Big Business mit Big Data1)

Transkript

1 AUSZUG EINES BEITRAGS VON FRIEDRICH OEHLERKING IM FOLGENDEN LESEN SIE DIE ERSTEN SEITEN DES BEITRAGS BIG BUSINESS MIT BIG DATA Einkauf online Bestell-Nr.: OL2109J ISBN: Big Business mit Big Data1) Autor: Friedrich Oehlerking Das Thema NSA hat das Augenmerk auf die immer mehr anwachsende Datenflut gelenkt. Hier kommen moderne Big-Data-Systemlösungen ins Spiel. Nur wer seine Kundenbedürfnisse und damit Marktchancen frühzeitig erkennt sowie neue unternehmensrelevante Entwicklungen rechtzeitig identifiziert, kann sich optimal für den Wettbewerb aufstellen. Es werden diejenigen Unternehmen punkten, welche die vier Parameter von Big Data beherrschen: Volume, Velocity, Variety und Value. Wie soll man all der weitgehend schon automatisch generierten Daten Herr werden, was mit ihnen anfangen? Lesen Sie nach, welche Lösungen und Anwendungen sich anbieten. NSA und kein Ende spätestens seit dem Abhörskandal im Zusammenhang mit dem Handy von Bundeskanzlerin Angela Merkel dürfte jedem einigermaßen wirtschaftlich und politisch Interessierten klar sein: Das Thema Massendaten samt ihrer Speicherung und Verwendung wird so schnell nicht wieder von der allgemeinen Tagesordnung verschwinden. Immer mächtigere Speichermedien Früher war alles vielleicht nicht besser, aber manches einfacher. Daten wurden nicht gesammelt, sondern eingegeben. Mühsam. Von Hand. Mit der Entwicklung immer mächtigerer, platzsparenderer und kostengünstigerer Speichermedien und entsprechender Eingabetechniken wurde daraus das obendrein weitgehend automatisierte Sammeln von Daten jeglicher Provenienz. Datensammelwut von Facebook bis YouTube Auf Facebook werden, so eine Studie, die das Marktforschungsunternehmen TNS Infratest im Auftrag des Systemanbieters T-Systems durchführte, täglich im 20-Minuten-Rhythmus 2,7 Millionen Bilder eingestellt. Im Jahr 2010 wurden insgesamt 700 Milliarden Videos auf YouTube abgespielt. Bereits 2010 durchbrach die weltweit in einem Jahr erzeugte Gesamtmenge an Informationen die Zettabyte-Schallmauer. Das sind Byte, eine Zahl mit 21 Nullen.

2 Wachsende Datenflut Ermöglicht wird diese wachsende Datenflut durch immer neue technische Entwicklungen, z.b.: Erzeugung und Vervielfältigung von Texten, Bildern, Audio- und Videodateien in ungeahntem Maß durch digitale und mobile Medien Internet Smart Systems für die intelligente Steuerung des Energieverbrauchs sensorgesteuerte Haushaltsgeräte Verknüpfung, Weiterleitung und standortunabhängige Nutzung von Informationen Verbesserung von Geschäftsprozessen Gespeichert werden zwecks Verbesserung von Geschäftsprozessen immer stärker Informationen zu Kunden, Produkten und Lagerbeständen. Zu deren Bewältigung und Verarbeitung wurden eigene Werkzeuge geschaffen. Höhere Geschwindigkeit der Datenverarbeitung Neben der reinen Masse an Daten verschärft sich auch die Geschwindigkeit, in der Daten verarbeitet, analysiert und abgerufen werden. Vor einigen Jahren wurden Daten noch wöchentlich oder gar nur monatlich abgerufen. Heute geschieht dies in Echtzeit. Das ist mittlerweile unabdingbar, sonst ließen sich Geschäftsprozesse gar nicht mehr steuern. Blitzschnell müssen Daten analysiert und ausgewertet werden und aus ihnen die entscheidungsrelevanten Informationen herausgezogen sein. Daten entscheidend für den Wettbewerb Von einem Nebenprodukt der Prozesse werden Daten zum wettbewerbsentscheidenden Faktor. Für die Gewährleistung des Wettbewerbsvorteils ist dabei die Geschwindigkeit der Datenverarbeitung und -bereitstellung von grundlegender Bedeutung. Und mit jeder spontanen Verarbeitung zur Unterstützung von Geschäftsprozessen steigt wiederum die generierte Datenmenge. Vielfältigere Datenarten Mit den Datenquellen werden auch die Datenarten im geschäftlichen und privaten Bereich immer vielfältiger. Soziale Medien fördern die Verbreitung von Texten, Bildern, Musik- oder Videodateien, intelligente Geräte erzeugen unzählige Sensordaten. Neue Verarbeitungssysteme müssen in der Lage sein, einen Nutzen aus der Vielzahl an unterschiedlichen Arten ziehen zu können. Herausforderung Datenstruktur Dabei stellt weniger die Unterschiedlichkeit als vielmehr die Struktur von Daten immer neue Herausforderungen. Bisher wurden strukturierte Informationen in relationalen 2

3 Datenbanken verarbeitet. Jetzt sind die erzeugten Daten immer weniger strukturiert. Folge: Sie können nicht mehr mit herkömmlichen Datenbanken nutzbringend ausgewertet werden. In der Regel sind laut TNS-Infratest-Studie heute lediglich 15 Prozent der Daten strukturiert, ca. 85 Prozent unstrukturiert. Die Komplexität aufgrund der mangelnden Struktur wächst rasant. Veränderungen bedingen Big Data Diese drei Veränderungen steigende Datenmenge, Verkürzung der Verarbeitungsgeschwindigkeiten, Vielfalt an Datenquellen und -typen und der damit einhergehende Verlust an Struktur werden in letzter Zeit immer öfter unter einem Schlagwort zusammengefasst: Big Data. Gerade für den Einkauf bedeutet das neue Herausforderungen, aber auch neue Chancen im Umgang mit der Datenflut. Business Intelligence Über eine Million Euro für BI Jedes dritte Unternehmen in Europa investiert laut der Studie Business Intelligence Maturity Audit 2012/13 (bima-studie 2012/13) von Steria Mummert Consulting mit mehr als 650 Teilnehmern eine der größten Analysen zum Thema Business Intelligence (BI) in Europa pro Jahr mehr als eine Million Euro in BI. Bandbreite an Einsatzfeldern weitgehend ungenutzt Doch längst nicht alle Firmen nutzen die Bandbreite an Einsatzfeldern der meist teuer eingekauften und entwickelten Analysewerkzeuge aus: 83 Prozent der Unternehmen setzen laut bima-studie BI-Werkzeuge vor allem nur für einfache Standardaufgaben des internen Berichtswesens ein. Nur jede zweite Firma nutzt das Potenzial flächendeckend im Unternehmen, um damit Budgets im Voraus zu kalkulieren. Jedes fünfte Unternehmen simuliert zukünftige geschäftliche Entwicklungen. Mehr als monatliche Verkaufszahlen Dabei bietet BI weit mehr, als nur jeden Monat Verkaufszahlen in einem Bericht zusammenzufassen. Dr. Carsten Dittmar, BI-Experte von Steria Mummert Consulting, nennt Beispiele: Unternehmen können in der Fertigung durch analytische Methoden zum Beispiel Fehlentwicklungen, etwa zu viel Ausschuss, frühzeitig auf die Schliche kommen. Oder es geht darum, Finanzflüsse zu optimieren, um die Menge des gebundenen Kapitals möglichst gering zu halten. 3

4 Keine konsequente Sammlung von Daten Aber weniger als die Hälfte der befragten Unternehmen unterstützt derartige Geschäftsprozesse. Die Daten werden nicht konsequent genug gesammelt, aufbereitet und ausgewertet. Internes Rechnungswesen ohne Analysewerkzeuge Selbst im internen Rechnungswesen bleiben Analysewerkzeuge häufig außen vor. BI- Werkzeuge, durchaus vorhanden, für Profitabilitätsanalysen und Deckungsbeitragsrechnung? Alles bei den meisten Unternehmen Fehlanzeige. Nur 38 Prozent der befragten Unternehmen setzen hierfür BI-Lösungen ein. Der vertikale Durchdringungsgrad von BI in die Prozesse lässt nach wie vor zu wünschen übrig, auch wenn die Anzahl der BI-Anwendungsfelder in den Unternehmen und damit die Einsatzbreite in den letzten Jahren kontinuierlich gestiegen ist, so Dittmar. Textverarbeitung mehr als Fortsetzung der Schreibmaschine BI teilt hier das Schicksal vieler großer Software-Programme wie einst die Textverarbeitung, die lange Zeit als eine Fortsetzung der elektrischen Schreibmaschine mit Bildschirm missverstanden wurde. Verfeinerung von Prozessen Dabei bieten spezielle BI-Anwendungen deutlich mehr Möglichkeiten, Auswertungen individuell zu verfeinern und Prozesse zu steuern. Zudem kann die Darstellung der Ergebnisse weit besser an die Bedürfnisse des Managements angepasst werden als nur zu Anwendungen für den Einsatz der Ressourcen Kapital, Betriebsmittel oder Personal (Enterprise Resource Planning ERP). Verzahnung mit analytischen BI-Lösungen Unternehmen, die ihre operativen IT-Systeme mit den analytischen BI-Lösungen enger verzahnen, verschaffen sich erhebliche Wettbewerbsvorteile. Sie können Entscheidungsprozesse mit genaueren analytischen Ergebnissen unterstützen. Gleichzeitig vermeiden sie teure Doppelarbeiten beim Erstellen von Auswertungen und im Meldewesen, sagt Volker Oßendoth, Studienleiter und BI-Experte bei Steria Mummert Consulting. Daten zur Nutzung für geschäftliche Entscheidungen Doch Europas Unternehmen tun sich schwer, wenn es um die professionelle Analyse von Daten und deren Nutzung für geschäftliche Entscheidungen geht. Auf einer Reifeskala für den erfolgreichen Einsatz von BI von 1 bis 5 verharrt der bima-studie zufolge der Durchschnitt auf der Stufe 3. Einige Unternehmen nehmen allerdings eine Vorreiterrolle ein und verfügen über BI-Systeme und BI-Spezialisten, die schnelle und flexible Analysen 4

5 liefern. So erzeugt BI nachweislich einen signifikanten Mehrwert in der Unterstützung der Geschäftsprozesse. Reifegrade der BI-Landschaften Die Reifegrade der BI-Landschaften in Europa unterscheiden sich kaum. In der Region Deutschland, Österreich und Schweiz gehen Unternehmen seit der ersten Untersuchung 2004 zwar deutlich professioneller mit dem Thema BI um. Doch die wachsende BI- Popularität sorgt dafür, dass die Nutzer komplexe Anforderungen an die Auswertungen stellen Tendenz steigend. Die starren Abläufe und eingeführten technischen Standards bremsen die Unternehmen aus, sagt Oßendoth. Strategische Ausrichtung der BI fehlt Ein großes Manko sei die fehlende strategische Ausrichtung der BI: 49 Prozent der befragten Unternehmen haben keine spezifische BI-Strategie. 70 Prozent haben kein explizites Regelwerk zur Strategieumsetzung im Tagesgeschäft, eine sogenannte BI-Governance, bei sich eingeführt. Dadurch fehlt die zentrale Koordination und Abstimmung der häufig isolierten BI-Aktivitäten. Unklarheit über Verantwortlichkeiten Viele Nutzer wissen beispielsweise gar nicht, welche eigenen und externen Daten und BI- Werkzeuge zur Verfügung stehen und für welchen Zweck diese eingesetzt werden dürfen, konstatiert Dittmar. Zudem bestehe häufig Unklarheit über Verantwortlichkeiten und Ansprechpartner. Folge: Auswertungen verzögern sich, Analyseergebnisse lassen sich nicht miteinander vergleichen. Unentschiedene Fokussierung von Prozessen Ein weiterer Brennpunkt sind die eingesetzten Prozesse: 44 Prozent der Unternehmen setzen beispielsweise auch bei BI-Fragestellungen auf das allgemeine Anforderungsmanagement der IT. Nur bei 24 Prozent der Unternehmen werden BI-Systeme nach einem BI-spezifischen Vorgehensmodell entwickelt. Integrative Anforderungen Die besonderen integrativen Anforderungen der BI-Anwender werden also in der Regel ignoriert. Das geht häufig zulasten von Qualität und Aussagekraft der Analysen. Zielgruppenbewertungen fallen so z.b. ungenau aus, eine individuelle Ansprache im Marketing wird erschwert. Die Unternehmen riskierten damit, dass die Kosten-Nutzen- Kalkulation von BI nicht aufgeht und die Mitarbeiter die BI-Initiative infrage stellen. 5

6 Unzureichende Datenqualität Hinzu kommt die unzureichende Datenqualität. Sie ist das am häufigsten genannte Problemfeld der BI. Europas Unternehmen haben diese Fehlentwicklung zwar erkannt, aber noch nicht gelöst. Ein Drittel der Befragten gibt an, dass Mängel im Bereich Datenqualität eher zufällig identifiziert werden. Dabei können diese ernsthafte wirtschaftliche Schäden verursachen. Doppelte Kundendaten Ein typisches Beispiel sind mehrfach abgelegte Kundendaten, bei denen die Schreibweise des Namens variiert. Ein Mitarbeiter, der auf diese Daten zugreift, muss Zeit und Mühe investieren, um die richtige Schreibweise zu ermitteln. Vertrauensverlust und Mehraufwand bei den Nutzern sind die Folge. Bleibt der Fehler unentdeckt, kann der Schaden von falsch zugestellten Rechnungen bis hin zum Kundenverlust reichen. Vernachlässigtes DQM Europäische Unternehmen wissen zwar offenbar um dieses Problem, sie investieren aber laut bima-studie zu wenig in Datenqualitätsmanagement (DQM), um eine belastbare Datenbasis sicherzustellen. So geben 38 Prozent der Befragten an, Datenqualität sei die zentrale Herausforderung im BI-Umfeld. Ein weiteres Viertel beklagt die bestehende Intransparenz hinsichtlich des vorhandenen Datenqualitätsniveaus. Die Folgen sind nicht zu unterschätzen. Eine gute Datenqualität ist Grundvoraussetzung für stichhaltige Analysen und beständige Managemententscheidungen. Datenqualität und standardisierte Prozesse Um solche Defizite zu vermeiden, muss den Ursachen schlechter Datenqualität auf den Grund gegangen werden. Häufig besteht ein Zusammenhang mit dem Fehlen standardisierter Prozesse. 40 Prozent der Firmen, die keinen geregelten Prozess für Datenqualitätsmanagement besitzen, nennen mangelnde Datenqualität als Herausforderung. Bei den Unternehmen, die bereits verbindliche Standards für die Erfassung und Pflege der Daten haben, sind es nur 24 Prozent. Kennzahlen nach persönlichen Vorstellungen Ohne verbindliche Standards schieben sich die Beteiligten gegenseitig den schwarzen Peter zu, mutmaßt Oßendoth. Jeder berechnet Kennzahlen nach seinen persönlichen Vorstellungen. Das Ergebnis ist eine inkonsistente Datenbasis, deren Instandsetzung Zeit und Geld kostet. 6

7 Unterschiedliche Datenqualität in verschiedenen Ländern Im Ländervergleich lassen sich weitere Faktoren für schlechtes und gutes Datenmanagement identifizieren. Teilnehmer aus der Region Deutschland, Österreich und Schweiz (DACH) bewerten ihre Datenqualität deutlich besser als Unternehmen aus den übrigen Ländern. Im Vergleich mit ihren europäischen Nachbarn liegen sie in fast allen Bereichen eine Schulnote vor der Konkurrenz. Knapp ein Drittel der Befragten aus der DACH-Region gibt an, verbindliche Zuständigkeiten (Data-Ownership-Konzept) zu schaffen. Damit führen sie in diesem Punkt das Feld an. In Unternehmen aus anderen Regionen existiert zwar auch eine Form von Data Ownership, meist aber fehlen fachliche Prozesse und verbindliche Regelungen. Auf BI ausgelegte Datenrichtlinie Es zeigt sich, dass Unternehmen zuallererst eine zuverlässige Datenbasis schaffen müssen, um ihre Business Intelligence voranzutreiben, stellt Dittmar fest. Dies erfolge im Idealfall auf verschiedenen Ebenen. Technische Hilfsmittel seien dabei nur der erste Schritt. Es bedürfe vielmehr einer besonders auf BI ausgelegten Datenrichtlinie (Data Governance), die Verantwortlichkeiten wie z.b. gemäß einer Data-Ownership-Konzeption oder Prozesse beispielsweise für das Stammdaten-, Datenqualitäts- und Metadatenmanagement verbindlich festlegt. Vorgaben für angestrebtes Datenqualitätsniveau Dittmar rät zu klaren Vorgaben für das angestrebte Datenqualitätsniveau. Sie vereinfachten es, das Ziel im Blick zu behalten. Die Unternehmen sollten Datenqualität ganz oben auf ihre Agenda setzen und zum Beispiel gemäß definierter DQ-Metriken regelmäßig überprüfen, so Dittmar. Nur dann könnten sie die Potenziale analytischer Informationen tatsächlich nutzen und sich einen wirtschaftlichen Vorteil verschaffen. Steigender Druck auf die BI-Verantwortlichen in Unternehmen Um künftig noch schneller auf Änderungen im Marktumfeld reagieren zu können, steige der Druck auf die BI-Verantwortlichen in Unternehmen. Öffentliche Debatten zum Thema befeuerten den Wunsch nach flexiblen BI-Strukturen zusätzlich. Die physische Speicherung sämtlicher Daten an einem einzigen Ort entsprechend der Idee des Enterprise Data Warehouse lasse sich insbesondere in größeren Unternehmen kaum noch umsetzen. Dafür sorgen seiner Ansicht nach die steigende Anzahl von Anwendergruppen mit immer komplexeren Anforderungen sowie der Wunsch der Nutzer, deutlich schneller, fokussierter und individueller mit Informationen versorgt zu werden. Tiefgreifender Paradigmenwechsel erforderlich Dafür aber braucht es einen tiefgreifenden Paradigmenwechsel, ist Dittmar überzeugt. 7

8 Unternehmen suchen nach Einsatzfeldern Paradigmenwechsel durch Big Data Für einen solchen Paradigmenwechsel steht für Dittmar Big Data. Es sorgt etwa seit der CeBIT 2012 für Aufsehen in der Fachwelt. Aktuell kennt Steria Mummert Consulting hier kaum einen Begriff, der in den Medien einen so großen Widerhall findet. Big Data müsse dabei als ein Synonym für alles herhalten, was den Umgang mit exponentiell wachsenden Datenmengen betrifft, die immer häufiger aktualisiert werden und aus immer heterogeneren Quellen stammen. Die Diskussion gehe dabei längst über die bisher üblichen Spezialpublikationen oder Fachkonferenzen hinaus. Das Henne-Ei-Problem ungelöst Berater sowie Soft- und Hardware-Hersteller drängen Unternehmen mit neuen Angeboten und Technologien, den sagenumwobenen Informationsschatz zu heben. Auch hier sieht allerdings die Bilanz nicht viel besser aus als bei der BI. Die Unternehmen auf der Anwenderseite hat es bislang nicht annähernd in erforderlicher Tiefe erreicht, so dass die notwendige wachsende Nachfrage ausbleibt, die von Anwenderseite das Angebot entsprechender Branchenlösungen verstärken könnte. Das Henne-Ei-Problem scheint auch hier eine beschleunigte Entwicklung derzeit noch zu bremsen. Big-Data-Zeitalter noch nicht begonnen Für die überwiegende Mehrheit der Unternehmen in Europa hat das Big-Data-Zeitalter noch lange nicht begonnen. Nur sieben Prozent stufen der bima-studie zufolge dieses Thema für sich als sehr relevant ein. Viele Unternehmen suchen zurzeit noch nach überzeugenden Anwendungsfällen. Praktische Einsatzgebiete fehlen Einen Grund dafür sieht Steria Mummert Consulting im Fehlen praktischer Einsatzgebiete. Diese seien noch rar gesät. Für weniger als zehn Prozent der Unternehmen stellten die Verarbeitung großer Datenvolumina, der Umgang mit verschiedenartigen, polystrukturierten Daten sowie das Bereitstellen und Auswerten von Informationen in Echtzeit ein ernsthaftes Problem dar. Jedes dritte Unternehmen hält das Thema Big Data gar für irrelevant. Kein Favorit unter den Einsatzszenarien Auch aus den von den Studienteilnehmern genannten Einsatzszenarien lässt sich kein klarer Favorit ableiten. Am häufigsten (28 Prozent) versprechen sich Unternehmen von Big Data ein tieferes und präziseres Geschäftsverständnis allerdings nicht gerade ein für 8

9 Big Data spezifisches Ziel, sondern eher ein genereller Anspruch jedes BI-Vorhabens. Für auffällig halten es die Marktforscher von Steria Mummert Consulting zudem, dass Vertreter der Fachabteilungen in der Regel mehr von Big Data erwarten als ihre IT-Kollegen. Big Data, der Hype Der Hype um Big Data verführt dazu, in eine abstrakte Technologiediskussion abzudriften, ohne vorher die grundlegendsten Fragen nach wirtschaftlichem Nutzen beantwortet zu haben, so Studienleiter Oßendoth. Er rät Entscheidern, sich nicht von der Angst leiten zu lassen, einen wichtigen Trend zu verpassen, sondern als Erstes immer die Bedeutung für das eigene Unternehmen zu prüfen. Big Data generiert neue Geschäftsmodelle Big Data ist eben nicht nur einfach die Erarbeitung von mehr Daten in etablierter Form. Es ist weit mehr. Zum Teil entstehen komplett neue Geschäftsmodelle. Das verstehen viele Unternehmen einfach nicht, meint Dittmar. Dafür braucht es zeitlich, inhaltlich und rechtlich relevante Einsatzfelder, die die Investitionen in Technologie und Expertise rechtfertigen nicht andersherum, so Dittmar. Die drei V Einen weiteren Grund, warum das Big-Data-Zeitalter in den Unternehmen noch auf sich warten lässt, sehen die Forscher darin, dass die drei entscheidenden Größen für den Durchbruch zu Big Data noch nicht als relevante Herausforderungen gesehen werden die drei V: Volume: die Bewältigung großer Datenvolumina Velocity: möglichst in Echtzeit ablaufende Datenbereitstellungen und -auswertungen, die sich darüber hinaus auch noch durch eine hohe Änderungshäufigkeit auszeichnen. Variety: der Umgang mit verschiedenartigen, polystrukturierten Daten Skalierungsmöglichkeiten anwachsender Datenvolumina Überraschenderweise sind alle drei Herausforderungen bei den Unternehmen noch nicht angekommen. Skalierungsmöglichkeiten hinsichtlich stark anwachsender Datenvolumina stellen nur für acht Prozent der Unternehmen ein ernsthaftes Problem dar. Allerdings betrifft dies laut bima-studie vorrangig Unternehmen mit ohnehin sehr großen Datenmengen. Mangelnde Unterstützung für polystrukturierte Datentypen fordere nur vier Prozent der Unternehmen heraus. Und auch Fastechtzeitdaten als Basis für betriebliche BI werden nur sehr selten, nämlich von neun Prozent, als Problem genannt. 9

10 Abb. 1: Für nur sieben Prozent der Unternehmen sind Big Data sehr wichtig Quelle: Steria Mummert Consulting Ab 50 Terabyte beginnt Big Data Entsprechend stufen auch nur sieben Prozent der Unternehmen Big Data als sehr relevant ein. Nur 16 Prozent der Unternehmen haben ein Gesamtdatenvolumen von mehr als 50 Terabyte, ein Wert, ab dem gemeinhin Big Data angenommen wird. Die meisten Firmen speichern deutlich kleinere Datenmengen. Der Großteil lagert gar weniger als fünf Terabyte in seinen Datenbanken. Die bima-forscher gehen jedoch davon aus, dass die Datenvolumina deutlich anwachsen werden. Als Gründe dafür nennen sie länger werdende Datenhistorien, einen wachsenden Bedarf an feingranularen Daten sowie neue, polystrukturierte Datenquellen. 10