Big Data ist Chefsache
Von der Redaktion MittelstandsWiki
Was groß ist, ist relativ. Die beste Definition von „Big Data“ setzt darum besser bei der Art der Informationen an: Es dreht sich vor allem um unstrukturierte Daten aus diversen Quellen. Kleine und mittlere Unternehmen haben intern meist überschaubare Datenbanken. Aber dazu kommt seit geraumer Zeit ein unstrukturierter Wust von Infos aus dem Web, aus sozialen Netzwerken und E-Mails.
Diese geschäftsrelevanten Datenmengen können sich schnell zu bedrohlichen Steilwänden aufbauen. Die Folge: Big Data erleben viele mittelständische Unternehmen zunächst meist als den Stress einer neuen Herausforderung. Von Anbieter- und Consulting-Seite wird zusätzlicher Druck aufgebaut, stets mit Verweis auf bereits erfolgreiche Projekte großer Unternehmen. Dabei gibt es durchaus plausible Einsatzszenarien von modernen Business Analytics für den Mittelstand.
Big Data Analytics
Entscheider, die aus den Fenstern der Chefetagen blicken, sehen eine Big-Data-Lawine anrollen, die rasant Volumen und Fahrt aufnimmt. Abwarten ist keine gute Option. Dabei wären die Analysetechnologien schon einsatzbereit: für Produktion und Handel ebenso wie für Risikoanalyse und Ertragsprognose. Woran es im Mittelstand oft noch hakt, haben Studien wiederholt gezeigt: Die Unternehmen können sich die komplexe Materie kaum in konkrete Einsatzszenarien übersetzen. Entsprechend schwierig ist für sie die Big-Data-Entscheidungsfindung.
Hinzu kommen brisante Fragen mit Blick auf den Datenschutz und die IT-Sicherheit. Big Data steht schließlich für sehr viele verschiedene Daten. Dazu gehören Unternehmensinformationen ebenso wie externe Quellen. Beides in einer konsolidierten Sofortanalyse unterzubringen, bedeutet: Big-Data-Systeme müssen starke Sicherheitsmechanismen und verlässliche Zugangskontrollen mitbringen.
Obendrein können smarte Produkte meist mehr, als uns lieb ist: Wenn eine Smartwatch beim Joggen gleich noch die Einkaufsliste auf Zuruf anzeigen kann, ist das praktisch. Wenn das neue Accessoire aber ungefragt Blutdruckprotokolle anlegt, ist das kein Service, sondern ein Fall für den Datenschutz. Denn auch diese Informationsmengen sind eine Goldmine für Datenschürfer. Allerdings braucht es dazu oft auch entsprechend ausgebildete Data Scientists.
Internet der Dinge
Und Big Data ist nicht allein. Die Entwicklung ist (mindestens) zusammen mit Cloud und Mobile zu sehen – große Umwälzer alle drei, aber doch nur die Vorläufer einer größeren Revolution, die erst noch bevorsteht: das Internet der Dinge. Bereits das Presseforum der CeBIT 2015 drehte sich darum zum größten Teil um Strategien für eine umfassend vernetzte Gesamtwirtschaft.
Schließlich sind Foto und Video, die eine weitere wachsende Menge mobiler Onliner durch die Luft jagen, nur ein Treiber von Big Data. In Zukunft kommen noch Milliarden von Messpunkten aus der sogenannten Industrie 4.0 hinzu, smarte Geräte, kommunizierende Maschinen und intelligente Produkte. Das wiederum bedeutet neue Risiken – und die Notwendigkeit von verbindlichen Standards für den Datenaustausch. Von fertigen Big-Data-Appliances könnte speziell der reaktionsschnelle Mittelstand profitieren.
IT-Konsolidierung
Während manche Unternehmen bereits mit Big-Data-Analysen arbeiten, kämpfen andere immer noch mit Dubletten, verzettelten Datenbanken und fragmentierten Beständen – typische und kostspielige Folgen von Wildwuchs auf den Servern. Dabei ließe sie die IT relativ leicht auf Cluster oder Private Clouds umstellen. Es wird Zeit, im Rack aufzuräumen und die Strategien für Speicher und Rechenpower neu zu denken. In den Unternehmen des deutschen Mittelstands steht eine IT-Konsolidierung an – und zwar bevor Big Data, die Cloud, das Internet der Dinge, Social und Mobile zusammengewachsen sind und das eigene Unternehmen mit ganz neuen, disruptiven Business-Modellen überholt haben.
Auch die Datenbanksoftware darf angesichts dieser Entwicklung nicht einfach stehen bleiben. Denn Geschäftsdatenanalyse und Business Intelligence haben sich im Zuge von Big Data gewaltig erweitert und sind heute zu einem entscheidenden Erfolgsfaktor geworden. Moderne Analytics erfordern nicht einmal neue Systeme – mitunter schafft schon ein einfaches Upgrade auf die jüngste Datenbankversion sichere Entscheidungsgrundlagen.
Speicher und Rechenzentrum
Der Tenor der einschlägigen Studien ist seit einiger Zeit bedrohlich: Data Center sitzen auf einer tickenden Zeitbombe. Trends wie Big Data, Mobile und Cloud Computing machen die Wartung komplizierter, vor allem aber wächst der Traffic rasant in schwindelnde Höhen. Angesichts des explosionsartigen Datenwachstums sind Speicherlösungen und deren intelligente Verwaltung ein Hauptthema bei jedem Administratorentreffen. Für Betreiber von Rechenzentren ist es höchste Eisenbahn, ihre Storage-Systeme auf Vordermann zu bringen. Eine gute Speicherarchitektur ohne Enttäuschungen gibt es aber nur, wenn das Unternehmen seine Anforderungen unmissverständlich auf den Tisch legt.
Unternehmen, die ihre Storage-Lösung auf Dauer zukunftsfähig machen wollen, arbeiten am besten mit einem überlegten Information Lifecycle Management und weisen die Kapazitäten per Thin Provisioning nach Bedarf zu. Allerdings ist jedes Speichermanagement letztlich nur so gut wie die Desaster-Recovery-Maßnahmen für den Ernstfall. Der jüngste Lösungsvorschlag kommt aus dem Bereich der Viertualisierung: Software-defined Storage. Auf dem Markt gibt es bereits etliche funktionsfähige SDS-Lösungen.
Open Data
Während Big Data Analytics damit kämpfen, dass der größte Teil der Informationen unstrukturiert eintrudelt, liefert eine reiche Rohstoffquelle schon arbeitsfertige Datensätze: Offene Behördendaten könnten Wachstum und Innovationen deutlich anschieben. Eine tragende Rolle soll dabei der Mittestand spielen. Und auch das Web können Unternehmen gut im Griff behalten. Simple Suchfunktionen für die eigenen Internet-Seiten gibt es zuhauf. Was erfolgreiche Webshops brauchen, sind praktikable Lösungen, die auf Anfragen zusätzliche Empfehlungen platzieren und so zu einem starken Marketing-Instrument werden. Moderne Cloud-Lösungen sind letztlich Big-Data-Analysen.
Am Ende stellt sich zwischen Expertensystemen, Risikomanagement und Big Data Analytics doch noch die Gretchenfrage: Wer traut sich? Tut es Unternehmen denn gut, wenn jeder Entschluss „abgesichert“ ist? Wer entscheidet eigentlich noch? Wo es um innovative Geschäftsmodelle geht, ist ab einem gewissen Punkt einfach der Sprung ins kalte Wasser fällig. Gefragt ist in der Praxis eine gute Kombination aus Bauchgefühl und Fakten.
