Big Data? Smart Data!

Im Datenzeitalter gewinnen diejenigen Unternehmen, die es schaffen, Daten intelligent aufzubereiten. Nicole Schnetzer zeigt in ihrem Gastbeitrag, wie Reduktion und Bereinigung von Daten sowie präzise Fragen zu unternehmerischen Erfolg beitragen können.

artificial-4082314_1280

Geschäftsprozesse für Unternehmen haben sich aufgrund von Globalisierung und Digitalisierung fundamental verändert. Die Eintrittsbarrieren für neue Marktteilnehmer sind gesunken. Digitale Plattformen, die als Netzwerk vielen Millionen Menschen Nutzen stiften, verdrängen analoge Anbieter vom Markt oder disruptieren ganze Branchen. Heute müssen sich Unternehmen, um im Wettbewerb überstehen zu können, agil anpassen und weiterentwickeln. Daten sind der Rohstoff, um die Agilität und die organisationalen Lernzyklen von Unternehmen voranzutreiben.

Man stelle sich die Erde als ein riesiges Schneefeld vor: Kinder, Männer und Frauen hinterlassen mit ihren Winterstiefeln Profilabdrücke. Tierspuren finden sich ein. Ein viel- und weitverzweigtes Spurennetz ergibt sich in kürzester Zeit. Irgendwann ist aus der glatten, weissen Fläche ein dicht verwobenes Spurenwirrwarr geworden. Es ist nicht mehr erkennbar, welche Spur wohin führt, und welches Kind zu welchen Eltern gehört. 

Um in diesem scheinbaren Chaos Spuren zu identifizieren und Beziehungen zuordnen zu können, muss mit präzisen Fragen die Spurenvielfalt eingegrenzt und viele der Abdrücke entfernt werden. Nur so erkennt man allfällige Muster und findet Antworten auf Fragen. Der Supercomputer in Per Anhalter durch die Galaxis brauchte einige Millionen Jahre, um die Antwort «42» auf die Frage «nach dem Leben, dem Universum und dem ganzen Rest» zu geben. Mit der Antwort «42» konnte niemand etwas anfangen. Die Frage wurde unkonkret gestellt. 

undefined

Vom Data Warehouse ins Data Swamp verbannt

Viele Unternehmen betreiben das exakte Gegenteil. Sie sammeln wahllos Daten und befüllen Data Warehouses und Data Lakes. Ein Grossteil der Daten wird in Echtzeit erzeugt. Sie stammen von Sensoren, Geräten, Video/Audio, Netzwerken, Logdateien, transaktionalen Anwendungen, Web und den sozialen Medien. Viele der Daten landen in einem Data Swamp (Datensumpf). Das sind jene Daten, die für eine sinnvolle Businessanalyse unter vertretbarem Ressourcenaufwand nicht mehr verwertbar sind.

Das Spurenwirrwarr ist nicht nur zu gross geworden, es ist auch veraltet. Daten besitzen vor allem dann einen Wert, wenn sie in Echtzeit verarbeitet werden. Veraltete Daten nützen den Unternehmen in einer Zeit, in der hochdynamisch Entwicklungen vorangetrieben werden, herzlich wenig. Ihre Ressourcen sind besser eingesetzt, wenn sie sich auf die Erfassung von relevanten Daten konzentrieren. 

Mit Blick auf das Schneefeld: Unternehmen sollten nur jene Spuren erfassen, die spezifisch auf die Unternehmensbedürfnisse passen und für ihre Branche von Bedeutung sind.

 

Was ist Big Data?

Übertragen auf die heutigen Terminologien sind die Unmengen der Daten, die gesammelt werden, Big Data. Sie zeichnen sich aus durch ein grosses Volumen, eine grosse Vielfalt (unstrukturierte Daten), besitzen eine hohe Geschwindigkeit (Datenverarbeitungsfrequenz), und einen hohen Wahrheitsgehalt (Vertrauenswürdigkeit/Repräsentationskraft der Daten). 

Daraus ergibt sich ein bestimmter Wert der Daten: Nicht alle gesammelten Daten sind wertvoll. Gute Datenqualität, Richtigkeit und Vollständigkeit der Daten – das alles sind wichtige Faktoren für nachfolgende, korrekte Analysen. Big Data alleine bringt noch keinen Erkenntnisgewinn. Um aus den Daten sinnvolle Erkenntnisse abzuleiten, braucht es Smart Data.

5v-smart-data-infgr-de

Reduktion und Strukturierung von Daten

Ein erster Schritt, um Big Data nutzbar zu machen, ist die Reduktion des Volumens. Nur nützliche Informationen zur Problemlösung werden behalten. Gegebenenfalls muss auch die Datenvielfalt mit einem Screening-Verfahren eingeschränkt werden. Der Wert und Wahrheitsgehalt der Daten nehmen mit dieser ersten Bereinigung zu (siehe Infografik). 

Die vorliegenden unstrukturierten Daten werden nun strukturiert und weiter bereinigt. Dabei kommen beispielsweise Verfahren wie die Text- und Spracherkennung (Natural Language Processing) zum Einsatz. Jetzt stehen die Daten dem Unternehmen als Smart Data zur Verfügung. Eine nachgelagerte Analyseplattform verwertet die Daten zu Wissen, das unmittelbar verstanden wird. Unternehmensentscheider sind in der Lage, daraus Insights (Erkenntnisse) abzuleiten, um Potenziale zu erschliessen. 

 

Ein Beispiel dazu:

Customer Experience Analytics (Customer Insights): Big Data ensteht in diesem Fall bei allen Transaktionen und Kontaktpunkten der Kunden mit dem Unternehmen. Smart Data sind jene Daten, die es erlauben zu analysieren, welche Kunden in welcher Phase des Kundenlebenszyklus sind oder wie zufrieden sie sind. Erkenntnisse daraus befähigen das Unternehmen, Potenziale zu erschliessen. 

 

Herausforderungen sichten, Smart Data nutzen 

Um von den gesammelten Daten zu profitieren, sind Unternehmen dazu angehalten, Fragen in Bezug auf heutige und zukünftige Herausforderungen zu formulieren. Entlang dieser sollen Daten gesammelt, geordnet und den Entscheidern als Smart Data zur Verfügung stehen. Der Zeitdruck, Kunden nutzenstiftende Lösungen anzubieten und proaktiv im Markt zu agieren, nimmt weiter zu. Um das zu schaffen, müssen kontinuierlich und automatisiert Erkenntnisse aus Daten in die alltäglichen Geschäfts- und Führungsprozesse integriert werden. Nur so sind Unternehmen in der Lage, diese zu optimieren oder neue Entwicklungen einzuleiten.

 

Ein Beispiel dazu:

Employee Experience Analytics (Employee Insights): Es werden aus Mitarbeiter-Kontaktpunkten nur jene Daten (Smart Data) erhoben, die hohe Relevanz aufweisen in Bezug auf Mitarbeiterzufriedenheit, Mitarbeiterengagement und Motivation. Mit den entsprechenden Analysen ist ein Unternehmen in der Lage, proaktiv auf Trends zu agieren. 

 

Nutzen von Smart Data

  • Reduzieren von Unsicherheiten bei der Entscheidungsfindung
  • Datenbasiertes Führen und Entscheiden erhöht Akzeptanz bei Entscheidungen (volle Transparenz)
  • Vorausschauende (predictive) Szenarien helfen zu erkennen, was als nächstes kommt 
  • Reduzierte Kosten aufgrund erhöhter Effizienz bei der Verarbeitung und Analyse von Daten 
  • Beschleunigen der organisationalen Lernzyklen aufgrund schnellerer Entscheidungen 
undefined

* Nicole Schnetzer ist Head of Marketing bei Echonovum.

Weitere Artikel zum Thema