Daniel Jewett, VP Product Management

Transkript

1 Daniel Jewett, VP Product Management 7 Tipps für den Erfolg mit Big Data 2014

2 2 Gerade, als Sie dachten, die Datenmengen könnten nicht mehr größer werden, wurden sie noch größer. Unabhängig von ihrer tatsächlichen Größe erweisen große Datenmengen ihren Wert. Überall gibt es Organisationen mit großen Datenmengen aller Art und Größe. Sie erkennen die Bedeutung, die Chance und sehen die Beachtung ihrer Daten sogar als absolutes Muss. Mittlerweile steht außer Frage, dass große Datenmengen diejenigen überdauern werden, die sie ignorieren. Organisationen, die große Datenmengen bereits gebändigt haben die vielfältig strukturierte Masse an Daten, die sie gespeichert haben, bevor sie ihren Wert kannten, optimieren die Effizienz ihres Geschäftsbetriebs, steigern ihre Umsätze und setzen neue Geschäftsmodelle erfolgreich um. Wie gelingt ihnen dies? Ihre Erfolgsmethoden lassen sich in sieben Tipps zusammenfassen. 1. Langfristig denken und kurzfristig reagieren. 2. Das falsche Dilemma durchschauen. 3. Große Datenmengen fürs bloße Auge sichtbar machen. 4. Die Benutzer für große Erkenntnisse empowern. 5. Kleinere Datensätze in größere Zusammenhänge stellen. 6. Große Datenmengen vor großen Problemen schützen. 7. Den Ball ins Rollen bringen. Click on a section or use the filters. Behavior Map Time on Page Section Blog 20K 15K 10K 5K 0K Community Examples Register Search Training User-generated User-generated Examples Register 0K 5K 10K 15K Visits Page Metrics Pageviews Pagevie 1,382K Avg. Time on Page 1,249 Date 11/15/12 to 12/31/12 Top content Pageviews 10K 5K 0K /public/gallery /public/ /public/download /public/app/start?edition=public&version=7... /public/how-it-works /public/thanks /public/app/start?edition=public&version=7... /public/community /public/community/viz-of-the-day /public/training /public/gallery/messi039s-86-goals /public/gallery/taleof100 /public/gallery/all /public/app/start?edition=public&version=7... /public//download /public/app/start?edition=public&version=7...

3 3 1. Langfristig denken und kurzfristig reagieren Sie sind besorgt darüber, wie Sie mit der Big-Data-Technologie Schritt halten sollen? Das geht nicht nur Ihnen so. Alles entwickelt sich so schnell, dass man unmöglich wissen kann, welche Tools, Plattformen und Methoden dieses oder nächstes Jahr am besten sein werden. Aber keine Sorge. Sie können sich diese rasante Entwicklung zunutze machen. Die Anbieter werden in der Nutzung großer Datenmengen mit jedem Jahr besser. Relationale oder Online-Transaktionssysteme (OLTP) werden effizienter und intelligenter, ganz gleich, ob sie bei Ihnen im Betrieb laufen oder in der Cloud. Es werden Techniken entwickelt, die die Beziehungen zwischen Hadoop und Data Warehouses vereinfachen. Und es kommen ständig neue Produkte auf den Markt, die noch besser auf Ihre speziellen Anforderungen zugeschnitten sind. Also bleiben Sie locker. Bleiben Sie offen für die Möglichkeiten neuer Produkte, solange diese einen ausreichenden wirtschaftlichen Nutzen in Ihre bestehende Umgebung einbringen, um ihre Anschaffung zu rechtfertigen. Unterhalten Sie eine Business- Intelligence-Plattform, die sich direkt mit einer Vielzahl an Formaten verbindet. Sie sind jetzt bereit für alles, was der Markt zu bieten hat.

4 4 2. Das falsche Dilemma durchschauen Was braucht Ihre Organisation: Hadoop oder ein Data Warehouse? Das ist ja eine schöne Fangfrage! Hadoop und Data Warehouses können nämlich nicht nur gut zusammen funktionieren, sondern die Organisationen profitieren sogar vom Zusammenwirken beider Technologien. Das Data Warehouse eignet sich am besten, um Ihre wichtigen, strukturierten Daten zu komprimieren und dort zu speichern, wo BI-Tools und Dashboards sie mühelos auffinden können. Aber es ist schwächer und langsamer bei der Analyseverarbeitung und bestimmten Arten von Transformationen. Hierfür brauchen Sie Hadoop. Hadoop hat zwar seine Schwächen bei interaktiven Abfragen und bei der Datenverwaltung, aber es eignet sich gut für die Verarbeitung Ihrer unstrukturierten, komplexen Rohdaten. Zusammen bilden beide Technologien eine gute Symbiose. Stellen Sie sich beispielsweise die Daten vor, mit denen das Topmanagement seinen Materialbedarf für das nächste Jahr plant. Der Datensatz ist wahrscheinlich riesig, und es gibt zu wenig Zeit, um ihn zu modellieren, umzustrukturieren oder anderweitig für das Data Warehouse vorzubereiten. Wenn die Topmanager damit fertig sind, vielleicht nach nur einer Woche, werfen sie alles wieder fort. An dieser Stelle kommt Hadoop ins Spiel, um die Daten zu verfeinern und eine Stichprobe an das Data Warehouse zu senden. Durch Big Data werden Data Warehouse-Technologien nicht ersetzt, schreibt Mark Madsen, CEO bei Third Nature, in seinem Artikel What big data is really about (Worum es bei Big Data in Wirklichkeit geht). Es handelt sich auch nicht um eine Insel, die separat gewartet werden muss. Big Data gehören zur modernen IT-Umgebung einfach dazu. Fallen Sie nicht auf die Fangfrage Hadoop oder Data Warehouse? herein. Sie können und sollten beide nutzen. Vereinfachen und nebeneinander bestehen Quelle: Matthew Aslett, The 451 Group, Updated database landscape graphic, Quelle: Dr. Amr Awadallah und Dan Graham, Hadoop and the Data Warehouse: When to Use Which, gemeinsam veröffentlicht von Cloudera, Inc. und Teradata Corporation. *HBase.

5 5 Ein gut gemachte, durchdachte Visualisierung bringt einen einfach auf die besten Ideen. Diesen Effekt gibt es bei einer Tabellenkalkulation nicht. Dana Zuber, Wells Fargo 3. Große Datenmengen fürs bloße Auge sichtbar machen Große Datenmengen werden fürs bloße Auge sichtbar, wenn Sie sie visualisieren. In einem Bericht der Aberdeen Group aus dem Jahr 2013 wurde festgestellt, dass in Organisationen, die Tools für die visuelle Ermittlung verwenden, 48 Prozent der BI- Benutzer die benötigten Informationen ohne Hilfe der IT-Abteilung auffinden können. Ohne visuelle Ermittlung sinkt die Rate hingegen auf schlappe 23 Prozent. Und Führungskräfte, die die visuelle Datenermittlung nutzen, fanden laut dieser Studie die benötigten Informationen mit einer 28 Prozent höheren Wahrscheinlichkeit rechtzeitig als ihre Kollegen ohne visuelle Datenermittlung. Außerdem wurde im Bericht festgestellt, dass die Visualisierung auch zur Interaktion mit den Daten motiviert, was im Zusammenhang mit Big Data vielleicht das Wichtigste ist. Führungskräfte, die mit visualisierten Daten arbeiten, haben eine doppelt so hohe Wahrscheinlichkeit wie ihre Kollegen, ausgiebig mit den Daten zu interagieren (33 Prozent vs. 15 Prozent). Sie stellen auch mit wesentlich höherer Wahrscheinlichkeit spontan Fragen, die sich aus den frisch gewonnenen Erkenntnissen ergeben.¹ Durch die visuelle Erkundung der Daten können diese ihre Geschichte lebendig entfalten, und zwar in einer Weise, die das Gehirn blitzschnell verarbeiten kann. Das bringt einen auf die besten Ideen, sagt Dana Zuber, Vice President Strategic Planning bei Wells Fargo, diesen Effekt gibt es bei einer Tabellenkalkulation nicht. Quelle: Jock D. Mackinlay, PhD, How to See and Understand Big Data, 2007 ¹ Aberdeen Group, Visualization: Set Your Analytics Us-ers Free, David White, August 2013.

6 6 Mit visuellen Analysen können Sie zwei Dinge gleichzeitig tun: Die Daten verändern, die Sie betrachten weil für unterschiedliche Fragen oft auch andere Daten erforderlich sind. Ihre Betrachtungsweise verändern weil jede Betrachtungsweise bei der Beantwortung unterschiedlicher Fragen helfen kann. Mit diesen einfachen Schritten treten Sie in den sogenannten visuellen Analysezyklus ein: Sie rufen Daten ab, betrachten sie, stellen Fragen und erhalten Antworten, und dann wiederholen Sie diesen Prozess. Mit jedem Durchgang dringen Ihre Fragen und Erkenntnisse tiefer in die Materie ein. Sie können tiefer ins Detail gehen oder das große Ganze betrachten, oder Querverbindungen ziehen. Sie können neue Daten einbringen. Sie können eine ganze Reihe von Ansichten erstellen, Ihre Visualisierung geht immer schneller und Sie können in immer größeren Zusammenhängen denken. Wenn Sie damit fertig sind, tauschen Sie die Ergebnisse mit anderen aus. Mitarbeiter stellen selbst Fragen und beantworten sie so gelangt das gesamte Team immer schneller zu Erkenntnissen, kann auf dieser Basis immer agiler handeln und die Geschäftsergebnisse optimieren. Zeigen Sie das Live-Webdashboard auf Ihrem Desktop, ipad oder Android-Tablet an und interagieren Sie damit.

7 7 4. Die Benutzer für große Erkenntnisse empowern Haben Sie schon einmal Menschen erlebt, bei denen der Erkenntnishunger geweckt wurde? Sie lassen sich durch nichts aufhalten. Sie stellen so lange immer neue Fragen und suchen so lange immer neue Antworten, bis sie dem Problem auf den Grund gegangen sind bzw. den vollen Überblick über die Materie haben oder bis sie einen IT-Anschaffungsantrag ausfüllen müssen. Mit Big Data nimmt der Erkenntnishunger noch weiter zu. Er wird brennend. Dann gibt es keine Zeit mehr für etwas anderes als die Self-Service-Datenanalyse. Organisationen mit Big Data haben eine 70 Prozent höhere Wahrscheinlichkeit als andere Organisationen, BI-Projekte zu betreiben, die hauptsächlich vom Geschäftspersonal angestoßen werden, nicht von der IT-Abteilung, besagt der kürzlich veröffentlichte Bericht der Aberdeen Group mit dem Titel Go Big or Go Home? Maximizing the Value of Analytics and Big Data. (Analyse im großen Stil oder aufgeben? Über die Maximierung des Nutzens von Analysen und großen Datenmengen.) Benutzer des Geschäftsbetriebs, die mit Big Data zu arbeiten begonnen haben, begnügen sich nicht mehr mit den alten, langsamen Methoden der IT-Abteilung, bei denen die Daten herausgegeben werden wie Buchkapitel. In The Value of Big Data schreibt Mark Madsen, Research-Analyst bei Third Nature: Nicht nur das Modell für die Veröffentlichung der BI ist veraltet, sondern auch der Kontext, in dem das BI-Modell die Nutzung der Informationen erwartet, ist antiquiert. Das ist so, als würde man ein Buch beim Schein einer Petroleumlampe oder bei Kerzenlicht lesen. ² Große Datenmengen funktionieren wie elektrisches Licht, schreibt Madsen, sie leuchten die Ecken aus, die vorher noch unbeleuchtet waren. Sie werfen nicht nur ein helleres Licht auf die Fakten, sondern sind auch zur Hand, wenn man sie braucht. Anstatt monatelang auf vollkommen bereinigte und nutzungsbereite Daten zu warten, kann der wirtschaftliche Nutzen in den Daten mit Big Data-Technologien untersucht und aufgedeckt werden. Die Daten, die sich als wertvoll erweisen, können dann mit strikteren Prozessen im Data Warehouse verarbeitet werden. Zwingen Sie Ihre Benutzer nicht, bei Kerzenschein zu arbeiten. Geben Sie ihnen Strom, sprich: Empowern Sie sie. Quelle: Tableau Software, Mobile Business Intelligence ² Third Nature and SAP, The Value of big data: Using big data to examine and discover the value in data for accurate analytics

8 8 5. Es ist wichtig, dass Sie all diese Daten verschmelzen, um zu verstehen, warum Menschen den Laden betreten und ihren Einkaufskorb füllen. Rishi Kumar, Unilever Kleinere Datensätze in größere Zusammenhänge stellen Sehen Sie genau hin, dann erkennen Sie, woraus große Datenmengen bestehen: aus vielen kleineren Datensätzen. Jeder Datensatz für sich mag einen gewissen Nutzen aufweisen. Aber wenn Sie die Datensätze zusammen betrachten, können sie in der Summe von enormem Nutzen sein. In der Verbrauchsgüterbranche beispielsweise können die Führungskräfte das Kundenverhalten nur voll und ganz verstehen, wenn sie die Stimmungsdaten mit den Kaufdaten verschmelzen. Sie erhalten eine immense Vielfalt an Daten durch Loyalitätskarten, sagte Rishi Kumar, Director of Analytics bei Unilever. Es ist wichtig, dass Sie all diese Daten verschmelzen, um zu verstehen, warum Menschen den Laden betreten und ihren Einkaufskorb füllen. Unilever hat dadurch die Möglichkeit, beliebte Produkte und neue Trends schon frühzeitig zu erkennen. Der größte Nutzen geht an Organisationen, die relationale, halbstrukturierte und Rohdaten verschmelzen bei minimalen Anschubkosten und ohne dass die Benutzer des Geschäftsbetriebs eine komplizierte Technologie erlernen müssen. Sie können direkt loslegen und das ist allemal gut. s Hören Sie mehr von Kumar zum Thema Datenverschmelzung. Unabhängig davon, ob sich die Daten in einer Tabellenkalkulation, einer Datenbank, einem Data Warehouse, einem Open-Source-Dateisystem (wie Hadoop) oder an allen diesen Orten befinden Sie brauchen die nötige Flexibilität, um schnell eine Verbindung zu den benötigten Daten herzustellen und diese zu konsolidieren. Dadurch können Sie Fragen stellen und beantworten, wenn Sie Ihnen einfallen ganz gleich, wie groß oder klein Ihre Big Data sein mögen.

9 9 6. Große Datenmengen vor großen Problemen schützen Große Datenmengen machen Spaß, sie sind wie ein Sandkasten. Sie können sich hineinsetzen und etwas bauen und formen. Sie können sogar Sand in die Hand nehmen und auf der Hose Ihres besten Freundes abstreifen. Nicht wahr? Natürlich nur unter Aufsicht Erwachsener. Diese Masse an Daten ist teilweise auch deshalb so wertvoll, weil sie uns oft etwas über reale Personen sagt. Regierungen von ethischen Fragen ganz abgesehen sagen aber, dass jeder dabei vorsichtig sein muss. Über 80 Länder haben mittlerweile Datenschutzgesetze erlassen. Die Europäische Union definiert sieben Safe-Harbour-Datenschutzgrundsätze für den Schutz persönlicher Daten der EU-Bürger. In Singapur trat das Datenschutzgesetz für den Schutz persönlicher Daten im Januar 2013 in Kraft. In den USA müssen sich alle börsengehandelten Unternehmen an die Sarbanes-Oxley-Richtlinie halten, und das HIPAA-Gesetz (Health Insurance Portability and Accountability Act) legt nationale Standards für den Datenschutz im Gesundheitswesen fest. Bevor Sie also tief in den Big-Data-Ozean eintauchen, sollten Sie zunächst einmal ernsthaft überprüfen, an welche Governance- und Datenschutzstandards Sie gebunden sind. Sind Sie eine Einrichtung des Gesundheitswesens, die an das HIPAA gebunden ist? Oder sind Sie in bestimmten Gebieten auf der Welt tätig? Oder haben Sie gerade festgestellt, dass es klug wäre, für die wichtigsten Elemente Ihrer Big Data Sicherheitsvorkehrungen zu treffen? Wenn Ihre Organisation an entsprechende Vorschriften gebunden ist, ist die Stammdatenverwaltung eine Lösung, die sich anbietet, weil sie die Regeln für die Datennutzung in der gesamten Organisation verschärft. Wenn Sie diese Frage gelöst haben, sind Sie bereit. Allerdings erweist sich die Vereinbarung von Definitionen und Geschäftsregeln für die meisten, die sich daran versuchen, als langwierig und schwierig. Aber mag dies auch noch so schwierig sein, es ist auf jeden Fall praktisch. Die Governance-Spielregeln sollten nicht zugunsten von mehr Agilität und schnelleren Ergebnissen umgangen werden, rät die Unternehmensberatung Forrester Consulting in ihrem Bericht mit dem Titel Big Data Needs Agile Information and Integration Governance (2013) die Ergebnisse von Big Data erfordern Spielregeln, sprich: Governance. Forrester empfiehlt, sich nicht an einen einzigen Satz an Standards, Richtlinien und Praktiken zu halten, weil nach Meinung der Unternehmensberatung der Nutzen, der aus der Erforschung großer Datenmengen und den entsprechenden Erkenntnissen bezogen werden kann, dadurch zu stark eingeschränkt wird. Stattdessen schlägt der Bericht vor, Spielregeln (Governance) zu übernehmen, die auf die analytischen Möglichkeiten und Ziele abgestimmt sind, Governance-Bereiche unter Berücksichtigung von Datenquelle und -typ einzurichten und die Erkenntnisse zu testen, bevor die Regeln in der Produktion angewandt werden.³ ³Forrester Consulting, Big Data Needs Agile Information And Integration Governance, 2013.

10 10 7. Den Ball ins Rollen bringen Der letzte Tipp ist vermutlich auch der wichtigste: Tun Sie es einfach. Springen Sie ins kalte Wasser und befolgen Sie die anderen sechs Schritte. Big Data stehen bereits an Ihrer Türschwelle, sofern sie sich nicht schon im Gebäude befinden. Nutzen Sie sie jetzt und schaffen Sie Ergebnisse. Bei einer geschäftlichen Besprechung kann ich die Fragen in demselben Tempo beantworten, in dem wir uns jetzt gerade unterhalten, schwärmt Peter Gilks von Barclays. Früher brauchten wir für die Beantwortung einer Frage ein bis zwei Tage. Jetzt kann ich mit meinem Laptop in einer Besprechung sitzen und Fragen über 20 Millionen Datensätze praktisch sofort beantworten. (Siehe Fallstudien für Ihre Branche.) Wenn Sie erst einmal etwas zu zeigen haben, werden die anderen das bemerken denn es gibt nichts Besseres als Ergebnisse, wenn Sie die Aufmerksamkeit auf sich ziehen möchten. Dann kommt ein Kreislauf in Gang, und die Ergebnisse werden in der gesamten Organisation verbreitet. Irgendwann interessiert sich eine Führungskraft, und dann ist Ihre große Stunde gekommen.

11 11 Info zu Tableau Tableau Software hilft Nutzern, Daten sichtbar und verständlich zu machen. Mit Tableau können Nutzer Informationen schnell analysieren, visualisieren und mit anderen teilen. Mehr als Kundenkonten nutzen Tableau im Büro und unterwegs für schnelle Analysen. Zehntausende Nutzer verwenden Tableau Public, um Daten in Blogs und auf Websites anderen zur Verfügung zu stellen. Laden Sie die kostenlose Testversion unter herunter, und erleben Sie, wie Tableau Sie unterstützen kann: Weitere Materialien Kostenlose Testversion herunterladen Weitere Literatur zum Thema Förderung einer datengesteuerten Kultur: Sonderbericht von The Economist Intelligence Unit und Tableau Große Datenmengen: die nächste industrielle Revolution ebay fördert das Geschäft durch Analysen Tableau Software und Big Data Aberdeen Group: Maximizing the Value of Analytics and Big Data. Alle Whitepaper anzeigen Weitere Quellen erkunden Produkt-Demo Schulungen und Lernprogramme Community und Support Kundenberichte Lösungen Tableau und Tableau Software sind Marken von Tableau Software, Inc. Alle anderen Firmen- und Produktnamen sind möglicherweise Marken der jeweiligen Unternehmen, denen sie zugeordnet sind.