So funktioniert Big Data in der Praxis

Projekte scheitern restriktiven Regeln

Big Data kann insofern den Weg in eine spannende Zukunft weisen. In der Gegenwart ist die Lage offensichtlich weniger rosig. Viele Big Data-Projekte scheitern. Darin Bartik, Product Management-Verantwortlicher bei Dell Software, sieht dafür primär drei Gründe. Erstens fehle es am Alignment von Business und IT. Bei Projekten herrsche deshalb eine rein technologische Perspektive vor, statt die zu lösenden Probleme in den Blick zu nehmen. Zweitens seien die benötigten Daten oft unzugänglich, was in weiten Teilen an verkrusteten Silo-Architekturen liege. Der Zugang zu Daten werde überdies in vielen Firmen sehr restriktiv gehandhabt. Deshalb funktioniere ein Big Data-Projekt kaum ohne Unterstützung von ganz oben.

Drittens herrsche ein Mangel an Know-how. Weil viele der mit Big Data verbundenen Technologien und Ansätze neu sind, sind die Projektteams schnell überfordert. „Die Leute wissen nicht, wie sie eigentlich mit den Daten arbeiten sollen und wie sie geschäftlich relevante Ergebnisse erzielen", so Bartik. Die benötigten Skills seien in den IT-Abteilungen momentan rar gesät. Man benötige beispielsweise Mitarbeiter, die sowohl Machine Learning als auch Natural Language Processing verstünden. Das Anheuern von Data Scientists alleine hilft nach Ansicht des Dell-Managers nur begrenzt weiter. Gefordert sei eigentlich eine Rolle, die die Gedankenwelt eines Data Scientists mit den Fertigkeiten eines Programmierers kombiniert. Beides in einem ist momentan aber so schwer zu finden wie die eierlegende Wollmilchsau.

Was also tun? Bartik schlägt als erstes vor, die eigenen Aktivitäten nicht als „Big Data-Projekt" zu bezeichnen. „Ein Projekt, um mehr über unsere Kunden zu erfahren und zu lernen, warum sie in bestimmten Stores einkaufen", sei vermutlich ein besserer Name, weil er den Sinn des Ganzen veranschaulicht. Den Beginn des Projekts sollte deshalb das Erstellen mit den fürs Business wichtigen Fragen markieren, auf die Antworten gesucht werden. Vorab sollte auch die Unterstützung auf Vorstandsebene eingeholt werden. Um das Skill-Mangel-Problem zu lösen, kann es laut Bartik unter Umständen genügen, die richtigen Fragen an die vorhandenen Systeme zu adressieren. „Man kommt schon einen Schritt vorwärts, wenn man den richtigen Leuten im Unternehmen die benötigten Zugänge gewährt."

Lektion in analytischer Kreativität

Glaubt man Tom Davenport, Analyst bei Deloitte und Professor an der Havard Business School, können Wetterdaten als gute Lernhilfe dienen. In Verbindung mit fortgeschrittenen Analytics-Technologien könnten sie eine Lektion in analytischer Kreativität und Exaktheit geben. IT-Abteilungen seien in der Regel gut darin, Daten aus internen Systemen zu fischen und mit externen Daten anzureichern. Aber oft seien sie weniger gut darin, den Kontext dieses Unterfangens zu verstehen.

Im Umgang mit Wetterdaten komme es aber genau darauf an. Schließlich wollen CIOs, die mit derlei Datenmaterial arbeiten, letzten Endes ihrem Unternehmen den Weg zu neuen Produkten und Services erleichtern oder den Betrieb verschlanken. Selbst wenn man das Wetter nicht garantiert vorhersagen könne, ließen sich doch fürs Business wichtige Eindrücke gewinnen. „Man kann das Wetter nicht kontrollieren", so Davenport. „Aber man kann für den Fall der Fälle vorbauen." (CIO/ad)