Big Data im Mittelstand Leitfaden beschleunigt BI-Umsetzung

Für mittelständische Unternehmen gibt es einen aktuellen, kostenlosen Leitfaden zum Thema Big Data. Der IT-Dienstleister Consol verdeutlicht damit, wie Unternehmen mit relativ überschaubarem Aufwand Chancen durch Big Data für ihr Unternehmen erkennen und nutzen können und wie sie dabei vorgehen sollten. Der Leitfaden beschäftigt sich unter anderem mit der individuellen und branchenbezogenen Potentialanalyse (Benchmarks), der Ermittlung von bestehenden Informations-Ökosystemen sowie der Entwicklung von konkreten Anwendungsfällen.

Fokus Mittelstand

Nicht nur in großen Konzernen, sondern auch im Mittelstand entstehen mit der zunehmenden Digitalisierung von Geschäfts- und Produktionsprozessen viele strukturierte und unstrukturierte Daten. „Diese bleiben oft ungenutzt“, attestiert Henning von Kielpinski, Leiter Business Development bei Consol. „Gezielt eingesetzt könnten sie Unternehmen jedoch dabei helfen, Geschäftsmodelle oder Serviceorganisationen zu optimieren und sich agil an veränderte Markt- und Wettbewerbsbedingungen anzupassen.“ Speziell Mittelständler benötigen, so seine Erfahrung,  gezielte Hilfestellungen.

Viele Vorteile und Einsatzmöglichkeiten von Big Data und den entsprechenden Technologien werden seit Jahren von Medien und Anbietern beschworen: Es geht um Wettbewerbsvorteile, um ein schnelleres Agieren, um eine Steigerung der Produktivität, Innovation, erweiterte Geschäftsmodelle, erhöhte Absätze und vieles mehr. Weil Big Data in erster Linie mit großen Datenmengen zu tun hat, assoziieren viele mittelständische Unternehmen das Thema oftmals auch mit großen Konzernen. Sie nehmen an, dass vor allem dort große Mengen an strukturierten und unstrukturierten Daten entstehen und analysiert werden müssen. Das ist jedoch ein Trugschluss: Auch in mittelständischen Unternehmen gibt es viele und unterschiedliche Daten, und auch hier kann es sich lohnen, eine Big-Data-Initiative zu starten.

Als Geschäftsführer, IT-Leiter oder IT-Mitarbeiter in einem mittelständischen Unternehmen fragen Sie sich: Was kann mir Big Data bringen? Wie finde ich das heraus? Und was kostet eine Big-Data-Initiative? Oder Sie stellen sich die Frage anders herum: Welches Risiko gehe ich oder geht mein Unternehmen ein, wenn wir Big Data nicht einsetzen? Besteht die Gefahr, dass die Mitbewerber auf genau diese Unterstützung für ihre Geschäftsmodelle setzen und sich damit einen Wettbewerbsvorteil verschaffen? Mit diesen Fragen startet bereits Ihr Big-Data-Projekt im Kopf.

Vorgehensweise

Ein typisches mittelständisches Unternehmen braucht zunächst einen Plan, wie man diese Herausforderung angehen kann. Es gilt darauf zu achten, dass die ersten Big-Data-Schritte auch kostentechnisch überschaubar bleiben – anders formuliert: Eine Big-Data-Strategie muss her.

Viele Unternehmen haben bislang meist folgendermaßen agiert: Betriebliche Entscheidungen wurden getroffen, umgesetzt, und dann rückblickend bewertet, ob sie erfolgreich waren. Dazu wurden vorhandene Datenquellen analysiert, beispielsweise mit Business-Intelligence-Werkzeugen. Bei großen Datenmengen konnte dies Stunden, Tage oder Wochen dauern. Entsprechend des Erfolges oder des Misserfolges hatten man dann korrektive Maßnahmen eingeleitet und so sein Unternehmen weiterentwickelt.
Dieses Prinzip der Retrospektive wird durch den Big-Data-Ansatz umgekehrt. Big Data stellt technische Möglichkeiten zur Verfügung, mit denen sich umfangreichere Analysen viel schneller ausführen lassen, sogar in Echtzeit. Die Reaktionszeiten verkürzen sich dadurch auf ein Minimum.

Doch wer die Vorteile von Big Data richtig nutzen und sich einen tatsächlichen Wettbewerbsvorteil verschaffen will, der muss noch weiter gehen und nach vorne denken: Denn diese Technologie ermöglicht es einem, Datenmengen aus der Vergangenheit und Gegenwart und aus den unterschiedlichsten internen und externen Quellen in Beziehung zueinander zu setzen und Korrelationen sowie Muster aufzudecken. Es geht darum, Auswirkungen und Ergebnisse rechnerisch zu antizipieren. Ob diese dann tatsächlich so eintreten und ob die angenommenen Zusammenhänge sich als valide erweisen, bleibt zunächst ungewiss. Dieses Vorgehen erfordert unternehmerischen Mut. Big Data ist daher nicht nur gleichzusetzen mit einer Vielzahl von Technologien und Werkzeugen, sondern vor allem mit der Bereitschaft zu einer antizipatorischen Denkweise. Sie erfordert ganz klar auch die Bereitschaft, Fehler zu machen.

Allerdings sollten Sie sich bei Big Data nicht dazu drängen lassen, übereilte Entscheidungen zu treffen. Einfach einem Trend hinterherzulaufen, ist in diesem Fall nicht zielführend. Übereilte Big-Data-Projekte, die etwa aus dem Glauben heraus getrieben werden, dass der Wettbewerb „ja schon lange Big Data mache und man sich nun schnell auch diesem Thema widmen müsse“, sind der falsche Weg. Stattdessen sollten Sie sich genau überlegen, was Sie mit Big Data überhaupt erreichen wollen – und auch können. Ein Big-Data-Projekt beginnt zunächst im „Kopf des Unternehmens“ als ein gedankliches Ausprobieren von Möglichkeiten und Abhängigkeiten. Je kreativer Sie an diese Aufgabe herangehen, desto besser. Die technische Umsetzung ist meist entgegen aller Annahmen leicht.

Und noch etwas: Big-Data-Projekte führen in der Praxis möglicherweise zu Änderungen innerhalb der Prozessorganisation eines Unternehmens – als logische Konsequenz der gewonnenen Erkenntnisse. Aus diesem Grund ist es besonders wichtig, alle betroffenen Fachabteilungen von Anfang an mit ins Boot zu holen und zunächst für Akzeptanz und die Bereitschaft zu Veränderungen zu sorgen.

Potenzialanalyse

Mit der groben Annahme im Gepäck, dass es Potenziale gibt und welche diese sein könnten, sollte man nun einen tieferen Blick darauf werfen. Dabei drängen sich die folgenden Fragen auf:

• Welche Daten liegen wo in welcher Form vor?
• Welches Volumen an Daten liegt vor bzw. wird erzeugt?
• Wie häufig werden die Daten erzeugt und/oder geändert?
• Welche bekannten Beziehungen haben die Daten zueinander?
• Gibt es Einschränkungen bei der Nutzung und Speicherung der Daten?
• Welche Schnittstellen gibt es, um an die Daten zu gelangen?

Dabei empfiehlt es sich,  den Datenbestand möglichst vollständig für die Big-Data-Potentialanalyse zu erfassen. Was zunächst banal klingt, erweist sich in der Praxis von unschätzbarem Wert: Die Informations-Sammlung bildet die Basis für die Identifikation von Big-Data-Potenzialen. Je gründlicher sie durchgeführt wird, desto besser lassen sich im Folgenden Erkenntnisse ableiten.

Die gesammelten Informationen sind im nächsten Schritt einer Analyse zu unterziehen: Ziel dabei ist es, Daten und Zusammenhänge aufzuzeigen, zu „clustern“ und eine System-Daten-Matrix zu erstellen. Die Analyse ist meist der aufwändigste Teil, da hierfür ein umfassendes Verständnis der branchentypischen Daten und Zusammenhänge notwendig ist.
Aus der Analyse ergibt sich in der Regel ein Bild von definierten Datendomänen. Eine Datendomäne kapselt dabei verschiedene Daten und Datentöpfe in generische Cluster mit ähnlichen Inhalten, zum Beispiel:

• Kundendaten
• Interaktionsdaten
• Marketinginformationen
• Finanz- und Rechnungsdaten
• Stammdaten zu Produkten und Services.

Mehr Informationen finden sich im Leitfaden von Consol. (rhh)

Hier geht es zum Leitfaden.