Große Datenmengen (Stichwort Loading...Big Data) haben erst dann einen Wert, wenn Unternehmen einen Nutzen aus ihnen ziehen können.
Wöchentliche oder gar monatliche Management-Reports zu erstellen, die dann ihre reaktive Wirkung erst mittelfristig entfalten, gehören längst der Vergangenheit an. Heute haben Daten – in Echtzeit intelligent ausgewertet und den richtigen Stellen zur Verfügung gestellt – das Potenzial, das gesamte Business eines Unternehmens zu optimieren. Dennoch ist der Schritt von der Erhebung der Daten zu echter geschäftskritischer Big Data Analytics oft ein großer. Vorhandene IT-Infrastruktur reicht selten aus, um die Datenanalyse auf ein neues Level zu heben, und Neuanschaffungen sind in Zeiten des Cloud Computing oft keine Alternative. Doch wie können die ersten Schritte zu Big Data Analytics aus der Cloud aussehen?
Klein anfangen und Datenstrategie entwickeln
Die Cloud ermöglicht es, flexibel und kostentransparent auf IT-Infrastruktur zurückgreifen zu können, die nach Bedarf erweitert oder auch wieder abgeschaltet werden kann. Das ebnet den Weg für kleinere Startprojekte. Ein Beispiel: Ein Unternehmen baut zunächst eine Analyse-Lösung für nur einen Geschäftsbereich auf. Oft empfiehlt sich dafür der Marketing-Bereich, der mithilfe von aktuellen Daten eine Kampagne gezielt steuern kann. Der Aufwand ist in solchen Projekten überschaubar und dennoch wird der Nutzen schnell sichtbar.
Schritt für Schritt lässt sich die Lösung nun dank der Flexibilität der Cloud erweitern. Dabei ist es jedoch wichtig, nicht einfach Datenpool für Datenpool in die Cloud zu schieben. Vielmehr müssen sich Unternehmen über ihre Datenstrategie Gedanken machen. Das klingt einfacher, als es oftmals ist: Denn zumeist haben sich in den Unternehmen viele verschiedene Datensilos etabliert, die darüber hinaus mit verschiedenen und wenig integrierten Anwendungen ausgewertet werden. In Zeiten von Big Data gehören alle Daten-Owner und Daten-Nutzer an einen Tisch.
Auf die Offenheit der Technologien achten
Die passende Datenstrategie ist die eine Seite, die richtigen Technologien zu finden, eine andere. Auch Unternehmen, die mit einem kleinen Analytics-Projekt starten und zunächst überschaubare Mengen an Daten auswerten, sollten die Erweiterbarkeit und Zukunftsfähigkeit der gewählten Technologien im Auge behalten. Das heißt konkret: Traditionelle Datenbanken etwa sind den Ansprüchen von Big Data kaum gewachsen. Loading...In-Memory-Datenbanken nutzen den Arbeitsspeicher intensiver und sind deshalb deutlich schneller – eine wichtige Voraussetzung für Big Data Analytics. Entscheider sollten zudem darauf achten, dass die Datenbank sich mit vorhandenen Systemen integrieren lässt und für jedes denkbare Cloud-Szenario – von Public über Private bis Hybrid – geeignet ist.