Es regnet Analytics aus der Cloud

Die Cloud ist salonfähig geworden. Was anfangs noch wie eine bequeme Lösung für Privatanwender und Kleinunternehmer ohne kritische Datenbestände aussah, gehört inzwischen zum IT-Infrastrukturkonzept auch großer Unternehmen. Consumernahe Provider wie Amazon sorgen dabei für Masse, klassische B-to-B-Dienstleister wie T-Systems für Vertrauen in die Zuverlässigkeit der Technologie. Vorteile wie Kostensenkung, Flexibilität oder Skalierbarkeit sind unbestritten. Bedenken zur Sicherheit der Daten ebenfalls. Aber es gibt noch einen dritten Aspekt, der gern übersehen wird: Die Cloud öffnet nicht nur, aber vor allem der IT ein Experimentierfeld, das vielen Unternehmen sonst verschlossen bleiben würde. 

Ein Beispiel: Big Data Analytics. Die digitale Transformation lässt nicht nur das Datenvolumen rasant wachsen, sondern auch potenziell neue Geschäftsmodelle wie Pilze aus dem Boden schießen. Doch einsammeln kann nur, wer die richtigen Tools nutzt, um nichtssagenden Datenbergen wertvolle Informationen zu entlocken. Cloud Analytics (oder: Analytics as a Service) bietet sich dafür als Einstieg an, weil Investitionen in eigene Infrastruktur im Rahmen und der Weg zum großflächigen Einsatz trotzdem jederzeit offen bleiben.

Colorful umbrellas floating in the air on a rainy day
Big Data ist da, die Cloud ist da – daher heißt es: Jetzt die entsprechenden Prozesse anstoßen. Die Zeit ist reif. 

Mikko Katila, SAS

Software wird zu Dienstleistung
Die Zeiten, in denen Business-Software einmal als großer, teurer und monolithischer Block im Unternehmen implementiert wird, gehören bald der Vergangenheit an. Amazon, Microsoft, T-Systems, SAS: Jeder kann sich aus deren breiter Palette an Cloud-Angeboten genau den Ansatz aussuchen, der ihm am besten entspricht – ohne selbst zu planen und zu investieren.

Also eine billige Lösung, bei der Flexibilität mit Kontrollverlust bezahlt wird? Nein – eher die Antwort auf Fragen, die der Markt stellt, und auf die Unternehmen bislang keine Lösung haben. Denn sie wissen durchaus, dass sie mit mehr Analytics mehr Wertschöpfung erreichen könnten. Aber sie scheitern zu oft an immer wieder denselben Hürden.

Fehlende Qualifikation: Analysten werden zu einer immer knapperen Ressource. Zahlreiche Untersuchungen haben in den vergangenen Jahren gezeigt, dass eine massive Qualifizierungslücke im weltweiten Bewerberangebot besteht. Das führt dazu, dass Analysten schwer zu finden sind und immer teurer werden. Zudem brauchen viele Unternehmen möglicherweise keinen Vollzeit-Analysten.

Fehlende Ressourcen: Oft fehlen geeignete Hardware-Umgebungen, die notwendigen IT-Skills oder verfügbares Personal. Zudem ist das geeignete Datenfachwissen, um die benötigen Daten zu verwalten, meist ein knappes Gut.

„Zu schwierige“ Fragestellungen: Selbst wenn ein Unternehmen personell und hardwaretechnisch optimal ausgestattet ist, ergeben sich mitunter so komplexe Fragestellungen, dass diese intern schier unlösbar erscheinen. Denn auch wo ein Wille und die nötigen Ressourcen sind, fehlt es fast immer an der Erfahrung.

Auch der Faktor Zeit ist in vielen Unternehmen ein wesentlicher Hemmschuh. In jedem IT-Projekt dauert es, bis die nötigen Hard- und Softwareumgebungen aufgesetzt und konfiguriert sind. Bis das erforderliche Personal rekrutiert ist. Zudem müssen die Projektbeteiligten oft nebenher auch andere Aufgaben im Tagesgeschäft bewältigen. Und schließlich ist es keine Seltenheit, dass Projekte, wenn sie erstmal funktionsfähig und in Betrieb sind, weitere sechs bis zwölf Monate benötigen, bevor sie tatsächlich ihren Wertbeitrag leisten. Bis dahin haben sich oft die Probleme geändert – oder die Geschäftschance hat sich verflüchtigt.

Standarddienste helfen nicht weiter
Alle diese Hindernisse sollen SaaS-Dienste überwinden. So die Theorie. Denn bei Analytics in der Form von „Software as a Service“ greifen die ganz einfachen Modelle nicht. Big Data Analytics ist in der Praxis weit komplexer als eine Textverarbeitung aus der Cloud oder die Bestellung eines Fotobuches. Denn Analytics ergeben nur dann einen Sinn, wenn sie exakt die spezifischen Fragen eines Unternehmens beantworten – und eben nicht (nur) die, die jedes Unternehmen hat.

Entscheidend ist deshalb, dass Analytics as a Service kein Universaldienst ist, der unverändert bei verschiedenen Firmen zum Einsatz kommt. Pflicht ist eine maßgeschneiderte, situationsgerechte Vorgehensweise, bei der Analytics-Experten, branchenübergreifende Kompetenzen und spezialisierte Inhouse-Ressourcen gleichermaßen eingebunden sind.

Und auf Dauer wollen sich diesen Vorteilen immer weniger Firmen verschließen. Mit dem „As-a-Service“-Bereitstellungsmodell und dem Big Data Lab können sie Analytics-Lösungen nutzen, um Geschäftsmodelle zu verbessern, die Customer Experience zu transformieren, neue Produkte zu testen – oder einfach nur zu experimentieren. Dazu gehört zum Beispiel der gesamte boomende Komplex Industrie 4.0. Big Data ist da, die Cloud ist da – daher heißt es: Jetzt die entsprechenden Prozesse anstoßen. Die Zeit ist reif. Geschäftsmodelle ohne Analytics in der Cloud umzusetzen, ist nicht mehr denkbar.  

Das ist auch interessant

  • Cloud-Analytics sind der Anfang für Innovationen. Lesen Sie hier im Interview mit Dirk Elsner wie die DZ Bank Innovationen institutionalisiert hat.
  • Das passende Data Management ist bei Analytics immer entscheidend. Hier ein Interview zwischen Michael Herrmann und Dr. Gerhard Svolba

Back to Top