Die Datenflüsse schwellen mehr und mehr an. Werden unüberschaubarer. Unbeherrschbarer. Dieses stark gestiegene Datenvolumen, das aus immer mehr Quellen stammt und in den unterschiedlichsten Formaten auftritt, wird aktuell unter dem Begriff "Big Data" zusammengefasst. Gleichzeitig wachsen die Erwartungshaltungen an die Analyse dieser Datenmengen, um handlungsfähig zu bleiben und die Herausforderungen an die Software für die Analyse.
Thomas Veit, Geschäftsführer von b-imtec und langjähriger Spezialist für Informationsmanagement weiß um die Bedeutung von gut strukturierten Data Warehouses für multidimensionale Datensichten, die es heute schaffen müssen, aus dieser Masse polystrukturierter Daten die für den Anwender jeweils relevanten herauszufiltern. "Neu ist das Thema Big Data an sich nicht", sagt er. Bereits vor 15 Jahren musste eine leistungsfähige Business-Intelligence-Lösung z. B. in der Chip-Produktion Milliarden von Datensätzen verarbeiten und auswerten können.
Datenqualität ist das A und O
Bei der Vielzahl der Daten in den unterschiedlichsten Formaten liefernden Datenquellen ist es für den Anwender heute wichtiger denn je, genau zu definieren, welche Daten er wirklich benötigt und womit er sie in Zusammenhang stellt, damit die erhaltene Auswertung eine sinnvolle Aussage ergeben und als Grundlage für Entscheidungen dienen kann. "Die Anforderungen eines Fachbereichs bestimmen, wie die Informationen bereitgestellt werden müssen", so Veit: "Die Technik heute liefert nahezu alle Möglichkeiten und die Grundlagen werden durch immer leistungsfähigere Hard- und Software gelegt, aber der Abgleich von Anforderungen und Maßnahmen ist entscheidend."
Ein viel geforderter Aspekt ist die Datenaufbereitung in Echtzeit. Auch die Umsetzung dieser Anforderung ist wesentlich abhängig vom tatsächlichen Bedarf des Anwenders. "Entscheidend ist die Latenzzeit", erklärt Veit. Für den Bereich Business Intelligence (BI) ist Latenzzeit die Zeitspanne, die zwischen dem Moment, in dem eine Information entsteht und dem Moment, in dem man sie nutzen möchte, vergeht. In der Finanzbuchhaltung beispielsweise macht Realtime wenig Sinn, wenn es eine festgelegte Periode gibt, die zu einem bestimmten Zeitpunkt abgeschlossen wird und die Daten benötigt, die konkret vergleichbar sein müssen - Latenzzeiten bis zu mehreren Tagen sind hier völlig unkritisch. In der Produktion wiederum ist es sehr wichtig, Realtime- bzw. Neartime-Daten zur Verfügung zu haben und die Latenzzeiten bewegen sich im Bereich von wenigen Minuten.
Vor allem mittelständische Unternehmen müssen auf Veränderungen des Marktes reagieren und Strukturen und Produkte an wechselnde Kundenanforderungen anpassen. Die Frage, die bleibt: Wo macht es Sinn, vielleicht auch einmal nicht zu handeln? Die IT trägt große Verantwortung, sagt Veit. Und während man die ständig fortschreitende technische Entwicklung beobachtet und berücksichtigt, ist es wichtig, die Sinnhaftigkeit von Maßnahmen auch einmal zu hinterfragen, wenn es um die Einführung neuer Systeme geht. Ein schrittweiser, sich den verändernden Rahmenbedingungen anpassender Rollout priorisiert durch den Fachbereich bietet die Möglichkeit dazu; speziell der Einsatz agiler Methoden verstärkt den Fokus und reduziert gleichzeitig Aufwände.
Thomas Veit, Geschäftsführer von b-imtec und langjähriger Spezialist für Informationsmanagement weiß um die Bedeutung von gut strukturierten Data Warehouses für multidimensionale Datensichten, die es heute schaffen müssen, aus dieser Masse polystrukturierter Daten die für den Anwender jeweils relevanten herauszufiltern. "Neu ist das Thema Big Data an sich nicht", sagt er. Bereits vor 15 Jahren musste eine leistungsfähige Business-Intelligence-Lösung z. B. in der Chip-Produktion Milliarden von Datensätzen verarbeiten und auswerten können.
Datenqualität ist das A und O
Bei der Vielzahl der Daten in den unterschiedlichsten Formaten liefernden Datenquellen ist es für den Anwender heute wichtiger denn je, genau zu definieren, welche Daten er wirklich benötigt und womit er sie in Zusammenhang stellt, damit die erhaltene Auswertung eine sinnvolle Aussage ergeben und als Grundlage für Entscheidungen dienen kann. "Die Anforderungen eines Fachbereichs bestimmen, wie die Informationen bereitgestellt werden müssen", so Veit: "Die Technik heute liefert nahezu alle Möglichkeiten und die Grundlagen werden durch immer leistungsfähigere Hard- und Software gelegt, aber der Abgleich von Anforderungen und Maßnahmen ist entscheidend."
Ein viel geforderter Aspekt ist die Datenaufbereitung in Echtzeit. Auch die Umsetzung dieser Anforderung ist wesentlich abhängig vom tatsächlichen Bedarf des Anwenders. "Entscheidend ist die Latenzzeit", erklärt Veit. Für den Bereich Business Intelligence (BI) ist Latenzzeit die Zeitspanne, die zwischen dem Moment, in dem eine Information entsteht und dem Moment, in dem man sie nutzen möchte, vergeht. In der Finanzbuchhaltung beispielsweise macht Realtime wenig Sinn, wenn es eine festgelegte Periode gibt, die zu einem bestimmten Zeitpunkt abgeschlossen wird und die Daten benötigt, die konkret vergleichbar sein müssen - Latenzzeiten bis zu mehreren Tagen sind hier völlig unkritisch. In der Produktion wiederum ist es sehr wichtig, Realtime- bzw. Neartime-Daten zur Verfügung zu haben und die Latenzzeiten bewegen sich im Bereich von wenigen Minuten.
Vor allem mittelständische Unternehmen müssen auf Veränderungen des Marktes reagieren und Strukturen und Produkte an wechselnde Kundenanforderungen anpassen. Die Frage, die bleibt: Wo macht es Sinn, vielleicht auch einmal nicht zu handeln? Die IT trägt große Verantwortung, sagt Veit. Und während man die ständig fortschreitende technische Entwicklung beobachtet und berücksichtigt, ist es wichtig, die Sinnhaftigkeit von Maßnahmen auch einmal zu hinterfragen, wenn es um die Einführung neuer Systeme geht. Ein schrittweiser, sich den verändernden Rahmenbedingungen anpassender Rollout priorisiert durch den Fachbereich bietet die Möglichkeit dazu; speziell der Einsatz agiler Methoden verstärkt den Fokus und reduziert gleichzeitig Aufwände.
