Hast du die eine oder andere Aussage zu Big Data schon einmal gehört oder irgendwo gelesen? Teilweise klingen sie sogar relativ vernünftig. Wenn du dich allerdings als Big Data Insider positionieren willst, dann vermeide sie tunlichst. Ich erkläre dir in diesem Blogbeitrag, warum diese Big Data Aussagen falsch sind und nicht der Realität entsprechen. Los geht’s.
10 gängige Big Data Aussagen, die vollkommen daneben liegen
1. Bei Big Data geht es immer um große Datenmengen
Nein, nicht immer, denn „groß“ ist relativ. Was für das eine Unternehmen „groß“ ist, ist für das andere Unternehmen „klein“. Und: es sind nicht immer riesige Datenmengen erforderlich, damit von Big Data die Rede ist.
Big Data wird fälschlicherweise oft mit „großen Datenmengen“ gleichgesetzt. Wichtig zu erwähnen sind jedoch auch die Verfahren, die eingesetzt werden, um diese Daten zu verarbeiten, auszuwerten und sinnvoll zu analysieren. Hier bevorzuge ich den Terminus „Big Data Analytics“.
Die benötigte Datenmenge hängt auch von der Zielsetzung des Big Data Projektes ab. Was will das Unternehmen überhaupt mit Big Data erreichen und welche Daten sollen dazu analysiert werden? Es macht nicht immer Sinn, alle Daten zur Analyse heranzuziehen. Früher wurden vorwiegend strukturierte Daten verarbeitet, sprich zum Beispiel Zahlen (Umsatz mengen- und/oder wertmäßig) oder Adressen. Heute können mit Hilfe von Big Data auch unstrukturierte Daten ausgewertet werden: Fotos, Videos, Textdateien, Geopositionsdaten, etc. Big Data ist nicht nur gekennzeichnet durch das „Datenvolumen“, sondern auch durch die Vielfalt an Daten und der unterschiedlichen Geschwindigkeit, in der sie anfallen.
Die Grafik (in Anlehnung an Rouse und Soubra) soll das Modell der 3 V’s veranschaulichen. Die 3 V’s stehen für “Volume” (Volumen), “Variety” (Datenvielfalt) und “Velocity” (Datengeschwindigkeit).
2. Ab jetzt machen wir Big Data
Big Data ist ein „sperriges“ und sehr komplexes Thema. Dementsprechend kann es nicht von heute auf morgen umgesetzt werden. Big Data Projekte benötigen viel Zeit, das entsprechende Budget und das Know-How von Experten. Falls die sogenannten Data Scientists in Unternehmen nicht intern vorhanden sind, dann empfiehlt es sich, externes Know-How zumindest temporär dazukaufen. Big Data Projekte sind langfristige Projekte, die einer intensiven Vorbereitungsphase bedürfen. Wenn man nicht weiß, wo oder wie man mit Big Data loslegen soll, dann können vielleicht folgende Fragestellungen helfen: „Wo gibt es in meinem Unternehmen Probleme?“ oder „Welche Prozesse würde ich gerne effizienter gestalten?“ oder „Wo gibt es im Unternehmen Verbesserungspotential?“. So kann vorerst einmal das Problem definiert werden, auf das eventuell ein Big Data Projekt Antworten liefern kann.
3. Jedes Big Data Projekt ist ein Erfolg
Big Data ist kein Allheilmittel. Sprich: Der Nutzen von Big Data kann, muss aber nicht, positiv für das Unternehmen sein. Wenn allerdings das Projekt richtig aufgesetzt ist und die richtigen Fragen gestellt werden, dann wird in den meisten Fällen der Nutzen für das Unternehmen positiv sein. Eine Garantie gibt es allerdings nicht.
Weiters möchte ich erwähnen, dass Big Data Projekte oft iteratve Prozesse sind, trial and error. Man muß sich herantasten und darf sich irren. Big Data Projekte dürfen schließlich fehlschlagen, sodaß man sich neuen Fragestellungen widmen kann und schlußendlich auf den grünen Zweig kommt. All das ist ein langer Prozess.
4. Wir laden die Big Data App herunter
Wenn es diese gäbe, wäre es einfach. Leider gibt es keine Big Data App, die einfach vom Smartphone heruntergeladen werden kann und auf Knopfdruck alle möglichen Daten analysiert. Big Data ist sehr komplex.
Situation gestern: Bei den bekannten IT-Disziplinen wie Business-Intelligence (BI), Data-Warehouse (DWH) oder Data-Mining gibt es etablierte Standard-Tools. Diese klassischen Technologien reichen heutzutage aber nicht mehr aus, um aus immer mehr Daten einen immer höheren betriebswirtschaftlichen Nutzen zu ziehen.
Aktuelle Situation: Big Data basiert nicht auf einer einzelnen Technologie, sondern ist das Zusammenwirken einer ganzen Reihe von innovativen Technologien in verschiedenen Gebieten. Unterschiedlichste Big Data Technologien werden je nach Zielsetzung des Unternehmens (z. B. Kosteneinsparung, Real Time Analysen, …) eingesetzt. Die folgende Grafik von BITKOM soll einen kleinen Überblick über die vier Kerntechnologien geben, die abhängig von der Zielsetzung des Unternehmens zum Einsatz kommen. Hier ist man weit entfernt von einer App, denn es kann nicht die „eine, richtige“ Big Data Lösung für jedes Unternehmen geben.
5. Big Data machen wir nebenbei
Das ist von vornherein zum Scheitern verurteilt. Wer soll denn bitte ein Big Data Projekt so nebenbei machen? Die EDV? Das Marketing? Der CDO (Chief-Digital-Officer)? Keiner von denen schafft es „so nebenbei“. Ein Big Data Projekt braucht personelle Ressourcen mit Big Data Know-How, so nebenbei geht hier gar nichts. Sehr oft macht es sich bezahlt, hier – zumindest temporär – externe Berater mit ins Boot zu holen, um gemeinsam einen sinnvollen Use Case zu erstellen.
6. Wir machen Big Data, aber alles bleibt beim Alten
Wozu denn das bitte? Big Data Projekte eröffnen die Chance, Datensilos bzw. das Silodenken der diversen Abteilungen aufzubrechen. In Zeiten der Digitalisierung ist es ohnehin ein Muss, seine Strukturen und sogar das eigene Geschäftsmodell zu überdenken. Es kann durchaus sein, dass sich hier neue Potentiale und neue Geschäftsmodelle auftun.
7. Big Data passt zu jedem Unternehmen
Das würde ich nicht allgemein bejahen. Junge, technologiegetriebene Startups sowie größere Unternehmen haben sich schon intensiver mit Big Data befasst. Und das ziemlich erfolgreich. Leider können viele KMUs (Klein- und Mittelunternehmen) und EPUs den Nutzen von Big Data Projekten (noch) nicht erkennen. Was dennoch wichtig ist, egal, ob nun ein Big Data Projekt aufgesetzt wird oder nicht: Jedes Unternehmen sollte sich unabhängig von der Unternehmensgröße oder Branchenzugehörigkeit mit den eigenen Daten auseinandersetzen und eine individuelle Datenstrategie entwickeln. Denn Daten sind das Gold des 21. Jahrhunderts. Die Digitalisierung bringt gigantische Datenmengen hervor: Aktuell umfasst das digitale Universum 4,4 Zettabyte an Daten. Bis 2020 soll sich dieser Wert verzehnfachen, also auf 44 Billionen Gigabyte ansteigen. Eine unvorstellbar große Zahl. Wer also meint, bei ihm fallen keine Daten an, der liegt ziemlich falsch: Sobald jemand eine Fanpage auf Facebook hat bzw. eine Webseite, fallen Daten an, die mithilfe von Google Analytics ausgewertet werden können. Die zur Verfügung stehenden Daten einfach brach liegen zu lassen, ist die einzige Alternative, die man nicht andenken sollte.
8. Wir ersetzen unsere vorhandene Technologien durch Big Data
Ein sehr falscher Ansatz! Bereits vorhandene Technologien und Analysemethoden, die sich bewährt haben, sollten nicht voreilig entfernt oder ersetzt werden. Im Gegenteil. Gerade Big Data ist prädestiniert dafür, vorhandene Technologien zu ergänzen, eventuell mit zusätzlichen Daten anzureichern und neue Analysemethoden und Visualisierungen anzuwenden. Hat ein Unternehmen beispielsweise ein Data Warehouse, sollte dieses natürlich weiterhin bestehen bleiben und sinnvoll durch Big Data Technologien ergänzt werden. Endziel sollte der Erkenntnisgewinn aus den Daten sein. Siehe dazu auch Punkt 4.
9. Big Data ist ein alter Hut
Ohhhh nein. Wenn man bedenkt, dass derzeit da und dort die Digitalisierung in den Unternehmen Einzug hält, kann Big Data kein alter Hut sein. Denn gerade auch im Rahmen der Digitalisierung fallen Daten an, die ausgewertet werden wollen.
10. Wir haben nicht genügend Speicherkapazitäten für Big Data
Auch hier gibt es eine Lösung für Unternehmen jeder Größe: Die Cloud. Unter Cloud versteht man, dass die Daten „in der Cloud“, also irgendwo in der „Internet-Wolke“ gespeichert und normalerweise über das Internet zugänglich sind. Unternehmen können so ihre ganze IT oder einen Teil davon in die Cloud auslagern – je nach Bedürfnis ganz individuell und flexibel.
Ich bin mir ziemlich sicher, dass es noch weitere „falsche“ Aussagen gibt, die zum Schmunzeln einladen. Fällt euch eine ein?
