Big Data spricht! Hören Sie zu?

Transkript

1 8 Big Data spricht! Hören Sie zu? Die Verschmelzung von Big Data und leistungsstarken Analysetools bietet Unternehmen Chancen für Gewinne sofern die richtigen Fragen gestellt werden. n n n n n n n n ZUSAMMENFASSUNG IT-Führungskräfte werden immer ermuntert zu führen, zu folgen oder aus dem Weg zu gehen. Bei Big Data sollten Sie sich auf jeden Fall für die erste Variante entscheiden. Die Menge der von Enterprise-Rechenzentren gemanagten Daten wird laut der von EMC gesponserten Digital Universe Study 2011 von IDC innerhalb der nächsten zehn Jahre um das Fünfzigfache steigen. Diese Datenschwemme bringt hervorragende Chancen für clevere IT-Führungskräfte, nämlich die Chance, neue Umsatzquellen zu ermitteln, Methoden für größere Kundentreue zu entwickeln, einzigartige Ansätze zur Produktivitätssteigerung zu bestimmen und Insights zur Kostenreduzierung zu gewinnen. Laut der im Auftrag von EMC im Mai 2012 durchgeführten Studie Peer2Peer: The Changing IT Landscape des CIO-Magazins nutzt nur gut die Hälfte aller Unternehmen (54 %) bereits Big Data-Strategien, um einen höheren Wert aus bestehenden Daten zu schöpfen. Unternehmen wechseln von Business Intelligence, einem Konzept, das auf begrenzten Datenmengen beruht und sich nur auf die Ursachenanalyse stützt, hin zu Vorhersageanalysen, die scheinbar unbegrenzte Datenströme heranziehen und bereits im Voraus zeigen, was wahrscheinlich passieren wird. IT-Führungskräfte, die bei der Zusammenarbeit mit dem Geschäft die Vorreiterrolle übernehmen, werden mit bisher unerreichten Einblicken in wettbewerbsentscheidende Geschäftstrends und -prognosen belohnt. In diesem Leitfaden beschreiben wir die Vorteile von Big Data und Vorhersageanalysen, geben Ihnen Tipps für Ihren Einstieg und zeigen die Vorteile, die Unternehmen durch die Kombination dieser beiden treibenden Kräfte bereits erreichen konnten.

2 2 Der kometenhafte Aufstieg von Big Data Falls Sie das Gefühl haben, dass der Hype um Big Data praktisch über Nacht eingesetzt hat, sind Sie nicht alleine. Statt vor dem Problem unzureichender Daten für die Entscheidungsfindung steht die Branche nun vor dem Problem, nicht genügend Fachkenntnisse und Tools zur Verfügung zu haben, um den vollen Wert all der vorhandenen Daten auszuschöpfen. Das Big Data-Zeitalter hat jetzt begonnen. Lassen Sie keine Zeit verstreichen, während Ihre Wettbewerber Millionen und Abermillionen von Datenpunkten sammeln, strukturierte und unstrukturierte Daten in gigantischen Data Warehouses zusammentragen und Teams von Data Scientists zusammenstellen, die die internen Muster analysieren, um bahnbrechende Insights zu erlangen. Sobald sie einmal erkannt wurden, können diese Kenntnisse schnell in markenstärkende Geschäfte umgewandelt werden. Daten sind allgegenwärtig. In jeder Branche, in jedem Wirtschaftsraum und in jedem Unternehmen. Genau darum ist Big Data für Führungskräfte in jedem Sektor entscheidend. Zettabyte an strukturierten und unstrukturierten Daten (aus Betriebssystemen, Mobiltelefonen, Twitter, Facebook und anderen Quellen) sinnvoll zu nutzen, kann eine Rolle dabei spielen, Kosten zu senken, Kundenbeziehungen zu vertiefen, neue Produkte zu entwickeln, die Bereitstellung zu beschleunigen und zu synchronisieren, tiefergehende Fragen zu stellen und zu beantworten und die Entscheidungsfindung zu verbessern und zu vereinfachen. In seinem Bericht Big Data: The Next Frontier for Innovation, Competition and Productivity vom Mai 2011 gibt das McKinsey Global Institute Aufschluss über den Wert von Big Data. Einzelhändler könnten beispielsweise mit Big Data eine Umsatzrenditensteigerung um 60 % erreichen. Der Bericht erläutert, dass der Wert von Big Data für das Gesundheitswesen in den USA ganze 300 Milliarden USD beträgt. Woher stammen all diese wertvollen Daten? Das meint McKinsey dazu: Heute strömen Unmengen von Daten in jeden Bereich des weltweiten Wirtschaftsraums. Unternehmen produzieren unzählige Transaktionsdaten und erfassen mehrere Billionen Byte an Daten zu ihren Kunden, Lieferanten und Betriebsabläufen. Die physische Welt verfügt über Millionen von in Geräte wie Mobiltelefone, intelligente Energiemessgeräte, Fahrzeuge und Industriemaschinen integrierte vernetzte Sensoren, die im großen Internet der Gegenstände Daten erfassen, erstellen und kommunizieren. Unternehmen werden von den Daten, die ihre Umgebung mit verschiedenen Sensoren, Geräten und Endpunkten generiert, regelrecht überschwemmt. Doch das Volumen allein markiert noch lange nicht das Big Data-Zeitalter. Bei diesem neuen Zeitalter der Analyse geht es eher darum, die Vielseitigkeit und Schnelligkeit der Daten zu nutzen, um wichtige Entscheidungen zu treffen. So können durch die Analyse von sich unterscheidenden Datenmengen Insights über Kunden, Produkte, Kampagnen, Vorgänge, Märkte und Wettbewerber gewonnen werden. Durch die Analyse in Echtzeit schrumpft die Verzögerung zwischen dem Datenereignis und dem Moment, in dem diese Daten analysiert und genutzt werden können, was häufige, zeitnahe und bedarfsorientierte Entscheidungspunkte ermöglicht. Mehr als Business Intelligence Der Hauptunterschied zu Business Intelligence besteht im grenzenlosen Potenzial von Big Data. Business Intelligence ist ohne Frage ein ausgereiftes Konzept und eine bewährte Methode, die in Unternehmen häufig zum Einsatz kommt. Business Intelligence bietet Reporting, Tabellenkalkulationen und eine vergleichsweise umfassende Drilldown- Analyse. Aber es gibt Arten von Analysen, die Business Intelligence nicht durchführen kann, und hier kommt Big Data ins Spiel. Big Data-Analysen untersuchen die fein abgestimmten Details von Geschäftsabläufen und Kundeninteraktionen, die nur selten ihren Weg in ein Data Warehouse oder einen Standardbericht finden, da ein Großteil dieser Informationen unstrukturierte Daten sind, die nicht im Warehouse gespeichert oder in übersichtlichen Spalten und Reihen analysiert werden können. Die Geschwindigkeit, die Big Data erst so richtig gedeihen lässt, verursacht herkömmlichen relationalen Datenbankmanagementsystemen (RDBMS) Schwierigkeiten.

3 3 n n n n n n n n Auf Big Data bauen Bei Zions Bancorporation in Salt Lake City, Utah (USA), führten Big Data- Analysen zu vielversprechenden neuen Opportunities. Zunächst fütterte Zions die interne EMC Greenplum Database mit Daten aus mehreren Quellen, darunter zu Finanzkrediten und Hypothekendarlehen, Investitionen, Einlagen, Kreditkarten sowie Kundendaten und externen demografischen Dateien. Mit einer in die Datenbank integrierten unternehmenseigenen Anwendung wurde die Rentabilität jedes Kredits, jeder Investition und jeder Einlage berechnet. Schon bald lagen umsatzsteigernde Insights vor. Mitten in der Bankenkrise haben wird das Rentabilitätssystem genutzt, um historische Daten zu analysieren und neue Voraussetzungen für unsere Kreditmitarbeiter zu formulieren, erläutert Clint Johnson, Director of Data Warehousing und Analytics von Zions. Seitdem hat das Unternehmen eine weitere Anwendung hinzugefügt, die die Produktzusammenstellung eines Kunden überprüft und neue Vertriebsgelegenheiten voraussagt. Zions ist jetzt in der Lage zu verstehen, warum Kunden handeln, wie sie handeln und was sie voraussichtlich als Nächstes tun. Wenn die Empfehlungs-Engine uns dabei unterstützt, den Verkauf pro Kunden monatlich um nur 10 USD zu steigern, erhalten wir schon einen beträchtlichen Umsatz, so Johnson. Die Big Data-Analyse ist einzigartig, da sie auf fortschrittlichen Konzepten beruht. So schreibt die New York Times im Artikel The Age of Big Data : Die Computertools, die zur Schöpfung von Wissen und Insights aus dem umfangreichen Fundus an unstrukturierten Daten des Internetzeitalters erforderlich sind, erringen eine immer überlegenere Position. An der Spitze finden sich schnell weiterentwickelnde Konzepte aus dem Bereich künstliche Intelligenz wieder, wie Computerlinguistik, Mustererkennung und maschinelles Lernen. 1 Die Big Data-Analyse erfordert zudem ein anderes Fachwissen, als es bei Business Intelligence normalerweise eingesetzt wird. Herkömmliche Business Intelligence stützt sich auf begrenzte Datenmengen, bereinigte Daten und einfache Modelle. Die Big Data-Analyse hingegen nutzt viele verschiedene und unzusammenhängende Datenmengen, Rohdaten und extrem komplexe Prognosemodelle. Ein weiterer Unterschied besteht im zugrundeliegenden Ansatz. Während herkömmliche Business Intelligence auf Ursächlichkeit beruht (Was ist passiert und warum ist es passiert?), betrachtet die Big Data-Analyse die Korrelation (mehrere, nicht zusammenhängende Datenquellen liefern Insights, die nicht vollkommen erklärt werden können). Oder kurz gesagt: Die eine Technologie ist reaktiv, die andere proaktiv. Die Big Data-Analyse macht Business Intelligence in Unternehmen jedoch nicht überflüssig. Stattdessen nutzt eine intelligente Big Data-Strategie vorhandene Business Intelligence-Investitionen durch eine Verschmelzung von Business Intelligence und dem Data Warehouse in eine Prognoseumgebung in Echtzeit. Wie Big Data genutzt wird Werfen wir einen Blick darauf, wie Unternehmen ihre Bytes in bares Geld umwandeln könnten. Das McKinsey Global Institute 2 fand heraus, dass von mehr als befragten Vertretern der obersten Führungsebene über die Hälfte die Big Data-Analyse zu den Top-10-Prioritäten des Unternehmens zählt. Obwohl ein Fünftel der Führungskräfte berichtete, dass sie Big Data und Analysen zur Gewinnung von Insights in einem Geschäftszweig oder einer Abteilung vollständig implementiert haben, nutzen nur 13 % Daten im gesamten Unternehmen, um Insights zu erlangen. Die meisten Führungskräfte gaben an, dass sie durch die Nutzung von Big Data und Analysen einen deutlicheren Wettbewerbsvorteil gegenüber Konkurrenten erreichen als mit allen anderen wettbewerbsorientierten IT-Mechanismen. CIOs waren etwas pessimistischer als CEOs: Nur 30 % der CIOs erwarten, dass ihre Unternehmen durch Big Data mehr Wert als ihre Wettbewerber schöpfen, im Gegensatz zu den CEOs mit 46 %. CIOs sind oft CFOs unterstellt, deren Hauptaugenmerk wiederum fast ausschließlich auf der Einsparung von Kosten liegt. Einen CFO zu bitten, die erforderlichen Mitarbeiter und Technologien zu finanzieren, die für Big Data und Analysen erforderlich sind, ist mitunter eine vergebliche Mühe. Dies kann CIOs abschrecken, überhaupt erst nachzufragen. Das Problem ist jedoch oft, dass CIOs zu Beginn die falschen Personen um Genehmigung bitten. Die passenden Stakeholder nehmen wahrscheinlich andere Positionen im Unternehmen ein, sodass 1 The Age of Big Data, The New York Times, 11. Feb Minding Your Digital Business, McKinsey Global Institute, 2012

4 4 Erfahren Sie im Interview mit dem CIO der Purdue University Gerry McCartney mehr über das Potenzial von Big Data für die Transformation Ihres Geschäfts. sie an der falschen Stelle nach Unterstützung suchen. So verfügen beispielsweise Öl- und Gasunternehmen sowie Finanzinstitute häufig über Big Data-Analyseteams außerhalb der eigentlichen IT-Abteilung. Die CIO-Studie kommt zu dem Schluss, dass sich die Einschränkungen herkömmlicher IT-Gruppen negativ auf Big Data-Bereitstellungen auswirken können. Beispielsweise nannten 46 % der Befragten als die größte Herausforderung, dass ihre geschäftlichen und technischen Führungskräfte nicht über das notwendige Fachwissen zur Formulierung einer Big Data-Strategie verfügen. Wie oben dargestellt, können interne IT-Funktionen zu starr sein, um die experimentellen Eigenschaften von Data Science zu nutzen, weshalb sie Big Data-Projekte möglicherweise meiden. Bei der Entscheidungsfindung verlassen sich IT-Experten oft auf absolute Fakten, während sich Big Data-Analysegruppen mit ausreichenden Entscheidungen basierend auf ausreichenden Daten zufriedengeben. Sie handeln nach Wahrscheinlichkeiten und haben keine Angst vor Fehlschlägen. Unternehmen mit visionären und flexiblen IT-Führungskräften, die das Prinzip von Big Data-Analysen verstehen, konnten entscheidende Vorteile erreichen, beispielsweise bessere Kundenbeziehungen. Kevin Roche, Senior Vice President of Service Strategy and Operations bei EMC, sagt beispielsweise, dass er Big Data-Analysen nutzt, um Kundenfeedback zu sammeln und den Customer Service des Unternehmens zu verbessern. Kundenfeedback stammt aus verschiedenen Quellen, z. B. aus Service-Requests, Anfragen, Wissensaustausch usw., und besteht sowohl aus strukturierten als auch aus unstrukturierten Daten. Dies stellt uns vor die Herausforderung, schnell und einfallsreich zu reagieren, erläutert Roche. Mit Big Data-Analysen verarbeiten Roche und sein Team schnell Kundenrückmeldungen und nutzen die daraus gewonnenen Informationen intern, um die Interaktionen der Kunden mit EMC zu verbessern. Um sicherzustellen, dass ein Unternehmen den vollen Wert aus den Big Data-Investitionen schöpfen kann, müssen CIOs, CTOs und andere IT-Führungskräfte ihre Perspektive verändern und Big Data zum Nutzen des Geschäfts einsetzen. Alle an Bord! Wie geht es weiter? Sobald Sie die entscheidende Rolle verstanden haben, die CIOs und die IT beim Erfolg von Big Data-Analysen und der daraus resultierenden Wertschöpfung spielen, müssen Sie sich ein geeignetes Projekt suchen, mit dem Sie loslegen. Jim Bampos, Vice President of Customer Quality bei EMC, betrachtet diesen Schritt als entscheidenden Moment. Zu viel des Guten kann zu Fehlschlägen führen, zu kleine Projekte machen es schwer, ihren wahren Wert zu belegen. Halten Sie nach geschäftskritischen Prozessen Ausschau, die zum Zünglein an der Waage für Ihr Unternehmen werden könnten, sowie nach einer befugten Führungskraft, die motiviert ist, Innovationen und Investitionen rund um diese Geschäftsprozesse zuzulassen. Sie benötigen diese Kombination, da Geschäftsbereichsanwender in der Regel wissen, welche Fragen sie zu beantworten versuchen und welche Entscheidungen sie treffen wollen. Ihnen fehlt jedoch das Wissen oder die Vorstellungskraft in der Frage, wie Big Data in Sachen neue Technologien und Datenquellen solche Fragen und Entscheidungen beeinflussen bzw. unterstützen kann. Chuck Hollis, Vice President und Global Marketing CTO bei EMC rät zu folgendem Verkaufsgespräch mit Sponsoren: Die Leistungsfähigkeit von Big Data-Analysen ist erstaunlich. Wir aus dem IT-Bereich würden diese Analysen gerne nutzen und dabei hätten wie Sie gerne an Bord. Welche langfristigen Kosten oder Ergebnisse auf uns zukommen, wissen wir noch nicht genau, aber wir würden gerne ausreichend investieren, um herauszufinden, was alles möglich ist. Dazu brauchen wir Ihre Hilfe. Sind Sie dabei? Wenn Sie auf Widerstand stoßen (und das ist nicht unwahrscheinlich), strengen Sie sich vielleicht zu sehr an. Vielleicht ist der Sponsor aber auch noch nicht dazu bereit, oder Sie haben

5 5 n n n n n n n n Wie gut versteht und nutzt Ihr Unternehmen Big Data und Big Data- Analysen? Nehmen Sie an dieser Umfrage teil, und sehen Sie, wie Sie in Bezug auf Prioritäten für die Big Data-Nutzung, erforderliche Investitionen zur Unterstützung von Big Data-Initiativen und die Rolle, die die IT bei der Bereitstellung von Big Data-Analysen für Kunden spielen sollte, im Vergleich zu Ihren Wettbewerbern abschneiden. Zum Starten der Umfrage hier klicken die falschen Personen oder Prozesse ausgewählt, oder und das ist der schlimmste Fall der Sponsor hat den Wert bereits erkannt und nutzt dazu externe Quellen. Bampos konnte mit dem ersten Big Data-Analyseprojekt seines Teams im Bereich Total Customer Experience (TCE) bei EMC Erfolge erzielen. Sein unabhängiges und keiner Geschäftsfunktion unterstelltes Team hat sich zu Testzwecken die Hardwarezuverlässigkeit ausgesucht. Für die Hardwarezuverlässigkeit lagen Daten aus verschiedenen Quellen und in unterschiedlichen Größen vor, was diesen Bereich zu einem geeigneten Beispiel für das Wertpotential machte. Die Daten wurden aus internen Teams, Kundensystemen und von den Kunden selbst erfasst. Zunächst wählte das Team ein Thema, das über mehrere unterschiedliche Datenströme verfügte, für das Unternehmen wichtig war und über ein einsatzbereites Support-Team verfügt, das direkt auf die erkannten Probleme reagieren kann. Nach der Einschätzung von Bampos war diese Situation optimal, um Chancen zur Verbesserung für Kunden, Umsatzsteigerung oder Kosteneinsparungen zu erkennen. Verbesserung der Plattform Obwohl ein CIO oder eine IT-Führungskraft derartig passendes Neuland Diese neue Plattform vereinfacht die Aufnahme, Analyse und Experimente mit unterschiedlichen strukturierten und unstrukturierten Datenströmen deutlich. aufgetan haben mag, können in einigen Fällen die zugrundeliegenden Analyse- und Speicherplattformen die Belastung durch größere Echtzeit- Ströme und komplexe Analysen nicht unterstützen. Die Big Data-Analyse lebt von einer großen Plattform, in der vollkommen unterschiedliche Datenquellen einfach erkannt, bereitgestellt und verändert werden können, um damit zu experimentieren. Die aktuellen Data Warehouses bieten diese Möglichkeiten einfach nicht. Im Bericht Big Data: Big Opportunities to Create Business Value stellte der Leadership Council von EMC fest, dass das Speichern und Bereitstellen der Daten einfach nicht ausreicht. Daten müssen mit neuen Methoden synthetisiert, analysiert und in Verbindung gebracht werden, um einen echten geschäftlichen Nutzen zu bieten. Bei einigen Big Data-Techniken müssen Daten verarbeitet werden, die nicht zunächst von Datenarchitekten aufbereitet wurden, um einen Vergleich von unterschiedlichen Datentypen und -mustern über verschiedenartige Quellen hinweg zu ermöglichen. Nach Rat des Councils sollten Unternehmen Tools wie Hadoop nutzen, eine Open- Source-Technologie, die das Arbeitsaufkommen von Datenanalysen auf mehrere Computer verteilt, um die Analyse in mehrere parallele Rechenvorgänge zu trennen und schnellere Ergebnisse zu liefern. Unternehmen bemerken jedoch oft, dass sie eine neue Plattform benötigten, die auf Technologien wie Hadoop aufbaut und nicht nur aktuelle interne Ströme nutzt, sondern auch neue aufnehmen kann, die nach dem Erfolg des Pilotprojekts sicher hinzukommen werden. Diese neue Plattform, die oft als Business Intelligence als Service oder noch besser Analyse als Service präsentiert wird, vereinfacht die Aufnahme, Analyse und das Experimentieren mit unterschiedlichen strukturierten und unstrukturierten Datenströmen deutlich. Analysen wandeln sich von einer IT-zentrierten Aufgabe zu einem Fall für Data Scientists. Sobald die Plattform eingerichtet ist, sind Sie bereit, die wahren Früchte zu ernten. Jetzt verschaffen sich Ihre Daten Gehör.

6 6 Talentpools bietet Unternehmen eine gute Gelegenheit, neue Fachkenntnisse zu ihrem Repertoire hinzuzufügen. Jeremy Burton, CMO von EMC, und Bill Cook, President von Greenplum, sprechen darüber, wie CIOs durch die Nutzung von Big Data eine bessere strategische Ausrichtung erreichen können. Für Big Data-Analysen unerlässlich: Data Scientists Bei Business Intelligence kann jeder Mitarbeiter darin geschult werden, Berichte auszuführen und Datenbanken abzufragen. Um aber den wahren Wert von Big Data-Analysen nutzen zu können, sind andere Fachkenntnisse erforderlich. David Dietrich, beratender Technical Consultant des Geschäftsbereichs Global Education Services bei EMC, erläutert die wichtigsten Eigenschaften eines Data Scientists: Neben der grundlegenden quantitativen und technischen Orientierung verfügen Data Scientists über umfassende Kompetenzen in Kommunikation und Zusammenarbeit sowie über eine angeborene Neugier, wenn es gilt, Daten zu untersuchen und mit ihnen zu experimentieren. In der Regel sind Data Scientists skeptisch und stellen viele Fragen danach, ob eine bestimmte Lösung geeignet ist und tatsächlich funktioniert. Data Scientists verfügen über eine bestimmte Neugier, dank der sie die Daten mit unvoreingenommenen Augen betrachten können. Ihre Fähigkeiten sind sowohl mathematischer als auch geschäftlicher und analytischer Natur. Einige Unternehmen, die Schwierigkeiten dabei haben, Einzelpersonen mit all diesen Fähigkeiten zu finden, stellen stattdessen Data-Science-Teams zusammen, die aus Personen mit Erfahrungen in diesen Bereichen bestehen. Andere schulen ihre internen Business Intelligence- und Data-Warehouse-Spezialisten, die oft über ähnliche analyse- und untersuchungsbezogene Kompetenzen verfügen, in Tools wie Hadoop und MapReduce. Die Erweiterung des vorhandenen Bereitstellung von Analyse als Service Langfristig besteht die Vision für Big Data-Analysen darin, ihre Vorteile für Leiter von Geschäftsbereichen freizusetzen. Durch die Erweiterung der Reichweite von Big Data-Analysen wird sichergestellt, dass Sie Ihre Investition in einen Geschäftswert umwandeln können. Kunden erhoffen sich von diesen Services wichtige Funktionen, darunter Erkennung, Visualisierung und Zusammenarbeit. Achten Sie also darauf, diese auch zu integrieren. Die Bereitstellung eines Modells für die Analyse als Service scheint auf den ersten Blick kostspielig, aber Big Data-Analysen eröffnen ein Angebot, für das Wirtschaftsführer, die den eindeutigen Wert erkennen, gerne bezahlen. Durch die Entwicklung eines Chargeback-Programms stellen Sie sicher, dass Sie weitere Data Scientists einstellen und Ihre Infrastruktur zur Unterstützung von neuen Datenströmen weiter ausbauen können. Governance ist ebenfalls unausweichlich, da die Vermischung von Datenströmen mit Schwierigkeiten verbunden sein kann. Ein Lieferant ist vielleicht einverstanden, seine Materiallisten an das Engineering-Team herauszugeben, aber möglicherweise nicht an den Vertrieb und ganz sicher nicht an Wettbewerber. Daher benötigen Sie umsetzbare Sicherheitsrichtlinien (beispielsweise Firewalls und Partitionierungen) sowie Standards in Bezug auf die Weitergabe von geistigem Eigentum, um rechtliche und geschäftliche Probleme zu vermeiden. Eine gute, einfache Governance-Funktion verlangsamt Ihre Prozesse nicht. Stattdessen beschleunigt sie den Einsatz, da sie bei der Erforschung neuer Methoden das sichere Gefühl einer überwachten Lösung bietet. Governance fördert das Vertrauen. Für einige IT-Fachleute ist es vielleicht nicht nachvollziehbar, wie unhandliche Silos mit strukturierten und unstrukturierten Daten wie durch ein Wunder zu neuen Umsätzen führen sollen. Dabei lassen sie alle Komponenten dazwischen außer Acht, nämlich den Wandel bei Mitarbeitern, Prozessen, Plattformen, Technologien und in der Unternehmenskultur, der einfache Datenbyte in einen entscheidenden Wettbewerbsvorteil verwandelt.

7 7 n n n n n n n n Ein Sprung zu Big Data für Silver Spring Die Versorgungsbranche ist einer der größten Befürworter von Big Data- Analysen. Energieunternehmen stellen fortschrittliche Messgeräte bereit, die mehr Daten denn je erzeugen. Diese Daten durch Analysen nutzbar zu machen, verschafft Versorgungsunternehmen einen entscheidenden Wettbewerbsvorteil. Silver Spring Networks, ein führender Anbieter von intelligenten Stromnetzplattformen für Energiedienstleister weltweit, sammelt und analysiert Big Data aus seinen Netzgeräten, darunter Messgeräte, Energiebereitstellungsgeräte, elektrische Fahrzeuge und verteilte Generatoren. All diese Elemente kommunizieren mit der leistungsfähigen EMC Greenplum-Analyseplattform, um den riesigen Strom von Echtzeitdaten in nutzbare Insights zu konvertieren. Durch die regelmäßige Untersuchung von intelligenteren Messdaten können Versorgungsunternehmen mal mehr Informationen zum Stromverbrauch sammeln als mit weniger häufigen herkömmlichen Ablesungen. Multipliziert mit den Millionen von Kunden in städtischen Versorgungsgebieten kann das intelligente Stromnetz so eine Datenmenge generieren, die groß genug ist, um den Energiebedarf in Echtzeit zu überwachen und mögliche Ausfälle vorherzusagen, bevor sie eintreten. Dank der sinkenden Kosten und umfassenderen Funktionen von Plattformen wie Greenplum sind Big Data-Analysen jetzt für eine Vielzahl von Branchen viel zugänglicher und leichter zu rechtfertigen, darunter auch die Versorgungsbranche. Den Erfolg nutzen Wenn Sie sich für das richtige Projekt, die richtige Plattform und die richtigen Mitarbeiter entscheiden, erreichen Sie früher oder später überraschende und messbare Gewinne in der Datenanalyse. Teilen Sie dies anderen mit! Dies ist Ihre Chance, sich an Stakeholder zu wenden, die bei Ihrer ersten Anfrage zu dem Projekt eher ablehnend reagiert haben. Die Big Data-Analyse führt zu einem Schneeballeffekt, auf den Sie sich gefasst machen sollten. Wenn Sie wie Bampos wissen, dass Sie erfolgreich waren, bauen Sie auf diesen ersten Erfolgen Ihre zweite Phase auf. Überlegen Sie, welche Größenordnung und welche Mitarbeiter Sie benötigen, um zukünftige Projekte zu unterstützen. Wenn Sie warten, bis erste Anfragen für Prognoseanalysen eingehen, verlieren Sie wertvolle Zeit und einen möglichen Wettbewerbsvorteil. Involvieren Sie Abteilungsleiter, Funktionsbereiche und andere, die das Ergebnis beeinflussen könnten, und arbeiten Sie zusammen, um eine positive Grundlage für Big Data-Analysen zu schaffen. Achten Sie darauf, wem Sie Ihre Erfolge präsentieren. Wenn Sie beispielsweise ermittelt haben, dass das Vertriebsteam in irgendeiner Form das Umsatzwachstum behindert, präsentieren Sie Ihre Ergebnisse als Chance statt als Schuldzuweisung. Wenn das Team sich durch Ihre Arbeit bedroht fühlt, ist es sicher nicht bereit, Ihre anderen Projekte zu unterstützen. Lassen Sie sich auch nicht von einer Gruppe beeinflussen. Bei Data Science geht es darum, objektiv zu bleiben und die Daten sprechen zu lassen, nicht umgekehrt. Der vielleicht wichtigste Punkt, den Sie so früh wie möglich in Angriff nehmen sollten, ist die Zusammenstellung eines Teams aus Stakeholdern, das Sie anleitet. Bei Big Data-Analysen kann die IT nicht die einzige treibende Kraft sein. Involvieren Sie Abteilungsleiter, Funktionsbereiche und andere, die das Ergebnis beeinflussen könnten, und arbeiten Sie zusammen, um eine positive Grundlage für Big Data-Analysen zu schaffen. Angreifen und Zugreifen Big Data-Analysen bieten CIOs eine immense Chance, von reaktiven zu vorhersagenden Prozessen zu wechseln. Die Entdeckung neuer Umsatzquellen, Verbesserung des Customer Service bzw. der Kundentreue sowie die Senkung von Kosten sind drei Aspekte, mit denen Sie sich in Ihrem Unternehmen einen Namen machen können und Big Data-Analysen bieten Ihnen gleich alle drei Möglichkeiten. Eine erfolgreiche Ausnutzung der Big Data-Insights erfordert eine echte Investition in bewährte Technologien, Mitarbeiterkompetenzen und die Fokussierung auf die Marktführerschaft. In den kommenden fünf bis zehn Jahren wird es in der Verantwortung der IT-Führungskräfte liegen, ein breites Angebot an neuen und zukünftigen Technologien einzuführen und Mitarbeiter und Prozesse aufeinander abzustimmen, um Big

8 8 Data zu unterstützen. Sie benötigen eine gut durchdachte Strategie für die Integration von Big Data in Ihre Informationsarchitektur, damit diese skalierbar ist und zu einem wichtigen Teil Ihrer Geschäftsabläufe wird. Wie Joseph Tucci, Chairman und CEO von EMC, bei der EMC World 2012 bemerkte, sind die langfristigen Aktivposten eines Unternehmens seine Marke, seine Mitarbeiter, seine Geschäftsprozesse/-anwendungen und seine Daten. Diese tauchen rein buchhaltungstechnisch nicht als finanzielle Aktiva in einer Bilanz auf, bilden jedoch die langfristigen Aktivposten, mit denen sich ein Unternehmen von der Konkurrenz abheben kann. Dies ist Ihre Charta für Big Data. Dies ist Ihre Chance, sich zu positionieren, zuzugreifen und Ihr Unternehmen zum entscheidenden Wettbewerbsvorteil zu führen. Entscheiden Sie sich für Big Data-Analysen und schaffen Sie eine bessere Umgebung für Ihr Unternehmen. Alle Daten wurden vor diesem Schritt bereinigt und auf ihre Genauigkeit überprüft, da es sonst zu fehlerhaften Ergebnissen nach dem Prinzip Garbage-in-Garbage-out hätte kommen können. Tatsächlich entschied sich das TCE-Team gezielt für die Hardwarezuverlässigkeit, da es auf die Genauigkeit der Daten vertrauen konnte. Das Team verwendet die Greenplum UAP auch zur Erstellung von TCE-Berichten auf Kundenbasis zur Unterstützung von Vertriebsanrufen und Überprüfungen durch Account Executives. Der Prozess, der jetzt nur noch rund 8 Minuten dauert, nahm zuvor ganze 5 Tage in Anspruch. Weitere Informationen finden Sie unter Alles unter einem Hut TCE von EMC ist ein hervorragendes Beispiel dafür, wie Unternehmen ihr vorhandenes Data-Warehouse-Fachwissen, einschließlich des Extrahierens, Transformierens und Ladens von Daten, Masterdatenmanagement und Daten-Profiling bei der Big Data-Analyse nutzen sollten. So kann das Vertrauen in die Quelldaten gestärkt werden, die die Grundlage für kritische Geschäftsentscheidungen bilden. Das TCE-Team von EMC hat z. B. das Hardwarezuverlässigkeitsprojekt mit der Greenplum Unified Analytics Platform (UAP) von EMC entwickelt, die in eine SAS-Analyse-Engine integriert wurde. Das Team füllte das UAP-Data Warehouse mit allen unternehmensinternen Metriken, darunter Kundenfeedback, Daten der Hardwaresensoren, Serviceberichte und mehr.