10. gfo-Jahreskongress
25.10.17 - 26.10.17
In Düsseldorf

Google Analytics Summit 2017
09.11.17 - 09.11.17
In Hamburg

Data Driven Business 2017
13.11.17 - 14.11.17
In Berlin

OMX Online Marketing Konferenz
16.11.17 - 16.11.17
In Salzburg

SEOkomm 2017
17.11.17 - 17.11.17
In Salzburg

Die EU-Kommission treibt das Thema Big Data massiv voran. 

Mit der Bereitstellung von Investitionsmitteln in Höhe von 2,5 Milliarden Euro wird deutlich, dass nicht nur Unternehmen das Potenzial hinter der Nutzung von Massendaten erkannt haben. In einigen Branchen – allen voran der Finanzbranche – entwickelt sich Big Data zu einem der wichtigsten Erfolgsfaktoren im Wettbewerb.

Aber wie lässt sich der größte Nutzen aus Big Data ziehen? Frank Petczelies und Ingo Sänger, Big-Data-Experten bei der Business- und IT-Beratung Q_PERIOR, zeigen wie Unternehmen vorgehen sollten, die Big Data erfolgreich einführen wollen.

6 Schritte zum Big-Data-Erfolg

1. Evaluation

Am Anfang einer erfolgreichen Big-Data-Einführung steht eine genaue Analyse der Ist-Situation. Dazu gehören die Untersuchung von Branchen- und Markttrends, die Identifikation möglicher Vorgaben aus der jeweiligen Unternehmensstrategie sowie die Bewertung von Potenzialen. Außerdem sollte ein Review und eine Konsolidierung bereits bestehender, dezentraler Big-Data-Initiativen durchgeführt werden. Der Einbezug außenstehender Berater und damit einer unabhängigen „Second Opinion“ kann dabei viele Vorteile bieten.

2. Strategie

Im zweiten Schritt folgt die Erstellung einer konkreten Big-Data-Strategie. Wichtig ist, dass das Management eine klare Big-Data-Vision entwickelt und kommuniziert. Unternehmensprozesse sind im Rahmen einer Big-Data-Denkweise häufig um- oder neu zu definieren und müssen innerhalb des Unternehmens vernetzt werden. Erfolgsentscheidend ist auch, dass Fachbereiche, IT-Abteilungen und mögliche Umsetzungspartner eng zusammenarbeiten und gemeinsam ein Maßnahmen-portfolio zur operativen Umsetzung ableiten.

3. Architektur und Organisation

Als nächstes gilt es eine geeignete IT-Architektur auf Basis der Anforderungen zu definieren und aufzubauen. Dazu gehört auch die Integration in die bestehende Systemlandschaft und die Teilablöse individueller Datenverarbeitung. Darüber hinaus müssen eine geeignete Organisation und Governance geschaffen werden. Darunter fallen die Verteilung von Verantwortlichkeiten sowie die Definition von Rollen und Kompetenzen. Die Ernennung eines sogenannten „Chief Data Officer“ kann dabei eine große Hilfe sein.

4. Datennutzung

Ein kritischer Blick auf die Datennutzung lohnt sich. Die meisten Unternehmen nutzen bisher nur einen kleinen Ausschnitt der verfügbaren Daten. Unstrukturierte Daten, wie z.B. Social-Media-Daten oder Metadaten, wie im Falle von Banken zum Beispiel die Information, wer welche Kommunikations- und Transaktionsart wie nutzt, werden bisher wenig genutzt. Das liegt mitunter daran, dass die Verwendung noch zu teuer oder zu aufwendig ist. Allerdings können gerade Banken und Versicherungen aus diesen Daten wertvolle Informationen gewinnen. Vorausgesetzt die Nutzung dieser Daten ist zulässig, denn gerade bei externen Daten ist eine gewisse Vorsicht geboten.

5. Datenschutz

Aufgrund der Menge, Vielfalt und Verarbeitungsgeschwindigkeit von Daten ist Big Data besonders anfällig für Verstöße gegen die Datensicherheit. Datenschutz-anforderungen müssen daher frühzeitig berücksichtigt werden, denn nur so kann sichergestellt werden, dass später keine Rechtsrisiken entstehen oder zeit- und kostenintensive Anpassungen nötig werden. Auf Grund stark zunehmender Datenmengen, müssen Strategien zum Datenschutz und zur Datensicherheit außerdem skalierbar sein.

6. Umsetzung und Operationalisierung

Der Erfolg von Big Data in Unternehmen hängt neben der Leistungsfähigkeit der Lösung auch von der Operationalisierung ab. Es empfiehlt sich daher Mitarbeiter entsprechend zu befähigen, die Daten aktiv zu nutzen. Das heißt in einem konkreten Beispiel, Kundenberatern oder Versicherungsmaklern in Echt-Zeit die Ergebnisse von Kunden- und Marktanalysen bereitzustellen, Muster daraus abzuleiten und dadurch Vertriebsstrategien zu unterstützen. Das Maximum rausholen, heißt im Umfeld von Big Data aber auch auf eine geeignete analytische oder prädiktive Softwarelösung zu setzen, die ein schnelles und flexibles Reporting ermöglicht und somit als wichtige Entscheidungsunterstützung fungieren kann.

Gerade Unternehmen der Finanzbranche können langfristig von der erfolgreichen Umsetzung eines Big-Data-Projektes profitieren. „Neben den Vorteilen, die sich den Banken und Versicherungen durch die neu gewonnene 360 Grad Kundensicht in den Bereichen Marketing und Vertrieb bieten, macht sich Big Data vor allem durch ein verbessertes und schnelleres Controlling und Risikomanagement bezahlt“, meint Ingo Sänger von Q_PERIOR. „Nicht zuletzt durch die Reduktion von Betrugsfällen, können ganz massiv Kosten eingespart werden.“

www.q-perior.com

Frische IT-News gefällig?
IT Newsletter Hier bestellen:

Newsletter IT-Management
Strategien verfeinert mit profunden Beiträgen und frischen Analysen

Newsletter IT-Security
Pikante Fachartikel gewürzt mit Shortnews in Whitepaper-Bouquet