ein Blick auf den Mittelstand jedoch zeigt: Auch hier gibt es viele und unterschiedliche Daten und auch hier kann es sich lohnen, eine Big-Data-Initiative zu starten.

Wie sollten mittelständische Unternehmen dabei vorgehen? Worauf müssen sie achten, damit eine solche Initiative auch kostentechnisch überschaubar bleibt? Wie groß ist der Aufwand einer solchen Initiative? Im folgenden Beitrag wird eine Vorgehensweise vorgestellt, die mittelständischen Unternehmen bei der Entwicklung einer Big-Data-Strategie helfen kann und zeigt am Beispiel eines Telekommunikationsanbieters einen konkreten Nutzen auf.

Gesunden Menschenverstand walten lassen

Zunächst sollten sich Unternehmen fragen: Gibt es ungenutzte Daten mit dem Potenzial, einen Geschäftsnutzen daraus zu ziehen? Und wenn ja: Wie lässt sich das Potenzial dieser Informationen bestmöglich identifizieren? Welche Schritte sind dazu notwendig?

Um ein erstes grundsätzliches Gefühl dafür zu bekommen, ob ein Einsatz von Big Data überhaupt lohnt, reicht für eine erste Annäherung ein genauer Blick in das Unternehmen und eventuell der Vergleich mit anderen, auch größeren Marktbegleitern. Dazu können Firmen auch Markt- und Fallstudien zurate ziehen. Oder IT-Dienstleister mit Branchenerfahrung. In vielen Fällen erhält man dadurch bereits eine grobe Vorstellung der Möglichkeiten und findet sogar konkrete Ansatzpunkte, um zu beantworten, welche Daten sich für welchen Zweck nutzen lassen.

Ermittlung des Informations-Ökosystems

Mit der Annahme im Gepäck, welche Potenziale es gibt, gilt es anschließend, diese Annahme genau zu überprüfen und einen tieferen Blick auf die im Unternehmen vorhandenen Daten zu werfen. Formal bieten sich hierzu Assessments an, in denen das „Informations-Ökosystem“ analysiert wird, um alle relevanten Daten ausfindig zu machen. Das beschränkt sich nicht nur auf unternehmensinterne Daten. Auch Informationen außerhalb der Unternehmensgrenzen können dabei eine Rolle spielen, wenn diese sinnvoll in Beziehung gesetzt werden können.

Ein spezieller Gesprächsleitfaden kann helfen, den Datenbestand möglichst vollständig für die Big-Data-Potenzialanalyse zu erfassen. Fragen sind zum Beispiel: Welche Daten liegen wo in welcher Form vor? Welches Volumen an Daten liegt vor bzw. wird erzeugt? Wie häufig werden die Daten erzeugt und/oder geändert? Welche bekannten Beziehungen haben die Daten zu anderen? Gibt es Einschränken bei der Nutzung und Speicherung der Daten? Welche Schnittstellen gibt es, um an die Daten zu gelangen?

Was zunächst banal klingt, ist jedoch von unschätzbarem Wert: Die Assessments bilden in der Praxis die Basis für die Identifikation von Big-Data-Potenzialen. Je gründlicher sie durchgeführt werden, desto besser lassen sich im Folgenden Potenziale ableiten. Formal werden solche Assessments in der Regel als Interviews mit den IT- und Abteilungsverantwortlichen durchgeführt.

Analyse

Die gesammelten Informationen werden im nächsten Schritt einer Analyse unterzogen. Ziel dabei ist es, Daten und Zusammenhänge aufzuzeigen, zu clustern und eine System-Daten-Matrix zu erstellen. Die Analyse ist meist der aufwendigste Teil, da hierfür ein umfassendes Verständnis der branchentypischen Daten und Zusammenhänge notwendig ist. Es müssen – so zeigt die Praxis – viele Rück-und Verständnisfragen mit den Verantwortlichen geklärt werden. Aus der Analyse ergibt sich dann in der Regel ein Bild von definierten Datendomänen.

Eine Datendomäne kapselt dabei verschiedene Daten und Datentöpfe in generische Cluster mit ähnlichen Inhalten: zum Beispiel Kundendaten, Interaktionsdaten, Marketinginformationen, Finanz- und Rechnungsdaten, Stammdaten aus dem Bereich Produkte und Services und viele mehr – je nach Branche und Unternehmen. Um eine Einordnung und Bewertung im Big-Data-Kontext zu erleichtern, sollten die Domänen und Daten weiter klassifiziert werden.

Kriterien hierfür sind beispielsweise Volumen, Häufigkeit und Art des Auftretens, ihre Variabilität (unterschiedliche Arten und Anzahl des Auftretens aus verschiedenen Quellen), dem Typ (strukturiert oder unstrukturiert) und der Qualität bzw. des Informationsgehaltes.

Von der Analyse in die Anwendungspraxis

Aufgrund der ermittelten Datenbasis und Domänen lassen sich in einem nächsten Schritt Anwendungsfälle ableiten. Dabei sollten Firmen auch Wünsche und Anregungen aus den Fachabteilungen berücksichtigen. Dies erfolgt in der Regel in einem internen Gremium zur Potenzialfindung, bestehend aus Big-Data-Initiatoren, den IT-Verantwortlichen und den Fach-Verantwortlichen. Diese sollten in einem Brainstorming zunächst davon ausgehen, dass grundsätzlich alle Daten und Domänen genutzt und verknüpft werden können.

Das Ergebnis ist dann oftmals eine Sammlung möglicher Szenarien, welche von einfach bis komplex, domänenintern bis Domänen übergreifend, von naheliegend realistisch bis visionär reichen. Wichtig ist: Bei der Zusammenstellung des Gremiums darauf achten, dass verschiedene Mitarbeiter mit unterschiedlichen Charakteren und Denkweisen eingebunden sind. Das vergrößert die Bandbreite an Ideen.

Auswahl der Anwendungsfälle

Um sich nicht zu überfordern, sollten Unternehmen als nächstes aus der Menge an Anwendungsmöglichkeiten ein oder zwei Szenarien auswählen. Daran lässt sich dann schnell überprüfen, ob und wie durch Big Data in kurzer Zeit ein reeller Mehrwehrt für das Business geschaffen werden kann.

Es ist grundsätzlich empfehlenswert, Big Data als iterativen Prozess zu verstehen. Denn die Möglichkeiten, die ein Big-Data-Ansatz durch die Verknüpfung aller verfügbaren Datenquellen mit sich bringt, sind komplex und nicht auf einmal greifbar. Die Charakteristika eines ersten gewählten Szenarios sollten daher eine geringe Komplexität, schnelle Realisierbarkeit und ein erkennbarer Mehrwehrt sein. Das folgende Beispiel soll nun erläutern, wie so ein erkennbarer Mehrwert in der Praxis aussehen kann.

Praxisbeispiel

Ein mittelständischer Telekommunikationsanbieter hat eine Big-Data-Initiative gestartet – gemeinsam mit dem IT-Dienstleister Consol – und ist nach den oben beschriebenen Schritten vorgegangen. Die Analysephase ergab, dass eine große Menge an ungenutzten Daten vor allem im Bereich der Netzinfrastruktur entsteht: Der Carrier versorgt ca. 500.000 Kunden, die mit ihrem Endgerät ans Netz angebunden sind. Die Endgeräte melden zu jedem Zeitpunkt Daten über ihren Status und damit über den Zustand des Netzes, das zudem mit Monitoring-Lösungen überwacht wird.

Aus der Analyse dieser Zustandsdaten ergaben sich Fragen, zum Beispiel: Wo treten Fehler oder Ausfälle im Netz auf und wie häufig? Wo ist die Auslastung des Netzes hoch? Wo treten ungewöhnliche Schwankungen im Netz auf? Wie ändert sich die Versorgungslage im Netz (Ab- und Aufschaltungen)? Wie sehen Netz- und Leitungsparameter aus Netzelement- und Endgerätesicht aus?

Aus diesen einfachen Fragestellungen und der entsprechenden Datenanalyse und -korrelation ist es nun möglich, neue Erkenntnisse zu gewinnen und diese als Basis für vorausschauende Entscheidungen („Predictive Analytics“) zu nutzen: Der Telekommunikationsanbieter kann nun zum Beispiel Fehlermuster bei Netzelementen und Endgeräten erkennen und frühzeitig Techniker zum Einsatz schicken, bevor Ausfälle tatsächlich entstehen.

Durch die gewonnenen Netzinformationen lassen sich auch Ausfallwahrscheinlichkeiten von Geräten ermitteln und diese Erkenntnisse zur Verbesserung der Servicequalität nutzen, zum Beispiel durch Anpassung der Serviceintervalle. Eine Analyse eignet sich auch für die Optimierung von Netzausbau und Wartung: Werden theoretische und reale Bandbreite, Netzaufschaltungen und Netzlast korreliert, können geeignete Gebiete für den Netzausbau und die Wartung ermittelt und vorhergesagt werden.

Fazit & Ausblick

Das Unternehmensbeispiel des Telekommunikationsanbieters zeigt, dass das Aufdecken von Möglichkeiten zum Einsatz von Big Data einen konkreten Nutzen bringt. Wie dieser ausfällt, hängt vom Unternehmen, der Branche und vielen einzelnen Faktoren ab. Nach der erfolgreichen Potenzialanalyse erfolgt dann in der Regel die technische Umsetzung.

Dabei geht es darum, die geeigneten Big-Data-Technologien zu wählen, die Architektur zu definieren, passende Hardware zu finden und zu implementieren. Steht dann erstmalig ein zentraler „Enterprise Data Hub“ zur Verfügung, lassen sich leicht neue, innovative und umfassende Fragestellungen beantworten, die vorher durch einzelne und gekapselte Datensilos nicht zu beantworten waren. Und somit noch mehr Nutzen für das Unternehmen generieren.

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? Infos finden Sie unter www.mycontentfactory.de (ID: 43716221 / Best Practices)