Anbieter-Benchmark für Big-Data-Analytics
IBM vor SAS und Teradata
Landrock zufolge verdankt Microstrategy seine Positionierung im Leader-Quadranten unter anderem der Vollständigkeit des Angebots an Big-Data-Analytics, das auch Cloud-Services für die Arbeit mit großen Datenmengen umfasst. Bei Teradata wiederum stimmten Vision und Strategie überein. Der Softwarehersteller habe mit der Unified Data Architecture eine Analyse-Plattform geschaffen, unter deren Dach die erforderlichen Komponenten für komplexe Analysen integriert sind. Diese kann sowohl Daten aus einer Hadoop-Datenbank wie auch aus einem relationalen Datenbankmanagementsystem (RDBMS) verarbeiten.
Cloud-Angebote noch nicht ausgereift
Die Gruppe der Herausforderer führt die IT-Firma Blue Yonder aus Karlsruhe mit ihrer Predictive Analytics Suite an. Das Unternehmen habe ein solides Verständnis für eine komplexere Big-Data-Vision, verknüpfe seine Lösungen mit konkreten Nutzungsszenarien und könne auch Referenzbeispiele vorweisen. In diesem Feld tummelt sich mit GoogleGoogle auch ein reiner Cloud-Anbieter. Trotz seiner hohen Marktpräsenz in Deutschland müsse der Internetkonzern im Hinblick auf den Big-Data-Markt noch mehr an Aufmerksamkeit gewinnen und Referenzkunden entwickeln, kritisiert Landrock. Alles zu Google auf CIO.de
Generell sieht die Experton Group bei Cloud-basierenden Analytics-Lösungen für Big Data noch eine Anzahl ungelöster beziehungsweise unbeantworteter technischer Herausforderungen. Dazu zähle die Übertragungszeit für große Datenmengen. Auch der IT-Konzern Hewlett Packard (HPHP), der im Leader-Quadranten eingestuft ist, bietet mit der Big Data Discovery Experience eine vorintegrierte Cloud-gestützte Lösung auf der Basis von Autonomy, Vertica und Hadoop an. Bei HP trügen die langjährigen strategischen Partnerschaften im Analytics-Bereich mit Anbietern wie SAP und SAS zur positiven Positionierung im Benchmark bei. Alles zu HP auf CIO.de
Big Data: Vier Tipps für Anwender
Laut Experton ist Big Data ein Zukunftsthema, das Unternehmen die nächsten zehn bis 15 Jahre beschäftigen wird. Analyst Landrock hat daher noch folgende vier Tipps parat.
1. Big Data als Evolution von Business IntelligenceBusiness Intelligence und Data Warehousing positionieren und nicht als Wundermittel sehen Alles zu Business Intelligence auf CIO.de
2. Komplexe Big-Data-Szenarien mit Partnern in der Supply-Chain und mit IT-Partnern entwickeln
3. Appliances und Lösungspakete erwerben statt Produkte und Service-Projekte
4. Ausbildungsweg zum Data Scientist schaffen