InformationsmanagementDatenflut mit Big Data bewältigen

Big Data ist nicht einfach nur ein neues Produkt, das Unternehmen bei einem Softwarehersteller kaufen können. Vielmehr handelt es sich um eine Erweiterung bekannter Methoden und Verfahren zur Datenanalyse – ergänzt um einige neue Technologien. Die technologischen Fundamente dafür stellt Business Intelligence (BI) bereit. Nun geht es darum, deren Methoden und Verfahren gezielt um neue Technologien zu erweitern, damit Big Data an Fahrt gewinnt. Gängige Definitionen von Big Data unterscheiden vier Ausprägungen beziehungsweise Dimensionen:

Das für Unternehmen relevante Datenvolumen steigt weiterhin drastisch an. Heute schon werden in einer Reihe von Big-Data-Anwendungen Datenmengen im Terabyte-Bereich analysiert, in Kürze wird es gar um Peta- und Exabyte gehen. So etwa analysierte eine Drogeriemarktkette die Umsatzströme mehrerer Jahre, um zu ermitteln, wann welche Filiale wie viel Personal benötigt. Davon, so heißt es aus dem Unternehmensumfeld, profitierten auch die Mitarbeiter, die nun ihren Schichtplan vier bis acht Wochen im Voraus kennen und sich heute seltener als früher auf kurzfristig angeordnete Sonderschichten einstellen müssen.

Weil Unternehmen immer öfter zeitnah auf Marktgeschehnisse reagieren müssen, ist es notwendig, dass Analysen umfangreicher Datenbestände schnell zur Verfügung stehen. Online-Shops, und vermehrt auch Einzelhändler, erfassen und analysieren mit Hilfe von Big-Data-Werkzeugen den kontinuierlich anfallenden Datenstrom, berechnen die Wahrscheinlichkeit, mit der Verbraucher komplementäre Produkte kaufen werden und machen ihnen entsprechende Angebote. Unternehmen aus dem produzierenden Gewerbe optimieren über Prognosen die ein- und ausgehenden Warenströme sowie die Maschinenauslastung in der Fertigung. Logistikunternehmen wiederum testen Modelle, um ihre Tourenplanung weiter zu optimieren.

In den Datenanalysen werden immer häufiger die unterschiedlichsten Datenquellen mit strukturierten und kaum strukturierten Beständen berücksichtigt. Neben den bekannten Datenquellen, etwa den vorhandenen betriebswirtschaftlichen Kernanwendungen, kommen neue hinzu. Beispiele dafür sind RFID-Daten aus der Logistikkette, aber auch solche aus Weblogs und Social-Media-Plattformen. Wichtig ist dabei festzustellen, welche der strukturierten und wenig strukturierten Daten aus den unterschiedlichen Quellen für konkrete Einsatzgebiete in einer Fachabteilung von Relevanz sind. Das heißt, die Komplexität der Datenanalysen steigt.

Die Zahl der potenziellen internen und externen Anwender von Big-Data-Applikationen steigt. Immer mehr Anwender aus den Fachbereichen erwarten, dass sie eigenständig und ohne zusätzliche Hilfe durch die IT-Abteilung mit ihren Big-Data-Anwendungen Ad-hoc-Berichte erstellen und die benötigten Basisdaten näher analysieren können. Dazu benötigen sie intuitiv und sehr flexibel einsetzbare Werkzeuge, um entscheidungsrelevante interne und externe Daten zu beschaffen und auszuwerten. Sichere und durch die IT verwaltete Self-Service-BI-Funktionalitäten bieten Mitarbeitern, aber auch Kunden und Lieferanten, die Möglichkeit, schnell und unkompliziert gerade benötigte Daten aufzubereiten.

Ziel von Big-Data-Anwendungen ist es unter anderem, bislang nicht zugängliche, umfangreiche Mengen strukturierter und wenig strukturierter Geschäftsdaten auf ihre Relevanz für konkrete Einsatzgebiete wie etwa das Kundenbeziehungsmanagement zu prüfen, zu verarbeiten und bereitzustellen.

In vielen Unternehmen wird Big Data als Erweiterung einer vorhandenen BI-Lösung zum Einsatz kommen, denn damit lässt sich auf vorhandenen Investitionen aufbauen. Insbesondere im Marketing, Vertrieb und Kundensupport haben Unternehmen Projekte gestartet, um Informationen aus sozialen Netzwerken zu analysieren und mit bereits vorhandenen oder neuen BI-Anwendungen zu verknüpfen. Daraus lässt sich dann handlungsrelevantes Wissen erzeugen. Eine Kombination aus BI-Funktionen und Social-Media-Tools ermöglicht Mitarbeitern des Kundenbeziehungsmanagements, gezielt in sozialen Netzwerken nach Äußerungen zu Produkten und Dienstleistungen des Unternehmens zu suchen, um Kundenbeschwerden und Meinungen frühzeitig zu ermitteln und gegensteuern zu können.

Mit zusätzlichen Funktionen, beispielsweise für die Textanalyse, können Unternehmen sowohl strukturierte als auch unstrukturierte Daten durchsuchen und die ermittelten Informationen mit Daten aus CRM-Systemen oder anderen Unternehmensapplikationen für weitere Analysen einsetzen. In Zeiten, in denen Meinungsbildung über das Internet erfolgt, sind frühe und detaillierte Erkenntnisse über Stimmungsschwankungen und Einstellungen bezüglich der Akzeptanz eines Unternehmens oder eines Produkts ausschlaggebend für den Erfolg oder Misserfolg.