Grund 1: Ihr Unternehmen hat bereits hybride Daten
Die Datenlandschaft wird jeden Tag größer, komplexer und vielfältiger. Stellen Sie sich eine Flut von Daten vor, die aus verschiedenen Quellen stammen. Diese stellen Ihr Unternehmen vor Herausforderungen, können aber auch große Chancen bieten.
In den letzten 20 Jahren ging es bei der Datenverarbeitung vor allem um den Versuch, Daten zu standardisieren. Technologien wie relationale Datenbanken, traditionelle Data Warehouses und Master Data Management warben damit, eine einzige Version der Wahrheit zu liefern. Leider haben die Daten der realen Welt ein dynamisches Eigenleben, das sich ständig weiterentwickelt. Das Zwingen von Daten in starre Systeme zur Aufzeichnung hat oft zu kostspieligen und komplexen Systemen geführt, die unflexible Ergebnisse von begrenztem Wert für Führungskräfte auf allen Ebenen lieferten.
Wie bei der Datenverarbeitung gibt es auch hybride Daten vor Ort und in der Cloud. Neben dem Wert, der Quelle, der Genauigkeit und dem Standort umfassen hybride Daten auch noch viele weitere Dimensionen. Sie sind strukturiert, unstrukturiert oder halbstrukturiert. Hybride Daten variieren in ihrer Beziehung zum Unternehmen. Sie treffen manchmal in Echtzeit ein, während sie in anderen Fällen in genau definierten Batch-Modi erstellt werden. Hybride Daten können viele Formen annehmen, manchmal werden sie von bestehenden Geschäftssystemen bereinigt, aufbereitet und analysiert. In anderen Fällen stammen sie aus externen Quellen wie Geschäfts- oder Technologiepartnern, abonnierten Datendiensten, Twitter, Instagram, Ihrer eigenen Website und offenen Datenquellen. Hybride Daten können transaktionsweise, in großen Batches oder in ständig fließenden Strömen eintreffen. Kurz gesagt, hybride Daten umfassen alle Facetten aller Daten, die Ihnen heute zur Verfügung stehen. Die Nutzung der Leistungsfähigkeit all dieser Daten kann für große und kleine Unternehmen von entscheidender Bedeutung sein.
Schlüsseldimensionen einer hybriden Datenumgebung
Dimension | Was es bedeutet |
---|---|
Struktur und Form | Um welche Art von Daten handelt es sich? Audio, Text, Bild, Video, strukturiert, unstrukturiert, halbstrukturiert, usw. |
Inhalt | Je nach Art des Inhalts können wir viele Dinge aus den Daten lernen. Zum Beispiel Audio: Wer spricht? Welche Sprache wird gesprochen? Wie sind der Tonfall und die Stimmung? Welcher zusätzliche Kontext ist erforderlich? Wie können wir all diese Dimensionen für maschinelles Lernen zusammenfassen? |
Zustand | Rohdaten, die von Aufzeichnungssystemen innerhalb oder außerhalb des Unternehmens generiert werden, oder "verarbeitete Daten": ein Ergebnis der Analyse einer oder mehrerer Quellen. |
Beziehung zu Organisation | Interne Datenquellen und externe Datenquellen (offene Daten, Abonnementdaten, Daten von Dritten, sensible personenbezogene Daten, Partnerdaten, …). |
Zeit | Historische Daten, periodische Berichte, Momentaufnahmen zu einem bestimmten Zeitpunkt, Zeitseriendaten, Daten in Echtzeit. |
Dauer | Dauerhaft (Aufbewahrung/Archivierung erwünscht oder erforderlich) oder kurzlebig (nur relevant für die Analyse eines bestimmten Tages). |
Edge | Edge-Systeme (wie IoT-Geräte, POS-Systeme oder Geldautomaten) sind das Gegenteil von zentralisierten Systemen. Sollten Daten am Edge gespeichert werden? Am Edge analysiert werden, damit die Systeme sofort reagieren können? Sollen alle interessanten Ereignisse zentral gespeichert werden? |
Nutzung | Wer kann die Daten nutzen und wie? Berücksichtigen Sie Datenspezialisten, Data Scientists, Business Analysts sowie auf maschinellem Lernen basierende Anwendungen, autorisierte Dritte usw. |
Zentralisierung | Sind die Daten in einem Data Lake oder Data Warehouse zentralisiert, vor Ort oder in der Cloud? Oder werden die Quellen dort abgefragt, wo sie sich befinden? |
Kontextbezogene Relevanz | Der Wert und die Relevanz von Daten wird oft dadurch bestimmt, wie sie verwendet werden und wer sie innerhalb des Unternehmens nutzt. Zum Beispiel können Compliance, Vertrieb und Fertigung dieselben Daten zur Beantwortung völlig unterschiedlicher Fragen verwenden. |
Grund 2: Viele Herausforderungen aber großer Nutzen bei deren Bewältigung
Unternehmen stehen vor vielen Herausforderungen, wenn sie ihre Geschäfte digitaler gestalten und die Möglichkeiten hybrider Daten nutzen wollen. Eine Herausforderung sind zum Beispiel die unterschiedlichen Fähigkeiten der verschiedenen Nutzer und Beteiligten. Man denke nur an das Fachwissen und die Computerkenntnisse eines Data Scientists, eines Business Analysts und eines Vertriebsangestellten. Unabhängig von ihrem Kenntnisstand müssen die Beteiligten in der Regel wissen, welche Daten vorhanden sind, wo sie sich befinden, wie man auf sie zugreift und sogar, wie man mehrere Datenquellen zusammenführt. Sie müssen in der Lage sein, sich vorzustellen, was Daten ihnen sagen können und wie diese Daten Geschäftsentscheidungen beeinflussen können.
Eine weitere Herausforderung ist die Datenanalyse, sowohl wo als auch wie sie durchgeführt werden soll. Einige Daten müssen in der Nähe ihrer ursprünglichen Quelle, also vor Ort, analysiert werden. Andere Daten werden in zentralen Datenspeichern vor Ort und zunehmend in der Cloud analysiert. Einige Daten müssen in einem kleinen, stromsparenden Gerät analysiert werden, während andere Daten in einem Petabyte-großen Data Lake aufgebaut und mit den neuesten In-Memory-Rechenressourcen analysiert werden können. Es ist von entscheidender Bedeutung, das richtige Tool für die Beantwortung der richtigen Frage zu verwenden, wenn es um das Suchen, Abfragen, Zusammenführen, Analysieren, Alarmieren und Vorhersagen von Erkenntnissen aus verschiedenen Datenquellen geht.
Sobald die Beteiligten wissen, welche Daten zur Verfügung stehen und welches Potenzial sie haben, werden viele User gleichzeitig auf die Daten zugreifen und sie analysieren wollen: Kann das System diese Herausforderung bewältigen?
Weitere Herausforderungen sind die Sicherung und die Sicherheit der Daten, die Vertraulichkeit der Daten und die Einhaltung gesetzlicher Vorschriften.
All diese Herausforderungen werden mit der Zeit immer größer werden. Wenn Unternehmen diese Herausforderungen allerdings überwinden, können sie dadurch Wettbewerbsvorteile erzielen.
Grund 3: Verwendung hybrider Daten ist geschäftskritisch
Mit der Zunahme des Datenvolumens ist auch die Zeit gestiegen, die bestehende Systeme für die Analyse dieser Daten benötigen. Viele Unternehmen werden mit diesem zunehmenden Datenvolumen und den Einschränkungen an die Systemleistung nur über stichprobenartige Analyse der Daten fertig. Dadurch basieren in Folge einige Entscheidungen allerdings nur auf einer Stichprobe von z.B. 10% der Daten. Stichproben sind zwar pragmatisch, können jedoch dazu führen, dass bahnbrechende Trends übersehen werden und die Ergebnisse ungenau sind. Die Auswirkungen infolgedessen können erheblich sein, wenn es um geschäftskritische Entscheidungen geht, die zum Beispiel die Finanzen oder das Gesundheitswesen betreffen.
Die gesamte Analyse der neuesten Daten, die aus relevanten Quellen aktualisiert werden, liefert zeitnahe und genaue Erkenntnisse. Mit hybriden Daten in der Hand können Sie eine echte 360-Grad-Sicht auf Ihre Kunden erhalten. Sie erfahren beispielsweise mehr über das tatsächliche Kundenverhalten, indem Sie die wichtigsten Informationen über Käufe, Social Media Stimmungen, Website-Klickdaten, Kundensupportdaten und vieles mehr aggregieren und analysieren.
Die Nutzung hybrider Daten befähigt Sie und führt Sie von Daten als Schmerzpunkt zu Daten als Kapital zur Förderung von Wachstum, Innovation und Umsatz.
Grund 4: Hybride Daten sind strategisch wertvoll
Ein hybrider Datenansatz stellt Daten in den Mittelpunkt der Strategie, des Betriebs und der Ausführung eines erfolgreichen Unternehmens. Dies steht in krassem Gegensatz zu traditionellen anwendungszentrierten Unternehmen, in denen Daten oft nur eine untergeordnete Rolle im Vergleich zur Aufgabe einer Anwendung spielen, z. B. bei der Planung der Lieferkette. Unternehmenssoftware spielt zwar eine wichtige Rolle, aber Aufzeichnungs- und Interaktionssysteme sind von vornherein enger auf Aufgaben und Benutzer ausgerichtet. Daten hingegen sind eine Währung, die auf unzählige Arten über das gesamte Ökosystem eines Unternehmens hinweg kombiniert, analysiert und genutzt werden kann. Dieses Ökosystem beinhaltet sowohl Mitarbeiter, Anwendungen, Partnern und auch Kunden.
Vorausschauende Organisationen gehen von einem anwendungszentrierten Ansatz, bei dem die erstellten Daten oft zweitrangig gegenüber der Anwendung des Aufzeichnungssystems sind, zu einem datenzentrierten Ansatz über, bei dem das Hauptziel darin besteht, verwertbare Erkenntnisse aus verschiedenen Datenquellen zu gewinnen, um eine breite Palette von Kunden und Interessengruppen zu verstehen und zu bedienen. Die Fähigkeit, dieses Ziel zu erreichen, wird über die Fähigkeit einer Organisation entscheiden, auf dem Markt zu konkurrieren und zu gewinnen.
Initiativen wie maschinelles Lernen und künstliche Intelligenz sind datenhungrig und haben das Potenzial, Einblicke und detaillierte Vorhersagen zu ermöglichen, die mit der traditionellen Dashboard-Analyse mit "Rückblick" nicht möglich sind.
Fazit
Die heutige Datenlandschaft ist komplex. Ihre Daten sind, ob Sie es wissen oder nicht, hybride Daten. Die vielen verschiedenen Dimensionen der hybriden Daten spiegeln deren Komplexität wider und zeigen die Herausforderungen auf, denen Sie sich mit Ihren Daten stellen müssen.
Es ist von entscheidender Bedeutung zu verstehen, dass Daten der Schlüssel zu einem zukunftsorientierten Unternehmen mit einem echten Wettbewerbsvorteil sind. Vor allem, weil Anwendungen zunehmend von jeder Organisation genutzt werden können und für alle zugänglich sind, wodurch die Wettbewerbsbedingungen ausgeglichen werden. Nur hybride Daten und die Fähigkeit, sie in all ihren Formen zu nutzen, können wirklich einen nachhaltigen Vorteil bringen.