Langfristige Wettbewerbsfähigkeit erfordert heute eine deutliche Differenzierung. Um dies zu erreichen, müssen Daten in Wissen umgewandelt werden, in Bezug auf Marktgegebenheiten als auch auf Kundenwünsche. Zwar haben mittelständische Unternehmen diese Notwendigkeit größtenteils erkannt, es mangelt jedoch vielerorts an einem professionellen Big Data Management.
Zusätzlich entwickelt sich auch dieses Thema permanent und rasant weiter. Zuletzt hat Gartner eine Liste der Top Data- und Analytics Themen für 2021 veröffentlicht und ein kurzer Blick schon zeigt, das stehenbleiben keine Option ist. So wird aus Big Data plötzlich Wide- und Small-Data, Entscheidungsfindungen werden automatisiert und Edge Computing Umgebungen setzen sich stärker durch.
Wie kann das notwendige Know-how aufgebaut werden und welche Systeme sind erforderlich? Dieser Artikel beleuchtet die grundlegenden Schritte.
Datenverfügbarkeit stellt kein Problem mehr dar
Die von SAP in Auftrag gegebene Forrester-Studie "Thought Leadership Paper" (April 2018) zeigt: 79 Prozent der mittelständischen Unternehmen möchten eine stärkere Wertschöpfung aus Big Data erreichen. Die Datenverfügbarkeit stellt hierbei das geringste Problem dar. Computer, mobile Endgeräte, Sensoren und verschiedene Anwendungen generieren tagtäglich neue Informationen. So ist es keine Seltenheit, dass in mittelständischen Unternehmen Datenmengen in einer Größenordnung von über 1.000 Terabyte zur Verfügung stehen. Es erfordert jedoch menschliche Expertise und geeignete Systeme, um diese Daten zu verarbeiten, zu orchestrieren und verwertbare Erkenntnisse daraus abzuleiten. Insbesondere für kleinere Unternehmen ist dies eine Herausforderung. Mit einem geeigneten Ansatz für das Management von Big Data lassen sich die Hürden allerdings aus dem Weg räumen.
Was ist Big Data Management?
Grundsätzlich beschreibt der Begriff "Big Data Management" die Organisation, Verwaltung und Steuerung großer Mengen von Daten, wie sie bspw. bei der SAP Lagerverwaltung anfallen. Diese können sowohl strukturiert als auch unstrukturiert sein. Übergeordnetes Ziel ist es, Wichtiges von Unwichtigem zu trennen, eine hohe Datenqualität zu sichern und die vorliegenden Informationen mit geeigneten Tools zu erschließen. Zu den wichtigsten Ansätzen zählen in diesem Kontext In-Memory-Datenmanagement, Analytics, künstliche Intelligenz und maschinelles Lernen.
Die Entscheidungsfindung von Menschen und Künstlicher Intelligenz wird dabei immer komplexer, anspruchsvoller und erfordert eine immer größere Datenvielfalt. Deshalb braucht es Analysewerkzeuge, die vorhandene Daten effizient nutzen. Wie Gartner beschreibt, steht Wide Data für die Analyse und Nutzung von Synergien einer Vielzahl von strukturierten und unstrukturierten Datenquellen, während Small Data einen Erkenntnisgewinn möglich macht, auch wenn die Datenbasis gering ist.
Diese Technologien ermöglichen es dem gesamten Unternehmen, (bei Bedarf in Echtzeit) Entscheidungen zu treffen, die deutlich stärker auf belastbaren Daten basieren, als in der Vergangenheit. Faktoren wie Erfahrung und Intuition werden somit durch Fakten ersetzt.
Datenqualität und -zusammenführung als zentrale Herausforderungen
Unternehmen sammeln ihre Daten aus unterschiedlichsten Quellen gegenwärtig in sogenannten Data Lakes. Dies sind Speicher mit enormer Größe, die Daten unabhängig von der Herkunft in ihrem Rohformat aufnehmen. Oft haben vorliegende Daten jedoch ein unterschiedliches Qualitätsniveau und werden in Datensilos unabhängig voneinander verwendet. Viele Informationen bleiben hierdurch ungenutzt. Erst durch Vernetzung und die Interaktion mit der Applikationslandschaft lassen sich hieraus die vollen Potenziale erschließen. Aus technischer Sicht erfordert dies ein zentrales Orchestrierungswerkzeug, mit dem sich Big-Data-Szenarien ohne hohen Aufwand aufsetzen lassen.
Dem entgegen steht der wachsende Edge-Computing Trend, der eben eine stärkere Dezentralisierung in heterogenen Netzwerkkomponenten vorsieht. Das ist ein großes Plus für eine wirkliche Echtzeitverarbeitung, denn die einzelnen Komponenten liegen so näher an der Datenquelle und umgehen das Latenzproblem klassischer zentralisierter Lösungen. Dem entgegen steht ein höherer Aufwand im Betrieb. Letztlich werden Geschäftsmodelle- und -anforderungen entscheiden, welche Technik für das eigene Unternehmen die Richtige ist.
Der Weg zum erkenntnisgesteuerten Unternehmen
![SAP Gold Partner]()
Unternehmensentscheidungen, die auf Daten und daraus entstehenden Erkenntnissen beruhen sind, genauer, nachvollziehbarer und überprüfbarer. Das Automatisieren solcher Entscheidungen durch Künstliche Intelligenz, ist dann ein logischer Schritt. Und dies bezieht sich nicht nur auf einzelne Entscheidungen, sondern betrachtet in Zukunft auch ganz Abfolgen aus Entscheidungen und deren Konsequenzen. Gartner beschreibt diesen Trend als "Engineering Decision Intelligence" und dieser sorgt unter anderem für höhere Treffsicherheit und Transparenz.
Kommen wir zurück zur Eingangsfrage: Was müssen mittelständische Unternehmen tun, um ein zielgerichtetes Big Data Management zu etablieren und datengetrieben zu agieren? Der erste Schritt ist es, die Organisation durch ein geeignetes Datenmanagement-System flexibler und agiler aufzustellen. Empfehlenswert ist an dieser Stelle beispielsweise SAP Business One HANA. Hier lohnt es für Unternehmen auf die ausgeprägte Erfahrung führender Datenmanagement- und Analytics-Anbieter zurückgreifen. SAP Business One Hana verbindet Datenbank, Datenverarbeitungs- und Anwendungsmöglichkeiten in einer Plattform mit 300-fach schnellerem Zugriff als bisherige Datenbanksysteme (z. B. MS SQL Datenbanken) dies realisieren können.
Aus organisatorischer Sicht muss es außerdem Ziel sein, diese Analyse-Daten für sämtliche Anwender im Unternehmen im benötigten Detailgrad verfügbar zu machen. Wichtig ist es hierbei, eine vernetzte Betrachtungsweise der Daten zu realisieren. Dadurch entsteht ein allumfassender Blick auf das Unternehmen. Gleichzeitig werden kontextbezogene Ableitungen möglich.
Im nächsten Schritt kann Business Intelligence durch maschinelles Lernen und künstliche Intelligenz weitgehend automatisiert werden und ermöglicht es den Anwendern auch, im Self-Service auf belastbare Prognosen zuzugreifen.
Fazit: Big Data Management ist nicht den großen Playern vorbehalten
Big Data Management ist in mittelständischen Unternehmen auch ohne einen riesigen Apparat an Analysespezialisten umsetzbar. Hierfür sorgen moderne Lösungen wie SAP Business One HANA, die performante In-Memory-Datenbank sowie Datenverarbeitungs- und Anwendungsmöglichkeiten auf einer zentralen Plattform verbinden.
Bei sämtlichen Fragen zu dieser Technologie und deren Implementierung unterstützen Sie die Experten von COSIB als SAP Business One Partner gerne. Sprechen Sie uns an!
