Der IT-Sicherheitsspezialist KUERT Datenrettung Deutschland GmbH zeigt Gründe für das Scheitern von Unternehmen bei der der Umsetzung von Big Data Projekten auf.
Zu zögerlich sind nach Ansicht von Martin Eschenberg, Marketingleiter bei KUERT, viele Unternehmen, wenn es um die Implementierung von Big-Data Lösungen geht. Der Schlüssel für die erfolgreiche Umsetzung eines Big Data Projects liege in der schrittweisen Umsetzung des Projekts und sei auch geprägt vom Willen der jeweiligen Mitarbeiter, die mit der Umsetzung betraut sind, denn diese könnten nur durch frühzeitiges scheitern effektiv hinzulernen. Die Gründe für ein Scheitern seien hierbei oftmals auf ein gewisses Maß an Naivität zurückzuführen, denn oftmals wüssten viele Unternehmen nicht, welche und wie sie eine Big Data Lösung produktiv implementieren sollen. Denn für eine erfolgreiche Datenanalyse benötige man auch entsprechendes Personal und Infrastruktur.
Daher sei es erforderlich, bei der Annäherung an das Thema Big Data minimalistisch zu denken und zunächst möglichst kleine Projekte zu realisieren um Erfahrungswerte sammeln zu können.
Der Datenspezialist Martin Eschenberg beschreibt im Folgenden Szenarien, die Big-Data-Projekte gefährden.
Auswahl des falschen Verwendungszwecks
Entweder starten Unternehmen bei der Einführung von Big Data mit einem viel zu großen und überambitionierten Projekt, oder sie versuchen ihre Big Data Probleme durch traditionelle und vorherrschende Daten-Technologie in den Griff zu bekommen, welche in der Folge mit den Anforderungen zur Analyse großer Datenströme komplett überfordert ist.
Große Datensilos
Hersteller von Big Data Applikationen sprechen sehr gern von „Daten-Seen“ oder „Daten-Hubs“, die Realität in vielen Unternehmen zeigt jedoch, das viele Unternehmen hier eher „Daten-Pfützen“ installieren. Verbunden mit scharfen Abgrenzungen zwischen der „Marketing-Pfütze“, der „Produktionsdaten-Pfütze“, usw.. Big Data ist jedoch wesentlich wertvoller für ein Unternehmen, wenn diese Barrieren eingerissen werden und die Daten so analysiert werden können, wie sie auch durchs Unternehmen fließen, im Besten Fall sogar bei der Big Data Analyse komplett zusammenfließen. Firmenpolitik und Unternehmensrichtlinien stehen diesem unterfangen oftmals konträr gegenüber. Die Einführung von Big Data Analyseprozessen sollte grundsätzlich in Zusammenarbeit mit dem jeweiligen Datenschutzbeauftragten des Unternehmens erarbeitet werden. Schon in der Planungsphase können somit praktische und unternehmenskonforme Lösungen erarbeitet werden.
Falsche Fragestellungen
Datenwissenschaft ist eine komplexe Mischung aus Branchenwissen, Mathematik, Statistik und Programmierkenntnissen. Exakt diese sind die Anforderungen deren einer Big Data Lösung bedarf, um die Ergebnisse liefern zu können die sich das Unternehmen verspricht. Zu viele Unternehmen stellen Daten-Wissenschaftler und Analysten ein, bei denen es sich vielleicht um wahre Mathematik- und Programmier-Genies handeln mag, welche jedoch jegliches Wissen zur elementarsten Komponente vermissen lassen: Branchenkenntnis.
Unvorhergesehene Big Data Probleme
Die Datenanalyse ist nur eine Komponente eines Big Data Projekts. In der Lage zu sein, auf Daten zuzugreifen und diese zu verarbeiten ist der kritische Teil des Ganzen, denn hier lauern Gefahren wie Netzwerküberlastung oder die unzureichende Ausbildung von Mitarbeitern.
Meinungsverschiedenheiten bei der Strategie
Big Data Projekte sind unter anderem dann erfolgreich, wenn es sich hierbei nicht um vollkommen isolierte Projekte handelt, sondern Abteilungsübergreifend Einverständnis darüber herrscht, wie durch die Datenanalyse alle Abteilungen des Unternehmens direkt oder indirekt profitieren können. Probleme treten zumeist dann auf, wenn unterschiedliche Abteilungen unterschiedliche Prioritäten bei der Wertigkeit der einzelnen Projekte verfolgen, z.B. „Cloud-Virtualisierung ist wichtiger als Big Data Analyse, weil wir dadurch…“
Fehlende Qualifikation
Viele zu groß skalierte Big-Data Projekte schreiten nur sehr langsam voran oder scheitern komplett. Oftmals liegt dies darin begründet, dass die bei der Umsetzung beteiligten Personen nur über unzureichende Qualifikationen verfügen. Einer der Hauptgründe hierbei liegt in der Tatsache, dass die zu einem Big-Data Projekt involvierten Personen aus der eigenen IT-Abteilung des Unternehmens stammen.
Problemvermeidung
Manchmal wissen oder vermuten wir, dass die Erkenntnisse der Datenanalyse uns zu Aktionen verleiten können, die wir nicht realisieren möchten. Wie innerhalb der Pharmaindustrie, die keine Sentiment-Analysen durchführen möchte, um hierdurch Meldepflichten zu umgehen oder um Szenarien zu vermeiden, die mehr Ärger einbringen könnten, als das sie Nutzen stiften. Was sich wie ein roter Faden durch diese Liste zieht ist die Erkenntnis, dass je stärker man sich auf die Daten fokussiert, festzustellen ist, dass der Mensch hierbei im Wege steht. So sehr ein Unternehmen auch bestrebt sein dürfte, Unternehmensentscheidungen einzig und allein aufgrund von Kennziffern zu treffen, so werden die Entscheidungen im Big Data Prozess welche Daten, gesammelt und mit in die Analyse einbezogen werden oder welche Fragen durch die Analyse beantwortet werden sollen, im Endeffekt doch wiederum nur von Menschen getroffen.
Besser schrittweise Innovation
Weil so viele Unternehmen dem Start eines eigenen Big-Data Projekts unentschlossen gegenüberstehen, gepaart mit der Angst vor einem Scheitern des Projekts, ist es unerlässlich sich dem Thema Big Data in kleinen Schritten zu nähern. Hierzu eignen sich entweder kostengünstige Anbieter, die einem Unternehmen den Weg zur Analyse großer Daten ebnen können oder die Möglichkeit die eigenen Mitarbeiter in die Lage zu versetzen mit Kopien der eigenen Daten zu experimentieren. hei
Anzeige
is report Business Intelligence Guide 2014
Die Printversion dieser Standardreferenz für den BI-Markt können Sie hier oder per E-Mail unter eantritter@isreport.de bestellen.
Über Beteiligungsmöglichkeiten informiert Sie Herr Raupach unter 089/90 48 62 30 oder sRaupach@isreport.de
