Kreativität aus rohen Daten

Initialer Fokus

Es ist wichtig, sich zu Beginn einen einfachen, aber interessanten Use Case für eine erste Analyse zu suchen. Sinnvollerweise definiert man hierzu gemeinsam mit der Business-Unit eine Metrik. Damit sollte sich initial dann ein konkretes Ziel formulieren lassen, um den Erfolg der Analyse überprüfen zu können. Wählt man anfangs kein konkretes Analyseproblem, besteht sonst typischerweise die Gefahr des kopf- und planlosen Experimentierens im Meer von Daten, ohne eine klare Richtung mit den ersten Big-Data-Schritten zu verbinden.

Big Data und der Hype

Hat man sich ein konkretes Problem zurechtgelegt, sollte man sich im nächsten Schritt nicht vom aktuellen Big Data Hype verführen lassen und mit hohen Investitionen in Hardware oder Produkte starten. Viel wichtiger ist es, ein kleines, fokussiertes Team mit neugierigen und innovativen Menschen zu besetzen, die erste Erfahrungen mit den neuen Technologien sammeln. Zu Anfang reicht eine kleine Hardwareumgebung oder auch die Verwendung einer Cloud-Lösung für die ersten Erfahrungen. Denn es geht in dieser Phase primär darum, die Tools kennen zu lernen. Dafür darf ruhig auch noch mit „schmutzigen“ Daten gearbeitet werden, es ist nicht das Ziel, bereits die endgültige, fertige Big-Data-Lösung zu erstellen.

Big Data und die Produkte

Generell sollte man nicht dem Irrtum erliegen, Big-Data-Lösungen als reine Produktentscheidungen einzuordnen. Big Data ist primär People Business: Das richtige Team von Spezialisten wird die passenden Tools für das konkrete Big-Data-Szenario wählen. Daher sollte der Fokus zu jedem Zeitpunkt stärker auf der Auswahl des richtigen Teams und erheblich weniger auf vorgreifenden Produktentscheidungen liegen. Die gerade zu Anfang wichtige Agilität in Big-Data-Projekten wird durch initiale Produktentscheidungen sonst schon zu diesem frühen Zeitpunkt unnötig eingeschränkt.

Big Data und die Prozesse

Ziel der Einführung von Big-Data-Lösungen ist immer auch die stärkere Fokussierung auf datengetriebene Prozesse. Das Idealbild einer datengetriebenen Organisation bedeutet hierbei meist die effektive Verwendung der zur Verfügung stehenden Daten anhand festgesetzter Metriken. Gerade die regelmäßige, gemeinsame Beschäftigung der Business-Units und der Big-Data-Spezialisten mit der Definition von Metriken auf den gesammelten Daten macht die Fortschritte dabei messbar.

Skeptisch sollte man generell bei der Anforderung von Echtzeitanalysen innerhalb der Prozesse sein. Eine Echtzeitanforderung ist immer nur dann sinnvoll, wenn auch der sich anschließende Entscheidungsprozess vollautomatisiert abläuft. Sind manuelle Schritte im Prozess involviert, ist eine Echtzeitanforderung in aller Regel unnötig.

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.