HP-intern wird die Beratungsabteilung von Bernd Mußmann inzwischen das „Wow-Team“ genannt. Jedes Mal, wenn der Principal Consultant Information Management & Analytics bei HP Enterprise Services oder einer seiner Kollegen von einer sogenannten Big-Data-Verprobung zurückkommt, hat er ein Glänzen in den Augen, weil er wieder einmal den Wow-Effekt erzeugen konnte. Der kommt immer dann, wenn der Kunde dank der erarbeiteten Zwischenergebnisse eine völlig neue Idee für seine Produkt- oder Geschäftsentwicklung erkennt, die ihm bislang verwehrt blieb. Mußmann: „Jede Woche gibt es ein Wow, wenn Fragen beantwortet werden, von denen man vorher nicht geglaubt hatte, dass man sie überhaupt stellen darf“.

Neu: „Big Data auf Probe“

Big-Data-Verprobung ist so etwas ähnliches wie ein Testlauf für Big Data, der es Unternehmen ermöglicht, Big-Data-Discovery-Anwendungsfälle in wenigen Wochen zu pilotieren. Dabei werden mögliche Investitionen in Big-Data-Projekte vorher validiert, Erfahrungen für eine Big-Data-Produktivumgebungen für Unternehmensinnovationen gesammelt und Business Cases erstellt. Falls sich die Big-Data-Anwendungsfälle als aussichtsreich für die Unternehmensziele erweisen, kann eine sehr schnelle Überführung der Pilot- in eine Produktivumgebung erfolgen. HP nennt dieses Zusammenspiel aus Beratung, Service und Technologie Big Data Discovery Experience (BDDE).

Wow: Die Fans diskutieren über die Frau des Rennfahrers

„Die Verprobung von Big Data ist wie das Qualifying bei der Formel 1: Wer hier gut aufgestellt ist, hat die besten Chancen im Rennen“, erklärt Mußmann. Der Vergleich mit dem Rennsport ist passend, denn bei Big Data geht es darum, größte Mengen von komplexen und unstrukturierten Daten in Höchstgeschwindigkeit zu analysieren, so dass der Kunde in der Lage ist, neue Erkenntnisse daraus zu gewinnen und schnell auf Veränderungen im Markt zu reagieren. Ein Beispiel aus dem US-amerikanischen Formel-1-Pendant, dem NASCAR-Rennsport, zeigt die Unmittelbarkeit bei der Erkenntnisgewinnung: Während der TV-Übertragung eines Stock-Car-Rennens kam es zu einer regenbedingten Unterbrechung. Normalerweise springen die TV-Zuschauer dabei massenhaft vom Programm ab. Da der NASCAR-Motorsportverband jedoch eine Big-Data-Verprobung durchführte, bei der die Inhalte sämtlicher Ereignisse rund um das Rennen auf Twitter, Facebook und anderen Medien in Echtzeit analysiert wurden, konnte der TV-Sender verfolgen, welche Themen die Zuschauer zu Beginn der Rennunterbrechung am meisten beschäftigten.

Anders als vielleicht erwartet, befassten sich die Fans nicht mit den Fahrzeugen oder dem bisherigen Rennverlauf, vielmehr stellte sich heraus, dass online ein extrem starkes Interesse an einem bestimmten Fahrer und speziell an dessen Ehefrau aufkam. Der Redakteur reagierte prompt, nahm das Thema auf und konnte die Überbrückung der Sendezeit so interessant gestalten, dass die Zuschauer dabei blieben, bis das Rennen weiterging. Einen weiteren Höhepunkt erzielte die Sendung dank Big-Data-Analyse, indem sie einen Fan, der sich bei dem Thema stark engagierte, identifizierte, kontaktierte und ins Fahrerlager einlud. Als das Rennen fortgesetzt wurde, war die Begeisterung groß: „Wow, wir hätten nicht gedacht, dass hier so viel Potenzial drinsteckt“, sagten die TV-Leute. Denn sie hatten nicht nur erfolgreich die Sendezeit überbrückt, sondern das immense Potenzial erkannt, das in der Interaktion mit den Fans steckt, indem sie unmittelbar auf deren Bedürfnisse eingingen und damit den Identifikationsgrad ihrer Marke stärken konnten.

„Wir kopieren menschliches Wissen in eine Technologie“, beschreibt Mußmann die Big-Data-Verprobung, „deshalb können wir in Echtzeit analysieren und eine Gesamtauswertung aller aktuellen Rückmeldungen erstellen“. Kein Redakteur könnte die laufenden Feedbacks und Hundertausende Informationen, die über die sozialen Medien gepostet werden, erfassen und in kürzester Zeit priorisieren. „Das Verstehen erledigt unsere Software“, sagt Mußmann, der die größte Qualität einer Big-Data-Lösung darin sieht, dass sie in der Lage ist, Themen vorzuschlagen.