Schrittweise Annäherung verhindert „Big-Data-Gräber“

Was Mußmann mit seinem „Wow-Team“ täglich macht, ist mehr als die Vermarktung einer Technologie: Der Beratungsansatz steht im Vordergrund. Das Team arbeitet nach einer iterativen Methode durch Nutzung eines progressiven, auf die schrittweise Verbesserung einer Big-Data-Lösung ausgelegten Frameworks. Erst im zweiten Schritt erfolgt dann die technische Umsetzung über die Big-Data-Analytics-Plattform. Auf ihr werden die definierten Big-Data-basierenden Anwendungsfälle und Innovationen für einen vorgegebenen Zeitraum von wenigen Wochen pilotiert. „Damit verhindern wir, dass sich Unternehmen mit Big Data Kostengräber schaufeln, die ihnen keinen oder zu wenig Mehrwert bieten“, sagt Mußmann.

Tatsächlich schrecken viele Unternehmen vor Big-Data-Projekten zurück, weil ihnen der Kostenaufwand zu hoch ist, das Risiko zu unkalkulierbar und der Nutzen für das Business nicht klar wird. Die Big-Data-Verprobung liefert darauf konkrete Antworten: Die Investitionen liegen bei einem Bruchteil einer ganzheitlichen Projektierung, wodurch sich das Risiko einer Fehlinvestition minimiert. Der iterative Beratungs- und Entwicklungsansatz zeigt auf, ob und wie sich das Projekt rechnet, er kreiert darüber hinaus auch noch die beliebten Wow-Effekte für neue Geschäftsideen und künftigen Mehrwert.

CIOs müssen mehr über ihre Kunden wissen

Eine Verprobung kommt für alle Industrien infrage, bei denen sehr große Datenmengen zur Verfügung stehen und diese für die Geschäftsentwicklung eingesetzt werden können. Damit ist Big Data nicht in erster Linie ein Thema für den CIO, die Nachfrage kommt vielmehr aus den Fachabteilungen, sprich dem Business. Gefordert ist die IT- Abteilung dennoch, denn von ihr erwarten die Fachabteilungen technische Hilfestellung bei der Entwicklung von Businesscases und der Prozessautomatisierung sowie bei allen Themen rund um die IT-Sicherheit. Einer Umfrage des Marktforschungsinstituts Gartner wissen die CIOs um die Herausforderungen rund um Big Data: Sie liegen darin, mehr über die Kunden zu erfahren, Prozessabläufe zu optimieren und neue Produkte bzw. Business-Modelle zu entwickeln. In gleicher Reihenfolge priorisieren sie auch die Ziele, die sie mit Big Data verfolgen. Aufgrund der Komplexität stoßen viele CIOs jedoch an ihre Grenzen bei der Umsetzung und sind auf externe Unterstützung angewiesen.

„Eine Verprobung selber zu machen ist viel zu kompliziert, um erfolgreich zu sein“, sagt Mußmann. Denn klassische Business-Intelligence-Werkzeuge eignen sich nur bedingt, da „Big Data in allen Richtungen der Datenerfassung-, -analyse und -auswertung komplizierter als bisherige Anwendungen ist. Deshalb müssen wir es für den Kunden einfacher machen und dem CIO einen Weg aus dem Datendschungel heraus bieten.“ Das wirft die Frage auf, ob die größte Herausforderung für den CIO am Ende vielleicht darin liegt, zu erkennen, dass sich Big Data intern nicht so erfolgreich umsetzen lässt wie mit externer Unterstützung?

Weitermachen …

Noch ist die Verprobung von Big Data neu. Erfahrungswerte liegen bislang von einigen hundert Testläufen vor. Die Erfolgsbilanz ist jedoch extrem hoch: „90 Prozent unserer Kunden haben während oder nach der Erprobung den Wunsch geäußert, Big Data im Unternehmen weiter auszubauen“, berichtet Mußmann. Wow.

Beispielprojekte

• Sportsponsoring im Superbowl: Ein Konsumgüterhersteller analysiert in Social Media, welche Themen die Teilnehmer über bestimmte Teams diskutieren. Die Ergebnisse werden mit den statistischen Daten des Herstellers kombiniert. Daraus lässt sich modellieren, welches Team den höheren Impact auf die Produkte hat.

• Testprojekt: Über den gehackten Twitter-Account der Nachrichtenagentur Associated Press lief 2013 die Falschmeldung „Obama Injured“, Obama sei bei einer Explosion im Weißen Haus verletzt worden. Medien übernahmen die Meldung. Innerhalb weniger Minuten brachen die Märkte um 130 Milliarden Dollar ein.

• Qualitätssicherung im Service: Automobilhersteller erfasst alle Rückläufe aus dem Werkstatt- und Servicebereich in jeder Form und Sprache und kann die Qualität optimal anpassen. Ohne Big Data sind nur punktuelle Ergebnisse mit großem Aufwand erzielbar. Big Data analysiert dagegen alles in kürzester Zeit.

• Versicherung analysiert Gutachten: Prüfung sämtlicher Gutachten auf Inhalt, korrekte Darstellung und Wahrheitsgehalt in kurzer Zeit und vollem Umfang.

• Patentanmeldung: Unternehmen prüft Verifizierbarkeit geplanter Patente vor Einreichung.

• Produktentwicklung: Hersteller nimmt Kundenwünsche in die Weiterentwicklung seiner Angebote auf.

• Alert-Funktion: Anbieter erkennen unmittelbar Negativmeldungen über Produkte oder Unternehmen und können sofort reagieren.
  

Oliver Häußler, freier Journalist in München