| Interview mit Sven Fessler

"Eine durchgehende Strategie zur Datenbewirtschaftung ist absolut unverzichtbar"

"Die Einsatzbereiche von Big Data Analytics sind sehr vielfältig."
Bild: Fessler

Derzeit konzentriert sich der Business Case für Big Data Analytics im Wesentlichen auf kundenorientierte Zielsetzungen. Es geht darum, Kundenverhalten besser voraussagen zu können. Doch es gibt noch andere Nutzungsmöglichkeiten. Sven Fessler, Berater bei IBM, spricht über Einsatzbereiche, Datenschutzprobleme und den Bedarf an entsprechenden Visualisierungstechniken im Zuge von Big Data Analytics.

acquisa: Herr Fessler, einmal abgesehen von Marketing und Sales: Welche interessanten Einsatzszenarien für Big Data Analytics gibt es?

Sven Fessler: Die Einsatzbereiche von Big Data Analytics sind sehr vielfältig und noch längst nicht ausgereizt. Sie alle aufzuzählen, ist an dieser Stelle kaum möglich. Zentrale Schwerpunkte außerhalb der kundenorientierten Zielsetzungen sehe ich unter anderem in einer umfassenden Nutzung dieser Instrumente für Sicherheitsorgane und Ermittlungsbehörden. Ein enormes Potenzial liegt auch beim Thema "Internet der Dinge" beziehungsweise "Industrie 4.0". Aber auch neue Trends und Entwicklungsfelder wie beispielsweise "vernetztes Fahren", die autonome Überwachung des eigenen Gesundheitszustands ("Quantified Self") oder eine "intelligente" Gebäudeautomation profitieren davon.

acquisa: Datensilos zusammenzuführen und valide Erkenntnisse zu gewinnen, war jahrelang eine Herausforderung für die Business Intelligence (BI). Bei Big-Data-Analysen ist diese Integration noch wichtiger und sehr viel komplexer, denn es geht unstrukturierte oder semistrukturierte Daten, zum Beispiel in den Social Media. Wie kann das in der Praxis gelingen? Und inwieweit kann man dabei vom BI-Ansatz profitieren?

Fessler: Ich würde empfehlen, eine Kombination beider Ansätze zu wählen: Zunächst ohne Hypothesenbildung mithilfe von Big-Data-Analysen bestimmte Trends zu identifizieren, um dann in einem zweiten Schritt wichtige Merkmale oder Auffälligkeiten genauer unter die Lupe zu nehmen. Mit anderen Worten: Man verzichtet ein Stück weit auf Genauigkeit und Revisionssicherheit dort, wo sie nicht unbedingt erforderlich ist. Um bei diesem Vorgehen auf der sicheren Seite zu bleiben, müssen die Voraussetzungen stimmen: Hier sind ein Konzept für Datenbewirtschaftung sowie eine umfassende Data-Governance-Strategie sehr hilfreich. Zudem forschen wir bei IBM an Algorithmen, die es zukünftig ermöglichen sollen, trotz "unsicherer" Daten (data in doubt) zu validen und verlässlichen Aussagen zu kommen.

acquisa: Wie stark steigt das Risiko, dass Unternehmen bei der potenziell erheblich umfassenderen Datennutzung entweder die Kontrolle über ihre Daten verlieren – oder sie in fragwürdiger Weise nutzen? Und wie lässt sich das verhindern?

Fessler: Um das Risiko auf ein Minimum zu reduzieren, ist eine durchgehende Strategie zur Datenbewirtschaftung sowie eine strukturierte, umfassende Data Governance absolut unverzichtbar. In ihr muss geregelt sein, welche Daten auf welchem Weg sinnvoll zusammengeführt werden, wer Zugriff auf diese Daten hat, und wer die Daten überhaupt sehen darf. Zudem muss natürlich ein entsprechendes Sicherheitssystem installiert sein. Das klingt zwar alles nach einer Selbstverständlichkeit, doch die Realität in vielen Unternehmen sieht anders aus.

acquisa: Mit der Einführung von Big Data Analytics steigt auch der Bedarf an entsprechenden Techniken zur Visualisierung. Die Datensets sind zu umfangreich, um sie mithilfe traditioneller Reporting- oder Data-Mining-Tools anzeigen oder interpretieren zu können. Wie schätzen Sie hier den Markt ein, gibt es da bereits zufriedenstellende Lösungen?

Fessler: Ob die Lösungen zufriedenstellend sind, kann ich nicht beurteilen. Es gibt einige Firmen, die sich mit dem Thema Data Discovery in Kombination mit guten Visualisierungslösungen im Markt behaupten. Auch IBM hat hier einiges zu bieten: Dazu gehört beispielsweise der IBM SPPS Analytic Server, ein Werkzeug zur Analyse strukturierter und unstrukturierter Daten. Dazu sind keine besonderen IT-Vorkenntnisse notwendig. Aber auch unser Watson Analytics-Ansatz ist zukunftsweisend: Er basiert auf IBM Watson Technologie, die es ermöglicht, in natürlicher Sprache Fragen an das System zu stellen, die dann entsprechend analysiert und gegebenenfalls auch visuell aufbereitet werden.

Schlagworte zum Thema:  CRM, Database, Big Data, Analytics

Aktuell

Meistgelesen