Was „Big Data“ so wichtig für Kundeninteraktion macht

Werbung
FÜR:
Strategieexperten von
Markenherstellern
Was „Big Data“ so wichtig für
Kundeninteraktion macht
von Sanchit Gogia, 1. Juni 2012
Zusammenfassung
Big Data ist real und beeinflusst die Kundeninteraktion
Immer mehr Unternehmen ersetzen ihre isolierten, transaktionsorientierten
Marketing-Systeme durch integrierte, sozial vernetzte Lösungen. Im Zuge dieser
Umstellung ergeben sich neue Herausforderungen in Bezug auf Kundendaten.
Big Data zeichnet sich durch den Anstieg bei Volumen, Geschwindigkeit, Vielfalt
und Variabilität der Daten aus. Um die Kundeninteraktion zu verbessern, müssen
Unternehmen in Lösungen investieren, die diesen Aspekten Rechnung tragen.
Big-Data-Initiativen sind Chefsache
Big-Data-Projekte müssen durch die Geschäftsführung selbst getragen werden. Sie
können nicht wie andere IT-Projekte an den CIO delegiert werden, denn die resultierenden Kennzahlen sind von strategischer Bedeutung. Die IT übernimmt jedoch
eine wichtige Funktion bei der Unterstützung und Verwaltung in den Phasen der
Auswahl und des Rollouts der Technologie. Eine Big-Data-Initiative ohne Einbeziehung betriebswirtschaftlicher Aspekte ist von vornherein zum Scheitern verurteilt.
CIOs müssen Big Data holistisch betrachten
Viele Unternehmen sehen Big Data gleichbedeutend mit MPP (Massively Parallel
Processing, dt.: Massenparallelrechner, MPR). Dabei übersehen sie, dass Big Data
auch Geschäftsprozesse maßgeblich beeinflusst. CIOs müssen einen holistischen
Ansatz für Rollouts von Big-Data-Technologie wählen, damit sie die Entscheidungsfindung verbessern können. Dabei sind aussagekräftige Auswertungen der Daten
ebenso entscheidend wie ihre zielgerichtete Verwendung.
Forrester Research, Inc., 60 Acorn Park Drive, Cambridge, MA 02140 USA
Tel.: +1 617.613.6000 | Fax: +1 617.613.5000 | www.forrester.com
Für Strategieexperten von Markenherstellern
1. Juni 2012
Was „Big Data“ so wichtig für Kundeninteraktion
macht
Big-Data-Initiativen sind Chefsache
von Sanchit Gogia
unter Mitwirkung von Michael Barnes, Boris Evelson, Brian Hopkins, Holger Kisker,
Ph.D., Noel Yuhanna, Dane Anderson und Rupika Malhotra
Warum Sie diesen Bericht lesen sollten
Verbraucher nutzen immer mehr Kanäle, um sich Informationen zu beschaffen, Erfahrungsberichte auszutauschen oder Produkte und Dienstleistungen zu kaufen. Unternehmen tun sich oft schwer, die Qualität
der Kundeninteraktion durch eine stärkere Integration ihrer Lösungen und auch Nutzung von sozialen
Netzwerken zu verbessern. Aus diesem Grund investieren sie in Applikationen und Plattformen, die innovative Kanäle wie Online-Communitys, App-Märkte und mobile Endgeräte unterstützen. Das Ergebnis
dieser Maßnahmen sind rapide wachsende Datenmengen, die durch Volumen, Geschwindigkeit, Vielfalt
und Variabilität geprägt sind – Big Data. In diesem Bericht wird die Bedeutung von Big Data unterstrichen
sowie die Herausforderungen, denen sich Organisationen im Umgang mit den Daten-massen gegenübersehen. Entscheidungsträger spielen bei der erfolgreichen Durchführung von Big-Data-Initiativen eine
ebenso wichtige Rolle wie die Wahl der Best Practices für ihre Gestaltung. Strategieexperten von Markenherstellern erhalten in diesem Bericht ausführliche Informationen zu den Gründen für die erhöhte Nachfrage nach Big Data und mögliche Einsatzszenarien.
Inhalt
Hinweise und Quellen
2 Neue Modelle der Kundeninteraktion
produzieren Big Data
Die Umfrage wurde unter mehr als 25 Kunden,
Anwendern und Markenherstellern durchgeführt. Zu ihnen gehören Aircel, Capgemini,
Dell, EMC, Essar Group, IBM, IMS Health,
Infosys, Mahindra Satyam, MapR
Technologies, Microsoft, NetApp, PwC, SAP,
SAS, Shoppers Stop und Wipro IT Business.
5 Die Folgen der Datenflut
7 Neue Informationsstrategien zur Verwaltung
von Big Data
Empfehlungen
11 Wer die Möglichkeiten von Big Data kennt,
kann sie effektiv einsetzen
Auswirkungen
12 Die Bedeutung für den CIO
12 Die Bedeutung für Markenhersteller
12 Ergänzendes Material
Ergänzende Forschungsunterlagen
Leveraging Emerging Technology To Up The
Ante On Customer Engagement
28. März 2012
Expand Your Digital Horizon With Big Data
30. September 2011
How Forrester Clients Are Using Big Data
20. September 2011
Big Opportunities In Big Data
18. Mai 2011
© 2012, Forrester Research, Inc. All rights reserved. Unauthorized reproduction is strictly prohibited. Information is based on best
available resources. Opinions reflect judgment at the time and are subject to change. Forrester®, Technographics®, Forrester Wave,
RoleView, TechRadar, and Total Economic Impact are trademarks of Forrester Research, Inc. All other trademarks are the property
of their respective companies. To purchase reprints of this document, please email [email protected]. For additional
information, go to www.forrester.com.
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
2
Neue Modelle der Kundeninteraktion produzieren Big Data
Unternehmen verabschieden sich immer öfter von isolierten, transaktionsorientierten Systemen, wie
z. B. ERP, CRM und reinen Händlersystemen. Der Trend geht zu integrierten Lösungen mit Social-MediaFunktionen. Über diese Lösungen können mehr Kunden erreicht und die Interaktion mit ihnen über alle
Kanäle besser verwaltet werden. Dieser Trend hat zwei Auswirkungen: Die Zunahme unterschiedlichster
Daten muss verwaltet und die enorme Menge an komplexen Daten muss in Echtzeit verarbeitet werden.
Schon die traditionellen Applikationen wie ERP und CRM liefern eine ständig wachsende Menge an
strukturierten Daten, jedoch können unstrukturierte Daten aus unterschiedlichen Quellen wie sozialen
Netzwerken oder nur teilstrukturierte Daten aus M2M-Prozessen den IT-Bereich regelrecht überschwemmen.
Herkömmliche Business-Intelligence-Ansätze müssen also um Lösungen ergänzt werden, die Big Data
unterstützen – auch für einfach strukturierte Transaktionen. Forrester definiert Big Data wie folgt:
Techniken und Technologien, die die Bewältigung großer Datenmengen möglich und erschwinglich machen.
Der richtige Umgang mit Big Data bedeutet also, dass Technologien und Know-how im Unternehmen
vorhanden sein sollten, die die aussagefähige Analyse von großen Datenmengen sowohl technisch als auch
wirtschaftlich ermöglichen.1 Diese Daten stammen aus mehreren Quellen, sodass CIOs ihre Strategien
zum Informations-Management überdenken und neue Ansätze zur Sammlung, Speicherung, Analyse und
Bereitstellung von Daten finden müssen:
■ Online-Plattformen und -Communitys generieren große Mengen an unstrukturierten Daten.
Unternehmen interagieren mit ihren Kunden zunehmend über populäre Social-Media-Plattformen
wie Facebook, LinkedIn und Twitter. Andere Beispiele für Online-Communitys sind App-Märkte und
Drittanbieter-Websites, auf denen Kunden Produkte und Dienstleistungen bewerten. Unternehmen
wie AT&T, Carphone Carousel, Domino’s, Procter & Gamble, Tesco und Unilever nutzen eine Reihe
solcher Plattformen zur Kundeninteraktion.2 Die dabei gewonnenen Daten lassen sich zur SentimentAnalyse und Entwicklung von Strategien für die Vergrößerung der Markenreichweite einsetzen. Der
Nachteil besteht darin, dass diese Daten in kaum oder gar nicht strukturierter Form vorliegen.
■ Daten von mobilen und anderen Endgeräten bieten bessere Einblicke in das Kundenverhalten.
Mobile Endgeräte werden von Unternehmen nicht nur zur Bereitstellung von Informationen
an ihre Kunden genutzt, sondern sind auch ideal für die Interaktion mit ihnen über Services wie
Mobile-Banking und M-Payment. Auch Endgeräte wie Info-Terminals und Smart Cards werden zur
Automatisierung einfacher Prozesse immer häufiger eingesetzt. Beispiele dafür sind der Check-in am
Flughafen oder die Zahlung von Parkgebühren. So sammelt ein Telekommunikationsunternehmen in
Südostasien regelmäßig Mobilfunkdaten seiner Kunden, um deren Verhalten besser verstehen und
seine Marketing-Kampagnen optimal darauf abstimmen zu können.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
3
■ Intelligente Lösungen liefern teilstrukturierte Daten für Optimierung der Betriebsabläufe.
Auf Basis teilstrukturierter Daten aus Quellen wie RFID und Sensoren, wie sie meist in B2B-Umgebungen
eingesetzt werden, können Unternehmen fundiertere Entscheidungen treffen. Händlern liefern diese
Daten Informationen über die Nachfrage nach ihren Produkten und zur besseren Organisation von
Lagerhaltung und Logistik. Sie können ebenfalls in die Produktentwicklung einfließen, um Kundenerlebnisse zu verbessern. Ein Paradebeispiel dafür bietet Cisco Systems – ein Unternehmen, das Big-DataLösungen von IBM zur zentralen Überwachung und Steuerung von Gebäudesystemen einsetzt. Cisco
kann so den Energieverbrauch optimieren und Maßnahmen zur präventiven Wartung und Reparatur
der Gebäudesysteme automatisieren.
Big Data bedeutet einen Wettbewerbsvorteil
Der Ansatz, die Kundeninteraktion mittels Datenanalyse zu optimieren, ist nicht neu. Doch haben sich
Modelle und Kennzahlen für die Analyse aufgrund neuer Datenquellen geändert. Einfachere Konzepte
wie die herkömmliche Einteilung in Umsatzsegmente erfreuen sich zwar nach wie vor großer Beliebtheit,
jedoch entdecken immer mehr Unternehmen die Vorteile von Predictive Modelling. Beispielsweise stützen
sich Prognosen zur Kundenfluktuation auf Echtzeitdaten und erlauben so eine zuverlässigere Messung der
Kundeninteraktion. Organisationen, die diesen Weg beschreiten, erschließen neue Absatzchancen und
sichern sich einen erheblichen Wettbewerbsvorteil. Hier ein paar Beispiele:
■ Telekommunikationsunternehmen: Ausgefeilte Kennzahlen ermöglichen Einblicke in das
Kundenverhalten. Um Kundendaten besser verwalten und analysieren zu können, fasst ein indisches
Telekommunikationsunternehmen alle Datenbanken und Informationsquellen zu einer konsolidierten
Data-Warehouse-Plattform zusammen. Das Unternehmen setzt Predictive Modelling z. B. bei der
Kundenfluktuation ein, um seine Kunden in Segmente zu unterteilen und ihnen maßgeschneiderte
Lösungen anzubieten. Die Zusammenführung von Kundenprofilen aus sozialen Netzwerken und
CRM ist in Planung. Forrester schätzt, dass das Unternehmen überdurchschnittlich von sozialen
Netzwerken profitieren und eine „720-Grad“-Sicht auf seine Kunden realisieren wird. Die 360-GradSicht auf die geschäftlichen Aspekte der Kundenbeziehung werden also um die soziale Dimension
erweitert. Zu diesem Zweck müssen Unternehmen auch die sozialen Interaktionen ihrer Kunden, z. B.
mit Freunden, Familie, Kollegen und Partnern, verstehen und in ihren Analysen berücksichtigen.
■ Bank: Datenanalyse steigert die Kundenrentabilität. Einen innovativen Ansatz zur Nutzung von
Big Data im Finanzsektor verfolgt EMC mit seiner Lösung Greenplum, mit der für eine US-Bank
kundenspezifische Empfehlungen auf Basis von Warenkorb-Analysen und Berechnungen des Kundenlebenszeitwertes erstellt werden können.3 Die Bank reichert diese Daten noch mit unstrukturierten
Aktivitätsprotokollen an, um Risikokunden zu identifizieren.
■ Kreditkartenunternehmen: Das Verständnis der Funktionsweise von sozialen Netzwerken erhöht
die Kundenbindung. Falls ein Kunde ein Produkt oder eine Dienstleistung kündigt, könnten andere
Personen im sozialen Umfeld dieses Kunden seinem Beispiel folgen. Um diesem Effekt entgegenzuwirken, nutzen amerikanische Finanzdienstleister Transaktionsdaten und Muster in der Kartennutzung
zur Identifizierung sozialer Verbindungen. Auf Basis der so gewonnenen Erkenntnisse können
Kampagnen zur Kundenbindung zielgruppengenau durchgeführt sowie der Kundenumsatz und
Gewinn gesteigert werden.4
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
4
Big Data betrifft jeden – auch den B2B-Bereich
Die Bedeutung von Big Data wird häufig primär für den B2C-Bereich wie Handel und Telekommunikation
thematisiert. Jedoch lassen Erhebungen unter Entscheidungsträgern in Branchen, die nicht direkt mit
Endverbrauchern in einer Geschäftsbeziehung stehen – Maschinenbau und Regierungsbehörden sind
Beispiele hierfür – vermuten, dass Big Data auch hier im Entscheidungsprozess an Bedeutung gewinnt. Zwar
spielen Online-Communitys und die Endgeräte der Verbraucher für Organisationen in diesen Branchen
eine untergeordnete Rolle, doch können ihnen die teilstrukturierten Daten aus M2M-Prozessen
interessante Erkenntnisse liefern. Beispiele:
■ Mediziner nutzen den Echtzeit-Zugriff auf Patientendaten, um Komplikationen zu begegnen.
Mithilfe von IBM können Mediziner des University of Ontario Institute of Technology (UOIT)
Komplikationen im Gesundheitszustand ihrer Patienten früh erkennen und Veränderungen laufend
überwachen.5 Dazu sammelt das UOIT Daten aus medizinischen Überwachungsgeräten und analysiert
diese in Echtzeit, sodass das Krankenhauspersonal bei Komplikationen alarmiert werden kann, noch
bevor die Patienten klinische Symptome einer Infektion oder Ähnliches zeigen.
■ Verkehrsinformationen in Echtzeit ermöglichen ein effizienteres Verkehrs-Management. An der
KTH, einer technischen Universität in Schweden, sammeln Forscher Verkehrsdaten in Echtzeit aus
verschiedenen Quellen wie GPS-Positionsdaten von Fahrzeugen, Radarsensoren auf Autobahnen,
City-Mautstellen und Wetterberichten. Aus diesen Daten erstellen die Forscher intelligente Modelle
zur aktuellen Verkehrssituation, um z. B. die Fahrtdauer für Strecken innerhalb eines Stadtgebietes
zu berechnen, Alternativrouten vorzuschlagen und insgesamt den Verkehr in Ballungsräumen zu
entzerren.
■ Umweltdaten nutzen Unternehmen, Forschung und der öffentlichen Sicherheit. IBM unterstützt
das Marine Institute Ireland bei der Ausbringung neuer Sensoren in der Bucht von Galway, um Daten
zu Umweltbedingungen, Verschmutzungsgrad und Unterwasserwelt nahezu in Echtzeit zu sammeln
und zu veröffentlichen.6 Anwender können über spezielle Portale auf diese Daten zugreifen, um
verschiedene Trend- und Modellberechnungen vorzunehmen. Hierüber können sich die Anwender
auch mittels definierter Grenzwerte beim Eintritt bestimmter Ereignisse wie z. B. einer möglichen
Überschwemmung oder einer Zunahme der Umweltverschmutzung alarmieren lassen. Diese Lösung
hat die Genauigkeit von Flutwarnungen erhöht und durch ein automatisches Frühwarnsystem die
öffentliche Sicherheit erheblich verbessert.
■ Predictive Analytics retten Leben und verhindern Sachschäden bei Waldbränden. Forscher der
Universität Maryland, Baltimore County, (UMBC) analysieren Wetterbedingungen, Bodenverhältnisse
und historische Daten zur Echtzeitmodellierung von Bränden, um Todesopfer und Sachschäden zu
vermeiden. Hochentwickelte Systeme für Predictive Analytics errechnen anhand der Daten boden-,
luft- und satellitengestützter Sensoren in Echtzeit, wie sich Brände verhalten und welche Auswirkungen
sie haben. Auf Basis vorläufiger Berechnungen ist die Lösung in der Lage, eine um rund 16 % genauere
Vorhersage während der ersten drei Tage nach einem Brandausbruch zu treffen.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
5
Die Folgen der Datenflut
Immer mehr Unternehmen nutzen Applikationen und Plattformen, die innovative Kanäle unterstützen.
Die Folge davon ist eine erhebliche Zunahme des Datenvolumens. Damit einher gehen neue Anforderungen
an Informations-Management und -architektur. Nicht immer kann die IT schnell genug auf neue Trends
reagieren und die Kundenerlebnisse zeitnah verbessern, denn die technischen Herausforderungen an die
Verwaltung, Bereitstellung und Analyse von Echtzeitdaten sind enorm.
Der Dialog mit Entscheidungsträgern und eine neue weltweite Umfrage unter 60 Forrester-Kunden, die
über Kenntnisse oder Erfahrung im Zusammenhang mit Big Data verfügen, bestätigt, dass nicht nur das
Volumen an Informationen explosionsartig zunimmt.7 Zwar ist das Datenwachstum an sich für viele der
Befragten das Hauptmotiv, Big-Data-Lösungen in Betracht zu ziehen. Jedoch gaben sie auch das Tempo
der Veränderungen, wachsende Vielfalt und strukturelle Variabilität als Auslöser an. Eine regionale
Umfrage von Forrester mit dem Titel „Forrsights Strategy Spotlight: Business Intelligence and Information
Management in Asia Pacific Excluding Japan“ (4. Quartal 2011) unter 452 Experten aus den Bereichen IT
und Geschäftsführung förderte zutage, dass Art, Komplexität und Volumen von Daten Unternehmen vor
große Herausforderungen stellen (vgl. Abb. 1). Über drei Viertel (77 %) der Befragten erwarteten, dass
zunehmende Mobilität und Kundenorientierung den Informationsbedarf weiter erhöhen werden. Mehr
als die Hälfte der Umfrageteilnehmer nannten die Verwaltung von und den Zugriff auf unstrukturierte
Daten (57 %) und die wachsende Datenmenge (51 %) als größte Herausforderungen.
Deshalb sollten Organisationen die fünf Säulen von Big Data berücksichtigen, wenn sie diesen Ansatz
wählen wollen: Volumen, Geschwindigkeit, Vielfalt, Variabilität und Werthaltigkeit.8 Die Ergebnisse der
Forrester-Studie und der Austausch mit Entscheidern aus der IT lassen folgende Schlussfolgerungen zu:
■ CIOs nutzen verschiedene Ansätze, um Big Data zu bewältigen. Angesichts der Komplexität, die
Big Data mit sich bringt, wählen CIOs im asiatisch-pazifischen Raum eine Kombination aus verschiedenen Ansätzen zur Durchführung ihrer Initiativen (vgl. Abb. 2). Fast 20 % der Befragten äußerten,
dass sie lieber überhaupt nichts mit Big Data zu tun hätten. Wenn jedoch ein Problem in diesem
Zusammenhang zu lösen ist, greifen sie meist (37 %) zu einer optimierten Software-Lösung wie
Hadoop. Ebenfalls häufig genannte Alternativen waren die Skalierung vorhandener relationaler
Datenbanktechnologien sowie die Inanspruchnahme von Cloud-Infrastruktur bzw. -Dienstleistern.
Diese uneinheitliche Herangehensweise an das Thema offenbart zweierlei: Es herrscht Unsicherheit
darüber, welche Konzepte am besten sind. Außerdem besteht der Wunsch, vorhandene Systeme als
Ausgangsbasis einzusetzen. Nach Forresters Auffassung ist die Nutzung vorhandener Systeme durchaus
sinnvoll, jedoch muss sie um einen holistischen Ansatz zum Big-Data-Management erweitert werden.
Gelingt Organisationen dies nicht, wird Big Data kaum zur Erreichung der Unternehmensziele beitragen.
■ Die Best Practices für Big Data sind nicht ausreichend definiert. Da das Konzept noch nicht
ausgereift ist, tasten Unternehmen sich häufig nur vorsichtig an Fragen zu Geschäftsprozessen,
Methoden, Richtlinien und Sicherheit heran. Die Implementierung von Big Data hat auf alle diese
Fragen Auswirkungen und bedarf somit der Integration in alle Prozesse. Dennoch befürchten viele
Unternehmen, dass sie eine weitere isolierte Sparte im Bereich des Informations-Managements
bilden könnte. So tut sich beispielsweise ein Versicherungsunternehmen, das Big Data einsetzen
möchte, noch schwer mit verschiedenen Aspekten wie den Richtlinien für Data-Warehousing und
der Einbindung bestehender Systeme zur Verwaltung von Analysen in Echtzeit.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
6
■ Die Einbindung von Entscheidungsträgern in Big-Data-Implementierungen ist eine
kontinuierliche Herausforderung. Entscheidungsträger bestätigen, dass Big-Data-Initiativen oft
durchgeführt werden, ohne dass Anwendungsszenarien und Kennzahlen im Vorfeld ausreichend
definiert wurden. Folglich haben die Angestellten Probleme damit, die aus den hochentwickelten
Analysemodellen gewonnenen Daten überhaupt sinnvoll zu nutzen. So hat z. B. ein Handelsunternehmen eine Machbarkeitsstudie durchführen lassen, um den Nutzen von Big Data zu beurteilen.
Zwar wurde das Projekt vom CIO geleitet, jedoch erhielt er nur wenig aktive Unterstützung seitens
der Geschäftsführung. Als Folge davon konnten die für die strategischen Geschäftseinheiten relevanten Kennzahlen, für die Big Data die Grundlage liefern sollte, nur schwer definiert werden.
Darüber hinaus erwies es sich als problematisch, die Analysewerkzeuge einer ausreichend großen
Anwenderbasis zugänglich zu machen, da keine Klarheit darüber herrschte, welchen Nutzen die
Auswertungsergebnisse für die Optimierung einzelner Geschäftsprozesse haben könnten.
Abbildung 1 Die neuen Herausforderungen von Big Data an das Informations-Management
„Inwieweit stimmen Sie den folgenden Aussagen zu?“
(Prozentanteile der Antworten mit 4 oder 5 Punkten auf einer Skala von
1 = „stimme überhaupt nicht zu“ bis 5 = „stimme voll zu“.)
Durch die Nutzung von Smartphones und
Tablets nimmt der Informationsbedarf
unter Angestellten zu
77 %
Die Verwaltung unstrukturierter Daten und der
Zugriff darauf stellen unser Unternehmen vor
große Herausforderungen
57 %
Die Verwaltung wachsender Datenmengen und
der Zugriff darauf stellen unser Unternehmen
vor große Herausforderungen
Durch Cloud-basierte Applikationen nimmt das
Volumen strukturierter und unstrukturierter Daten
in unserem Unternehmen stark zu
51 %
40 %
Basis: 452 Entscheider aus den Bereichen IT und Geschäftsführung in Unternehmen aus Australien,
China, Hongkong, Indien, Malaysia und Singapur mit mindestens 20 Angestellten
Quelle: Forrsights Strategy Spotlight: „Business Intelligence And Information Management In Asia Pacific
Excluding Japan“, 4. Quartal 2011
72241
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
Quelle: Forrester Research, Inc.
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
7
Abbildung 2 Unterschiedliche Ansätze bei der Bewältigung von Big-Data-Herausforderungen
„Welchen Ansatz verfolgen Sie bei der Verwaltung von Big Data?“
Optimierte Software-Lösungen wie Hadoop
37 %
33 %
Skalierung vorhandener relationaler Technologien
32 %
Cloud-basierte Infrastruktur oder Cloud-Dienstanbieter
In-Memory-Datenbanken (IMDB)
29 %
Business-Intelligence-Lösungen
28 %
Spaltenorientierte Datenbanken
23 %
Wir haben kein Konzept für Big Data
19 %
Big Data stellt für uns kein Problem dar
Noch unentschlossen
10 %
6%
Basis: 452 Entscheider aus den Bereichen IT und Geschäftsführung in Unternehmen aus Australien,
China, Hongkong, Indien, Malaysia und Singapur mit mindestens 20 Angestellten
(mehrfache Antworten möglich)
Quelle: Forrsights Strategy Spotlight: „Business Intelligence And Information Management In Asia Pacific
Excluding Japan“, 4. Quartal 2011
Hinweis: Antworten mit „Ich weiß nicht“ wurden nicht berücksichtigt.
72241
Quelle: Forrester Research, Inc.
Neue Informationsstrategien zur Verwaltung von Big Data
Organisationen setzen Business-Intelligence-Lösungen, -Technologien und -Ansätze erfolgreich zur
Steigerung der Rentabilität ein, doch bisher stützten sie sich dabei meist auf strukturierte Daten. Mit dem
zunehmenden Gewicht von Big Data haben sie allerdings Schwierigkeiten, die neue Art von Informationen
in die vorhandene Architektur des Informations-Managements zu integrieren und sie zu nutzen. Forrester
ist überzeugt, dass Kundeninteraktion nur verbessert werden kann, wenn IT-Entscheider unstrukturierte
und teilstrukturierte Daten erfolgreich in ihr Business-Intelligence-Konzept integrieren.9
■ Strukturierte Daten bleiben eine wichtige Entscheidungsgrundlage. Viele CIOs bestätigen den hohen
Stellenwert von Analysen, um ihren Kunden optimierte Angebote unterbreiten zu können. So nutzt
Asian Paints z. B. Web-basierte Analysewerkzeuge, um Kundenreferenzen auf Basis von Standortinformationen aus getrackten IP-Adressen zielgerichteter einzusetzen. Diese Analysen ermöglichen Asian
Paints bessere Einblicke in das Verhalten der Kunden über verschiedene Phasen des Website-Besuchs.
So lässt sich auch genau bestimmen, an welcher Stelle die Kunden die Website in der Regel verlassen.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
8
■ Unstrukturierte Daten fördern die Kundeninteraktion. B2C-Organisationen haben die Bedeutung
unstrukturierter Daten erkannt – insbesondere solche, die auf kurze Reaktionszeiten angewiesen sind,
wie etwa Krankenhäuser und die Gastronomiebranche. Weltweit setzen Unternehmen wie KLM,
Ogilvy & Mather, Weber Shandwick, Edelman, AutoNation und Kodak Cloud-basierte Analysewerkzeuge für soziale Netzwerke wie z. B. Radian6 (von salesforce.com übernommen) ein.10 Auch Dell ist
in diesem Bereich aktiv: Das Unternehmen hat eine spezielle Abteilung zur Überwachung und
Moderation von Social-Media-Kanälen wie Twitter und Facebook eingerichtet, das sogenannte
„Social Media Listening Command Center“.11
Big Data bestimmt die Technologieauswahl
Big-Data-Technologien haben inzwischen Marktreife erlangt. Vorbei sind die Zeiten, in denen sie entweder
ungeeignet für den unternehmensweiten Einsatz oder unerschwinglich waren. Netezza, SAP HANA, Vertica
und viele andere Lösungen bieten erschwingliche Ansätze zur Speicherung und Verarbeitung großer
Datenmengen binnen weniger Sekunden. Auch Open-Source-Lösungen sind inzwischen für den Einsatz
in Unternehmen geeignet: In Diskussionen um Big Data fallen häufig Namen wie Hadoop, HBase, Avro,
Pig, ZooKeeper, Apache Commons und Lucene.
Forrester vertritt die Auffassung, dass verschiedene Big-Data-Typen auch unterschiedliche Lösungen
erfordern. Aus diesem Grund hat Forrester eine Beispielarchitektur mit drei Hauptbestandteilen entworfen:
1) Infrastrukturdienste, die auf der virtuellen Verwaltung von Standard-Hardware und deren Auslastung
aufbauen, 2) horizontal skalierbare und verteilte Dienste für Daten-Management und -verarbeitung und
3) für die Cloud optimierte Analyselösungen (vgl. Abb. 3).12 Dabei ist zu berücksichtigen, dass nicht jede
Big-Data-Lösung auch alle Komponenten enthalten muss. Analysearchitekturen, die z. B. auf Streaming
und Stapelverarbeitung basieren, nutzen andere Komponenten und Werkzeuge.
Im Allgemeinen werden drei Kategorien von Big-Data-Architekturen unterschieden: 1) Echtzeitszenarien,
die vor allem auf der Verarbeitung komplexer Ereignisse basieren, 2) parallele Datenverarbeitung/kurze
Ladezeiten, die meist Hadoop verwenden und 3) hochleistungsfähige In-Memory- oder Hardware-basierte
Datenbankabfragen. Organisationen müssen die relevante Architektur gemäß ihren eigenen Anforderungen
definieren und die entsprechenden Werkzeuge auswählen. Oftmals ist eine Kombination von verschiedenen
Architekturen möglich.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
9
Abbildung 3 Architektur für die Verarbeitung von Big Data
Integration
Schnelle
Datenerfassung
mittels paralleler
Verarbeitung
Daten
EreignisManagement
Abfrage und
Analyse
Transaktion
Verarbeitung
Datenverarbeitung
nichtrelationale Datenbank
dezentrales Dateisystem
Optimiert für
virtuelle/dezentrale
Berechnung
keine Weitergabe,
dezentrale
Organisation, MPR
Datenverwaltung
Hardware; zu kaufen
oder zu mieten
virtuelle Infrastruktur
intelligente
Kapazitätssteuerung
elastisch;
nach Bedarf
Infrastrukturdienste
Virtualisierung
72241
Quelle: Forrester Research, Inc.
Big-Data-Initiativen erfordern einen holistischen Ansatz
Wenn Organisationen bestehende Systeme um Big-Data-Technologien erweitern möchten, müssen sie
entscheiden, welche Komponenten der vorhandenen Informations-Management-Architektur weiterverwendet und ggf. zusammengelegt werden können. Kundenprofile sollten stets nur in einem einzigen System
generiert werden, um Dubletten zu vermeiden und Konsistenz sicherzustellen. Big-Data-Initiativen erfordern
einen holistischen Ansatz unter Einbeziehung der Anforderungen aus IT und Geschäftsführung.
■ Schritt 1: Datenerfassung zentralisieren und neu definieren. Forrester ist überzeugt, dass die Implementierung von Big Data ein Business-Projekt und kein IT-Projekt ist.13 Bislang orientierten sich
IT-gestützte Geschäftsprozesse meist an strukturierten Daten aus prozessbasierten Anwendungen wie
CRM und ERP. Nun müssen Organisation zusätzlich externe Datenquellen einbinden und die Datenerfassung entsprechend diesen Quellen und Datentypen neu organisieren. Forresters Empfehlung lautet
hier, Big-Data-Initiativen auf der Ebene der Geschäftsprozesse aufzusetzen und in Zusammenarbeit
mit den Führungskräften alle Geschäftsvorfälle zu erarbeiten, die auf die Arbeitsabläufe Einfluss haben.
Die Einbindung von Entscheidern zu diesem Zeitpunkt stellt zudem sicher, dass die IT die für die
Unternehmensbereiche relevanten Kennzahlen definieren kann, die später durch die Big-DataImplementierung mit Leben gefüllt werden sollen.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
10
■ Schritt 2: Kundenprofile effizienter verwalten. Eine effizientere Verwaltung von Kundendaten vermeidet
Datenbankredundanzen und erhöht die Genauigkeit der individuellen Profile.14 Bislang waren eindeutige Attribute wie Alter, Geschlecht und Name übliche Kriterien zur Verwaltung von Kundendaten,
doch dies ändert sich mit Big Data grundlegend. Jetzt müssen auch verhaltensspezifische Daten wie
Informationen aus sozialen Netzwerken und Mobiltelefonnutzung in das Profil einfließen und mit
den traditionellen Attributen verknüpft werden. Dies wird in manchen Szenarien einen Anstieg der
Integrationskosten verursachen, da herkömmliche Methoden der Datenvernetzung die Aufnahme
neuer Daten zu stark verteuern können.15
■ Schritt 3: Data-Warehousing optimieren. Zur Erstellung von Analysemodellen für Big Data müssen
Organisationen in Technologien investieren, die Massively Parallel Processing (MPP) unterstützen.16
Forrester vertritt die Auffassung, dass Entscheidungsträger sich keinesfalls für Technologien entscheiden
sollten, die die vorhandene Architektur obsolet machen, sondern darauf achten sollten, sie sinnvoll
zu erweitern. Das Ziel sollte eine integrierte Plattform für alle Anforderungen des Data-Warehousing
sein, keine heterogene Ansammlung von einzelnen Verarbeitungseinheiten. Bis die Voraussetzungen
geschaffen sind, werden die meisten Unternehmen jedoch weiterhin drei Hauptbereiche ihrer DataWarehousing-Architektur verwalten müssen: herkömmliche Enterprise-Systeme für Data-Warehousing,
Data-Warehousing-Anwendungen und Verarbeitungslösungen für Big Data.
■ Schritt 4: Analytische Modelle und Prognosen zur besseren Unterstützung der Geschäftsprozesse
implementieren. Zur Auswertung von Big Data benötigen Organisationen neue Modelle und Ansätze,
die eine umfassende Indexierung von Daten und eine Analyse ihrer Beziehungen untereinander
erlauben.17 Big-Data-Quellen wie Standortinformationen sowie Daten aus sozialen Netzwerken und
Telekommunikation können die Beziehungsanalyse in Echtzeit ermöglichen. Hieraus lassen sich für
das Unternehmen wertvolle Informationen für Targeting und Messaging ableiten. Leider können sich
neue Lösungen für Echtzeitanalysen von Big Data weder auf historische Daten stützen, noch bieten
sie ausreichende Zeitfenster für Trend-Hochrechnungen. Die resultierenden Auswertungen bieten nur
Richtwerte, die zudem variieren können. Im Gegensatz dazu liefert die Auswertung von Daten aus
traditionellen Quellen, die keine Datenverarbeitung in Echtzeit erfordern, eher präzisere Ergebnisse.
Daher müssen Organisationen die relevanten Anwendungsgebiete für beide Arten von Daten definieren, um die jeweils realisierbaren Erkenntnisse als bestmögliche Grundlage für Entscheidungen
nutzen zu können. Auch müssen Organisationen die nötigen Ressourcen bereitstellen, die die Analyse
von Big-Data-Zeitreihen ermöglichen, damit auf der Basis der zu Projektbeginn festgelegten Kennzahlen Prognosen erstellt werden können.
■ Schritt 5: Informationen für Anwender mittels Visualisierungsfunktionen besser zugänglich machen.
Entscheidungsträger bestätigen, dass Anwender beim Zugriff auf die Daten häufig die für ihre Funktion
und Aufgabe relevanten Informationen nicht erkennen können. Forrester empfiehlt, dass Unternehmen
Visualisierungsfunktionen und Filter einsetzen, um Anwendern die für sie wichtigen Daten leichter
zugänglich zu machen. So präsentiert ein Telekommunikationsunternehmen z. B. seinen Mitarbeitern
auf ihre Position und Funktion abgestimmte Informationen, die entsprechend der Relevanz für die
jeweilige Aufgabe aufbereitet sind. Damit kann das Unternehmen auch die Zugriffsrechte auf ggf.
sensible Daten steuern. Um die Informationen in einen sinnvollen Kontext einzubetten, gewährt
das Telekommunikationsunternehmen seinen Führungskräften Zugang zu unternehmensweiten
Kennzahlen. Sie können die für ihren Unternehmensbereich relevanten Daten weiter aufschlüsseln,
haben jedoch auf Detailinformationen anderer Bereiche keinen Zugriff.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
11
Empfehlungen
Wer die Möglichkeiten von Big Data kennt, kann sie effektiv einsetzen
Bevor Organisationen Big-Data-Initiativen aufsetzen, sollten sie Anwendungsszenarien und Technologien
erkunden, die für die Verarbeitung von verschiedenen Datentypen infrage kommen. Ein holistischer
Planungsansatz ist entscheidend, und der Rollout sollte phasenweise erfolgen, damit Big-Data-Initiativen
zum Erfolg führen. Folgende Regeln sollten CIOs beachten:
■ Die Zusammenarbeit zwischen IT und Geschäftsführung ist wichtig, jedoch müssen Big-DataInitiativen durch die Geschäftsführung getragen sein. Die Aufgabe der IT-Abteilung besteht
darin, klare Vorgaben seitens der Geschäftsführung, der federführenden Stelle bei Big-DataInitiativen, einzufordern und bei der Identifizierung von Potenzialen, die vorhandene Daten und
Echtzeitdatenquellen bieten, zu unterstützen. Die Festlegung der Kennzahlen, die letztendlich aus
den Daten errechnet werden sollen, ist für den Erfolg von Big-Data-Initiativen unerlässlich. Nach
Auffassung von Forrester sind Big-Data-Initiativen, die diese Voraussetzungen nicht erfüllen, von
vornherein zum Scheitern verurteilt.
■ Die Strategie des Informations-Managements muss auf die Verarbeitung neuer Datenquellen
und -typen ausgerichtet werden. Ziel sollte es sein, die vorhandene Architektur um Big-DataTechnologien zu erweitern. Insbesondere fällt CIOs die Aufgabe zu, die neuen Technologien
so auszurichten, dass die Organisation die relevanten Kategorien von Big Data auch verwalten
und analysieren kann. Forrester empfiehlt, die notwendigen neuen Systeme auf Grundlage der
geplanten Erfassung und Verwendung von Daten auszuwählen.
■ Big-Data-Initiativen sollten im kleinen Maßstab begonnen, ohne Isolierung von Systemen
umgesetzt und schrittweise ausgeweitet werden. Implementierungen von Big Data erfordern
hohes Engagement seitens der Geschäftsführung und sind daher unbedingt akribisch zu planen.
Forrester empfiehlt, den Rollout von Big-Data-Implementierungen über einen Zeitraum von
12 bis 18 Monaten zu realisieren und dabei Meilensteine für den Projektfortschritt und zur
Messung des wirtschaftlichen Erfolgs zu definieren. Erfolge stellen sich schneller ein, wenn die
Implementierungen zunächst in begrenztem Umfang und unter Einbeziehung vorhandener Infrastruktur begonnen werden, wobei definierte Anwendungsbereiche in die Tat umzusetzen sind.
So lassen sich Initiativen besser verwalten, es entstehen keine isolierten Systeme, und der Erfolg ist
besser messbar.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
12
Die Auswirkungen
Die Bedeutung für den CIO
Mit Veränderung der Kundeninteraktion durch Integration von Back-Office- und Front-Office-Anwendungen auf herkömmlichen und neuen Kanälen sieht sich die IT einem erheblichen Datenwachstum mit
zunehmender Geschwindigkeit, Vielfalt und Variabilität gegenüber. Erfolgreichen CIOs gelingt es, die neue
Art der Daten – auch als Big Data bezeichnet – in die Organisation zu integrieren und zur Messung der
Kundeninteraktion zu nutzen. Die Geschäftsführung muss Big-Data-Initiativen auf den Weg bringen, wird
aber vom CIO durch die Identifizierung von Anwendungsfällen unterstützt, die mit diesen neuen Daten
gelöst werden können. Obwohl MPR ein Schlüssel zu Big-Data-Initiativen ist, werden sich erfahrene
Unternehmen nicht ausschließlich darauf konzentrieren. Sie bevorzugen einen holistischen Ansatz, bei
dem auch Analysemodelle und Visualisierungsfunktionen sowie eine neu durchdachte Datenerfassung
eine Rolle spielen.
Die Bedeutung für Markenhersteller
Da immer mehr Unternehmen den Vorteil von Big Data für ihren wirtschaftlichen Erfolg erkennen,
eröffnen sich Markenherstellern weltweit auch immer mehr Chancen für Machbarkeitsstudien. Forrester ist
überzeugt, dass der Trend zu Big Data in den nächsten zwei bis drei Jahren nicht an Fahrt verlieren wird.
Der Schlüssel zum Erfolg für Markenhersteller wird die Nutzung von Big Data als Geschäftskenngröße wie
auch ihr nachweislicher Nutzen für den Geschäftserfolg des Kunden sein. Die meisten Markenhersteller
stehen dabei vor der Herausforderung, die Geschäftsführung des Kunden zunächst vom wirtschaftlichen
Nutzen dieses Konzepts, insbesondere für die Kundeninteraktion, zu überzeugen – auch weil es vielen
zu wenig oder gar nicht bekannt ist. Den CIOs fällt letztlich die Rolle des Moderators zu, da sie weder
Initiator des Projekts noch Anwender von Big-Data-Lösungen sein können.
Ergänzendes Material
Methodik
Der Forrester-Bericht „Forrsights Strategy Spotlight: Business Intelligence And Information Management In
Asia Pacific Excluding Japan“ (4. Quartal 2011) beruht auf einer Umfrage unter 452 Entscheidungsträgern
aus den Bereichen IT, Technologie und Geschäftsführung von kleinen, mittelständischen und großen Unternehmen aus Australien, China, Indien, Malaysia, Neuseeland, den Philippinen, Singapur und Südkorea
mit mindestens 20 Angestellten. Diese Umfrage ist Teil des Forrester-Berichts „Forrsights for Business
Technology“ und wurde zwischen Juli und August 2011 durchgeführt.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
13
In jedem Kalenderjahr führt Forrester die Umfrage „Forrsights for Business Technology“ in über 17 Ländern
in Nordamerika, Lateinamerika, Europa und Asien (Industrie- und Schwellenländer) durch. Zur Qualitätssicherung der Ergebnisse werden Stellenbezeichnung und Funktion der Befragten eingehend überprüft.
So stellt Forrester sicher, dass nur solche Personen befragt werden, die maßgeblich an der Planung, Finanzierung und Beschaffung von IT-Produkten und -Dienstleistungen beteiligt sind und über die entsprechende
Budgetkompetenz verfügen. Zusätzlich gibt Forrester Sollwerte für die Unternehmensgröße (Anzahl der
Mitarbeiter), Branche und Funktion vor, um die Datenstreuung kontrollieren und mit den durch ForresterAnalysten ermittelten Werten für IT-Ausgaben vergleichen zu können. Es werden nur zuverlässige Datenquellen sowie ausgereifte Techniken zur Datenbereinigung verwendet, um eine exzellente Qualität der
Daten zu gewährleisten.
In diesem Dokument wurden lediglich Auszüge aus den Umfrageergebnissen verwendet. Die vollständigen
Ergebnisse sind gegen eine Gebühr erhältlich. Bitte schicken Sie bei Interesse eine E-Mail an
[email protected], oder wenden Sie sich an Ihren Kundenbetreuer bei Forrester.
Befragte Unternehmen
Aircel
MapR Technologies
Capgemini
Microsoft
Dell
NetApp
EMC
Pentaho
Essar Group
PwC
IBM
SAP
IMS Health
SAS
Infosys
Shoppers Stop
Mahindra Satyam
Wipro IT Business
Anmerkungen
1
Ab einem bestimmten Umfang stoßen herkömmliche Daten-Management- und Business-Intelligence-Systeme
an ihre Grenzen und können die gewünschten Erkenntnisse zur Performance des Unternehmens nicht mehr
bereitstellen. Big Data ermöglicht Unternehmen, auch enorme Datenmengen kosteneffizient zu nutzen. CIOs
müssen sich jedoch darauf einstellen, dass diese Aufgabe nicht mit Routineabläufen zu lösen ist. Tatsächlich
führt Big Data zu Umwälzungen im vorhandenen Daten-Management, da grundlegende Ansichten zur Datenverwaltung und zum Leistungsspektrum von IT-Abteilungen infrage gestellt werden. Big Data und die damit
verbundenen Konsequenzen sollten wohl überlegt sein und über einen ausgewogenen Ansatz auch jenseits
technologischer Aspekte eingeführt werden, der dem Unternehmen langfristig nutzt. Vgl. den Bericht
„Expand Your Digital Horizon With Big Data“ vom 30. September 2011.
2
Diese Unternehmen interagieren regelmäßig mit ihren Kunden über verschiedene Online-Communitys,
-Plattformen und soziale Netzwerke.
3
Quelle: André Münger, „Nouvelle Génération de l’infrastructure Data Warehouse et d’Analyses“, EMC, November
2011 (http://suisse.emc.com/campaign/global/forum2011/pdf/suisse/suisse-forum-2011-track-1-greenplumandre-muenger.pdf).
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
14
4
Weitere Informationen finden Sie im Bericht „Expand Your Digital Horizon With Big Data“ vom 30. September 2011.
5
Quelle: IBM, „University of Ontario Institute of Technology“ (ftp://public.dhe.ibm.com/common/ssi/ecm/en/
odc03157usen/ODC03157USEN.PDF).
6
Quelle: IBM (http://www.ibm.com/developerworks/data/library/dmmag/DMMag_2009_Issue3/SmarterIs/index.
html).
7
Forrester hat Ergebnisse des „Global Big Data Online Survey“ von Juni 2011 in einem Begleitbericht veröffentlicht.
Vgl. den Bericht „How Forrester Clients Are Using Big Data“ vom 20. September 2011.
8
Ab einem bestimmten Umfang stoßen herkömmliche Daten-Management- und Business-Intelligence-Systeme an
ihre Grenzen und können die gewünschten Erkenntnisse zur Performance des Unternehmens nicht mehr bereitstellen. Big Data ermöglicht Unternehmen, auch enorme Datenmengen kosteneffizient zu nutzen. CIOs müssen
sich jedoch darauf einstellen, dass diese Aufgabe nicht mit Routineabläufen zu lösen ist. Tatsächlich führt Big Data
zu Umwälzungen im vorhandenen Daten-Management, da grundlegende Ansichten zur Datenverwaltung und zum
Leistungsspektrum von IT-Abteilungen infrage gestellt werden. Big Data und die damit verbundenen Konsequenzen
sollten wohl überlegt sein und über einen ausgewogenen Ansatz auch jenseits technologischer Aspekte eingeführt
werden, der dem Unternehmen langfristig nutzt. Vgl. den Bericht „Expand Your Digital Horizon With Big Data“
vom 30. September 2011.
9
Mit aller Wahrscheinlichkeit müssen Entscheidungsträger aus der IT mehrere Business-Intelligence-Systeme einsetzen, um die im Laufe der Kundeninteraktion anfallenden strukturierten und unstrukturierten Daten effizient zu
erfassen und nutzbringend auszuwerten. IBM demonstriert dies anschaulich durch den Einsatz von Web-Analysen
für Asian Paints, über die das Unternehmen auf Art und Umfang der Kundeninteraktion abgestimmte Inhalte
und Kampagnen erarbeitet. Vgl. den Bericht „Leveraging Emerging Technology To Up The Ante On Customer
Engagement“ vom 28. März 2012.
10
Quelle: Radian6 (http://www.radian6.com/about-us/customers/).
Dell ist ein weltweit operierendes Markenunternehmen, das täglich über 25.000 Online-Kontakte generiert.
Das Unternehmen überwacht und moderiert die Social-Media-Kanäle über eine spezielle Abteilung, das
„Social Media Listening Command Center“, sodass das hohe Datenaufkommen aus den Kundeninteraktionen
dennoch effektiv für die Weiterentwicklung der Marke genutzt werden kann. Wie geht Dell dabei vor? Neben
der Schulung der Mitarbeiter im Umgang mit Social Media kommen Listening-Plattform-Technologie sowie
eine formalisierte Datenerfassung und Berichtserstellung zum Einsatz, um die gewonnenen Einblicke in der
Organisation zu verbreiten. Vgl. den Bericht „Case Study: Dell’s Social Media Listening Command Center Builds
Customer Relationships“ vom 1. Juli 2011.
11
12
Eine große Datenmenge bietet gute Chancen zur Gewinnmaximierung, allerdings wird auch die Gewinnung
relevanter Einsichten mit der Zunahme des Datenvolumens immer schwieriger. Neue Technologien nutzen
das Potenzial verteilter, virtueller Verarbeitungsprozesse für große Datenmengen. Sie bieten neue Werkzeuge
und Techniken, die die Art und Weise verändern, in der Unternehmen Informationen einsetzen, um am Markt
erfolgreich zu sein. Die Verarbeitung von Big Data stellt sowohl die Geschäftsführung als auch die IT vor neue
Herausforderungen, deren Bewältigung sich aber lohnt. Denn die Chancen von Big Data sind enorm. Vgl. den
Bericht „Big Opportunities In Big Data“ vom 18. Mai 2011.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Für Strategieexperten von Markenherstellern
Was „Big Data“ so wichtig für Kundeninteraktion macht
15
IT und kaufmännische Bereiche müssen in interdisziplinären Teams Chancen und Lösungen gemeinsam erarbeiten.
Noch nicht allen Geschäftsführern ist der Nutzen des Big-Data-Konzepts bewusst. CIOs, die diesen aktuellen Trend
verstanden haben und sich als strategische Partner profilieren können, werden in der Lage sein, den Entscheidungsträgern gute Gründe für die notwendigen Investitionen zu liefern und sie bei der erfolgreichen Umsetzung zu
unterstützen. Diejenigen CIOs, die diese strategische Kompetenz nicht besitzen, werden die Implementierung von
Big Data und den damit verbundenen Aufwand als schwierige Herausforderung erleben. Vgl. den Bericht
„Expand Your Digital Horizon With Big Data“ vom 30. September 2011.
13
14
Die meisten Unternehmen verlassen sich auf zentrale Datenbanken als Grundlage ihrer Applikationen, die ein
eindimensionales und konsistentes Bild der Wirklichkeit vermitteln. Diese Architektur wird mit der ständig
zunehmenden Komplexität der Wirklichkeit aber nicht Schritt halten können. Die Zukunft bringt Systeme, die
reine Konsistenz und Datenintegrität durch Skalierbarkeit, Verfügbarkeit und Fehlertoleranz ersetzen. Die Technologie dafür ist Big Data und NoSQL. Unternehmen, die sich für diesen Weg entscheiden, räumen den potenziellen
Erkenntnissen aus einer möglichst großen Datenbasis Priorität ein und lernen, wie sie eine punktuelle relative
Darstellung der Wirklichkeit optimal nutzen können. Vgl. den Bericht „Expand Your Digital Horizon With Big
Data“ vom 30. September 2011.
15
Zunahme der Integrationskosten in Abhängigkeit der Vielfalt von Datenformaten, da für beide Einflussgrößen
entsprechende Regeln definiert und Integrationsprozesse angepasst werden müssen. Für manche Szenarien
erweisen sich herkömmliche Methoden der Datenintegration für die Aufnahme neuer Daten als zu teuer. Vgl.
den Bericht „Expand Your Digital Horizon With Big Data“ vom 30. September 2011.
Die Verarbeitung von Big Data wird durch Massively Parallel Processing und verteilte Architekturen zur
Verarbeitung, Speicherung und iterativen Auswertung von Rohdaten im großen Stil möglich. Vgl. den Bericht
„Big Opportunities In Big Data“ vom 18. Mai 2011.
16
17
Gespeicherte Daten lassen sich mit Parallel-Processing-Frameworks verarbeiten. Analysten können mit verschiedenen Datamining-Techniken experimentieren, da sich auch Daten mit mehreren Petabyte problemlos erheben
und verarbeiten lassen. Ausgereifte Analyse-Tools, die auf Frameworks mit parallelen Berechnungen aufbauen,
erlauben Experten die schnelle Erstellung von Auswertungsprogrammen. Vgl. den Bericht „Expand Your Digital
Horizon With Big Data“ vom 30. September 2011.
© 2012, Forrester Research, Inc. Vervielfältigung untersagt
1. Juni 2012
Über Forrester
Forrester ist ein weltweit tätiges Forschungs- und Beratungsunternehmen, das Verantwortlichen die Grundlagen für fundierte unternehmerische Entscheidungen liefert und führende Unternehmen dabei
unterstützt, Veränderung als wirtschaftlichen Vorteil zu erkennen. Wir
sind bestens qualifiziert, Sie bei der effektiven Planung, Vermarktung
und dem Verkauf Ihrer Produkte und Dienstleistungen zu unterstützen,
weil wir
Ihre Funktion und Aufgabe, Ziele und Wünsche kennen,
n
über umfangreiche datengestützte Einblicke in Käuferverhalten und
Marktdynamik verfügen,
n
Ihren Markt beeinflussen können.
n
Weitere Informationen
Um zu erfahren, wie Sie Forrester Research für Ihren täglichen Erfolg nutzen können,
kontaktieren Sie ein Büro in Ihrer Nähe. Oder besuchen Sie uns auf www.forrester.com.
Eine Liste unserer Niederlassungen finden Sie unter www.forrester.com/about.
Kundenservice
Informationen zu Nachdrucken und elektronischen Ausgaben erhalten Sie von
unserem Kundenservice unter +1 866.367.7378 oder +1 617.613.5730. Oder schreiben
Sie uns an [email protected]. Wir bieten Mengenrabatte und Sonderkonditionen für Bildungseinrichtungen und gemeinnützige Organisationen.
Forrester bietet Spezialwissen für
Strategieexperten von Markenherstellern
Sie gestalten die kurz- und langfristigen Strategien Ihres Unternehmens,
indem Sie Trends in Käuferverhalten, makroökonomischen Faktoren
sowie Technologie vorhersehen und die Auswirkungen auf Ihre Branche
einschätzen. Forrester bietet Ihnen durch Expertenwissen und hervorragende Kenntnis Ihrer Aufgaben die ideale Unterstützung bei der Entwicklung vorwärtsdenkender Strategien, einer sorgfältigen Abwägung
von Chancen und Risiken sowie wertvolle Argumentationshilfen für
Ihre Entscheidungen. Optimieren Sie Ihre eigene Performance, die
Ihres Teams und die Ihres Unternehmens.
«
Victor Scott, Beispiel für einen Strategieexperten von Markenherstellern
Forrester Research, Inc. (Nasdaq: FORR) ist ein unabhängiges Marktforschungsunternehmen, das global agierenden Organisationen
und Technologieführern praxis- und zukunftsorientierte Beratung bietet. Forrester arbeitet mit Experten in 19 Schlüsselfunktionen
von marktführenden Unternehmen zusammen und bietet originäre Forschungsergebnisse, Kundenerkenntnisse, Beratung,
Veranstaltungen und individuelle Kurse für Führungskräfte an. Seit mehr als 28 Jahren trägt Forrester aktiv zum Erfolg von führenden
Unternehmen in den Bereichen IT, Marketing und Technologie bei.
Weitere Informationen finden Sie unter www.forrester.com. 72241
Herunterladen