Große Datenmengen, schnelle Speicher

Big Data und Business Intelligence – manche Unternehmen sind vom Reifegrad ihres Wissens dazu bereits sehr fortgeschritten, andere kämpfen noch an einer gewissen Orientierungslosigkeit. Ein Problem ist die Fülle an Informationen, die aus dem Anbietermarkt kommt. Welche Möglichkeiten habe ich mit dieser Technologie? Welche Einsatzszenarien passen für mein Unternehmen? Wo sind Einsparungs- und Optimierungspotenziale?

»Vieles davon ist oft nicht klar«, bestätigt Gregor Zeiler, BI Gesamtverantwortlicher bei dem IT-Dienstleister Trivadis, »deshalb beginnen wir Projekte meist mit einem vorgeschalteten Orientierungsworkshop zur Erläuterung der Business-Intelligence- und Big-Data-Welt.« Für die Unternehmen gehe es darum, »Bodenhaftung zu bekommen«, um einschätzen zu können, »welche Projekte überhaupt sinnvoll sind«. Dazu diskutiert dann der Experte auch, welche Technologien eingesetzt werden sollten – etwa Hadoop oder in anderen Fällen relationale Datenbanken. Den Unterschied machen unterschiedliche Faktoren wie die Art der gespeicherten Daten, die bereits vorhandene IT-Architektur und die Häufigkeit der Zugriffe aus. Hinzu kommen unterschiedliche Ansätze und Tools für die Visualisierung der Daten. »Aus solchen Gesprächen heraus kann dann ein Business-Case gezeichnet werden«, schließt Zeiler.

Doch schaffen es die Unternehmen bereits, neues Geschäft auf Basis dieser Lösungen zu kreieren? Oder geht es vornehmlich um Effizienzverbesserungen und  Ressourceneinsparungen? »Sowohl als auch. Bei Big-Data- und BI-Projekten steht vor allem die Modernisierung des Data Warehouse im Vordergrund.« Die gestellten Anforderungen betreffen dann entweder Anwendungen, die einfach nur optimiert werden, oder eben das Anzapfen von neuen Datenquellen – um einen neuen Business-Case zu kreieren. Damit sollte sich jedes Unternehmen beschäftigen: den Status quo mit den künftigen Anforderungen abzugleichen und mit geeigneten Technologien zu verstärken. »Viele Unternehmen verfügen heute über Datawarehauslösungen als Single-Point-of-Truth. Diese aber sind in der Erstellung und in der Wartung mitunter teuer«, warnt Zeiler. Auswertungsfälle, die ad-hoc passieren, müssten dagegen nicht zwingend physisch in das Datawarehouse gebaut werden.

»Als einfachere Alternative kann dies auch virtuell passieren, etwa beim Zukauf eines Unternehmens und einer erstmaligen Integration von dessen Daten. Hier wird dann mit entsprechenden Tools eine logische Verbindung mitsamt Auswertungen relativ schnell und günstig hergestellt. Wenn dieser Auswertungsbedarf später institutionalisiert werden soll, können die Daten dann immer noch in das Datawarehouse integriert werden«, meint er. Für Ad-hoc-Bedarfe, die nur einmal auftauchen und nicht wiederkehren – beispielsweise auch um eine Marktstrategie zu prüfen – eignen sich diese Data-Virtualisierungs-Lösungen, auch Data-Federation-Lösungen genannt.