Viele mittelständische Unternehmen vertreten nach wie vor die Auffassung, dass sie für Big-Data-Projekte zu klein sind. Dabei unterschätzen sie oft die Mehrwerte, die erfolgreiche Projekte generieren, oder, noch schlimmer, ziehen sie gar nicht erst in Betracht. Diese Mehrwerte reichen von der Identifizierung von Optimierungspotenzialen und Unterstützung strategischer Management-Entscheidungen über die agile Reaktion auf Marktveränderungen bis hin zur Gewinnung von Wettbewerbsvorteilen.
Expertise einholen
Vereinzelt schlagen Mittelständler aber doch den Big-Data-Weg ein. Allerdings verfolgen sie oft einen wenig zielführenden beziehungsweise auf längere Sicht kostspieligen Ansatz, indem sie versuchen, Big-Data-Projekte von Anfang an selbstständig umzusetzen. Dabei übersehen sie, dass Big-Data-Lösungen, also hochgradig verteil- und skalierbare Systeme, auch zahlreiche Tücken mit sich bringen. Vielfach setzen sie dann auch Technologie falsch ein, das heisst, sie handeln nach dem «Best Guess»-Prinzip, das durchaus zu nicht zufriedenstellenden Ergebnissen führen kann. Gerade am Anfang eines Projektes ist folglich «Guidance» besonders wichtig, um Fehler zu vermeiden und die gewünschten Resultate zu erzielen.
Auch wenn eine Hands-on-Mentalität prinzipiell zu begrüssen ist, versuchen Unternehmen damit, bei komplexen Big-Data-Projekten Geld an der falschen Stelle einzusparen. Dieses Vorgehen kann sich später rächen, wenn die Plattform beispielsweise nicht so skaliert wie erwartet oder grosse «Umbaumassnahmen» erforderlich sind. Eines ist deshalb klar: Nicht nur in die Big-Data-Plattform muss der Mittelstand zu Beginn investieren, sondern auch in Expertise – durchaus auch mit der Beauftragung eines externen Big-Data-Experten, der über fundiertes Branchen-Know-how verfügt.
Projektablauf
Ein Big-Data-Projekt sollte die IT mit der Durchführung eines Anforderungs-Workshops starten – und zwischen fachlichem und technischem Teil differenzieren. Der fachliche Teil umfasst die Vision und den Weg dorthin: Im Mittelpunkt steht dabei die Entscheidung, welche Daten wie genutzt werden können. Da bei Big-Data-Projekten eine iterative Vorgehensweise prinzipiell die bessere ist – gemäss dem Motto «Klein anfangen, gross wachsen» –, sollten zunächst ein oder zwei konkrete Anwendungsszenarien definiert werden. Die Charakteristika der ersten Szenarien sollten eine geringe Komplexität und schnelle Realisierbarkeit sein. Anhand dieser Anwendungsfälle kann das Unternehmen dann schnell überprüfen, ob und wie es durch Big Data in kurzer Zeit einen realen Mehrwert für das Business generieren kann.
Abklärungen
Der Einsatz einer neuen Big-Data-Technologie bedeutet Komplexität und Veränderung, die im technischen Teil thematisiert werden müssen. Zu klärende Fragen lauten etwa: Wie sieht die aktuelle Infrastruktur aus? Welche Systeme müssen angebunden werden, um an die Daten zu gelangen, und wie sieht die Umsetzung mit den neuen Technologien aus? Welche Richtlinien und Vorgaben gibt es hinsichtlich Verfügbarkeit, Security und Compliance? Darüber hinaus müssen die Projektverantwortlichen die Entscheidung treffen, ob eine Cloud-, On-Premises- oder hybride Lösung genutzt werden soll. Ergebnis des Workshops sollte ein Konzeptpapier für das initiale Projekt und die Infrastruktur sein.