Entwickler müssen mehr drauf haben

BDAS-Developer sind agil und produktiv

Die wichtigsten Prinzipien bei der Arbeit mit Big-Data-Analytik sind Produktivität und Agilität. Deswegen müssen Developer neuen Zuschnitts auch eine Art digitalen Werkzeugkasten besitzen, aus dem sie je nach konkreter Herausforderung die passenden Tools auswählen und die gestellten Anforderungen bewältigen können. "Es gehört zum Anforderungsprofil eines echten BDAS-Developers, breiter aufgestellt zu sein als traditionelle Analytikexperten. Letztere haben natürlich auch einen großen Erfahrungsschatz, sind aber oft spezialisiert auf bestimmte Tools, die sie bevorzugt einsetzen. Ein BDAS-Developer muss hingegen traditionelle oder auch proprietäre Tools genauso wie neue Technologien in Open Source nutzen können", betont Clare. Dazu zählen etwa das Hadoop-Framework oder die Programmiersprache R. Zudem müssen sie in der Lage sein, die enormen Datenmengen mit den entsprechenden Tools parallel zu bearbeiten, um die "Time to insights" von mehreren Wochen auf wenige Tage oder Stunden zu reduzieren.

Erkenntnisse in Business-Entscheidungen transformieren

Daten sind der wichtigste Rohstoff des 21. Jahrhunderts. Unternehmen, die ihn am besten verarbeiten, sichern sich Vorteile im Wettbewerb. Das bedeutet, dass diejenigen, die die Tools für die Bearbeitung dieser Daten entwickeln, bereit sein müssen, weiter zu gehen als die anderen - also eine echte Entdeckermentalität zu zeigen und dadurch Erkenntnisse zu erzielen, die zuvor schwierig oder kostspielig waren. "Durch Big Data kann man durchaus Dinge entdecken, die man gar nicht gesucht hat. Es ist ein wenig wie bei der Erkundung einer Höhle: Man findet einen Schatz oder vielleicht auch nur einen Haufen Steine", vergleicht Clare. Deswegen ist es wichtig, bei allem Entdeckergeist auf die Fragen fokussiert zu bleiben, die man mittels Analytik zu lösen versucht - also einen Mittelweg zu finden zwischen konkreten Analysen und der Bestätigung von Hypothesen und einem "Lass-die-Daten-dir- erzählen,-was-du-finden-sollst"-Ansatz.

Wenn Entwickler dann auch noch in der Lage sind, die so gewonnenen Erkenntnisse in Schlussfolgerungen und konkrete Business-Entscheidungen zu transformieren, geben sie Unternehmen die Fähigkeit, den Nutzen von Big Data voll auszuschöpfen. (pg)