Was Versagen bedeutet

Woran Big-Data-Projekte scheitern

Anzeichen für eine Hysterie

Für manche Beobachter ist bereits eine "Big-Data-Blase" auszumachen. Folgt man manchen Beratern und Fachmedien, entsteht der Eindruck, Big Data sei immer ein Erfolgsgarant, und auf die Einführung entsprechender Technologien folge zwangsläufig eine tiefere, nutzbringende Einsicht in das Unternehmen und seine Geschäfte.

Doch das entspricht nicht der Realität: Der Umfrage von Infochimps zufolge werden rund 55 Prozent der Big-Data-Projekte nicht zum Abschluss gebracht. Unter den wichtigsten Gründen sehen 58 Prozent der Befragten einen unklaren Projektumfang, 41 Prozent nennen technische Schwierigkeiten, 39 Prozent bemängeln Datensilos und mangelhafte Kooperation.

Häufigste Ursache für das Versagen von Analytics-Projekten ist das fehlende Fachwissen, das nötig wäre, um aus den Daten Schlüsse für das Business zu ziehen, sowie die ungenügende Relevanz der Daten. Das zeigt eine Erhebung der Economist Intelligence Unit. Ihr zufolge mangelt es 45 Prozent der Marketing-Fachleute an Know-how, um Big Data zu analysieren. Die Hälfte der Befragten vermisst ein ausreichendes Budget für Datenbank-Management. Die Folge: Drei Viertel können mit den gewonnenen Einsichten nichts anfangen.

Allerdings unterscheiden sich Big-Data-Projekte in dieser Hinsicht nicht wesentlich von anderen großen IT-Projekten. Wie McKinsey und die Universität Oxford durch Untersuchung von mehr als 5400 IT-Projekten herausfanden, verursachen Vorhaben mit einem Budget von über 15 Millionen Dollar im Durchschnitt Mehrkosten von 45 Prozent. Zudem weisen sie Verzögerungen um sieben Prozent auf. Und sie erbringen nicht einmal die Hälfte des erwarteten Nutzens. Dafür nennt die Studie unter anderem folgende Ursachen: unklare Ziele und fehlender geschäftlicher Fokus, unrealistische Terminplanung, wechselnde Anforderungen und technische Komplexität.