Big Data Analytics
Big Data

Keine Zahlenverliebtheit: Damit aus Big Data kein „Big Chaos“ wird

Immer mehr Unternehmen treffen strategische Entscheidungen auf Basis von Big-Data-Auswertungen. Was sind erfolgstreibende Faktoren in Big-Data-Projekten?
Die Zeit der „Jäger & Sammler“ ist vorbei, jetzt geht es bei Big Data an die Details. „Das Ziel ist, aus den gesammelten Daten Antworten auf die Herausforderungen des entsprechenden Unternehmens zu finden“, sagt Dr. Thomas Erwin, Global Execution Partner Data & Analytics bei KPMG. Die Consultants haben gemeinsam mit Bitkom den Zustand des Big-Data-Einsatzes in deutschen Unternehmen gecheckt. Ergebnis: Immer mehr von ihnen treffen relevante Entscheidungen auf Basis von Datenanalysen und schaffen es auch, die entsprechenden Erkenntnisse nutzbringend anzuwenden – allen voran im Maschinen- und Anlagenbau sowie in der Automobilindustrie. Bedeutet also, dass innovative Datenanalysen als Grundlage für wirtschaftliche Entscheidungen immer wichtiger werden.

Produktionsplanung und Projektabwicklung profitieren

Der Studie zufolge wertet eine große Mehrheit der Befragten Kundendaten aus, 79 Prozent analysieren zum Beispiel Sensor- oder Standortdaten, und 70 Prozent nutzen öffentlich verfügbare Daten, wie etwa Informationen zur ökonomischen Entwicklung. Die daraus gewonnenen Erkenntnisse dienen der Produktionsplanung oder Projektabwicklung und ebenso der Kundenanalyse. Ein wichtiges Einsatzgebiet ist der Bereich Finanzen und Controlling: 91 Prozent der Unternehmen nutzen Datenanalysen im Risikomanagement, also bei der Identifikation und Bewertung potenziell geschäftsschädigender Entwicklungen. In der Versicherungswirtschaft sind dies etwa Risiken in bestimmten Schadensgruppen, und in der Bauwirtschaft erfolgt eine solche Risikoanalyse oft in der Angebotsphase.
Axel Oppermann,
Axel Oppermann, Analyst bei Avispador
Damit loten Firmen aus, ob sie finanzielle Spielräume zu sehr ausgeschöpft haben und am Ende zu günstig anbieten.
Eitel Sonnenschein herrscht in Bezug auf den vermehrten Einsatz solcher Methoden allerdings nicht. Denn offenbar gibt es unter den Unternehmen immer noch solche, die weiterhin der reinen Sammelwut verfallen sind. Bitkom dazu: Ein Drittel (34 Prozent) der Unternehmen insgesamt verfügt über eine Big-Data-Strategie. Die Unterschiede liegen zwischen den Branchen. 56 Prozent der Medienunternehmen und 46 Prozent der Versicherungen haben eine derartige Strategie, während es in der Automobilindustrie nur 34 Prozent sind. Das heißt, an manchen Stellen tun sich Unternehmen noch mit dem notwendigen strategischen Angang an das Thema Big Data schwer – wie auch Axel Oppermann, Analyst von Avispador, zu berichten weiß (siehe Interview).

Wie die richtige Big Data-Strategie funktioniert

Dass sich diese Strategie indes sehr praxisnah gestalten lässt, weiß das Analystenhaus BARC. Zum Start von Big-Data-Projekten sollten Unternehmen demnach zunächst die Rahmenbedingungen klären, also die Managementunterstützung sowie Möglichkeiten, Innovation aus Daten zu schöpfen. Anschließend sei es sinnvoll, mit zwei Themen zu beginnen: Anwendungsszenarien identifizieren und priorisieren (Use Cases) sowie eine nähere Betrachtung der Daten realisieren. Dabei geht es um folgende Fragestellungen: Welche Daten werden noch nicht ausreichend kombiniert und analysiert? Welche Datenquellen, intern oder extern, könnten einen weiteren Mehrwert liefern? Geben die Daten eine Umsetzung der angedachten Use Cases überhaupt her? Kurz und gut: Deutlich vor der „Jagd“ auf die Daten beginnt die eigentliche Arbeit.
Damit Unternehmen sowohl bei der Strategie als auch bei der anschließenden Umsetzung ihres Big Data-Projektes keinen Schiffbruch erleiden, ist, so Bitkom, Expertenwissen notwendig. Denn oftmals liege der Erfolg von Analyseprojekten in der Datenvielfalt, wenn Informationen aus unterschiedlichen Quellen kombiniert werden. „Dafür müssten die Unternehmen mit Datenprofis zusammenarbeiten, die sich auf komplexe Auswertungsmethoden spezialisiert haben“, rät der Verband. Und nicht zuletzt müssen die Anwender-Unternehmen Themen wie Datenschutz oder IT-Sicherheit aktiv angehen. Sonst wird aus Big Data ein „Big Chaos“.

Big Data … drei Fragen an Axel Oppermann, Avispador

Herr Oppermann, wo identifizieren Sie als Analyst noch Herausforderungen beim Big Data-Einsatz?
Mitunter fehlt es an Verständnis, an einer Einschätzung der Möglichkeiten aber insbesondere an Kompetenzträgern. Auch denken manche Anwender nicht in Chancen, in sinn- und mehrwertstiftenden Lösungen, sondern in Zahlen, Daten, und Fakten.
Big Data
Flash ist nicht verfügbar.
Big Data – die Datenberge bieten Chancen für uns alle bei richtiger Nutzung, Einordnung und vor allem dem verantwortungsvollen Umgang.

Ein gutes – beziehungsweise schlechtes – Beispiel dafür war der Marketingverantwortliche eines mittelständischen Händlers, den wir beraten haben. Er kannte den Unterschied zwischen Korrelation und Kausalität nicht. Und so kam es, dass er derart viele Daten verglichen hatte, dass er eine Korrelation fand. Die Zeitreihen waren sich ähnlich, hatten jedoch nichts miteinander gemein; es lag keine Kausalität vor. Vielmehr gab es eine weitere Variable, die ausschlaggebend war. Sein Pech: Auf Basis falscher Interpretation hat er große Entscheidungen getroffen.
… und wenn Sie Chancen sagen, was meinen Sie damit?
Richtig eingesetzt kann Big Data eine Komponente der Modernisierung von Management-Ansätzen und Geschäftsmodellen sein, welche Grundlage für die Sicherung unseres wirtschaftlichen Status Quo ist. Ein Beispiel hierfür ist die Sicherung der Versorgungsqualität im Gesundheitswesen durch Analysen der DRGs. Damit bezeichnet man diagnosebezogene Fallgruppen in der Medizin (Anm. d. Red.: Englisch: Diagnosis Related Groups).
Was ist Ihrer Ansicht nach zu tun, um solche Chancen nutzen zu können?
Es darf nicht zu falschen Rückschlüssen kommen. Insbesondere dann, wenn Ergebnisse nicht interpretiert werden können beziehungsweise wenn vor der Analyse die „falschen“ Fragen gestellt werden. Es braucht eine hohe Datenqualität, qualifizierte Ressourcen und vor allem Intelligenz, um die Daten korrekt auszuwerten. Denn ohne entsprechende Intelligenz sind sie praktisch nutzlos.

Weitere Beiträge