Real-Time-Analytics verändert das Business

2. IT-Prozesse

Anwender nutzen die hochaktuellen Analyseergebnisse stärker außerhalb der üblichen Bürozeiten. Um diese zu gewährleisten, muss die IT-Infrastruktur für die Datenanalyse rund um die Uhr laufen.

Herausforderungen:

• Die Arbeitslast in der Datenanalyse wird allein durch (schwankendes) Geschäftsaufkommen bestimmt.

• Ladeprozesse für Quelldaten sind nicht diskret betrachtbare Einzelereignisse, sondern wandeln sich zum kontinuierlichen Daten-Streaming.

• Ausweitung der Nutzungszeiten außerhalb der normalen Bürozeit (Randzeiten).

Konsequenzen:

• Keine Unterscheidung von "Dialog"- und "Batch"-Verarbeitungszeiten.

• Rasche Anpassung der Rechenkapazität an schwankenden Analysebedarf (insbesondere hohes Geschäftsaufkommen).

• Zeitliche Ausdehnung von Support und Administration; Trend zu Self-Service-Lösung oder Remote-Administration.

3. Anwendungen

Der Bedarf an Echtzeitdatenbereitstellung wird sich auf immer mehr Bereiche der Anwendungslandschaft ausdehnen.

Herausforderungen:

• Hohe Erwartungshaltung der Anwender an Datenaktualität resultiert in wachsende Anforderungen an neue Systeme.

• Anpassungsfähigkeit von Anwendungen an schwankende Datenmengen und Arbeitslasten; effiziente Nutzung von Ressourcen wie Speicher, Rechenleistung, Netz.

• Bessere Anpassungsfähigkeit der Anwendungen an beschleunigte Geschäftsprozesse und die Verzahnung mit Geschäftspartnern.

Konsequenzen:

• Die Echtzeitdatenbereitstellung wird eine wichtige Leistungsanforderung an zu beschaffende Anwendungssoftware (mit zugehöriger Infrastruktur), aber auch an die Inhouse-Entwicklung.

• Minimierung von technisch bedingten Verzögerungen durch die an Kernprozessen beteiligten Anwendungen; Ersatz von Batch-Verarbeitungsanteilen durch Streaming-Logik.