Überblick zu Big Data: Valide Analysen statt Bauchgefühl
Bild: Shutterstock/is am are
Manager und Vertriebsfachleute der alten Schule verlassen sich auf ihr „Bauchgefühl“, wenn es darum geht, neue Marktsegmente zu erschließen oder die Anforderungen ihrer Kunden einzuschätzen. Doch dieser Ansatz funktioniert nicht mehr. Denn die Welt zeichnet sich durch eine wachsende Komplexität aus – und durch immer individuellere Anforderungen von Kunden.
Mit dem „Bauchgefühl“ lassen sich diese Entwicklungen nicht adäquat einschätzen. Gefordert sind aussagekräftige Analysen, die auf validem Datenmaterial beruhen. Denn ein Aspekt der Digitalen Transformation ist, dass Unternehmen schneller denn je Trends, Marktentwicklungen und Kundenbedürfnisse erkennen müssen. Diese Aufgabe erfordert den Einsatz von Big-Data- und Analytics-Tools.
Daten, Daten, Daten
Zugegeben, einfach ist das nicht. Denn es gilt Daten aus unterschiedlichen Quellen zu erfassen, zu konsolidieren und auszuwerten, die zudem in diversen Formaten vorliegen – strukturiert, semi- und unstrukturiert. Das können laut einem Report der Beratungsunternehmen KPMG und Bitkom Research Unternehmensdaten wie Transaktionsinformationen sein, außerdem Kundendaten und „systemisch erstellte Daten“ wie Sensor- und Log-Informationen. Hinzu kommen öffentlich zugängliche Daten, etwa über die wirtschaftliche Entwicklung.
Vor allem das Volumen der systemisch erstellen Datenbestände nimmt zu. Das ist nicht verwunderlich, weil immer mehr „Dinge“ (Things) vernetzt werden und zusätzliche Informationen bereitstellen – vom Auto über die Haustechnik bis hin zu intelligenter Kleidung.
Was Big Data eigentlich ist
Um aus diesen Datenbergen verwertbare Informationen zu extrahieren, die sich wiederum in Geschäftsstrategien und neue Produkte umsetzen lassen, ist Big Data erforderlich. Dieser Ansatz weist laut KPMG, Bitkom Research und Gartner folgende Elemente auf:
- Große Datenmengen: Es geht um Volumina von mehreren Terabyte, Petabyte (1000 Terabyte) oder gar Exabyte (1 Million Terabyte). Umstritten ist jedoch, wo die Grenze zu „Big“ verläuft. Für kleinere Unternehmen können das bereits 50 Gigabyte sein, für einen Konzern mehrere Petabyte.
- Unterschiedliche Datenarten: Big Data umfasst beispielsweise Kundendaten, Stücklisten, Wartungsinformationen, Sensordaten oder Posts auf Social-Media-Plattformen.
- Schnelles Erfassen und Analysieren: Die Informationen werden im Idealfall in „Echtzeit“ übermittelt und ausgewertet. Dies ermöglicht kurze Reaktionszeiten bei neuen Marktentwicklungen.
- Regeln für die Nutzung: Datenschutzbestimmungen und Normen wie HIPAA (Health Insurance Portability and Accountability Act) und PCI DSS (Payment Card Industry Data Security Standard) reglementieren die Nutzung der Daten und definieren Schutzverfahren.
- Wertschöpfung: Big Data bietet Unternehmen und öffentlichen Einrichtungen greifbare Vorteile. Das sind beispielsweise Hinweise auf neue Umsatzchancen oder Erkenntnisse, wie sich die Verkehrsströme in einer Region entwickeln.
Datenanalyse zahlt sich aus
Dass es sich bei Big Data nicht um einen „Marketing-Hype“ handelt, belegt die Studie Big Data Use Cases des Beratungshauses BARC. Demnach berichten 69 Prozent der Unternehmen, die eine Big-Data-Initiative gestartet haben, dass strategische Entscheidungen auf einer fundierteren Basis als zuvor getroffen werden.
Derzeit (2016) nutzen rund 35 Prozent der Unternehmen in Deutschland Big-Data-Lösungen. Bild: KPMG/Bitkom Research
Hinzu kommt ein zentraler Punkt: ein besseres Verständnis der Kunden. Das gilt für deren Anforderungen an Produkte und Services. Aber auch Informationen darüber, wer denn überhaupt diese Kunden sind und wie sich die Kundenstruktur ändert, sind für Unternehmen von hohem Wert.
Eine Untersuchung des FZI Forschungszentrums Informatik zusammen mit BARC ergab zudem, dass Unternehmen in Deutschland, die bereits Big Data einsetzen, in Form einer besseren Steuerung operativer Prozesse und der Entwicklung neuartiger Angebote profitieren. Ein weiterer Vorteil ist, dass sich auf Grundlage von Big-Data-Analysen neue Geschäftsmodelle entwickeln lassen.
Wo Big Data zum Zuge kommen kann
Die Einsatzmöglichkeiten von Big Data sind vielfältig. Nach Angaben von BARC sind entsprechende Lösungen derzeit vor allem in Marketing, Vertrieb, der Finanzplanung, der IT und im Produktionsbereich im Einsatz. Bezogen auf die einzelnen Branchen, zeigen sich 68 Prozent der Unternehmen in Deutschland gegenüber Big Data aufgeschlossen. Das gilt vor allem für die Versicherungswirtschaft (81 Prozent), aber auch die Automobilindustrie (67 Prozent), das Gesundheitswesen (66 Prozent), den Finanzsektor (63 Prozent) und das produzierende Gewerbe (61).
Jeweils etwa 30 Prozent der Unternehmen, die Big-Data-Lösungen einsetzen, haben damit Risiken minimiert, etwa Finanzunternehmen und Versicherungen. In Fertigungsunternehmen wiederum ist Big Data die Basis für Predictive Maintenance: Sensoren an Maschinen und Werkzeugen übermitteln regelmäßig Statusmeldungen. Bahnen sich Schwierigkeiten an, etwa weil ein Werkzeug schneller als vorgesehen verschleißt, meldet das die Maschine und ordert automatisch Nachschub.
Die Nutzung von Big Data variiert stark nach Branche und Einsatzfeld. Bild: Lünendonk
Allerdings gibt es je nach Branche gravierende Unterschiede, was den Einsatz von Big Data betrifft. Die Unternehmensberatung Lünendonk hat im Rahmen einer Untersuchung zum digitalen Reifegrade deutscher Unternehmen ermittelt, dass derzeit vor allem Kundendaten gesammelt und analysiert werden. Dagegen setzen gerade einmal 17 Prozent der Industrieunternehmen Big Data im Bereich vorausschauende Wartung ein. Immerhin wollen weitere 34 Prozent das bis 2017 tun.
Vorhandene Werkzeuge nur bedingt tauglich
Die Akzeptanz von Big Data steht und fällt mit entsprechenden Lösungen. Laut FZI wünschen sich Anwender bessere Tools, um mithilfe von Big Data einen „Blick in die Zukunft“ werfen zu können. Die vorhandenen Werkzeuge, wie Standard-Datenbanken und Business-Intelligence-Werkzeuge, seien nur bedingt für die Entwicklung von Vorhersage-Modellen tauglich. Das lässt sich mithilfe spezieller Anwendungen ändern. Dazu gehören beispielsweise analytische Datenbanken und explorative Data-Discovery-Werkzeuge.
Derzeit erhoffen sich viele Unternehmen von Big Data Hilfe im operativen Geschäft. Bild: FZI/BARC
Für die Analyse sehr großer Datenbestände bieten sich zudem Hadoop-Cluster an. Hadoop ist ein Open-Source-Softwareprojekt, das die verteilte Verarbeitung großer strukturierter, semistrukturierter und unstrukturierter Daten ermöglicht. Dies erfolgt auf Standardservern. Ein Vorteil der Lösung ist, dass sie sich sowohl auf einem einzelnen Server als auch in Clustern mit Tausenden von Maschinen einsetzen lässt.
Trend: Predictive Analytics
Damit Big Data dazu beitragen kann, neue Geschäftsmodelle und Produkte zu entwickeln, müssen entsprechende Analysemethoden eingesetzt werden. Laut der Studie von KPMG und Bitkom Research dominieren in deutschen Unternehmen derzeit mit 48 Prozent noch deskriptive Untersuchungsverfahren. Sie basieren auf der Analyse „alter“, also historischer Daten.
Auf dem Vormarsch sind jedoch vorausschauende Analysen. Sie setzen mittlerweile 39 Prozent der Unternehmen ein. Das Ziel ist, auf Basis einer Auswertung historischer Daten und Trends Vorhersagen über künftige Entwicklungen zu treffen. Predictive Analytics erfordert allerdings komplexere Tools. Neben „großen“ Anbietern wie SAP und Microsoft stellen Unternehmen wie Tableau und Qlik solche Werkzeuge zur Verfügung.
Gefordert sind Analysetechniken, die künftige Entwicklungen transparent machen.
Bild: KPMG/Bitkom Research
An die 15 Prozent entfallen auf eine dritte Sparte von Analyseverfahren: Prescriptive Analytics. Diese Methode kombiniert Erkenntnisse aus deskriptiven und vorausschauenden Analysen und leitet daraus Handlungsempfehlungen ab.
Beispiel: Big Data von den Fußballern „lernen“
Dass dem Einsatz von Big Data fast keine Grenzen gesetzt sind, zeigt ein Anwendungsbeispiel aus einem Bereich, der auf den ersten Blick nicht zu klassischen Einsatzfelder zählen – dem Fußball. So setzt die deutsche Fußballnationalmannschaft bereits seit mehreren Jahren Big-Data-Lösungen wie Match Insights von SAP ein. Sie sammelt Daten von gegnerischen Mannschaften, etwa über eingesetzte Taktik-Varianten und Spielzüge oder die Stärken und Schwächen der einzelnen Spieler.
Big-Data-Analysen sind auch im Sport unverzichtbar, etwa im Fußball. Bild: SAP
Diese Daten werden aufbereitet und mit Informationen über die eigene Mannschaft in Beziehung gesetzt. Dabei fließen Daten mit ein, die während des Trainings ermittelt werden, etwa wie hoch der Puls eines Spielers bei Trainingseinheiten ist und welche Laufstrecke er zurücklegt. Für den Trainerstab sind solche Erkenntnisse ein Hilfsmittel, um das Team optimal auf das nächste Match vorzubereiten. Mittlerweile greifen auch Profi-Fußballclubs auf Big-Data-Analysen zurück.
Damit nicht genug: Big-Data-Analysen werden von Profi-Clubs dazu herangezogen, um für Fans und Sponsoren in aller Welt proaktiv neue Angebote zu entwickeln oder um gezielt die Fähigkeiten neuer Spieler zu untersuchen, die auf der Wunschliste eines Trainers stehen. Somit exerzieren Fußballvereine vor, wie sich Big Data in unterschiedlichen Bereichen einsetzen lässt. Das sollte gerade mittelständischen Unternehmen Mut machen, es ihnen gleich zu tun und künftig auf das „Bauchgefühl“ zu verzichten.
Dieser Artikel erschien ursprünglich auf Digitales-Wirtschaftswunder.de, dem Themenblog der QSC AG