Checkliste für die Big-Data-Strategie

• Das Speditionsunternehmen US Xpress spart durch die Auswertung von Sensor- und Geodaten seiner LKW-Flotte jährlich mehrere Millionen Dollar. Geringere Leerlaufzeiten und der reduzierte Treibstoffverbrauch tragen zu diesen Einsparungen bei (Quelle: Informatica).

Mit Hadoop Betrugsfälle erkennen

• Der Finanzdienstleister JP Morgan Chase setzt Hadoop seit rund drei Jahren für Betrugserkennung und für IT-Risikomanagement ein (Quelle: JP Morgan Chase).

• Der Einzelhändler Sears kann durch Hadoop die Preiselastizität seiner Produkte wöchentlich analysieren. Dabei werden etwa Produktverfügbarkeit und Konkurrenzpreise unter die Lupe genommen. Zuvor konnte das Unternehmen nur zehn Prozent der verfügbaren Daten dafür nutzen; die Berechnungen dauerten circa acht Wochen (Quelle: Wall Street Journal).

Eine weitere Hürde auf dem Weg zum Big-Data-Erfolg stellt die aktuelle Marktlage für entsprechende IT-Lösungen dar. Mehrere Dienstleister bieten momentan Lösungen auf Hadoop-Basis. Dazu gehören Firmen wie Cloudera, Hortonworks, Datameer und HStreaming, aber auch große Namen wie IBMIBM und EMC. Alles zu IBM auf CIO.de

Doch die Anbieter stoßen alle an eine wichtige Grenze: Keiner besitzt standardisierte Industrielösungen, die sich schnell an die Kundenbedürfnisse anpassen lassen. Oft müssen diese Lösungen erst in gemeinsamen Kundenprojekten entwickelt werden, da sich die Anbieter auf die Anpassung der Basis-Technologien rund um Hadoop spezialisiert haben.

IT und Fachbereiche noch nicht auf Big Data ausgerichtet

Um einen Big Data-Ansatz umzusetzen, müssen auf Anwenderseite die IT-Experten des Unternehmens andere Fähigkeiten besitzen als für Systeme, die eine Datenverarbeitung nach heutigen Standards unterstützen. Dabei sind drei Aspekte besonders relevant: die Datenanalyse, die Datenvisualisierung und die technischen Fähigkeiten.