Big Data Analytics Zukunftssicher mit ganzheitlichen Datenstrategien

Effizientes Datenmanagement ist für Unternehmen längst nicht mehr die Kür, sondern die Pflicht. Ohne Echtzeitanalyse von Kundendaten und Handlungsempfehlungen auf Basis von Predictive Modelling verliert man am schnelllebigen digitalen Markt Kunden im Handumdrehen an innovativere Konkurrenten oder hungrige Startups. Doch was zeichnet eine erfolgreiche Datenstrategie aus?

Anbieter zum Thema

PFLITSCH GmbH & Co. KG

Schneider Electric GmbH

SMC Deutschland GmbH

Atos Information Technology GmbH

Daten als der Rohstoff der digitalen Wirtschaft ist ein vielbemühtes Sinnbild. Ein grundlegender Unterschied wird bei aller Metapherfreude jedoch gern übersehen: Wo sich traditionelle Ressourcen durch ihre natürlich begrenzte Verfügbarkeit auszeichnen, produzieren Menschen schon heute Daten im Überfluss. Über 90 Prozent sind dabei höchstens zwei Jahre alt und jeden Tag kommen dank drei Milliarden Internetnutzern und mehreren Milliarden web-fähiger Geräte 2,5 Trillionen Byte dazu. Ein Ende dieser Entwicklung ist nicht absehbar. Damit stehen Unternehmen vor der Herausforderung eine betriebsweite Datenstrategie zu entwickeln und zu implementieren, um die richtungsweisenden Informationsdiamanten herauszuarbeiten. Denn wer das Potenzial der verfügbaren Daten nicht nutzt, fällt zurück: IDC Europe beziffert den Wettbewerbsvorteil von Unternehmen, die Analytics effektiv nutzen zu ihren weniger innovativen Mitbewerbern auf rund 430 Milliarden US-Dollar. Schnell, agil und flexibel – das sind die Eigenschaften, die ungeachtet der Betriebsgröße über den Erfolg am digitalen Markt entscheiden.

Prophetische Produktionsprozesse

Einer dieser greifbaren Vorteile ist das sogenannte „Predictive Modelling“. Die aus zielgerichteter Big Data Analytics gewonnenen Daten bilden die Grundlage für Prognosen und Entscheidungsempfehlungen. Diese wiederum lassen Unternehmen zielgerichtet auf Trends reagieren und antizipierte Entwicklungen reaktionsschnell in die Unternehmensprozesse integrieren. Die Analyse lässt sich auch nach innen richten: Produzierende Unternehmen können anhand der erfassten Daten Warenmengen besser kalkulieren, Lagerkosten reduzieren und Kunden fristgerecht und ohne Lieferengpässe versorgen. „Predictive Maintenance“ geht sogar noch einen Schritt weiter: Datenmuster in Leistungs- und Produktionsstatistiken prognostizieren drohende Defekte und Verschleißerscheinungen, sodass Wartungsarbeiten bereits erfolgen können, bevor es zu einem Stillstand der Produktion kommt. Gerade diese Monitoring- und Alarmfunktionen lassen sich nach einiger Zeit und Vertrautheit mit den Maschinendaten weitgehend automatisieren und fernsteuern.

Richtige Datenstrategie: An einem Strang ziehen

Obwohl sich die Erfolgsfaktoren der Digitalisierung angenehm verallgemeinern lassen, ist das für den Weg zu ihnen nicht möglich. Im Gegenteil: Eine ganzheitliche Datenstrategie und ihre technischen Spezifika sind für jedes Unternehmen unterschiedlich. Big Data auf Biegen und Brechen ist der falsche Ansatz. Die Tools müssen zusammenpassen und sich in die bereits vorhandene Infrastruktur einfügen. Statt einem Flickenteppich aus Einzellösungen empfiehlt sich deshalb eine End-to-End-Lösung von einem erfahrenen Big-Data-Analytics-Experten. Hierbei erhält das Unternehmen von Planung und Consulting bis zur Hardware/Software-Integration alles aus einer Hand und kann mit einem einzigen Ansprechpartner fokussiert auf die übergeordneten Geschäftsziele hinarbeiten.

Diese Ziele werden in gemeinsamen Consulting-Sessions im Detail erarbeitet. Auch die IT-Abteilung sollte bereits in diesem Stadium einbezogen werden, um Fachwissen bei der Planung der Architektur und Funktionsumfang einzubringen. Am Anfang sollten zudem zentrale Sicherheits-, Rechts- und Compliance-Fragen ausgeräumt werden. Vor allem mit Sicht auf die spätere Automatisierung der Datenprozesse benötigen Unternehmen den richtigen Data-Governance-Ansatz, der dem aktuellen datenschutzrechtlichen Standard gerecht wird. Spezialisierte Dienstleister zeichnen sich hier von Beginn an auch durch juristisches Know-how aus. Das ist wichtig, da vor allem bei Datennutzung und -schutz die rechtlichen Richtlinien in steter Bewegung sind.

Anschließend werden in praxisorientierten Workshops die verfügbaren Daten analysiert und aus diesen wiederum Verbesserungen der aktuellen Geschäftsmodelle und mögliche weitere Services und Prozesserweiterungen entwickelt. Hierbei arbeiten Entscheider, Consultants und Data Scientists zusammen, um aus Projekterfahrung und Branchenwissen individuelle Best Practices abzuleiten. Zum Abschluss werden diese an einem beispielhaften Datensatz angewendet, um die Vorteile der Datenanalyse sowie weiteres Potenzial aufzuzeigen.

Offen für Innovationen bleiben

Die wichtigste Lektion der Digitalisierung gilt auch für Big Data Analytics: Stillstand ist Rückschritt. Wer führend bleiben will, darf sich Innovationen nicht verschließen, auch wenn eine ganzheitliche Analyse-Lösung implementiert wurde. Big-Data-Technologien verändern sich rasend schnell und eröffnen dadurch laufend neue Möglichkeiten. Entwicklungen kommen nicht nur von etablierten Herstellern, sondern auch aus der Open-Source- und Startup-Community. Unternehmen sollten regelmäßig überprüfen, ob die eigenen Anwendungen noch zeitgemäß oder zu verbessern sind.

* Thomas Schramm, Head of B&PS, Atos Deutschland

(ID:44922437)