Mit Technik zum Big-Data-Erfolg
Die Technik entscheidet: Mit Big Data erfolgreich sein
Die Einstellung zu riesigen Datenmengen hat sich in den vergangenen Jahren stark verändert. Früher wurde Big Data als nerviges „Buzzword“ verpönt. Mittlerweile sind Daten und ihre Technologien ein wichtiger Faktor für den Erfolg eines Unternehmens. Dennoch schaffen es längst noch nicht alle, ihr volles Potenzial auszuschöpfen. Lediglich 35 Prozent der deutschen Unternehmen haben laut einer Umfrage derzeit Big-Data-Lösungen im Einsatz. Der Hauptgrund für die geringe Nutzung ist oft die technische Komplexität.
Datenmengen, die zu groß, zu schnelllebig, zu komplex oder zu unstrukturiert sind, um sie mit traditionellen Methoden auszuwerten, fallen unter den Begriff Big Data. In Unternehmen sammeln sich tagtäglich Quadrilliarden Bytes an Daten an. Wenn Firmen sie nicht in leistungsfähige Systeme überspielen, gehen sie alle verloren – und mit ihnen wertvolle Informationen. Für eine gewinnbringende Datenverarbeitung müssen Unternehmen Datenseen anlegen, intelligente Algorithmen entwickeln und effektive Analysen durchführen – alles Herausforderungen, denen sich viele Unternehmen nicht gewachsen fühlen.
Auf das richtige Werkzeug kommt es an
Um sie bewältigen zu können, brauchen Firmen sehr viel Know-how, das Big-Data-Experten mitbringen. Ohne das richtige Werkzeug kommen aber auch Fachleute nicht viel weiter. Unternehmen sollten deshalb – auch um möglichst kosteneffizient zu sein – auf integrierte Systeme setzen, die Datenseen, Algorithmen und Analysen in sich vereinen. Mindtrees Plattform Decision Moments macht einen einfachen und schnellen Einstieg in Big Data möglich. Sie greift auf Erkenntnisse der Kognitionswissenschaft zurück und deckt alle Arbeitsschritte einer effektiven, modernen Datenverarbeitung ab.
Das System funktioniert im Grunde genommen wie ein Stufenmodell aus fünf Ebenen. Die Schwierigkeit zu Beginn einer Big-Data-Auswertung besteht darin, Daten aus verschiedenen Quellen und in verschiedenen Formaten flexibel verarbeiten und validieren zu können. Auf der untersten Ebene der Plattform läuft deshalb der ETL-Prozess (Extract, Transform, Load) ab. Er extrahiert Daten aus unterschiedlichen Quellen, wandelt sie entsprechend des Schemas und Formats der Zieldatenbank um und überträgt sie schließlich dorthin.
Die zweite Ebene stellt ein weitläufiges Gewässer dar, den sogenannten Datensee. In ihm laufen die einzelnen Informationsflüsse zusammen. Er beinhaltet somit strukturierte, semi-strukturierte und unstrukturierte Daten. NoSQL-Engines (Non Structured Query Language) sorgen dabei für einen reibungslosen Vorgang und unterstützen Lese- sowie Schreibvorgänge in Echtzeit. Das bringt einen großen Vorteil hinsichtlich der Geschwindigkeit der Datenverarbeitung mit sich, die insbesondere für zeitkritische Anwendungen von entscheidender Bedeutung ist.
Auf der dritten Ebene liegt eine der großen Stärken von Decision Moments: Mithilfe von 20 branchenspezifischen Algorithmen ist das System in der Lage, teilautonom und vollautonom zu lernen. Logistische Regression, Clustering, kollaboratives Filtern, Random-Decision-Forests oder neuronale Netze sind Verfahren, die alle Arten von Anwendungen unterstützen. So kommen Unternehmen schließlich zu Einsichten aus den gesammelten Daten.
Die vierte Ebene ist für die Verarbeitung der Daten zuständig. Um Big-Data-Workloads stemmen zu können, eignen sich etablierte Datenarchitekturmodelle wie Lambda, Kappa und Zeta. OLAP, Hierarchie-Builder und vorgefertigte Templates dienen dazu, die Daten zu visualisieren. Darüber hinaus kommen hier Dienste für den Datenimport und für die Ausgabe von Dateneinsichten zum Einsatz. Andere Tools kontrollieren den Datenverlauf, archivieren die Daten automatisch und erstellen Backups. Die Nutzung dieser wiederverwertbaren Komponenten begünstigt sowohl eine schnellere Entwicklung neuer Big-Data-Anwendungen als auch eine Teilautomatisierung ihres Deployments.
Die letzte Ebene ist die wichtigste Ebene. Auf ihr befinden sich Schnittstellen, an die Unternehmen alle erdenklichen Anwendungen an die Big-Data-Plattform anschließen können. Dazu gehören beispielsweise Omnichannel-Apps. Das System weist dabei eine hohe Skalierbarkeit und Flexibilität auf, damit möglichst viele Apps kompatibel sind (API-First-Prinzip).
Voraussetzung: Ein funktionierendes Geschäftsmodell
Neben den technischen Möglichkeiten, der richtigen Plattform, brauchen Unternehmen auch das richtige Geschäftsmodell. Dieses muss zumindest beschreiben können, was sie mit der neuen Technik erreichen wollen. Fehlt diese betriebswirtschaftliche Komponente, sind Unternehmen nicht in der Lage, von Big Data zu profitieren. Es gibt drei mögliche Einsatzbereiche, die besonders beliebt sind:
• Personalisierung und Omnichannel:
Zunächst können Unternehmen Big Data dazu einsetzen, ihre Dienstleistungen und Produkte über all ihre Verkaufs- und Kommunikationskanäle zu vernetzen und zu personalisieren. Diese zwei Trends herrschen zurzeit im Handel vor und wären ohne Big Data gar nicht erst möglich. Entsprechende Systeme stärken die Kundenbindung, fördern Cross- sowie Upselling und ermöglichen einen höheren Customer-Lifetime-Value.
• Marketing und Vertrieb:
Mithilfe von Big Data können Unternehmen auch die Produktentwicklung sowie Messungen und Prognosen verbessern. Die Auswertung von großen Datenmengen ermöglicht ihnen, den Umsatz genauer vorherzusagen, die Performance von Kampagnen zu messen und von Kunden nachgefragte Produkte zu entwickeln.
• Unternehmenseffizienz:
Big Data stärkt darüber hinaus die Wirtschaftlichkeit eines Unternehmens. Viele Maßnahmen zur Effizienzsteigerung basieren auf Big Data: Von Preventive-Maintenance über Betrugserkennung bis hin zur Optimierung der Lieferkette.
All diese Anwendungsbereiche können Unternehmen mit Mindtrees Plattform Decision Moments abdecken: Das API-First-Prinzip stellt eine größtmögliche Offenheit sicher. Die Anwendungsentwicklung erleichtern 35 vorgefertigte Technologie-Komponenten und ein Sandbox-Modus. 25 fertige Business-Apps lassen sich flexibel in den Bereichen Handel, Konsumgüter, Touristik, Finanzen und Versicherungen einsetzen.
Das Erfolgsrezept
Im digitalen Zeitalter, in dem wir heute leben, steht eins fest: Wer Daten nicht nutzt, bleibt hintendran. Denn sie bieten wichtige Einblicke, von denen alle Bereiche eines Unternehmens profitieren. Außerdem ermöglichen sie viele neue Geschäftsmodelle. Der Erfolg von Google, Facebook und Amazon basiert auf Big Data. Doch wie sollen Unternehmen mit ihren Datenmassen umgehen? Was können sie tun, um die technische Komplexität zu überwinden?
Integrierte Datenplattformen wie Decision Moments von Mindtree vereinfachen die Analyse riesiger Datenmengen. Durch ihre leistungsstarke API und ihren fertigen Komponenten und Algorithmen ist sie in der Lage, die wesentlichen Aufgaben der Datenverarbeitung zu übernehmen und darüber hinaus die Entwicklung neuer Apps zu beschleunigen. Der größte Vorteil ist jedoch ihre skalierbare und flexible Infrastruktur. Alle Arten von Anwendungen – vom branchenspezifischen Analysetool bis hin zur Software für personalisiertes Marketing – lassen sich problemlos mit Decision Moments kombinieren.
Autor:
Manoj Karanth, General Manager and Head, Cloud Computing,
Digital Business bei Mindtree
Manoj Karanth, Bildquelle Mindtree
Manoj Karanth leitet als General Manager and Head of Cloud Computing and Digital Business das Cloud- und DevOps-Geschäft bei Mindtree. In dieser Position hat er hat den Aufbau der MindtreesDevOps-Plattform sowie der kognitiven Big-Data-Plattform Decision Moments verantwortet.
Zuvor hat er wesentlich zur Entwicklung und zum Rollout großer, erfolgreicher Produktinitiativen im Luftfahrtbereich beigetragen.
weitere Informationen: Mindtree
Aufmacherbild / Lizenz / Quelle
