Weltweit erwarten 83 % der Unternehmen in den nächsten fünf Jahren einen ent­scheidenden Einfluss von Data Analytics auf Entscheidungsprozesse. In Deutschland soll die Zahl von 52 auf 90 % steigen.

© PwC

„Fast zwei von drei Unternehmen gelingt es inzwischen, durch Datenanalysen einen konkreten Nutzen zu erzielen. Im Vorjahr galt dies erst für knapp die Hälfte der Unternehmen. Insbesondere den Industriebranchen Maschinen­ und Anlagenbau sowie Automobilbau gelingt es, einen konkreten Nutzen aus Datenanalysen zu erzielen“, geht aus dem Big Data Report 2016 des Bitkom hervor. Demnach konnten mehr als zwei Drittel der Unternehmen durch den Einsatz von Datenanalysen ihre Geschäftsrisiken reduzieren. Mehr als die Hälfte konnte Produkte, Dienstleistungen und Marketing individueller auf den Kunden zuschneiden. Zudem sind laut der Untersuchung die Vorbehalte gegenüber Datenanalysen tendenziell weniger verbreitet als noch im Vorjahr. Allerdings bleiben Datenschutzbedenken und mangelnde Ressourcen für jedes zweite Unternehmen eine relevante Hürde.

Die Ergebnisse des Bitkom-Big-Data-Reports 2016 zeigen: Der Großteil der Firmen hat Big Data fest im Blick.

© Bitkom

Laut dem Big-Data-Report dominieren in den Unternehmen eher einfache, deskriptive Datenanalysen, die Zukunft gehöre aber den komplexeren, zukunftsorientierten Analysen. Demnach planen oder diskutieren 39 % der Unternehmen, zukünftig vorausschauende Analysen einzusetzen. Allerdings haben bisher nur rund ein Drittel aller Unternehmen eine Big-Data-Strategie erarbeitet. Insbesondere kleinere und mittlere Unternehmen verfügen noch nicht über ein entsprechendes Konzept. „Aus heutiger Sicht lässt sich ein schwacher Reifegrad bei der Entwicklung und Umsetzung von Big-Data-Strategien ausmachen“, heißt es im Big-Data-Report. 87,5 % der befragten Unternehmen geben an, dass sie sich erst weniger als drei Jahre mit Big Data auseinander­setzen.

Laut der IBM-Studie ‚Analytics: The real-world use of big data‘ erwarten nahezu zwei Drittel der mittelständischen Unternehmen weltweit von der Datenanalyse von Massendaten Wettbewerbsvorteile gegenüber lediglich 36 % zwei Jahre zuvor. „Das bedeutet, dass die Verwendung von Big Data klar im Alltag mittelständischer Unternehmen angekommen ist“, sagt Prof. Dr. Christof Weinhardt, Leiter der Smart-Data-Begleitforschung und Direktor am FZI Forschungszentrum Informatik.

Datensilos und fehlende Konzepte

„Mehr als 70 % der befragten Unternehmen verschieben den Fokus ihrer Analytics-Projekte: Statt kundenbezogener Prozesse stehen nun operative Funktionen stärker im Vordergrund.“ Das Potenzial von Big Data besteht laut der Capgemini-Studie ‚Going Big‘ nicht nur in einer rein technischen Erweiterung des Reportings, sondern auch in der Veränderung von Prozessen sowie der Entwicklung der Organisa­tion hin zu einem daten- und analysegetriebenen Unternehmen. Allerdings führe der alleinige Fokus auf das Bereitstellen einer neuen technologischen Plattform nicht zum Ziel. Die Reporting-Kultur müsse sich von starren, standardisierten Formen eines traditionellen Reportings hin zu methoden- und ergebnisoffenen Formen der Analyse verändern.

„Leider reicht es nicht aus, einfach den Fokus zu verlagern. Unternehmen müssen endlich ihre Datensilos in den Griff bekommen, eine funktionierende Governance aufbauen und Betriebs­modelle für Analytics schaffen, die sich schneller skalieren lassen“, so Ingo Finck, Leiter des Big-Data- & ­Analytics-Teams bei Capgemini Consulting.

Big-Data-Trends: NoSQL und Hadoopc

Unternehmen nutzen für die Datenanalyse großer Datenmengen vielfach noch Technologien, die für Big-Data weniger geeignet sind. Das geht aus der Studie ‚Smart-Data-Business‘ von Barc und Voice hervor. Am häufigsten werden demnach Standardtechnologien aus dem Bereich ‚Relationale Datenbanken‘ (78 %) eingesetzt, die bereits seit den 1970er-Jahren im Einsatz und für große Datenmengen nicht ausreichend skalierbar sind, berichtet die Smart-­Data-Begleitforschung. Demnach sind neue Technologien wie NoSQL oder Hadoop erst bei knapp einem Viertel der befragten Unternehmen im Einsatz, während Standardwerkzeuge in den Bereichen Business Intelligence (61 %) und zur Datenintegration (55 %) weit verbreitet sind. „In der Planung ganz oben stehen neben Data-Mining- und Predictive-Analytics-Lösungen (40 %), die bessere Vorhersagen ermöglichen sollen, das Hadoop-Ökosystem (38 %) sowie explorative Analyseverfahren und analytische Datenbanken (jeweils 37 %).“

„2016 werden wir eine kontinuierliche Zunahme von Systemen beobachten, die nicht relationale oder unstrukturierte Daten sowie enorme Mengen an Daten unterstützen“, sagt das Unternehmen Tableau voraus. Das Unternehmen zählt NoSQL zu den Top-Trends bei Big Data für 2016:  „NoSQL-Datenbanken avancieren nun ganz klar zum Kernstück von IT-Unternehmensumgebungen.“ Dabei steht ‚NoSQL‘ für ‚not only SQL‘ und beschreibt Datenbanktechnologien, die mit unterschiedlichsten Datenschemata arbeiten und über eine große Vielfalt an Ansätzen und Funktionalitäten zur Strukturierung von Daten verfügen. Auch beim Gartner Magic Quadranten für betriebliche Datenbankverwaltungssysteme dominieren NoSQL-Anbieter wie MongoDB, DataStax, Redis Labs, MarkLogic und Amazon Web Services (mit DynamoDB) inzwischen gegenüber traditionellen Datenbankanbietern.

Aus Sicht von Tableau haben Hadoop-Projekte die Reifephase erreicht. Bestandsanwender würden Hadoop noch stärker anwenden und fast die Hälfte der bisherigen Nicht-Anwender planen Hadoop künftig zu nutzen. Außerdem werde Big Data schneller, entsprechend den Anwender-Erfahrungen bei traditionellen Data Warehouses. Hier werde der OLAP-Cube wieder aktiviert und verwische damit weiter die Grenzen zwischen ‚traditionellen‘ BI-Konzepten und der Welt der ‚Big Data‘. Auch das quelloffene Apache Spark entwickle sich von einer Hadoop-Komponente zur bevorzugten Big-Data-Plattform weiter, weil es Daten erheblich schneller verarbeite als Hadoop.

Weitere Trends laut Tableau: „Self-Service-Datenvorbereitungstools werden immer beliebter. Geschäftsanwender möchten außerdem Zeitaufwand und Komplexität der Datenvorbereitung für die Analyse reduzieren. Analysten zufolge werden 90 % der Unternehmen, die Hadoop bereits eingeführt haben, auch ihre Data Warehouses beibehalten. Mit den neuen Cloud-Angeboten können diese Kunden Speicherplatz und Rechenressourcen im Data Warehouse je nach den Datenmengen, die im Hadoop Data Lake gespeichert sind, dynamisch herauf- und herunterskalieren.“ Zudem würden IoT, Cloud und Big Data verschmelzen: „Die Daten von Geräten im Internet der Dinge werden eine der großen Anwendungen für die Cloud und eine der Ursachen für die Datenexplosion in den Petabyte-Bereich sein. Führende Cloud- und Datenanbieter wie Google, Amazon Web Services und Microsoft werden daher Services für das Internet der Dinge entwickeln, mit denen sich Daten nahtlos in ihre Cloud-basierten Analytik-En­gines verschieben lassen.“

Big-Data in der Kritik

Bei Big-Data-Anwendungen werden mit Methoden des maschinellen Lernens aus historischen Daten Entscheidungen automatisiert. Die Microsoft- und MIT-Forscherin Kate Crawford benannte laut einem ZEIT-Artikel auf der Konferenz re:publica die Schwächen ‚Künstlicher Intelligenzen‘ (KI), lernender Maschinen und von menschengemachten Algorithmen: „Googles Gesichtserkennung zum Beispiel hielt Schwarze mal für Gorillas. Die von ­Nikon dagegen hielt eine Asiatin für jemanden, der blinzelt und schlug vor, lieber noch ein weiteres Foto zu machen, ohne den vermeintlichen Schönheitsfehler. Offensichtlich, sagt Crawford, seien beide Systeme überwiegend mit Fotos von Weißen beziehungsweise Nicht-Asiaten trainiert worden.“ Wenn von solchen oder ähnlichen, selbstlernenden Systemen abhänge, ob man eine Krankenversicherung bekomme oder einen Kredit oder ein Flugzeug besteigen dürfe, dann sollte die Datengrundlage diverser sein, so Crawford. Deshalb brauche es eine Ethik für Algorithmen und Big-Data-Anwendungen.

Autor:
Martin Ortgies ist freier Journalist aus Hannover.