Big Data Warum die Datenanalyse in Unternehmen scheitert

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.

Welche Potenziale und Herausforderungen Big Data birgt
Big Data optimiert die Entwicklung neuer Geschäftsmodelle, Produktideen und Dienstleistungen Quelle: Fotolia
Big Data schafft Abhilfe bei noch nicht ausreichenden datenbasierten Analysemethoden Quelle: Fotolia
Big Data verbessert die Steuerung operativer Prozesse und optimiert strategische Entscheidungen Quelle: Fotolia
Die größte Herausforderungen liegen im Datenschutz und in der Datensicherheit Quelle: dpa
Das größte Potential liegt in der Mobilität und Industrie Quelle: dpa
Die größten Herausforderungen liegen im Gesundheitsbereich Quelle: dpa/dpaweb
Big-Data-Investitionen fließen vor allem in die Aus- und Weiterbildung des Personals Quelle: dpa/dpaweb

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.

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

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."

"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."

  • 1
  • 2
© Handelsblatt GmbH – Alle Rechte vorbehalten. Nutzungsrechte erwerben?
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%