Suchen

Wissensquelle Datenflut Sieben Tipps, um mehr aus Big Data rauszuholen

| Autor / Redakteur: Harry Thomsen / Nico Litzel

Daten enthalten eine Unmenge an Informationen. Doch wie lässt sich Wichtiges von weniger Wichtigem trennen? Auf die richtige Systematik kommt es an!

Firmen zum Thema

Der Autor: Harry Thomsen ist Geschäftsführer der SAP Deutschland SE & Co. KG
Der Autor: Harry Thomsen ist Geschäftsführer der SAP Deutschland SE & Co. KG
(Bild: SAP)

Wenn es Unternehmen heute an einem nicht mangelt, dann sind es Daten. Dass das so ist, hat vor allem eine Ursache. Die Zahl potenzieller Datenquellen wächst stetig – genauso wie die Häufigkeit, mit der Daten erhoben werden. Neue mobile Verkaufsstände, angeschlossene Sensoren, soziale Medien, integrierte Customer-Relationship-Management-Systeme, gesetzliche Vorgaben und statistische Daten des täglichen Geschäftsbetriebs auf globaler Ebene: Die Digitalisierung der Gesellschaft und der Wirtschaft zieht zwangsläufig gleich dem Schneeballeffekt immer neue Herkunftsquellen für Daten nach sich.

Damit ist auch klar: Big Data ist mittlerweile ein Massenphänomen und für Unternehmen jeder Branche ein Thema. Gerade weil in den riesigen Datenbeständen aussagekräftige Informationen schlummern, die als Grundlage für strategische Entscheidungen und damit als Indikatoren für die zukünftige Richtung eines Unternehmens dienen können. Innovative In-Memory-Datenbanken bieten hier völlig neue Möglichkeiten, strukturierte und unstrukturierte Daten zu konsolidieren und zu analysieren.

Die Einsatzszenarien sind vielfältig: Banken gewinnen mit vorausschauenden Echtzeit-Analysen bessere Einblicke in Risiko-, Betrugs- und Liquiditätsszenarien. So lassen sich mögliche Gefahren aufdecken, bevor der Bank ein Schaden entsteht. Einzelhändlern helfen die aus Big Data gewonnenen Informationen, ihre Produktauswahl und Preisgestaltung zu optimieren, Filialbestände zu kalkulieren und personalisierte Angebote für ihre Kunden zu erstellen. Öl-und Bergbauunternehmen unterstützen die Daten dabei, abgelegene Regionen, die reich an natürlichen Ressourcen sind, zu identifizieren und Störungen ihrer technischen Geräte zu verhindern, bevor sie auftreten.

Doch was zeichnet ein gutes Big-Data-Konzept aus? Gerade unter dem Gesichtspunkt betrachtet, dass die steigende Anzahl an Datenquellen und die zunehmende Datenvielfalt es immer schwieriger machen, gute Analyseergebnisse zu erzielen.

Unternehmen, die ihre enormen Datenbestände gewinnbringend nutzen möchten, sollten daher folgende grundlegende Schritte beachten:

  • 1. Einheitliche Daten sammeln: Damit Unternehmen einen Nutzen aus ihren Datenbeständen ziehen können, kommt es vor allem auf eines an: Genauigkeit und Einheitlichkeit. Entscheidend ist, die passenden Filter zu setzen, um Diskrepanzen zu erkennen und zu beseitigen. Wichtig ist auch das Vorhandensein einer Infrastruktur, mit der gesammelte Daten von Beginn an ausgewertet werden können.
  • 2. Daten schnell verarbeiten: Nicht nur an der Supermarkttheke kommt es auf die Frische an. Auch Daten verlieren innerhalb kürzester Zeit an Wert. Optimale Ergebnisse lassen sich nur erzielen, wenn sie in Echtzeit verarbeitet werden. Bei der Entscheidung für ein Datenverarbeitungssystem spielt dessen Geschwindigkeit eine maßgebliche Rolle – genauso wie der schnelle Datenzugriff der Entscheidungsträger. Fast schon selbstverständlich: Simples Design und intuitive Softwareoberflächen erleichtern die Abfrage und Visualisierung komplexer Datenbestände.
  • 3. Einen Stammdatensatz pflegen: Datensätze zu kopieren und hin und her zu schieben, kann riskant sein. Zudem verursachen redundante Daten in verschiedenen Anwendungen zusätzliche Wartungskosten. Mit integrierten Funktionen zum Auffinden und Löschen von Duplikaten werden überflüssige Kopien vermieden und es bleibt nur ein Stammdatensatz erhalten.
  • 4. Ein breites Spektrum an Datensätzen heranziehen: Für einen möglichst genauen Überblick reicht es nicht, nur eine oder zwei Variablen zu betrachten. Vielmehr sollten möglichst unterschiedliche Datensätze ausgewertet und analysiert werden. Von externen unstrukturierten Datenbeständen wie Social-Media-Daten oder Kundenbewertungen bis hin zu internen strukturierten Datenquellen wie Risikodaten und Daten zum Zahlungsverkehr – je breiter das Spektrum, desto aussagekräftiger ist das Ergebnis.
  • 5. Ungenutzte Datenressourcen aktivieren: Die riesigen Datenbestände in Unternehmen bleiben oft ungenutzt. Dabei sind sie von großem Wert. Mithilfe von neuen Technologien und vorausschauenden Analysen können Unternehmen aus den Daten neue Erkenntnisse gewinnen und ihren Umsatz steigern. Jeder neue Datensatz ist dabei potenziell wertvoll und darf ohne vorherige Auswertung nicht gelöscht werden.
  • 6. Automatische Prozesse beaufsichtigen: Die Auswertung von Datenbeständen gehört in die Hände von Datenanalysten. Die Teams sollten zudem möglichst heterogen sein, also aus Mitarbeitern mit verschiedenen Fachgebieten und Hintergründen bestehen. Ihre unterschiedlichen Perspektiven können dem Unternehmen helfen, bessere Ergebnisse zu erzielen.
  • 7. Daten mit tatsächlichen Problemen in Verbindung bringen: Werden Daten im luftleeren Raum analysiert, so verringert das ihren potenziellen Wert. Deshalb sollten die Daten immer im Hinblick auf wichtige Geschäftsprozesse wie Cross-Selling, Betrugsaufdeckung oder Risikomanagement analysiert werden.

Big Data ist kein Hype, riesige Datenmengen sind die neue Realität. In den immer stärker umkämpften Märkten gewinnen sie an Bedeutung. Der Nutzen, der aus diesen Datenbeständen gezogen werden kann, entscheidet im Wettbewerb über Erfolg oder Misserfolg. Wenn Sie sich an diese Schritte halten, stellen Sie sicher, dass sie die riesigen Datenmengen nutzen – und sich nicht von ihnen lahmlegen lassen.

(ID:42925370)