1. Leisten Sie Aufklärungsarbeit. Derzeit wird häufig sehr pauschal mit dem Begriff Big Data umgegangen und er wird nicht sauber in den Kontext der bisherigen BI-Aktivitäten eingeordnet. Entwickeln Sie mit allen Beteiligten ein gemeinsames Verständnis für Big Data, das zum Ausdruck bringt, dass es nicht nur einfach darum geht, mehr Daten in etablierter Form zu verarbeiten.

  2. Fundierte Projekte (Use Cases) rechtfertigen Erfahrungsaufbau mit neuen Technologien – nicht andersherum. Ausgangspunkt der konkreten Planung von Big-Data-Vorhaben sollte immer die Identifikation von wertstiftenden Anwendungsfällen sein. Ein Vorgehen, welches ein Ausprobieren von neuer Technologie vorsieht, ohne genau zu wissen, welche Daten mit welchem Ziel analysiert werden sollen, ist zum Scheitern programmiert. Hier hilft es zum Beispiel, Big-Data-Anwendungsfälle aus anderen Branchen auf Übertragbarkeit zu prüfen und sich zur Eingrenzung eine Liste mit bestehenden und potenziellen Big-Data-Quellen zu erstellen.

  3. Fachabteilungen und nicht nur IT einbinden. Zweifelsfrei ist die Identifikation von zeitlich, inhaltlich und rechtlich relevanten Big-Data-Anwendungsfällen kein IT-Projekt. Alle Bereiche einer Bank müssen während der Identifikation und Auswahl geeigneter Big-Data-Fragestellungen einbezogen werden.

  4. Den Faktor Mensch beachten. Big-Data-Projekte bedürfen Big-Data-Spezialisten, die komplexe Analysen durchführen und daraus managementkonforme Entscheidungsvorlagen erstellen können. Dafür benötigen sie Kenntnisse statistischer Verfahren sowie tief greifendes Wissens über die unternehmensspezifischen Fachlichkeiten und die zur Verfügung stehenden Daten. Diese sogenannten Data Scientists, die das Management als interne Berater mit proaktiven Datenanalysen in ihren Entscheidungen unterstützen, sind eine äußerst knappe und teure Ressource, müssen aber zwingend in die Big-Data-Vorhaben von Beginn an integriert sein. Sie sind zudem der erfolgskritische Faktor, um gegebenenfalls nach gescheiterten BI-Projekten in der Vergangenheit skeptische Mitarbeiter zu überzeugen und mitzuziehen.

  5. Die bestehende IT-Landschaft beachten. Big-Data-Vorhaben können nicht losgelöst von den bisher vorhanden analytischen Systemen betrieben werden, sondern müssen diese ergänzen. Eine Integration von neuen Technologien wie zum Bespiel Analytischen Plattformen auf Hadoop Basis haben immer Schnittstellen und Auswirkungen in die „alte“ Welt. Daher ist der Architekturausbau gezielt und abgestimmt vorzunehmen. Idealtypisch orientiert sich der Entscheider dabei an den Konzepten eines Analytical Ecosystem of the Future, um durch den Aufbau von Big Data nicht ein weiteres isoliertes Datensilo ohne Anbindung und Transparenz zu schaffen.

Autoren: Klaus-Dieter Schulze, Dr. Carsten Dittmar und Volker Oßendoth von Steria Mummert Consulting

Anzeige