DE - Module 6 - The future of Smart Data

D: DRIVE
Wie arbeitet man datengesteuert?
Dieses Programm wurde mit Unterstützung
der Europäischen Kommission finanziert.
Modul 6: Die Zukunft der
großen und intelligenten
Daten

Intelligente Daten Intelligente Region | www.smartdata.how
Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor
ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt
keine Verantwortung für die Verwendung der darin enthaltenen Informationen.
Ziel dieses Moduls ist es, einen Blick darauf zu werfen,
was „Big Data“in Zukunft bringen kann.
Nach Abschluss dieses Moduls werden Sie:
- Wissen was die Vorhersagen für die Zukunft von Big
Data sind?
- Die wichtigsten Trends kennen
- Ein Überblickbesitzen, wie „Big Data“ ihr Unternehmen
unterstützen kann
- Einige Herausforderungen kennen die ein StartUp mit
„Big Data“ haben kann
Dauer des Moduls: ca. 1 - 2 Stunden
Modul 6: Die Zukunft
der großen und
intelligenten Daten

1
Trends2
Chancen3
Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor
ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt
keine Verantwortung für die Verwendung der darin enthaltenen Informationen.
4 Herausforderungen
Vorhersagen

Vorhersagen

Nachdem wir tief in 5 Module eingetaucht
sind, sind wir uns alle einig, dass “Big Data”
die Geschäftswelt im Sturm erobert hat, aber
was kommt als nächstes? Werden die Daten
weiter wachsen? Welche Technologien
werden sich um sie herum entwickeln? Wird
“Big Data” so schnell zum Relikt wie der
nächste Trend - die kognitive Technologie? Hier
sind einige Vorhersagen über „Big Data“ von
den führenden Experten auf diesem Gebiet.

MASCHINELLES LERNEN WIRD
DIE NÄCHSTE GROßE SACHE IN
“BIG DATA” SEIN
1
Einer der heißesten Technologietrends ist heute das maschinelle Lernen und
dieser wird auch in Zukunft eine große Rolle spielen. Er wird Unternehmen
dabei helfen, Daten aufzubereiten und prädiktive Analysen durchzuführen,
damit sie zukünftige Herausforderungen problemlos meistern können.

PRIVATSPHÄRE WIRD DIE GRÖßTE
HERAUSFORDERUNG SEIN.
2
Ob es sich nun um das Internet der Dinge oder um “Big Data” handelt, die
größte Herausforderung für neue Technologien ist die Sicherheit und der
Schutz der Daten. Das Datenvolumen, das wir gerade erstellen und das
Datenvolumen, das in Zukunft entstehen wird, wird die Privatsphäre noch
wichtiger machen, da die Einsätze viel höher sein werden. Datensicherheit und
Datenschutz werden die größte Hürde für die große Datenindustrie sein, und
wenn sie diese nicht effektiv bewältigt, werden wir eine lange Liste von
Technologietrends sehen, die sehr schnell zu einer Modeerscheinung wurden.

CHIEF DATA OFFICER: EINE NEUE
POSITION ENTSTEHT
3
Sie kennen vielleicht Chief Executive Officer (CEO), Chief Marketing Officer
(CMO) und Chief Information Officer (CIO), aber haben Sie schon einmal von
Chief Data Officer (CDO) gehört? Laut Forrester werden wir das Entstehen von
Chief Data Officer als neue Position sehen und die Unternehmen werden Chief
Data Officer ernennen. Obwohl die Ernennung eines Chief Data Officer
ausschließlich von der Art des Unternehmens und seinen Datenbedürfnissen
abhängt, wird die Einstellung eines Chief Data Officer zur Norm.

DATENWISSENSCHAFTLER
WERDEN SEHR GEFRAGT SEIN.
4
Mit steigendem Datenvolumen und wachsenden Datenmengen steigt die
Nachfrage nach Datenwissenschaftlern, Analysten und Datenmanagement-
Experten. Die Kluft zwischen der Nachfrage nach Datenprofis und der
Verfügbarkeit wird sich vergrößern. Dies wird Datenwissenschaftlern und
Analysten helfen, höhere Gehälter zu erzielen.

UNTERNEHMEN KAUFEN
ALGORITHMEN, STATT
SOFTWARE
5
Wir werden eine 360-Grad-Verschiebung des Geschäftsansatzes in Richtung
Software erleben. Immer mehr Unternehmen werden darauf achten, einen
Algorithmus zu kaufen, anstatt einen eigenen zu erstellen. Nach dem Kauf eines
Algorithmus können Unternehmen ihre eigenen Daten hinzufügen. Es bietet
Unternehmen mehr Anpassungsmöglichkeiten als beim Kauf von Software. Sie
können die Software nicht an Ihre Bedürfnisse anpassen. Tatsächlich ist es
umgekehrt. Ihr Unternehmen wird sich an die Software-Prozesse anpassen
müssen, aber all dies wird bald mit Algorithmen enden, die den Verkauf von
Dienstleistungen in den Mittelpunkt stellen.

DIE MENGE AN INVESTITIONEN
IN BIG DATA TECHNOLOGIEN
WERDEN IN DIE HÖHE
SCHIEßEN
Smart Data Smart Region | www.smartdata.how
6

MEHR ENTWICKLER WERDEN
SICH DER GROßEN
DATENREVOLUTION
ANSCHLIEßEN
7
Laut Statistik gibt es derzeit sechs Millionen Entwickler, die mit großen
Datenmengen arbeiten und erweiterte Analysemöglichkeiten nutzen. Das sind
mehr als 33% der Entwickler weltweit. Was noch erstaunlicher ist, ist, dass große
Daten gerade erst anfangen, so dass eine Reihe von Entwicklern in den
kommenden Jahren Anwendungen für große Daten entwickeln werden. Mit den
finanziellen Belohnungen in Form höherer Gehälter werden Entwickler es lieben,
Anwendungen zu entwickeln, die mit großen Datenmengen spielen können.

PRESCRIPTIVE ANALYTIK
WERDEN EIN WESENTLICHER
BESTANDTEIL VON BI-
SOFTWARE
8

BIG DATA WIRD IHNEN HELFEN
PRODUKTIVITÄTSREKORDE ZU
BRECHEN
9

WIRD „BIG DATA” VON “FAST
AND ACTIONABLE DATA”
ERSETZT WERDEN?
10

Die Zukunft jedes
Unternehmens wird
Big Data beinhalten
und voraussichtlich
wird jede Firma im
Datengeschäft tätig
sein.
Thomas H. Davenport

TRENDS

Wahrhaftig den Überblick über die Big Data
Trends zu behalten, ist wie zu versuchen, die
täglichen Veränderungen im Wind zu
beobachten - sobald man eine Richtung spürt,
ändert sie sich. Doch die folgenden Trends
prägen die Zukunft von Big Data.

Big Data und
Open Source
Open-Source-Anwendungen wie Apache Hadoop, Spark and andere dominieren im
Moment die “Big Data” Anwendungen ,und es sieht so aus als ob dies so weitergeht.
Eine Umfrage fand heraus dass fast 60 Prozent der Unternehmen erwarten dass bis
Ende dieses Jahres Hadoop-Gruppen in Produktion gehen. Laut Forrester, nimmt die
Nutzung von Hadoop um 32.9 % pro Jahr zu.
Experten sagen, dass viele Unternehmen ihren Einsatz von Hadoop- und NoSQL-
Technologien ausbauen und nach Möglichkeiten suchen werden, ihre „Big Data“-
Verarbeitung zu beschleunigen. Viele werden nach Technologien suchen, die es
ihnen ermöglichen, in Echtzeit auf Daten zuzugreifen und darauf zu reagieren.
Hadoop ist sehr bekanntes Beispiel
eines Open Source und Big Data
Projektes.

In-Memory
Technologie
Eine der Technologien die Unternehmen untersuchen um ihre Big Data
Verarbeitung zu beschleunigen ist die In-Memory-Technologie. In einer
traditionellen Datenbank werden die Daten in Speichersystemen gespeichert,
welche mit, Festplatten or Solid-State-Drives (SSDs). In-memory-Technologie
speichert die Daten hingegen in RAM, was sich als viel schneller herausstellte. Ein
Bericht von Forrester Research stellt eine Wachstumsprognose der In-Memory-
Datenstrukturen von 29,2% pro Jahr.
Mehrere verschiedene Verkäufer bieten In-Memory-Datenbank-Technologien an,
besonders SAP, IBM und Pivotal.

Maschinelles
Lernen
Im Zuge der Fortschritte bei der Datenanalyse haben einige Unternehmen
begonnen, in maschinelles Lernen (ML) zu investieren. Maschinelles Lernen ist ein
Zweig der künstlichen Intelligenz, der sich darauf konzentriert, dass Computer neue
Dinge lernen können, ohne explizit programmiert zu werden. Mit anderen Worten,
es analysiert bestehende große Datenbestände, um Schlussfolgerungen zu ziehen,
die das Verhalten der Anwendung verändern.
Laut Gartner gehört maschinelles Lernen zu den Top 10 der strategischen
Technologietrends. Er stellte fest, dass die heute fortschrittlichsten Systeme des
maschinellen Lernens und der künstlichen Intelligenz "über die traditionellen
regelbasierten Algorithmen hinausgehen, um Systeme zu schaffen, die verstehen,
lernen, vorhersagen, anpassen und möglicherweise autonom arbeiten".
Prozess des machinellen Lernens

Predictive
Analytics
Predictive Analytics ist eng mit dem maschinellen Lernen verbunden; tatsächlich
stellen ML-Systeme oft die Motoren für Predictive Analytics Software zur
Verfügung. In den ersten Tagen der „Big Data“ – Analyse blickten Unternehmen auf
ihre Daten zurück, um zu sehen, was geschah, und dann begannen sie später, mit
ihren Analysetools zu untersuchen, warum diese Dinge geschahen. Predictive
Analytics geht noch einen Schritt weiter und nutzt die „Big Data“ -Analyse, um
vorherzusagen, was in Zukunft passieren wird.
Die Zahl der Unternehmen, die heute Predictive Analytics einsetzen, ist laut einer
Umfrage von PwC aus dem Jahr 2016 überraschend gering - nur 29 Prozent. In
letzter Zeit haben jedoch zahlreiche Anbieter Predictive Analytics-Tools
herausgebracht, so dass die Zahl in den kommenden Jahren sprunghaft ansteigen
könnte, wenn sich die Unternehmen dieses leistungsstarken Tools stärker bewusst
werden.
The process of
Predictive
Analytics

„Big Data“
Intelligente
Anwendungen
Eine weitere Möglichkeit, wie Unternehmen maschinelles Lernen und KI-
Technologien nutzen, ist die Entwicklung intelligenter Anwendungen. Diese
Anwendungen enthalten oft „Big Data“-analysen, die das bisherige Verhalten der
Benutzer analysieren, um Personalisierung und besseren Service zu bieten. Ein
Beispiel, das sehr bekannt geworden ist, sind die Empfehlungsmaschinen, die
heute viele E-Commerce- und Unterhaltungsanwendungen anbieten.
In der Liste der Top 10 der strategischen Technologietrends führt Gartner
intelligente Apps an zweiter Stelle auf. "In den nächsten 10 Jahren werden
praktisch alle Apps, Anwendungen und Services ein gewisses Maß an KI enthalten",
sagte David Cearley, Vice President und Gartner Fellow. "Dies wird einen
langfristigen Trend geben, der die Anwendung von KI und maschinellem Lernen für
Anwendungen und Dienste kontinuierlich weiterentwickeln und erweitern wird.

Intelligente
Sicherheit
Viele Unternehmen integrieren auch „Big Data“-Analysen in ihre
Sicherheitsstrategie. Die Sicherheitsprotokolldaten von Organisationen stellen eine
Fundgrube an Informationen über frühere Cyberangriffsversuche dar, die
Unternehmen nutzen können, um zukünftige Versuche vorherzusagen, zu
verhindern und zu entschärfen. Infolgedessen integrieren einige Unternehmen ihre
Security Information and Event Management (SIEM)-Software mit großen
Datenplattformen wie Hadoop. Andere wenden sich an Sicherheitsanbieter, deren
Produkte über „Big Data“-Analysefunktionen verfügen.

Internet of
Things (IoT)
Das Internet of Things dürfte einen erheblichen Einfluss auf Big Data haben. Laut
eines Berichts vo IDC haben “31,4% der befragten Organisationen IoT-Lösungen auf
den Markt gebracht, weitere 43% sollen in den nächsten 12 Monaten eingesetzt
werden.”
Mit all diesen neuen Geräten und Anwendungen die viral gehen, werden
Organisationen noch schnelleres Datenwachstum als je zuvor erleben. Einige werden
neue Technologien und Systeme brauchen, um die Flut von “Big Data”-Daten wegen
der IoT-Entwicklungen bewältigen und sinnvoll gestalten zu können.
Das Wachstum
von the Internet
of Things
Complete Exercise 1 of Learners workbook
#6 to see how well do you really know IoT

Edge
Computing
Eine neue Technologie, die Unternehmen mit ihrer IoT Big Data helfen könnte, ist
edge Computing. Beim edge Computing, passieren die Big Data Analysen sehr nahe
an “IoT”-Geräten und Sensoren anstelle in Datenzentren oder in der Cloud. Für
Unternehmen bietet das einen erhebliche Vorteil. Weniger Daten fließen dadurch
durch ihre Netzwerke, was die Leistungsfähigkeit steigert und die cloud computing
Kosten senken kann. Es ermöglicht den Unternehmen IoT Daten, welche nur für
eine begrenzte Zeit nützlich sind, zu löschen, und Lager- und Infrastrukturkosten zu
reduzieren. Edge computing kann außerdem auch den Analyseprozess
beschleunigen, in dem es den Entscheidungsträgern schnellere Einblicke als zuvor
ermöglicht.
Edge computing ist eine
neue
Netzwerkfunktionalität,
welche Ihnen Rechen-und
Speicherressourcen direkt
bei ihnen anbietet

Hohe Gehälter
Der Anstieg der Big-Data-Analyk bedeutet eine große Nachfrage an IT-Mitarbeitern
mit Big-Data-Wissen und damit auch hohe Löhne. Laut IDC, werden alleine in den
U.S. 2018 181.000 Deep Analytic Roles und fünfmal so viele Kräfte mit
entsprechenden Fähigkeiten im Datenmanagement und in deren Auswertung
gesucht.
Augrund dieser Knappheit, sagt das Robert Half Unternehmen voraus, dass das
durchschnittliche Gehalt eines Datenwissenschaftlers 2017 um 6,5% steigen und
zwischen $116.000 und $163.000 betragen wird. Auch die Big Data Ingenieure
warden eine Gehaltserhöhung von 5,8% bekommen, mit Löhnen von f$135,000 bis
zu $196,000 für das nächste Jahr.

Self-Service
Da die Kosten für die Einstellung großer Experten steigen, sind viele Unternehmen
wahrscheinlich auf der Suche nach Tools, die es regulären Geschäftsleuten
ermöglichen, ihre eigenen großen Datenanalysebedürfnisse zu erfüllen. IDC hat
vorhergesagt, dass "Visual Data Discovery Tools 2,5 mal schneller wachsen werden
als der Rest des Business Intelligence (BI)-Marktes. Bis 2018 wird die Investition in
diesen Enabler für Endbenutzer-Selbstbedienung zu einer Anforderung für alle
Unternehmen werden. "
Mehrere Anbieter haben bereits große Datenanalysetools mit "Self-Service"-
Funktionen auf den Markt gebracht, und Experten erwarten, dass sich dieser Trend
bis ins Jahr 2017 und darüber hinaus fortsetzt. Die IT-Abteilung wird wahrscheinlich
weniger in den Prozess involviert sein, da „Big Data“-analysen immer mehr in die
Art und Weise integriert werden, wie Menschen in allen Bereichen des
Unternehmens ihre Arbeit tun.

CHANCEN

WARUM STELLT BIG
DATA EINE GROßE
CHANCE DAR?

10%
Kann zu hohen Renditen führen
Für die Fortune 1000 Unternehmen bedeutet eine 10%ige
Steigerung der Benutzerfreundlichkeit und Zugänglichkeit der
Daten eine signifikante Steigerung der Produktivität und des
Umsatzes.

Was bedeuet das für die Einzelnen Industrien?
EINZELHANDEL
49%
BERATUNG
39%
LUFTTRANSPORT
21%
BAUWESEN
20%
LEBENSMITTELINDUSTRIE
20%
STAHLINDUSTRIE
20%
AUTOMOBILINDUSTRIE
19%
INDUSTRIEGERÄTE
18%
VERLAGSWESEN
18%
TELEKOMMUNIKATION
18%
EINZELHANDEL
$1.2 bn
BERATUNG
$5.0 bn
LUFTTRANSPORT
$3.4 bn
BAUWESEN
$2.0 bn
LEBENSMITTELINDUSTRIE
$3.4 bn
STAHLINDUSTRIE
$4.3 bn
AUTOMOBILINDUSTRIE
$4.2 bn
INDUSTRIEGERÄTE
$0.8 bn
VERWALTUNGSWESEN
$0.4 bn
TELEKOMMUNIKATION
$9.6 bn
Produktivitä
tssteigerung
Umsatzsteig
erung

WIE KÖNNEN
SIE DIESE
ZAHLEN
ERREICHEN?
To be effective you
must be able to discuss
the industry-specific
needs and pain points
of business leaders.
REGIERUNG
•Kosten senken, Effizienz steigern
•Verbesserung der Sicherheit, Transparenz,
öffentlichen Teilnahme und interner
Zusammenarbeit
•Analyse und Vorausberechnung von
Ereignissen für mehr Sicherheit und
Veringerungs von Betrug
TELEKOMMUNIKATION
•Verwalten Sie große Mengen an Kundendaten,
die von operativen Systemen gesteuert
werden.
•Liefern Sie Werte und Dienstleistungen, indem
Sie eine "einheitliche Sicht" auf den Kunden
und sein sich änderndes Verhalten haben.
•Optimierung der mobilen Daten- und
Netzwerkeffizienz
BANKWESEN
•Risikomanagement
•Managen des explosiven Wachstum des
Handelsvolumens bzw extremer Rückgang des
Handelsvolumens
•Steigerung der Kundenorientierung
•Reduzieren der Kosten des Datenmanagement
VERSICHERUNG
•Verbesserung der
Verarbeitungsgeschwindigkeit neuer
Anwendungen
•Reduzierung von Unstimmigkeiten ce
inconsistencies in the increased manual claims
processing
•Anpassen von Verkaufskampagnen durch
Verbesserung der Schadensegmentierung
EINZELHANDEL
• Verwaltung der Verbreitung von Text- und
numerischen Daten einschließlich Kundendaten
und Transaktionsinformationen
• Marketingausgaben optimieren, ROI steigern
• Optimierung von Bestand und Lieferkette
MEDIZIN
• Konsolidierung von Daten und Rechenzentrum
• Automatisieren von Patientenakten und
Lieferantenzahlungen
• Elektronische Gesundheitsakten einführen
• Innovate – Studien zum menschlichen Genom
FABRIKATION
• Lieferkette optimieren
• Synchronisation der Daten mit den Lieferanten
der Quellprodukte und den Einzelhändlern für
den Verkauf
• Zentrale Sicht auf Produkt- und Artikeldaten
für die Bestandskontrolle erstellen
• Produktionsausfallzeiten reduzieren
ENERGIE
• Prognose/Planabschaltungen
• Bessere Auslastung der Anlagen, weniger
Ausfälle
• Verbesserung der Integration von
Energiemanagementsystemen
Optimierung von Bestan

SPEZIALISIERUNG
SMÖGLICHKEITEN
Der Datenbank-
Marktplatz wird durch
die folgenden
Segmente definiert.
DATENSPEICHE
RUNG
•Dies ist in erster Linie
Hardware, und
obwohl Big Data
weniger teure
Hardware verwendet,
verwendet es eine
Menge davon. Es gibt
Möglichkeiten bei der
Entwicklung von
Supercomputing-
Plattformen.
SERVER FÜR
DATENBANKEN
•Dies sind die High-
End-Server und die
Lizenzgebühren mit
unterstützender
Beratung. Dies wird
sich wahrscheinlich
durch die
Auswirkungen der
Open-Source-
Lizenzierung ändern.
GESCHÄFTSINT
ELLIGENZ
• BI ist der Marktplatz
für klassisches Data
Warehousing. Auch in
diesem Segment wird
es viele
Veränderungen
geben. Die
traditionelleren
Lösungen werden
durch
Supercomputing-
Plattformen ersetzt.
Aber die Zahl könnte
sehr wohl steigen,
wenn frühere BI-
Lösungen zur
Backbone-
Technologie für viele
globale Unternehmen
werden.
ERWEITERTE
ANALYSE
•Dieses kleine
Marktsegment wird
wachsen und für
diejenigen, die diese
Möglichkeit suchen,
könnte es ein echter
Geldverdiener sein.
Die Unternehmen
werden auch bereit
sein, Ressourcen für
Beratung und
Schulung auszugeben.
DATENINTEGR
ATION
•Es gibt viele
gestrandete Daten,
die gerettet werden
müssen, dies sind
schwierige Aufgaben
mit vielen
Herausforderungen.
Es werden viele neue
Software-Tools und
viele kleine
Nischenunternehmen
in diesem Bereich
entstehen.
TEXTANALYTIK
•Ein weiteres kleines
Segment, das mit
einigen interessanten
Überraschungen
aufwarten kann. Es
gibt eine Handvoll
sehr spezialisierter
Unternehmen, aber
jeder von ihnen
könnte eine
bemerkenswerte
Lösung mit
universeller
Anziehungskraft
vorlegen.

HERAUSFORDERUNGEN

Während die meisten großen Datenteams ähnliche Ziele
haben, halten sie sich oft in verschiedenen Bereichen auf.
Diese Bereiche können von der Entscheidung, was genau
mit den Daten geschehen soll, bis hin zur Entscheidung,
wie mehr Menschen mehr Zugang zu den Daten erhalten
sollen, reichen. Wir haben einige der großen
Datenherausforderungen bereits im Modul 1
angesprochen, nun lassen Sie uns einen genaueren Blick
auf die Herausforderungen werfen, mit denen Sie sich
geschäftlich konfrontiert sehen, wenn Sie in große Daten
eintauchen.

HERAUSFORDERUNG 1:
Herausfinden Ihrer “Big Data”-
Anwendungsfälle
Warum es eine Herausforderung ist
Wenn es ein Problem gibt, das sich bei neuen „Big Data“-benutzern wiederholt, ist es wichtig,
die richtigen Anwendungsfälle zu bestimmen. Wenn Sie versuchen, den Wert Ihres Programms
zu beweisen (und irgendwann werden Sie es müssen), müssen Sie mit einigen soliden
Anwendungsfällen beginnen. Das Problem ist die Auswahl des richtigen Anwendungsfalles. Es
gibt Dutzende, Hunderte von Anwendungsfällen da draußen. Am besten ist es jedoch, wenn Sie
sich für eine Lösung entscheiden, bei der Sie nicht nur Daten analysieren können, um
aussagekräftige Trends zu finden, sondern auch mit den Geschäftsteams zusammenarbeiten,
um mit Ihren Daten Einfluss zu nehmen. Ihre Daten müssen ihren geschäftlichen Wert
beweisen.
Was können Sie tun?
Es gibt viele Online-Tools wie (z. B. Use Case Browser) mit hunderten von realen
Anwendungsfällen. Sie können durch die Ergebnisse filtern, um diejenigen zu finden, die für
Ihre Zwecke geeignet sind.
Bei all dieser Betonung, wie wichtig es ist, einen geschäftlichen Anwendungsfall auszuwählen,
könnte es sein, dass Sie sich für die Auswahl des perfekten Falles interessieren. Sie sollten sich
nicht zu sehr belasten, sondern nur ein paar kleinere Anwendungsfälle auswählen. Kleinere
Anwendungsfälle bedeuten, dass es auch schneller geht, Ergebnisse zu erzielen und Wirkung zu
zeigen. Dieses gibt Ihnen eine Moralerhöhung und einige schnelle Gewinne, um Beweggrund
zur Verfügung zu stellen, während Sie Ihre große Datenreise anfangen.

HERAUSFORDERUNG 2:
Verbessern Sie Ihre Agilität, um
schnell Antworten zu erhalten.
Unternehmen wollen schnell Antworten finden, um die Geschwindigkeit ihrer Geschäfte zu
erhöhen. Ihre Agilität entsteht durch die Bewältigung von fünf zentralen Herausforderungen mit
“Big Data”-analysen:
– Effektives Datenmanagement mit effizienter Verwaltung und Aufbewahrung der richtigen
Daten zur Optimierung von Speicherung und Datenfluss
– Umgang mit Datenkomplexität und Ungenauigkeit, mit einem effektiven Kurationsprozess,
um die Daten zu zähmen und nutzbar zu machen.
– Ermöglicht die Freiformerkennung mit einem Selbstbedienungs-Ansatz für die Erforschung
und Entdeckung von Daten.
– Daten kontrollieren, ohne die Innovation zu behindern, mit leicht moderierbarem Zugriff, der
private Daten sperrt.
– Erzielen von Ergebnissen für das Unternehmen, das kontinuierlich laufende Prozesse
benötigt, die Daten an das Unternehmen weiterleiten.
Der Aufbau eines Datensees bietet ein einziges Repository für die Daten Ihres Unternehmens,
ob strukturiert, unstrukturiert, intern oder extern. Auf diese Weise können Ihre Business-
Analysten und Datenwissenschaftler alle Daten Ihres Unternehmens analysieren.

HERAUSFORDERUNG 3:
Aufbau einer starken
Governance rund um Ihr “Big
Data”
Ein Teil der Agilität rund um Ihre Daten wird mit einer guten Governance einhergehen, die es
Ihnen ermöglicht, Daten gemeinsam zu nutzen und gleichzeitig den Zugriff zu kontrollieren. Im
besten Fall stellt Data Governance nicht nur einen Schutz für Ihre Daten dar. Es schafft auch
eine Umgebung, die Daten vertrauenswürdig, leicht auffindbar und für die richtigen Personen
hochverfügbar macht. Data Governance ist immer wichtig. Aber wegen des Workflows um
einen Datensee und der Datenmenge im Spiel ist Governance im Bereich der großen Daten
noch wichtiger.
Die Entwicklung einer erfolgreichen Data-Governance-Strategie erfordert viel Aufwand -
sorgfältige Planung, die richtigen Mitarbeiter und die richtigen Tools.

HERAUSFORDERUNG 4:
Fortschritte auf Ihrer “Big
Data”-reise
“Big Data” ist nicht nur ein Projekt. Es ist eine Reise und wir wollen, dass Sie erfolgreich ist. Aber
viele Unternehmen sind bei ihren “Big Data”-reisen ins Stocken geraten. Meistens geht es nicht um
Technologie, sondern darum, bei großen Datenmengen erfolgreich zu sein. Eine erfolgreiche “Big
Data”-reise erfordert jedoch ein Engagement für kulturelle Veränderungen,
Geschäftsmodellanpassungen, neue Prozesse und zusätzliche Fähigkeiten. Das ist der schwierige
Teil.
Es gibt viel, was in ein erfolgreiches ”Big Data”-projekt einfließt. Sie müssen die Komplexität Ihrer
Daten, die Komplexität Ihrer Analysen und das Aussehen Ihrer Datenreise berücksichtigen.
Entscheiden Sie, wo Sie sich gerade auf Ihrer Datenreise befinden. So klassifizieren wir sie:
– Ad-hoc - Die früheste Phase, in der Unternehmen mit ihren großen Datenbedürfnissen
experimentieren und diese kennen lernen.
– Opportunistisch - Die zweite Phase, in der eine Organisation beginnt, dem Unternehmen Wert
zu liefern, indem sie ihre Fähigkeiten und ihr Wissen aufbaut.
– Wiederholbar - Die Organisation wird damit beginnen, dem Unternehmen einen Mehrwert zu
liefern, indem sie ihre Fähigkeiten und ihr Wissen aufbaut.
– Verwaltet - Die “Big Data”-analyse wird zu einem Managed Service, der sich über das gesamte
Unternehmen ausbreitet.
– Optimiert - Die “Big Data”-analyse wird zu einer gut geölten Maschine, die ständig neue
Projekte und einen exponentiellen Wert liefert.

HERAUSFORDERUNG 5:
Was ist bei Big Data Analytics
Software zu beachten?
Ein Teil der effizienten “Big Data”-analyse ist die Auswahl der richtigen Plattform,
um Ihnen dabei zu helfen. Aber worauf sollten Sie achten? Und wollen Sie Ihre
Lösung bauen oder kaufen? Oder eine vorhandene Software mit dem verbinden,
was Sie im Haus haben?
Fangen Sie an zu recherchieren. Darauf gibt es leider keine kurze Antwort. Die
meiste Zeit werden Sie feststellen, dass ein hybrider Ansatz, bei dem Sie einiges
selbst bauen und einige kaufen, am besten funktioniert, um einen vollständigen
Überblick über das Geschäft zu erhalten.

www.smartdata.howwww.facebook.com/smartdatasr

DE - Module 6 - The future of Smart Data

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (7)

Similaire à DE - Module 6 - The future of Smart Data

Similaire à DE - Module 6 - The future of Smart Data (20)

Plus de caniceconsulting

Plus de caniceconsulting (20)

Dernier

Dernier (6)

DE - Module 6 - The future of Smart Data