Suchen

Interview mit Rob Mellor, Wherescape So gelingt die Automatisierung des Datenmanagements

| Autor / Redakteur: Annette Civanyan / Nico Litzel

Rob Mellor ist Vice President und General Manager EMEA bei Wherescape, einem Pionierunternehmen in Sachen Automatisierung von Data Warehouses. BigData-Insider hatte Gelegenheit für ein Gespräch.

Firmen zum Thema

Rob Mellor, Vice President und General Manager EMEA bei Wherescape
Rob Mellor, Vice President und General Manager EMEA bei Wherescape
(Bild: Wherescape)

BigData-Insider: Stichwort Datenverwaltung: Vor welchen Herausforderungen stehen Unternehmen heutzutage?

Mellor: Tatsächlich haben Unternehmen weniger ein Problem mit der Verwaltung der Menge ihrer Daten, sondern eher mit ihrem Datamanagement, das es möglich machen soll, Erkenntnisse aus diesen Daten ziehen zu können. Ohne diese Erkenntnisse ist es schwierig richtige Entscheidungen für das Unternehmen zu treffen. Unternehmen, die die Herausforderungen des Datamanagements am erfolgreich lösen, können schneller agieren, sind innovativer und haben deshalb Vorteile gegenüber ihren Wettbewerbern. Das richtige Datamanagement ist daher für den Geschäftserfolg genauso wichtig, wie ein einzigartiges Produkt oder die Einstellung der richtigen Mitarbeiter.

Wie kann die IT dieses Problem lösen?

Mellor: Das ist auch deswegen nicht so einfach, weil es noch immer eine Kluft zwischen der IT selbst und dem Unternehmen an sich gibt. Es kommt oft zu Reibungsverlusten zwischen Anwendern, die mit neuen Initiativen nach vorne preschen, und der IT, die dann möglichst schnell die notwendigen Erkenntnisse aus Daten liefern soll, damit man die richtigen Entscheidungen treffen kann. Bei vielen neuen Initiativen wird die IT an der „Time to Value“ gemessen, also der Zeit, die vergeht, bis eine Neuerung für die Organisation Wert schöpft. Die IT kann hier aktiv die Reibung verringern und die Time to Value verkürzen, indem sie Prozesse zur Datenanalyse automatisiert. Damit eliminiert sie manuelle Aufgaben und löst so mit jedem automatisierten Prozess Schritt für Schritt das Problem des Datamanagements.

Wie können es Unternehmen es denn überhaupt schaffen, aus all diesen Daten wertvolle Ableitungen zu treffen?

Mellor: Mehrere meiner Kunden nutzen in dem Zusammenhang gern die Metapher, dass sie „aus dem Feuerwehrschlauch trinken“ würden. Das trifft es schon ganz gut, wobei ich überzeugt bin, wie schon zuvor gesagt, dass es eher ein Problem des Datamanagements ist und nicht so sehr die Datenmenge an sich. Dass die Datenmenge weiter ansteigt, ist jedem klar. Man weiß aber auch, dass all diese Daten wertvoll sind. Die logische Ableitung daraus ist, dass die Daten einfach besser verwaltet werden müssen. Das ist natürlich einfacher gesagt als getan und viele Unternehmen werden es nicht ohne externe Hilfe schaffen. Umso wichtiger ist es für diese Unternehmen den richtigen Partner zu finden, der dabei hilft die Datenerfassung zu automatisieren und damit Druck aus dem Schlauch zu nehmen, um in der Metapher zu bleiben

Wie genau funktioniert diese Automatisierung in der Praxis?

Mellor: Die Automatisierung erfolgt über eine Software, die den Prozess der Erfassung intelligent automatisiert. Das bedeutet, dass die Daten direkt nach der Erfassung verfügbar sind und somit die Time to Value enorm verkürzt wird. Die Software ist im besten Fall flexibel, kann für jede Anforderung angepasst werden und bietet einen im Voraus definierten Ansatz Prozesse zur Datenerfassung zu automatisieren.

Welche Organisationen können denn überhaupt automatisieren?

Mellor: Prinzipiell kann jedes Unternehmen, dass sich mit seinen Daten beschäftigt, von Automatisierung profitieren. Wir arbeiten mit sehr großen Marken wie Nike, Vodafone und VW, aber auch mit kleinen Anbietern im Handel. Wir arbeiten zum Beispiel mit einem Obstproduzenten in Großbritannien zusammen, der sich auf unsere Automatisierungssoftware stützt, um konstante Daten von Sensoreinheiten in den Feldern zu liefern, und wir arbeiten mit einem weltweit renommierten Automobilhersteller zusammen, um ihm bei Leasingverträgen, die auf historischen Daten basieren, einen Wettbewerbsvorteil zu verschaffen.

Kann Automatisierung auch beim Einsatz Künstlicher Intelligenz helfen?

Mellor: Aber sicher! Auch Maschinelles Lernen benötigt Daten als Grundlage. Ob Mensch oder Maschine, es spielt im Prinzip keine Rolle, wer die Daten letzten Endes benötigt.

Und wie sieht es mit Echtzeitdaten aus?

Mellor: Ja, auch die Datenanalyse in Echtzeit kann automatisiert werden. Das beinhaltet beispielsweise die Analyse von Streaming-Daten wie Internet of Things (IoT), Sensordaten, Log-Dateien, Einkäufe im Einzelhandel, Social-Media-Inhalte oder andere kontinuierlich generierte Daten. Richtig analysiert können diese Daten Ihrem Unternehmen Einblicke in Trends, Krisenherde und möglichen Chancen geben – und das in Echtzeit! Auch bei der Betrugserkennung, Cybersicherheit, maschinellem Lernen, der Optimierung der Lieferkette und vielen anderen Beispielen sind Echtzeitdaten die Basis für wichtige Erkenntnisse. Es geht also darum die Erkenntnisse möglichst schnell zu erhalten und dies kann nur geschehen, wenn die Erfassung automatisiert ist

Das klingt in Worten natürlich einfach, ist es in der Praxis aber natürlich nicht. Die Herausforderung für die IT besteht darin, Datenquellen und Streaming-Technologien in bestehende Analyse-Umgebungen zu integrieren und sie so schnell und einfach für das Unternehmen zugänglich zu machen. Wenn die Automatisierung Streaming-Daten unterstützt, minimiert sie die Lernkurve für IT-Teams und reduziert die Komplexität der Verwaltung einer Mischung aus Streaming und traditionellen Batch-basierten Daten.

Big Data, Echtzeitdaten, GDPR: Unternehmen kämpfen derzeit an vielen Fronten. Wie hilft Wherescape hier?

Mellor: Ja, all diese Problemfelder halten uns tatsächlich auf Trab. Viele Kunden übersehen darüber hinaus, dass noch jede Menge ältere Daten gespeichert haben, die es zu integrieren gilt, um sie als Grundlage zu nutzen. Wir helfen hier bei der Integration im ersten Schritt und im zweiten Schritt mit der Implementierung einer Automatisierungssoftware. Erst wenn man diese beiden Hürden genommen hat, kann mit Big-Data-Analysen begonnen werden. Wir begleiten Kunden dabei bei jedem einzelnen Schritt auf ihrem Weg zur umfänglichen Business Intelligence

(ID:45425199)