Daten konsolidieren, analysieren, handeln

Big Data eröffnet Unternehmen neue, handlungsrelevante Einblicke. Durch die konsequente Nutzung von Erkenntnissen aus der Analyse interner und externer Datenquellen können Unternehmen schneller besser fundierte Entscheidungen treffen und damit ihre Wettbewerbsposition verbessern. Die digitale Transformation beinhaltet daher immer auch Big Data Analytics.

Big-Data-Projekte sind kein Selbstläufer. Oft kämpfen Unternehmen damit, den optimalen Nutzen durch den Einsatz ihrer vorhandenen Datenbestände zu erzielen. Die häufigsten Gründe dafür: Die Anforderungen für Big-Data-Analysen haben sich aus einem konkreten Anlass heraus ergeben. Nachdem das Projekt im Marketing oder im Vertrieb abgeschlossen war, hat niemand die Initiative ergriffen, die Methoden und Verfahren auf weitere Anwendungsszenarien zu übertragen. Ein einzelner Erfolg ist verpufft. Ein zweites, immer wieder anzutreffendes Problem: Es vergeht zu viel Zeit, bis handlungsrelevante Ergebnisse vorliegen. Eine der Ursachen dafür: Datenanalysten verwenden den Großteil ihrer Zeit dafür, Daten zu suchen, zusammenzuführen und bereinigen, bevor sie sich auf die Analyse und Handlungsempfehlungen konzentrieren können.

Funktionalitäten für Datenanalysten und Entwickler

Die Kombination aus Cloud-nativer und Big-Data-Anwendungsentwicklung mit Selfservice-Funktionalitäten für Datenanalysten, wie sie beispielsweise Dell EMC Analytic Insights Module bereitstellt, bietet gute Voraussetzungen, um diese Herausforderungen zu meistern. Eine entscheidende Rolle dabei spielt eine schlüsselfertige Entwickler- und Analytics-Plattform. Gerade die Möglichkeiten, mit Hilfe Cloud-nativer Applikationen rasch umsetzbare Erkenntnisse aus der Datenanalyse zu gewinnen, sind entscheidend für Unternehmen, die sich Wettbewerbsvorteile durch die digitale Transformation sichern wollen.

Bild 1: Die schnelle Bereitstellung von Cloud-nativen Anwen-dungen für die Datenanalyse steigert die Geschwindig-keit, mit der sich Unternehmen durch den Analysezyklus bewegen. (Quelle: Dell EMC)

Eine durchgängige Lösung, die Entwickler und Datenanalysten nach dem DevOps-Modell zusammenbringt, hat darüber hinaus den Vorteil, dass sich damit zentral für alle Benutzer klare Governance-Regeln definieren und deren Einhaltung überwachen lässt. Die IT-Verantwortlichen definieren Vorgaben, die festlegen, wer welche Daten einsehen und weiter aufbereiten darf. Ziel dabei ist es, dass die Datensicherheit und die Corporate Governance für alle Benutzer, Applikationen und Datenquellen zu jeder Zeit gewährleistet sind.

Informationen in einem Data Lake zusammentragen

Damit Analysten aus den Fachabteilungen einen möglichst einfachen und schnellen Zugriff auf die benötigten Daten erhalten, werden diese in einem Data Lake vorgehalten. Hier konsolidieren die IT-Verantwortlichen die Informationen aus den verschiedenen Quellen an einem einzigen Ort. Der Data Lake reduziert die Komplexität von Speichersilos, die mit dem Zugriff auf große Mengen von ansonsten verteilt gespeicherten Daten verbunden ist. Durch die Unterstützung eines Multiprotokollzugriffs via SMB (Server Message Block), NFS (Network File System), FTP, HTTP, NDMP (Network Data Management Protocol), Swift und HDFS (Hadoop Distributed File System) können die Cloud-nativen Applikationen Daten ohne einen weiteren Konvertierungsaufwand in ihrem nativen Format speichern und abrufen.

Bild 2: Ein Data Lake konsolidiert alle verfügbaren Daten an ei-nem Ort und bildet das Fundament für Big-Data-Analysen. (Quelle: Dell EMC)

Analysen nach dem Selfservice-Prinzip fördern

Eine der Zielgruppen von Selfservice-Funktionalitäten sind die nicht-technischen Anwender aus den Fachabteilungen. Damit diese den Data Lake nutzen, eigenständig Analysen vornehmen und besser fundierte Entscheidungen treffen zu können, müssen sich die gesuchten Daten problemlos im Zugriff befinden. Eine Kuratierungsfunktion im Data Lake stellt eine zentrale Ansicht aller vor Ort vorhandenen, indizierten und aufbereiteten Daten sowie ausgewählter externer Quellen bereit. Der wichtigste Vorteil: Datenanalysten und Anwender aus den Fachabteilungen müssen sich nicht mehr um die oft zeitraubende Aufbereitung der Daten kümmern, sondern können sich darauf konzentrieren, wie sich mit den aufbereiteten Informationen schneller und effizienter bestimmte Ziele erreichen lassen – etwa bei der Analyse des Kundenverhaltens, der Bereitstellung personalisierter Finanzdienste oder der Kundengewinnung und Kundenbindung.

Bild 3: Dell EMC Analytic Insights Module läuft in einer Native Hybrid Cloud und enthält alle grau markierten Kompo-nenten. Im blau markierten Bereich – oberhalb des Ana-lytic Layers – können Unternehmen ihre eigenen Tools einbinden. (Quelle: Dell EMC)

Teams und einzelne Analysten aus den verschiedenen Fachabteilungen sind damit in der Lage in voneinander unabhängigen Bereichen des Data Lake zu arbeiten, ohne die Abläufe von Kollegen zu beeinträchtigen. In diesen Bereichen können Mitarbeiter im Data Lake vorhandene sowie weitere externe Daten durchsuchen, aufbereiten und auswerten. Der Datenzugriff wird dabei durch Richtlinien gesteuert. Damit kann auch die Datenherkunft bei externen Quellen und die Ende-zu-Ende-Sicherheit auf Datenebene überwacht und nachvollzogen werden.

Tabelle: Big Data in ausgewählten Branchen

Wichtige aktuelle Anwendungsszenarien für Big Data in den Branchen Telekommunikation und Finanzdienstleistungen. (Quelle: IDC/Umfrage von Dell EMC 2016)

In Telekommunikationsunternehmen etwa liefert ein Data Lake – im optimalen Fall in Echtzeit – Einblicke in die Netzwerkauslastung. Techniker sind mit diesen Daten in der Lage, die Infrastruktur weiter zu optimieren. Nutzungstrends und demografische Analysen liefern Ansatzpunkte für ein proaktives Marketing, um neue Kunden zu gewinnen und zusätzliche Marktsegmente zu erschließen. Finanzdienstleister nutzen neue Technologien, um in allen Fachabteilungen ihre kundenzentrierte operative Effizienz zu steigern und neue Umsatzpotenziale zu erschließen. Sie setzen Vertriebsmaßnahmen um, testen deren Wirkung und optimieren ihre Aktivitäten immer weiter, um die gewünschten Ergebnisse zu erzielen. In schnellen Zyklen werden neue Finanzprodukte im Markt eingeführt und deren Erfolg permanent überprüft. Zudem ermöglicht die Datenanalyse schneller und genauer als bislang, mögliche Anlagerisiken zu erkennen und rechtzeitig gegenzusteuern.

Bild 4: Wichtige künftige Anwendungsszenarien für Big Data in den Branchen Telekommunikation und Finanzdienstleis-tungen. (Quelle: IDC/Umfrage von Dell EMC 2016)

Ergebnisse ihrer Arbeiten können die Teams und Analysten in einem Data and Analytics Catalog veröffentlichen. Die besten Möglichkeiten, die Vorteile der Datenanalyse zu maximieren sind die Zusammenarbeit, Freigabe und Wiederverwendung. Veröffentlichte Ergebnisse und Best Practices können im gesamten Unternehmen für vorhandene und neue Prozesse und Applikationen eingesetzt werden. Damit sparen Kollegen Zeit für die Suche, Evaluation, Aggregationen und den zügigen Einsatz von Daten und Ergebnissen. Durch die Wiederverwendung vertrauenswürdiger Informationen steigt natürlich auch der Wert der Daten.

Entscheidend ist in diesem Zusammenhang eine datenzentrierte Sicherheit, die es Unternehmen ermöglicht, differenzierte Regeln für den Datenzugriff zu definieren, die über alle Anwender, Applikationen und Storage-Einheiten hinweg gelten. Die Sicherheitsfunktionen sollten es erlauben, granulare Zugriffsrichtlinien zu definieren, die Dateien, Tabellen, Spalten, Zeilen, Zellen oder Zellteilen zugeordnet werden können.

Vernetzung im Unternehmen fördern

Die Verknüpfung von Cloud-nativer und Big-Data-Anwendungsentwicklung mit Selfservice-Funktionalitäten für Datenanalysten bringt Fachbereiche und IT-Abteilung enger zusammen als bisher. Datenanalysten, nicht-technische Mitarbeiter aus den Fachbereichen, Applikationsentwickler und IT-Infrastrukturteams vernetzen sich und jede dieser Gruppen kann von den über einen Data Lake und die Cloud-Plattform bereitgestellten Daten und Tools profitieren – egal in welcher Branche.

Eine Hybrid Cloud, bei der die Applikationsentwicklungs- und Bereitstellungsplattform in der Cloud läuft und sich der Data Lake im Rechenzentrum eines Unternehmens befindet, trägt zur besseren Abstimmung zwischen der IT und den Fachbereichen bei. Durch die Verzahnung der Daten- und Analyseservices mit der Applikationsumgebung können Entwickler Erkenntnisse aus den Analysen rasch in neue Anwendungen umsetzen oder vorhandene erweitern.

Die Applikationen sind in der Lage, größere Datenvolumina zu erfassen und daraus neue Erkenntnisse zu generieren. Im nächsten Zyklusschritt fließen diese in die Datenanalyseprozesse ein, mit denen wiederum die Anwendungen weiter optimiert werden. Damit entsteht eine permanent optimierte Lösung, bei der die Entwicklung, die Implementierung, der Betrieb und die Verwaltung von Cloud-nativen Anwendungen vereinfacht werden und damit letztlich die Produktivität und betriebliche Effizienz in den Fachabteilungen steigen.

Benjamin Krebs ist Area Manager Germany – Unstructered Data and Analytics bei Dell EMC

www.emc.com

Das könnte Sie ebenfalls interessieren:
Mehr über Big Data und Analytics erfahren Sie in unseren Fokus Beiträgen.