Suchen

Kommentar von Stefano Marmonti, Marklogic

So setzen Sie Big-Data-Projekte erfolgreich um

| Autor/ Redakteur: Stefano Marmonti / Nico Litzel

Angesichts der weltweiten Informationsflut und der Unterschiedlichkeit der Daten tun sich viele Unternehmen mit einem erfolgreichen Data Management schwer – ganz zu schweigen davon, daraus einen Wettbewerbsvorteil zu gewinnen.

Firmen zum Thema

Der Autor: Stefano Marmonti ist DACH Sales Director bei Marklogic
Der Autor: Stefano Marmonti ist DACH Sales Director bei Marklogic
( Bild: Marklogic )

Laut Gartner-Prognose wird die Datenintegration bis 2018 rund die Hälfte der Kosten bei der Implementierung neuer großer Systeme verschlingen. Wie kann man also nun sicherstellen, dass das nächste wichtige Datenprojekt nicht in die Statistik der glorreich gescheiterten, kostspieligen IT-Initiativen eingeht?

Wenn IT-Projekte auf veralteter Technologie und mit veralteten Denkansätzen moderne Systeme schaffen sollen, ist ein Scheitern schon fast vorprogrammiert. Und da so viele Big-Data-Projekte schon durch die Pilotphase fallen, mag es überraschend klingen, dass Experten für das Verhalten von Organisationen davon überzeugt sind, dass die Angst vor Fehlern einer der Hauptfaktoren für das Scheitern vieler IT-Projekte ist.

Ob das nächste Big-Data-Integrationsprojekt Kosten oder Risiken reduzieren soll oder der Wertschöpfung aus Daten dient – es gibt einige Möglichkeiten, wie man ein Scheitern verhindern kann.

Überwinden von Denkblockaden

Laut McKinsey & Company dauert die Hälfte der IT-Projekte mit Budgets über 15 Millionen US-Dollar länger als geplant und bringt am Ende weniger Funktionalität als erwartet. Aber was noch schlimmer ist: 17 Prozent der Projekte scheitern derart katastrophal, dass die Existenz des Unternehmens dadurch bedroht sein kann.

Warum akzeptieren dann so viele diese Ergebnisse als „Normalität“? Eine Theorie ist, dass Menschen keine Veränderungen mögen. Demnach führt die Tendenz, an alten Gewohnheiten festzuhalten, zu einer Art Betriebsblindheit gegenüber neueren Lösungen, die für eine Aufgabe besser geeignet wären. Das liegt an zwei Gründen: An veralteter Technologie wird festgehalten, weil sie früher einmal funktioniert hat. Zum anderen halten Enterprise-Architekten an der überholten Vorstellung fest, dass Datenmodelle von Anfang an perfekt sein müssen.

Eine Möglichkeit, Denkblockaden zu überwinden, besteht in der sorgfältigen Auswahl des Projekt-Implementierungsteams. Der erste Schritt ist die Bewertung der eigenen Unternehmenskultur sowie der Einstellung möglicher Partner. Dadurch wird sichergestellt, dass man für die Umsetzung der Vision das richtige Team zusammenstellt – Menschen, die den Innovationsgeist des Unternehmens begrüßen. Menschen, die sich mit den übergeordneten Zielen des Unternehmens identifizieren und diesen zuarbeiten, statt kurzsichtig allein auf das Erreichen technischer Meilensteine zu blicken.

Um die Wahrscheinlichkeit eines Erfolgs zu erhöhen, müssen von Anfang an Mitarbeitern und Partnern das richtige Mindset kommuniziert werden: eine flexible, moderne Einstellung. Dies ist genauso wichtig wie die Wahl der richtigen Technologie für das Projekt.

Rütteln an den Grundfesten von Silos

Data Scientists verbringen weitaus mehr Zeit mit dem Sammeln und Vorbereiten von widerspenstigen Daten, als sich auf den Mehrwert zu konzentrieren, der in Datenmustern und -beziehungen steckt.

Ein Grund dafür sind vorhandene Altsysteme, die speziell auf das Data Management einer Abteilung abgestimmt sind. Die Folge sind Datensilos, mit denen sich nur schwer eine einzige, einheitliche Sicht auf alle Daten im Unternehmen schaffen lässt. Aber was noch schlimmer ist: Existieren mehrere Datenkopien in verschiedenen Silos, wird die Governance und Korrektheit der Daten zur Herausforderung. Datenintegrationsprojekte in einer solchen Umgebung sind nichts für ängstliche Naturen.

In der Vergangenheit gab es verschiedene Versuche, die Komplexität der Datenintegration anzugehen. Aber keiner davon war ideal. Dazu gehört z. B. das Enterprise Data Warehouse (EDW), das Daten von verschiedenen Geschäftsbereichen zusammenführt, um nachgeschaltete Analysen zur Entscheidungsfindung zu unterstützen. Diese Projekte scheitern regelmäßig, weil der Fokus auf der Beobachtung und Analyse liegt, nicht auf der Unterstützung von Geschäftsabläufen.

Dann gibt es die Enterprise Application Integration (EAI) und die Service-oriented Architecture (SOA) zur Unterstützung von Geschäftsabläufen. Diese Strukturen sind zwar für die unternehmensweite Integration von Systemen und Anwendungen ausgelegt. Leider können aber viele Anwendungen in solchen Systemen nicht miteinander kommunizieren, was dazu führt, dass die gleichen Datenbestände mehrfach an vielen verschiedenen Stellen gespeichert werden. Das führt letzten Endes nicht selten zu unübersichtlichen Point-to-Point-Verbindungen, die das Management erschweren.

Ein neuer Ansatz

Viele Unternehmen verlassen sich immer noch auf die Datenbanktechnologie von gestern, um Probleme von morgen zu lösen. Relationale Datenbank-Management-Systeme (RDBMS) gibt es jetzt seit über 30 Jahren und sie werden auch bleiben. Und doch kann ihre lange Verwendung nicht darüber hinwegtäuschen, dass es ihnen an Agilität mangelt. Als relationale Datenbanken eingeführt wurden, gab es noch keine PDFs, Videos oder Social Media. Deshalb können RDBMS-Schemata nichts mit den vielen Formen und Größen heutiger Datentypen anfangen. Die Folge sind Datenmodelle und ETL-Prozesse (Extrahieren, Transformieren, Laden), die mit hohem Zeitaufwand erstellt werden müssen.

Mehr Chancen auf Erfolg

Die Alternative sind NoSQL-Datenbanken, die strukturierte und unstrukturierte Daten unterstützten. Und möglicherweise so wichtige Kriterien wie: Sicherheit, ACID-Transaktionen, Hochverfügbarkeit, Disaster Recovery, Agilität, Skalierbarkeit und Performance bieten. So können Unternehmen von ihren Geschäftsabläufen profitieren und erhalten zugleich transaktionale Kontrolle, um die Einheitlichkeit zu gewährleisten.

Eine solche NoSQL-Lösung erfordert auch nicht, alle Datenanforderungen vorher bekannt sein müssen und bietet eine einzige Sicht auf sämtliche Daten im gesamten Unternehmen.

Blitzschnelle Änderungen

Oft hängt der Unternehmenserfolg von der Fähigkeit ab, schneller als der Wettbewerb einen Mehrwert zu liefern. Das bedeutet, dass eine agile Datenplattform benötigt wird, die sich gemeinsam mit dem Unternehmen auf künftige Anforderungen hin entwickelt. Mit dem richtigen Team werden nicht nur geplante Projekte ein Erfolg. Unternehmen nutzen damit auch sämtliche Daten im Unternehmen, um ihren Wettbewerbsvorteil auszubauen. Und das ist eine willkommene Veränderung.

Der Beitrag erschien zuerst auf unserer Schwesterseite Big-Data-Insider.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 44556803)