IDC: In 5 Stufen zum Big-Data-Projekt

Im Mittelpunkt aller strategischen Überlegungen im Zusammenhang mit Big Data Analytics steht die Anforderung, aus internen wie externen Datenquellen die richtigen Daten auszuwählen, diese effizient und schnell auszuwerten, um so fundierte Empfehlungen für Entscheidungen geben zu können oder Handlungsschritte anzustoßen.

Die Aussicht, datenbasierte Entscheidungen schneller und besser treffen zu können, hat die Thematik bei vielen Unternehmen auf die Agenda des Top Managements gebracht. Big Data Analytics als der "Wettbewerbsvorteil der nächsten Generation" bietet für die meisten Organisationen eine Chance, ist aber zugleich auch eine Herausforderung.

Für die Unternehmenslenker geht es nicht in erster Linie darum, Zugang zu relevanten Informationen zu bekommen; vielmehr sollen diese analysiert und auf den Resultaten basierend schnell die richtigen Entscheidungen und Reaktionen abgeleitet werden, um sich einen Wettbewerbsvorsprung zu sichern.

Während die Nutzenversprechungen im Hinblick auf Big Data und der damit verbundene Hype riesig sind, muß in der Realität der Bedarf an neuen Technologien, analytischen Methoden und Datenquellen erst einmal analysiert und bewertet werden.

Aus Sicht von IDC stehen Unternehmen dabei aber, und zwar sowohl auf IT- als auch auf Managementebene, aufgrund fehlender Skills, geringer adäquater personeller Ressourcen und einer noch überschaubaren Anzahl an nutzbringenden erprobten Business-Szenarien vor großen Herausforderungen.

IDC hat aus diesem Grund das sogenannte "Maturity Guidance Model" für Big Data entwickelt. Dies besteht aus fünf Reifestufen - Ad hoc, Opportunistic, Repeatable, Managed und Optimized - und gibt jeweils Empfehlungen über die wichtigsten Maßnahmen für jede Stufe auf dem Weg zu erfolgreichen, ganzheitlichen und unternehmensweiten Big Data Analytics Projekten.

Stufe 1: Ad hoc - Erste kleine Projekte

Auf der ersten Stufe starten Unternehmen in der Regel erste kleine Big Data Projekte, um einzelne Fragestellungen zu beantworten. Diese werden meist getrieben von kleinen Abteilungen als Pilot- oder "Proof of Concept"- Projekte und werden oftmals ohne das Wissen beziehungsweise die Aufmerksamkeit des Managements und somit auch ohne dessen Unterstützung durchgeführt. Im Mittelpunkt steht vor allem der Zugang zu den Daten. IDC empfiehlt in diesem Stadium folgendes:

• Nutzen Sie vorhandene Technologien und leicht zugängliche Daten aus einem fest umrissenen Geschäftsfeld

• Beachten Sie, dass Daten in der Anfangsphase oftmals stark manuell angepasst und aufbereitet werden müssen, um die gewünschte Performance und das anvisierte Ergebnis zu erreichen. Zudem sollten Sie einkalkulieren, dass die Daten in der Regel unvollständig vorliegen.

• Binden Sie das Top Management erst ein, wenn Sie ein erfolgreiches Big Data Pilotprojekt präsentieren können.

Stufe 2: Opportunistic - Opportunistisch orientierter Projektansatz

Auf der zweiten, der sogenannten opportunistischen Projektstufe wollen einzelne Abteilungen projektspezifische Fragestellungen analysieren. Es wird ein Projektbudget auf Fachbereichsebene allokiert und zu diesem Zweck gegenenenfalls auch in ein neues Tool investiert. Daten unterschiedlicher Struktur werden dazu aufbereitet.

Die neue Technologie erfüllt zwar den Projektzweck, ist aber nicht integriert und steht in der Regel nur einzelnen Usern zur Verfügung. Es entsteht zwar ein kleines Team mit den entsprechenden Technologie-, Analyse- und Management-Skills, eine entsprechende Abstimmung zwischen IT und Fachbereich findet allerdings nicht statt. Das Hauptaugenmerk auf dieser Stufe liegt insbesondere der Datenanalyse. IDC empfiehlt auf dieser Stufe:

• Legen Sie einen ersten Fachbereich zur Big Data Strategie fest, auch wenn dieser nicht integriert ist - und stellen Sie ein Big Data Team zusammen.

• Beginnen Sie mit der Integration von Daten aus vielen heterogenen Quellen, um die Datenqualität und Aussagekraft des Big Data Projekts zu erhöhen.

• Investieren Sie in in neue Technologien (On Premise oder Cloud), um die "Time-to-Success" zu verkürzen.

Stufe 3: Repeatable - Wiederholbare Projekte

Big Data Projekte, die bereits zum wiederholten Male durchgeführt werden, werden in der Regel von den Fachbereichen budgetiert und dokumentiert - inklusive des Projektmanagementes und der strategischen Ausrichtung. Es existiert allerdings meist nur eine rudimentäre Kosten-Nutzen-Analyse dieser Projekte und der tatsächliche Nutzen kommt aufgrund der mangelnden Integration oftmals nur einem spezifischen Fachbereich zu Gute. Zwar wurden für die Datensammlung und -integration sowie für das Monitoring bereits Prozesse geschaffen, Data Governance und Security sind aber noch nicht etabliert.

Das Ziel von sich wiederholenden Big Data-Projekten liegt vor allem darin, neue umfassende Erkenntnisse aus einer Vielfalt von internen und externen sowie strukturierten, semistrukturierten und unstrukturierten Daten zu gewinnen. Dazu werden verschiedene multidimensionale Analysen, Reports, Queries und Predictive Analytics Tools mit der darunterliegenden Information Management Technologie eingesetzt. IDC empfiehlt hierzu:

• Entwickeln Sie eine fachbereichsübergreifende Big Data Strategie sowie eine fundierte Kosten-Nutzen-Analyse. Erweitern Sie die einzubeziehenden Daten unter Beachtung der Data Governance Richtlinien und Prozessen einzelner Fachbereiche.

• Investieren Sie in sinnvolle Technologie mit einer zunächst begrenzten Anzahl an Usern und vermeiden Sie in diesem Zusammenhang auch Shelfware.

• Investieren Sie auch entsprechend in neue personelle Ressourcen mit ausgewiesenen Big Data Skills.

• Führen Sie ein erstes Monitoring durch und dokumentieren Sie die Prozesse.

• Stellen Sie ein Big Data Team zusammen, bestehend aus allen relevanten Stakeholdern - und zwar aus allen Fachbereichen und der IT!

Stufe 4: Managed - Aktiv gesteuerte Projekte

Aktiv gemanagte Big Data Projekte können zu jeder Zeit Auskunft darüber geben, was gerade warum im Unternehmen passiert und sind in der Lage, dem Management diese Informationen zur Verfügung zu stellen. Es existiert eine fachbereichsübergreifende Big Data Strategie mit einem zentralisierten Budget und der Unterstützung von Seiten des Top Managements.

Während das Big Data Technologie Team dabei in der Regel zentral organisiert ist, werden die Analyse und die daraus resultierenden Ableitungen für die nächsten Schritte und Handlungsempfehlungen in die jeweiligen Fachbereiche verlagert und damit dezentral organisiert. Aus Sicht von IDC sollten Unternehmen auf dieser Stufe unbedingt folgendes beachten:

• Definieren Sie einen Big Data Leader auf Executive Level, der fachbereichsübergreifend Projekte koordiniert.

• Manifestieren Sie Methoden und Prozessen für Data Governance und entwickeln Sie eine fundierte Kosten-Nutzen-Analyse.

• Planen Sie das weitere Rollout der eingesetztenTechnologien und verhandeln Sie mit den Anbietern ein für Sie passendes Preismodell.

• Erweiteren Sie die Unterstützung für dezentralisierte Big Data Analysten in den Fachbereichen.

• Überwachen Sie die Performance und IT-Effizienz.

Stufe 5: Optimzed - Kontinuierlich überwachte und verbesserte Projekte

Auf der letzten und somit höchsten Stufe von Big Data Projekten ist das erklärte Ziel, den Top-Entscheidern vorausschauende Informationen zu liefern. Das Big Data Team arbeitet an der ständigen Wertsteigerung der Big Data Projekte für das Unternehmen und kontinuierlichen Prozessverbesserungen.

Es existiert eine definierte, unternehmensweite und kommunizierte sowie anerkannte Big Data Strategie und zwar inklusive allokiertem Budget und auch einem "Ad hoc"-Funding, falls nötig. Es gibt Tools, Prozesse und ROI-Messung. Software und Hardware wurden optimiert, der Level der Automatisierung erhöht und für dynamische Skalierbarkeit wurde gesorgt. Hier empfiehlt IDC:

• Etablieren Sie eine Big Data Unternehmensstrategie - mit der Unterstützung des C-Level Managements und einem manifestierten Projektbudget.

• Steigern Sie die Verfügbarkeit für die Datenquellen, achten Sie in diesem Kontext aber unbedingt auf die Zuweisung gestaffelter Zugriffsrechte, um die Sicherheit der Daten zu garantieren. Maximieren Sie die Auslastung der Systeme und Tools und sorgen Sie für die größtmögliche Automatisierung des Performance Managements.

• Entwickeln Sie ein gleichermassen interessantes wie verbindliches Trainingsangebot, sowohl für das gesamte Big Data Team als auch für alle anderen Stakeholder zur Wertsteigerung der Projekte.

• Zentralisieren Sie verschiedener Funktionen wie etwa die Datenintegration, Systems Management, Entwicklung von Reports und Dashboards.

Neben einer klaren Zieldefinition, dem richtigen Einsatz von Technologie und der optimalen Aufbereitung der Daten auf dem Weg zur höchsten Stufe des Big Data Maturity Models dürfen Unternehmen auch oder gerade bei ihren Big Data Projekten nicht vergessen, dass schlussendlich Prozesse und Mitarbeiter die wesentliche Basis für den Erfolg sind. Insbesondere dem Auf- und Ausbau von Skills sollte besondere Aufmerksamkeit geschenkt werden.

Hier ist neben technologischem Know-how und guten analytischen Fähigkeiten vor allem die interdisziplinäre Zusammenarbeit mit Kollegen aus verschiedenen Abteilungen mit unterschiedlichem Background gefragt.

Fazit

Und um die nächsten Stufen in Big Data Projekten zu erlangen, sind vor allem Leadership, Weiterbildung und Organisation gefragt. Die Eckpfeiler des Projektes - nämlich Zielsetzung, Technologie, Daten, Personen und Prozessen - müssen im Einklang stehen, um Big Data Projekte effizient und zielorientiert weiterzuentwickeln.

Eine Herausforderung bleibt unbestritten. Big Data als ein wesentliches Computing-Paradigma unserer Tage bietet unendlich viele Ansätze, die "Datenproblematiken" anzupacken. "Die Killerapplikation" für Big Data gibt es nicht. Das macht es für viele Unternehmen schwer, einen für sie geeigneten Ansatz zu finden.

Aus Sicht von IDC befinden sich die meisten Unternehmen in Deutschland aktuell auf Stufe 1 und 2, wobei vor allem im Hinblick auf die Personen und die Zieldefinition noch deutlich Nachholbedarf besteht. IDC ist allerdings optimistisch, dass wir in den nächsten zwei bis drei Jahren immer mehr Unternehmen sehen werden, die die fünf Stufen des IDC Maturity Models erklimmen werden.

Lynn-Kristin Thorenz ist Director Consulting und Matthias Zacher ist Senior Consultant bei IDC in Frankfurt.