Ratschläge von Roland Berger

Experimentieren Sie mit Big Data

10.07.2013
Von Curt Cramer und Alexander Türk
Zur Einführung von Big-Data empfiehlt sich ein Vorgehen in vier Schritten – Enabling, Strategiephase, Experimentierphase, Roll-Out.
Zur Einführung von Big-Data empfiehlt sich ein Vorgehen in vier Schritten – Enabling, Strategiephase, Experimentierphase, Roll-Out.
Foto: Roland Berger

Technische Lösungen solcher Berechnungen können - auch wenn sie derzeit die Big-Data-Diskussion beherrschen - somit nicht der Schlüssel zum Erfolg sein. Ebenso wenig helfen Standardlösungen von IT-Providern, da bereits geringe Unterschiede in Unternehmensbedürfnissen und Ausgangssituationen die Güte von Modellen negativ beeinflussen. Viel wichtiger ist es, dass Data-Mining-Verfahren sinnvoll im Unternehmen eingesetzt und weiterentwickelt werden.

Die Bedingungen für erfolgreiche Data-Mining-Verfahren

Data-Mining - im neuen Jargon der Big-Data-Welle auch oft mit "Predictive Analytics" betitelt - ist seit vielen Jahren erforscht. Die entsprechende Arbeitsgruppe SIGKDD (Association for Computing Machinery) der ACM (Association for Computing Machinery) gibt es inoffiziell bereits seit 1995, formal seit 1998.

Unternehmen, die Data-Mining-Verfahren erfolgreich einsetzen wollen, stehen allerdings vor zwei großen Hürden:

  • Data-Mining erfordert ein tiefgreifendes Spezialwissen zu den mathematischen Verfahren sowie viel Praxiserfahrung bei deren Anwendung.

  • Außerdem stellen solche Verfahren organisatorische Anforderungen, die sich stark von den üblichen Abläufen in den Firmen unterscheiden.

Um Data-Mining-Projekte erfolgreich umsetzen zu können, müssen sich die beteiligten Unternehmensbereiche regelmäßig austauschen und Vertrauen in die gemeinsamen Daten und die daraus gewonnenen Erkenntnisse aufbauen. Außerdem müssen Unternehmen ihre Analysen und Ergebnisse den Stakeholdern kommunizieren. All das setzt neue Denkweisen innerhalb eines Unternehmens voraus.

Zur Startseite