Gastbeitrag: Für den erfolgreichen Einsatz von Daten benötigen Unternehmen eine klare Strategie und müssen Anwendungsfälle identifizieren, die im Einklang mit den Unternehmenszielen stehen. Wie das geht, erklärt Andreas Juffinger.

Foto: AWS Der Autor Andreas Juffinger ist Senior Solutions Architect bei AWS Jedes Unternehmen kann von Daten profitieren und sie nutzen, um Produkte und Dienstleistungen zu verbessern, Abläufe zu optimieren aber auch um neue Geschäftsfelder und Märkte zu erschließen. IDC und Forrester haben festgestellt, dass Firmen, die mehr Daten nutzen, profitabler sind – durch der Nutzung von bereits zusätzlichen 10 Prozent der Daten berichten 96 Prozent dieser Firmen von messbaren Geschäftsergebnisse. NewVantage stellt auch fest, dass 99 Prozent der befragten Fortune 1000 Unternehmen in Daten-Initiativen investieren. Um Daten nun erfolgreich einzusetzen, müssen Unternehmen zuerst eine Strategie entwickeln und sich auf Anwendungsfälle im Bereich existierender Unternehmensziele konzentrieren.

Drei „Vs“ definieren Big Data

Daten sind das neue Öl, hieß es lang. Doch anders als Öl sind Daten kein limitierter Bodenschatz, sondern sie stehen jedem Unternehmen zur Verfügung und verlieren durch die Nutzung nicht an Wert. Im Gegenteil, je öfter sie genutzt werden, desto größer ist der Mehrwert, den sie liefern. So lässt sich z.B. die Frequenz am Schaufenster nicht nur nutzen, um die Bestückung zu optimieren, sondern auch um Öffnungszeiten anzupassen, den Personaleinsatz saisonal zu optimieren oder Energie- und Beleuchtungskosten zu sparen. Jede Datenanwendung kann zum Geschäftserfolg beitragen, ohne zusätzliche Kosten zu verursachen. Der breite Einsatz von Daten im Unternehmen birgt neben den kulturellen und organisatorischen auch technische Herausforderungen, welche meist mit dem Begriff Big Data zusammengefasst werden. Big Data beschreibt nicht vermeintlich unbeherrschbare Mengen von Daten, sondern vielmehr unterstreicht der Begriff, definiert durch drei Vs (engl. Volumen, Velocity, and Variety), die Kombination der wesentlichsten Herausforderungen in der Daten-Analyse, also die Notwendigkeit mit immer mehr Daten in größerer Vielfalt in kürzerer Zeit umgehen zu können.

Schnellere und bessere Entscheidungen treffen

Technologien wie Data Warehouse, Data Lake, Streaming Plattformen und Dashboards ermöglichen die Zusammenführung und Analyse von Big Data und erlauben schnellere und bessere Entscheidungen und so einen Wettbewerbsvorteil. Da KMU häufig nicht die personellen oder finanziellen Mittel haben, um unterschiedliche Systeme anzuschaffen und sie auch zu betreiben, spielt hier die Demokratisierung dieser Technologien durch Cloud-Computing eine wichtige Rolle. Amazon Web Services (AWS) stellt alle wesentlichen Technologien für die Verwaltung, Analyse und Auswertung von Daten fully-managed und kosteneffizient als Cloud Services zur Verfügung. Jedes mittelständische Unternehmen kann somit die technischen Mittel nutzen, um sich Wettbewerbsvorteile durch Daten zu schaffen.

Fehlender Plan ist Hauptgrund für das Scheitern

Laut Gartner-Analyst Nick Heudecker schlugen 2017 noch bis zu 85 Prozent von Big Data Projekten fehl. Daher ist es wichtig, dass Initiativen im Big Data Bereich in einer Datenstrategie verankert sind. Heudecker führt dabei aus, dass das Fehlen eines Plans der tatsächlichen Nutzung die Hauptursache für das Scheitern ist, andere Herausforderungen wie Firmenpolitik und geringes Management Buy-In spielen im KMU danach kaum eine wesentliche Rolle. Eine Datenstrategie startet mit der Auswahl der Anwendungsfälle, bei denen Daten genutzt werden können, um bereits existierende Unternehmensziele schneller zu realisieren oder zu unterstützen. Diese Anwendungsfälle fallen in ein oder mehrere der fünf Kategorien:

• Schnellere und bessere Entscheidungen: z.B. Anpassung von Öffnungszeiten/Schaufenster, bedarfsorientierter Warenfluss, Artikelspezifische Einkauf/Verkaufs-Prognosen und Lagerbestand-abhängige Verkaufsplanung
• Besseres Markt- und Kundenverständnis: Cross/Up Selling, Steuerung von Regionalem Marketing
• Verbesserung von Dienstleistung und Produkte: z.B. Priorisierung von Features, Social Media Feedback
• Optimierung von Business-Prozessen: z.B. Produktionsoptimierung, Energie und Personaleinsatzplanung
• Daten als Einnahmequelle: z.B. Benchmark Daten, Umfrageergebnisse, Verhaltensentwicklung

Die Grundlage für die Datenstrategie

Nachdem man für die relevanten Anwendungsfälle den Datenbedarf sowie Datenschutz die Kategorisierung und technologischen Voraussetzungen identifiziert hat, sollte man die Anwendungsfälle nach deren Unternehmenswert sortieren. Die Top drei bilden nun die Grundlage für die erste Version der Datenstrategie. Danach identifiziert man den Datenbedarf, Governance Aspekte, technologische Anforderungen und notwendige Mitarbeiterfähigkeiten. An diesem Punkt ist es nun wichtig, schnell erste Erfolge einzufahren. Genau diese Agilität wird durch das Cloud-Computing ermöglicht: Verschiedene Technologien können einfach als Cloud-Dienste nach Bedarf genutzt werden, um erste Anwendungsfälle zu realisieren und somit schnell einen direkten Mehrwert zu schaffen. Unternehmen entwickeln so eine Kultur des Experimentierens, treffen datenbasierte Entscheidungen und treiben dadurch auch Innovationen stärker voran. Firmen wie AutoTrader, Siemens und Volvo aber auch KMU in Österreich wie Förster Transporte machen genau das und nutzen Dienste wie Amazon QuickSight, um erfolgreich Dashboards bereitzustellen und so bessere Entscheidungen treffen zu können.

Unkompliziert von Big Data profitieren

Mit der Cloud als technologische Plattform, einer Datenstrategie und dem Fokus auf die Anwendungsfälle im Einklang mit existierenden Unternehmenszielen, kann der Mittelstand schnell und unkompliziert von Big Data profitieren.

Dieser Beitrag ist der siebte Teil unserer AWS-Serie zum Thema Digitalisierung. Die vorigen Beiträge lesen Sie hier:

• Teil 1: „Der gelungene Start mit Machine Learning im Unternehmen“ von Johann Füchsl
• Teil 2: „In drei Schritten zur serverlosen Datenverarbeitung“ von Thomas Fritz
• Teil 3: „Kundenservice verbessern durch Contact Center-Lösungen in der Cloud“ von Michael Meidlinger
• Teil 4: „Zweckgebundene Datenbanken als Schlüsseltechnologie für bessere Entscheidungen“ von Andreas Juffinger
• Teil 5: „Das Rennen um Innovation“ von Daniel Mühlbachler-Pietrzykowski
• Teil 6: „VMware in der Cloud – Modernisieren ganz einfach“ von Johann Füchsl und Siegfried Eigler