Strategien für Big Data in KMUs
Aktuell leisten sich immer mehr kleine und mittlere Unternehmen den Einstieg in Big Data. Geschäftsprozesse werden aufgrund der neuen Definition und Wertschätzung von Daten verändert. Daten sind die wichtigsten Ressourcen eines Unternehmens, welche nicht nur die gewohnten Geschäftsmodelle verändern, sondern auch kleine Unternehmen zu signifikanten Erfolgen verhelfen. Nach einer Studie von Forrester konnten 56% der Unternehmen daraus deutliche Geschäftsvorteile erzielen. Bei 74% hat sich die Implementierung von Big Data positiv auf den ROI ausgewirkt. Doch die meisten haben noch viel ungenutztes Potential. 49% der Unternehmen sammeln erste Erfahrungen. Klassische Unternehmer betrachten Datennutzung als riskantes Unterfangen, was vor allem auf das fehlende Knowhow zurückzuführen ist. Die folgenden 6 Strategien sind die Grundlage für effiziente Big Data-Analysen und erfolgreiche Geschäftsmodelle.
Pilotprojekte mit Big Data
Big Data ist ein junges Konzept. Daher sollte man mit einem Pilotprojekt und einem überschaubaren Datenextrakt beginnen, das zu einem bestimmten Thema der Analyse unterzogen wird. Für diesen Schritt sind keine großen Investitionen nötig: lizenzkostenfreie Tools und die vorhandene Infrastruktur reichen. Eines dieser Tools ist die Open-Source-Plattform Apache Hadoop.
Die meisten Unternehmen verfügen bereits über große Datenmengen und können in Bezug auf die Herangehensweise in drei Gruppen unterteilt werden:
Die Macher sind sich gleichermaßen der Chancen und Risiken ihrer Projekte bewusst. Sie konzentrieren sich auf Proof-of-Concept-Projekte, welche ihnen als Basis und Erfahrung für weitere Vorhaben dienen.
Die Architekten befassen sich mit einem aufwendigen Big-Data-Szenario und setzen ihre Technologie in den Vordergrund. Sie veröffentlichen Ergebnisse, aber keine Vorgänge, welche oft mit hohen Kosten in Verbindung stehen.
Die Bedenkenträger scheuen das Risiko und handeln planlos und opportunistisch.
Die Big-Data-Anwendungsfälle
Die Big-Data-Anwendungsfälle sind sehr unterschiedlich und reichen von einer Verbesserung der Services allgemein über eine Effizienzsteigerung bis hin zur Identifizierung neuer Geschäftsmodelle. Bei der Analyse der Schwächen kann man sich z.B. auf die Logistik konzentrieren. Fragen wie Kosten, Pünktlichkeit und Marketing sollten während der Analyse detailliert geklärt werden. Die Verbindung von Prozessen und Daten erzielen durch ihre Kombination neue Erfolge.
Fragen stellen und zusammenarbeiten
Verantwortliche von unterschiedlichen Geschäftsbereichen müssen eng zusammenarbeiten und jeder Mitarbeiter sollte in den Prozess einbezogen werden. Dabei können zwei Herangehensweisen verfolgt werden:
Das Top-Down-Vorgehen passt Modelle aus anderen Branchen oder von Konkurrenten auf das eigene Projekt an. Beim Bottom-Up-Vorgehen werden die eigenen Daten mit ihren Nutzungspotenzialen verwendet.
Die Big-Data-Verantwortlichen eines Unternehmens müssen sich daher mehrere Fragen zur Selbstkontrolle und Projektanalyse stellen. Allgemeine Fragen beziehen sich auf die Erweiterung der Daten um zusätzliche operative Details und Algorithmen oder auf vorgefertigte Lösungsbausteine und Templates sowie Adaptionsmöglichkeiten. Dabei sollten Fragen zur strategischen Kundenansprache und des Marketings gestellt werden, die sich beispielsweise auf die Erstellung von Nutzer-Profilen oder eine Kundendatenbank richten. In all diesen Bereichen ist ein Optimierungspotenzial vorhanden, welches sich vor allem auf die Customer Journey bezieht. Als Kern aller Prozesse muss diese immer miteinbezogen werden und dem Unternehmen eine serviceorientierte Sichtweise bieten.
Die Datenkultur
Die sogenannte Big Data Datenkultur sollte ein Teil der Unternehmensstrategie werden. Gerade bei traditionellen Unternehmen muss diese Kultur aufgebaut und erhalten werden, da diese weniger datenaffin sind und dabei die Nutzungsvorteile übersehen.
Kompetenz als oberste Priorität
In Zeiten des Fachkräftemangels sind kompetente Mitarbeiter für ein solch anspruchsvolles Thema schwer zu finden. Die sogenannten "Data Scientists" sollten sich nicht nur mit Datenhandling auskennen, sondern auch mit den Geschäftsprozessen des Unternehmens. Die Aufgabe des Big-Data-Teams ist es die Geschäftslogik und Daten in Einklang zu bringen.
Erfolg muss rechtzeitig identifiziert werden
Jede Anwendung von Big-Data muss umsetzbar sein und sich für das Unternehmen rentieren. Ermöglicht wird das durch das fokussierte Angehen von Problemdefinition, Umsetzbarkeit, Datenmengen, Datenqualität, Preis-Leistungsverhältnis und Stabilität des Umfelds.
