big data erst einmal probe fahren

Werbung
FIRMENFACHBEITRAG
Atos
BIG DATA ERST EINMAL
PROBE FAHREN
Ist Big Data nur ein von der Industrie gemachter Hype oder für mein
Unternehmen tatsächlich relevant? Diese Frage stellen sich derzeit viele
CIOs. Um dies herauszufinden, empfiehlt es sich, zunächst ein Gefühl
für die Möglichkeiten der Technologie zu bekommen. Eine wichtige Rolle
spielt dabei die Visualisierung.
VON DR. GÜNTER GÖTZ
J ahrelang haben Unternehmen Geschäftsdaten quasi auf Vorrat gesammelt – immer in
der Hoffnung, daraus zu einem späteren
Zeitpunkt nützliche Erkenntnisse gewinnen
zu können. Die stetig sinkenden Preise für den
benötigten Speicherplatz haben diese Datenhaltung zusätzlich begünstigt. An der Frage, ob diese
riesigen Informationsvorräte für ein Unternehmen überhaupt Sinn machen und nicht bloss
hinsichtlich der richtigen Archivierung und Qualifizierung eine grosse Herausforderung darstellen, scheiden sich die Geister. Während die einen
keinen Nutzen für sich ausmachen können, sind
wiederum viele davon überzeugt, die Daten in irgendeiner Form gewinnbringend einsetzen zu
können – die Frage ist nur, wann und auf welche
Weise das geschehen soll? Denn bereits hier stehen selbst Bejaher vor einem Problem. Es stellt
sich die Frage, welche Technologien man dazu
benötigt, aber vor allem, was man dabei überhaupt für Erkenntnisse gewinnen kann und wie
man sich einen solchen Big-Data-Service vorstellen muss. Einhellige Übereinstimmung herrscht
hingegen bei der Definition, was denn das Wesen
von Big Data an sich ausmacht: Es geht um grosse
Datenmengen, die in unterschiedlichen Arten
und aus verschiedenen Quellen vorliegen und mit
grosser Geschwindigkeit verarbeitet werden sollen. Ein besonders wichtiger Aspekt ist die Qualität der Daten und deren Informationsgehalt. Letzterer kann bei den viel zitierten Inhalten aus
Sozialen Medien genauso von Bedeutung sein wie
bei herkömmlichen Informationen, wie sie etwa
aus den Geschäftsabläufen in der Fertigungsindustrie, dem Dienstleistungssektor oder in Verwaltungen entstehen. Der Erkenntnisgewinn, den
Unternehmen durch einen explorativen Umgang
mit den Daten erzielen sollen, hängt indes entscheidend davon ab, wie hoch die Qualität der
Informationen ist und wie zuverlässig diese während des Findungsprozesses zur Verfügung ste-
Zum Autor
Dr. Günter Götz:
Solution Architect im
Bereich Telekommunikation bei Atos in der
Schweiz
Zum Unternehmen:
Atos SE ist ein internationaler Anbieter von
IT-Dienstleistungen mit
einem Jahresumsatz für 2013 von 8,6 Milliarden Euro und 76 300 Mitarbeitenden
in 52 Ländern. Ob herstellerunabhängige
Beratung, Integration unterschiedlicher
Systeme, IT-Sicherheit, mobile Lösungen,
Desktop-Sourcing, Unified Communications, Virtualisierung, Cloud-Dienste oder
das User-Owned Device-Modell, die Schweizer Atos AG bietet mit rund 800 Spezialisten professionelle IT-Lösungen und -Services über die ganze Prozesskette an.
Mehr Informationen: ch.atos.net
hen. Denn wer beispielsweise einen Trend aufgrund von statistischen Ansätzen erkennen will,
braucht nicht nur grosse Mengen an Daten, sondern genauso die Gewissheit, dass es sich dabei
um verlässliche Informationen handelt.
nicht nuR füRs maRketing Relevant
Ob mit Big-Data-Ansätzen nun Fragen wie «Was
wird sein?» überhaupt beantwortet werden kön-
nen, hängt also insbesondere auch davon ab, ob
das Management der Daten den neuen Nutzungsgegebenheiten angepasst werden kann.
Nur dann lassen sich die Datenqualität und
-sicherheit gewährleisten. Daneben stellt sich
für den Business-Nutzer die Frage nach den Möglichkeiten der Datenanalyse. Wie kommt man in
der Praxis zu neuen Erkenntnissen? Im Zusammenhang mit Big Data ist oft die Rede von Anwendungen für Marketing- oder Verkaufszwecke.
Wenn aus riesigen Mengen von Facebook-Einträgen oder Twitter-Meldungen mittels Inhalts- und
Umfeldanalysen Zusammenhänge aufgedeckt
werden sollen, ist das schön und gut. Aber längst
nicht für jedes Unternehmen sind solche Fragestellungen von Bedeutung. Genauso wichtig wie
Informationen aus Social Media können nämlich
auch Dateninhalte sein, die in Excel-Tabellen,
Office-Dokumenten oder verschiedenstartigen
Logdateien, vorliegen, weil beispielsweise bei der
Verwendung von ERP- oder-CRM-Lösungen an
bestimmten Orten keine Schnittstellen existieren und deshalb wichtige Daten zur Problemlösung – obwohl vorhanden – schlicht und einfach
nicht verfügbar sind.
möglichkeiten sPieleRisch entdecken
Aber egal, ob ein Unternehmen Big Data zu Marketing- oder Produktentwicklungszwecken oder
zur Verbesserung der Betriebsabläufe und Steigerung der Effizienz einsetzen will, es empfiehlt
sich auf jeden Fall, vor einem Kaufentscheid ein
Gefühl für diese neuen Analysemöglichkeiten
zu bekommen. Dies kann beispielsweise mittels
Testdaten erfolgen, die der Anbieter zur Verfügung stellt. Sie können beispielsweise durch
verschiedene Online-Tools auf Portalen zugänglich gemacht werden. Aber auch im Atos Big
Data Discovery Lab können Kunden anhand von
beispielhaften Daten auf spielerische Weise den
Umgang mit Analyse-Werkzeugen kennenler-
Bild: Fotolia
nen und so eine Vorstellung davon bekommen,
was mit echten Informationen unter Umständen alles möglich sein könnte.
Realisierbarkeit anhand konkreter
Problemstellungen prüfen
Um diese spielerisch gewonnenen Erfahrungen
reicher, fällt die Umsetzung eines «Proof of Concept» (POC) bestimmt leichter. Denn ein Machbarkeitsnachweis für die Anwendung und den Erfolg
von Big-Data-Analysen ist auf jeden Fall erforderlich, um die Bedeutung für das eigene Unternehmen zu beurteilen. Konkret sollte anhand einer
echten Fragestellung aus der Praxis geprüft werden, ob die Anforderungen an die Lösung als auch
an die Anbieter den Versprechungen gerecht werden. Schliesslich handelt es sich hierbei nicht um
unbestritten nötige Investitionen, wie eine Neubeschaffung von Infrastruktur, die niemand in
Zweifel zieht. Es geht darum, das Risiko für eine
Anschaffung zu beurteilen und zu minimieren,
die dem Unternehmen einen entscheidenden
Wettbewerbsvorteil verschaffen soll, aber auch
kostenseitig wohl überlegt sein will.
Einsichten und deren Mehrwert
Ein POC sollte realistischerweise in rund drei bis
vier Sprint-Phasen von rund je einer Woche umgesetzt werden. Atos setzt dabei auf die AnalyseSoftware «Endeca Information Discovery» von
Oracle, einer Datenermittlungsplattform, die eine
anspruchsvolle Untersuchung und Analyse von
komplexen Daten ermöglicht und dabei trotzdem
eine intuitive Vorgehensweise zulässt. Gemeinsam mit Atos Data Discovery Coaches und Technologie-Spezialisten lernen von Kundenseite
Business-Analysten, Information Manager und
ICT-Architekten, welche neuen Einsichten die
Zusammenführung von Daten unterschiedlichster Herkunft und Art ermöglichen und wie die
Kombination der verschiedensten Informations-
quellen Mehrwerte für das Unternehmen generieren kann. Dabei muss auch erkennbar werden,
in welchem Ausmass die gewünschten Verbesserungen bei der Interpretation von Daten für den
Kunden realisierbar sind. Die «Entdeckungsziele»
sind dabei so gut wie möglich festzulegen, indem
mögliche Datenquellen und -sequenzen aus den
Unternehmensanwendungen ausgewählt, mit
zusätzlichen externen Informationen in einen
Kontext gestellt und schliesslich dazugehörige
praxisrelevante Fragestellungen definiert werden. Aus den Suchresultaten sollen schliesslich
neue Muster erkannt, verborgene Themen sichtbar gemacht, interaktive Daten und Zusammenhänge visualisiert und so neue Einsichten ermöglicht werden.
Nicht nur für Grossunternehmen
Dass das Thema Big Data – respektive die Analyse
und Hypothesestellung mit Big-Data-Technologien – nicht allein für Grossunternehmen relevant
ist, verdeutlicht ein Beispiel eines mittelständischen Schweizer Unternehmens aus der Fertigungsindustrie. Es zeigt anschaulich, dass es
nicht nur die viel zitierten unstrukturierten SocialMedia-Informationen sind, die in Kombination
mit den unternehmensinternen Daten neue Einsichten fürs Marketing ermöglichen. Im vorliegenden Fall durfte Atos einen Machbarkeitsnachweis für ein sehr handfestes Problem liefern. Das
Unternehmen mit drei unterschiedlichen Produktionsstätten hatte eine Vielzahl an Halbfertigprodukten im Umlauf, wusste aber nie genau, wo, in
welcher Zahl und in welchem Zustand die unterschiedlichen Einheiten vorrätig waren. Es fehlte
an einem Interface, mit dem man relevante Daten
zusammenziehen und abfragen hätte können.
Stattdessen wurde vom einen zum anderen Werk
per Fax eine Anfrage gestellt und mehr zufällig als
systematisch erhielt man die verlangte Infor­
mation. Durch den Einsatz von Big-Data-Tools
gelang es nun, die Informationen aus den un­
terschiedlichsten Datenquellen – Datenbank­
informationen gepaart mit Formulardaten in Office-Dokumenten etc. – zu kombinieren und so
eine ganz neue Sicht auf die Informationen zu
gewinnen. Damit konnte man zunächst die Problematik der fehlenden Informationen zu den Produkten lösen, gelangte aber darüber ­hinaus zu
weiteren Ideen, wie man die Daten sonst noch
verwenden könnte. Der Mehrwert der Lösung beschränkte sich nicht bloss auf die Optimierung der
Lagerhaltung und Liefer­geschwindigkeit, sondern
liess Fragestellungen für die Praxis zu, die ohne
die entsprechende Modellierung der Daten so
nicht möglich gewesen wären.
Für Problemlösung relevante
Zusammenhänge aufdecken
Es empfiehlt sich bei einem POC auf jeden Fall
zu definieren, wo ein relevantes Problem auftritt – z.B. beim Einkauf, Verkauf, der Qualitätssicherung, im Lager o.ä. – und wo die entsprechenden Informationen vorrätig sind. All die
Daten aus den unterschiedlichen Töpfen der
Abteilungen in einer neuen Struktur zusammenzubringen, bedeutet zwar noch nicht, das
Problem gelöst zu haben. Aber durch eine neue
Sicht auf die Daten können Zusammenhänge
aufgedeckt werden, die für die Problemlösung
von Bedeutung sind. Weil Business-Anwender
aus den Abteilungen keine Statistiker sind,
spielt dabei eine griffige Visualisierung der Zusammenhänge eine entscheidende Rolle – auch, um in nächsten Schritten weitere Fra­
gestellungen definieren und zusätzliche Ent­
deckungen machen zu können.
Dieser Beitrag wurde von Atos Schweiz zur Verfügung
gestellt und stellt die Sicht des Unternehmens
dar. Computerworld übernimmt für dessen
Inhalt keine Verantwortung.
Herunterladen