Big Data: Warum die Datenanalyse in Unternehmen scheitert

Industrie 4.0

ThemaSpezial Industrie 4.0

Big Data: Warum die Datenanalyse in Unternehmen scheitert

von Kerstin Dämon

Big Data ist in aller Munde und macht Unternehmen vieles leichter. Zumindest dann, wenn sie die Daten nicht nur erheben und auswerten, sondern auch die richtigen Schlüsse daraus ziehen – daran hapert es oft noch.

Die Angst vor Big Data nimmt ab, je mehr positive Anwender-Beispiele es gibt. Big Data hilft bei der Planung vom Einsatz von Bussen und Bahnen, bei der Ampelschaltung, beim Personalmanagement und beim Marketing.

Richtig eingesetzt, kann es Unternehmen eine enorme Hilfe sein und viel Geld sparen. Entsprechend trauen sich immer mehr Betriebe an die Datenanalyse heran – schließlich liegen die meisten Daten ohnehin schon in irgendeiner Form vor, man muss sie nur in Beziehung zueinander setzen, um beispielsweise die Wünsche der Kunden besser zu verstehen.

Anzeige

Personen-, Verhaltens-, Lokalisierungs-, Interaktions- und Transaktionsdaten sowie Kundencharakteristiken warten nur auf einen, der sie interpretiert. Dafür investieren Unternehmen, die den Schritt Richtung Big Data gehen, oft eine Menge Geld und Zeit ohne den erhofften wirtschaftlichen Nutzen.

Konkrete Big-Data-Beispiele

  • Gesundheit

    Im Gesundheitswesen werden wertvolle Informationen über Nebenwirkungen von Medikamenten und die Wirksamkeit neuer Behandlungsmethoden gewonnen, indem Erfahrungsberichte von Patienten und Ärzten im Internet anonym ausgewertet werden.

  • Verkehrsmanagement

    Die Stadt Stockholm realisiert ein intelligentes Verkehrsmanagement, um Staus und Unfälle zu vermeiden. Grundlage ist die Analyse von Verkehrs- und Wetterdaten.

  • Energiewende

    Einen Beitrag zur Energiewende leistet die Messung und Analyse des Stromverbrauchs mit Smart Metern, um den Bedarf genauer vorherzusagen und den Verbrauch zu reduzieren. 

Was die häufigsten Fehler bei der Implementierung von Big Data sind, weiß Ralf Schmidt, Big-Data-Experte der Unternehmensberatung PPI. Sein Unternehmen hat untersucht, warum die Einführung von Big Data bei Banken und Versicherungen scheitert. Und obwohl die Branche sicherlich ihre speziellen Anforderungen hat, kann sie ein Lehrbeispiel für alle anderen sein, die sich an die Datenanalyse heranwagen wollen und müssen.

"Die Datenqualität muss stimmen", sagt Schmidt. "Oft steckt nicht das in den Daten, was man sich erhofft hat, beispielsweise weil sie nicht vollständig sind oder nie für eine maschinelle Auswertung gedacht waren. Wenn Sie sich nur einmal Logfiles betrachten: Die sind nie nach Standards programmiert, es gibt keine einheitliche Struktur. Entsprechend schwer ist es, sie auszuwerten und zu analysieren."

Das Problem ist allerdings noch deutlich schwerwiegender: Meistens hakt es an internen Prozessen und ungeklärten Zuständigkeiten, wie die PPI-Studie zeigt. Jeder Zweite macht demnach falsch definierte Prozesse für das Scheitern verantwortlich, fast ebenso viele fehlendes Know-how der Mitarbeiter. Denn: "Das klassische Projektmanagement, das sich nur an Zeit und Budget orientiert, reicht in Big-Data-Projekten nicht aus."

Big Data Wer die Zahlen hat, hat die Macht

Ein Klick bei Facebook verrät Ihre Intelligenz, Google kennt Ihre sexuelle Orientierung. Das kann verhängnisvoll sein. Christian Rudders Buch "Inside Big Data" gibt einen Einblick in die Welt der Zahlen und Algorithmen.

Big Data: Unsere Profile in sozialen Netzwerken verraten unsere Intelligenz, Google kennt unsere sexuelle Orientierung. Quelle: Getty Images

"Man muss den Fokus konsequent auf Prozesse legen: Big-Data-Projekte scheitern selten an der Technologie, am Budget oder der Zeit, im Normalfall sind die nicht auf Komplexität eingestellten Unternehmensprozesse das größte Risiko für die erfolgreiche Umsetzung", so Schmidt.

Damit ein Big-Data-Projekt funktioniert und nicht nur Kosten verursacht, muss die IT-Abteilung frühzeitig über alle Projekte informiert werden. "Die vewendeten Technologien sind häufig neu im Unternehmen, die Kollegen müssen die Chance haben sich vernünftig vorzubereiten." In der Praxis werde die IT aber viel zu spät über das neue Projekt informiert und bekomme dann nur eine Liste mit Anforderungen. "Das übergeordnete Ziel des Projektes, die daraus abgeleiteten Anforderungen und die genaue Erwartungshaltung des Fachbereichs an die IT werden viel zu oft nicht in der erforderlichen Tiefe besprochen. Entsprechend werden die Projekte an dieser Stelle häufig mit zusätzlichen Risiken durch Missverständnisse, Unverständnis und mangelnden Support befrachtet", so Schmidt.

Big Data – eine Geschichte voller Missverständnisse? Es sieht beinahe so aus. Denn oft wisse die eine Abteilung gar nicht, was die andere tue. "Wir haben es erlebt, dass die IT aus Unkenntnis über die Anforderungen und Ziele des Projektes genau die Abteilung abgebaut hat, die unser Projekt nach dem Projektende betreiben sollte", erzählt Schmidt. "Als das Projekt live gehen sollte, haben die uns mit großen Augen angeguckt und gefragt, wer das nun machen soll."

Anzeige
Zur Startseite
-0%1%2%3%4%5%6%7%8%9%10%11%12%13%14%15%16%17%18%19%20%21%22%23%24%25%26%27%28%29%30%31%32%33%34%35%36%37%38%39%40%41%42%43%44%45%46%47%48%49%50%51%52%53%54%55%56%57%58%59%60%61%62%63%64%65%66%67%68%69%70%71%72%73%74%75%76%77%78%79%80%81%82%83%84%85%86%87%88%89%90%91%92%93%94%95%96%97%98%99%100%