exp15 - big data

Big DataOder doch Big Brother?

Big DataOder doch Big Brother?

• Vertrauen ist die neue Währung• Leitlinien für den Umgang mit Big Data• Dynamik der Anbieterlandschaft

4Experton Group AG Expertonale 2015

Holm LandrockLead Advisor Big DataExperton Group [email protected]

Prof. Dr. Andreas GadatschSenior Advisor

Experton Group [email protected]


Big Data: State-of-the-Art

Der Anwender sucht zunehmend komplexere Lösungen: Prognosegenauigkeit/-raster, Wartungsvorhersage, ...

Der Anwender will Löcher! Keine Schaufeln! Keine Anleitungen zum Schnitzen eines Bausatzes für eine Schaufel!

Der Anwender reagiert zunehmend ernüchtert auf Big-Data-„Lösungen“ wie Hadoop oder auch konkrete Anbieter

Die Zeit reif für Szenarien! Losgelöst vom einzelnen Kunden!(Big Data, andere Bereiche anders)

Das Image von „Big Data“ als Big Brother stellt ein großes Problem dar!


Digitale Transformation und Big Data


Erkenntnisse aus dem Big Data Vendor Benchmark

Big Data 2015..2025

Nutzen-stiftung

Sichtbar-keit des

Angebots

Methoden

Standar-disierte

Produkte

Ausbil-dungs-

angebot


Big Data ist nicht das Öl des 21. Jh., sondern eine fast schon von allein nachwachsende Ressource

Vertrauen ist die neue Währung Vertrauen ist ein Baustein für neue

Geschäftsmodelle Standards für Vertrauen müssen

geschaffen werden Literatur-Tipp: Bitkom „Leitlinien für den

Big-Data-Einsatz – Chancen und Verantwortung“

Vertrauen ist die neue Währung

html//www.bitkom.org/Bitkom/Publikationen/Leitlinien-fuer-den-Big-Data-Einsatz.html


„Next best business“ statt „Next best offer“

Big Data Ethik ist der Baustein für Vertrauen und die Basis für Erfolg

Vertrauen wird zum Katalysator für die Umwandlung von Daten in Informationen

Datengetriebene Geschäftsmodelle


Empfehlungen

Nutzen der Big-Data-Anwendung prüfen

Anwendungen transparent gestalten

Bevorzugt anonymisierte oder pseudonymisierte Daten verarbeiten [Anm: auch synthetisierte und völlig anonyme Daten nehmen]

Nutzen für Betroffene schaffen

Governance für personenbezogene Daten etablieren

Keine Datenverarbeitung zu ethisch-moralisch unlauteren Zwecken

Selbstbestimmtes Handeln ermöglichen


Vorgehensmodelle zur Einführung von Big Data

Einführung von Big Data• Klassische Geschäftsmodelle werden durch Big Data lediglich „optimiert“. • Der Zukunft gehören datengetriebene Geschäftsmodelle, bei denen ein

zusätzlicher Mehrwert durch die Analyse und Nutzung von Daten in neuen Geschäftsmodellen erzielt wird (Fahrzeugdaten beim Carsharing, Gesundheitsdaten, Energienutzung u.v.m.)

Praxis• Einige Anbieter haben diesen Trend erkannt• Hierzu prägen sie neue Geschäftseinheiten aus• Diese bieten komplette Services und Plattformen für neue Geschäftsmodelle an

(„Big Data as a Service“) Theorie

• Zur Projektdurchführung sind spezifische Vorgehensmodelle erforderlich• Deren Entwicklung steht allerdings noch am Anfang


Aktuelle Situation in der Praxis

Aktuelles Statement der Fachpresse: Viele Anwender-Unternehmen haben noch keine konkreten Vorstellungen, wie Big Data eingesetzt werden kann und wie die Einführung zu realisieren ist

Quelle: Lixenfeld, C. (CIO-Magazin): Ideen fürs Business fehlen Sinnloser Big-Data-Aktionismus, CIO-Magazin,http://www.cio.de/a/sinnloser-big-data-aktionismus,3245804?tap=1d3ab1058233ec6b59f18b263745438f&r=564614537252300&lid=445720&pm_ln=14, 31.08.2015, Abruf 02.09.2015

Mögliche Gründe

• fehlende Strategie• Unkenntnis über fachliche /

technische Möglichkeiten• fehlende Erfahrungen• fehlende Big Data spezifische

Vorgehensmodelle!• …

http://www.cio.de/a/sinnloser-big-data-aktionismus,3245804?tap=1d3ab1058233ec6b59f18b263745438f&r=564614537252300&lid=445720&pm_ln=14

http://www.cio.de/a/sinnloser-big-data-aktionismus,3245804?tap=1d3ab1058233ec6b59f18b263745438f&r=564614537252300&lid=445720&pm_ln=14


Aktuelle Situation bei Anwendern und Anbietern

• Anwender• Selten (durchgängige) Big-Data-Strategie vorhanden• Nicht immer Verständnis in Bezug auf fachliche und technische

Möglichkeiten der Big Data Technologien• Nur geringe Erfahrungen mit Big Data Projekten

• Anbieter / Consultants• Schwierigkeiten qualifiziertes Personal mit Big-Data-Know-how zu gewinnen• Fehlende Templates für die Beratungsunterstützung• Beratungsqualität daher stark personenabhängig • Sehr selten Big-Data-spezifische Vorgehensmodelle zur Unterstützung der

Einführung beim Kunden


Rahmenbedingungen für die Big Data Einführung

Geschäftsstrategie Vorstand / GF, Business

Development• Optimierung

bestehender Geschäftsmodelle

• Entwicklung neuer Geschäftsmodelle

Geschäftsprozesse Prozessverantwortliche

/ Fachbereiche• Optimierung

bestehender Prozesse

• Entwicklung neuer Prozesse

Technologien & Services IT (intern/extern)

• Analytics Software (Data Mining u.a.)

• Hadoop als Speicher• In-Memory• Cloud-Services für

vorhandene Anwendungen

• …

Big Data Einführung erfolgt typischerweise in Projektform und umfasst zahlreiche Facetten und Beteiligte verschiedener Bereiche


Fokus des generischen Modells muss auf der Strategiefindung und inhaltlichen Gestaltung liegen

Big Data Technologien sind nur Enabler für die Strategierealisierung

Generisches Big Data Vorgehensmodell

Geschäfts-strategie-

entwicklung bzw.

-anpassung

Prozess-entwicklung

bzw. -anpassung

Technologie-auswahl und Implemen-

tierung

Nutzung


Fokus des Ansatzes liegt auf der Datenaufbereitung und Modellerstellung Vorgehensmodell ist für die Optimierung bestehender Geschäftsmodelle

geeignet

Big Data Vorgehensmodell eines IT-Dienstleisters

Use Case

Analyse

Datenauf-

bereitung

Modell- Planung

Modell- Erstellu

ng

Ergebnis-

kommuni-

kation

Operationa-

lisierung


Fokus des CSC-Ansatzes liegt auf der technischen Umsetzung bei gegebenem Business Use Case

CSC Vorgehensmodell

Defining your business use case with clearly defined objectives driving business value.

Planning your project

a well managed plan and scope will

lead to success.

Defining your technical requirementsdetailed requirements will ensure you build

what you need to reach your objectives.

Creating a “Total Business Value Assessment”

a holistic solution comparison will take the politics (and emotions)

out of the choices.

Quelle: CSC (ed.): How To Do a Big Data Project: A Template for Success, Whitepaper,http://www.infochimps.com/resources/how-to-do-a-big-data-project-a-template-for-success/, Abruf 02.09.2015

http://www.infochimps.com/resources/how-to-do-a-big-data-project-a-template-for-success/




Fokus des Ansatzes ist die Umsetzung einer Big Data Strategie in den Geschäftsprozessen (u.a. bei BITKOM und T-Systems genutzt)

Vorgehensmodell nach Buchbacher et al. 2014

Quelle: Buschbacher, F.; Konrad, R.; Mußmann, B.; Weber, J.: Big Data-Projekte: Vorgehen, Erfolgsfaktoren und Risiken, in: Der Controlling-Berater, hrsg. von Gleich, R., Klein, A.: Band 35, 2014


Dynamik der Dynamik der Anbieterlandschaft

Big Data Consulting Bisher Zukunft

Selbstverständnis Bereitstellung und Erklärung der „neuen“ Technologien

Gemeinsame Entwicklung von Strategien und Lösungen

Fokus Optimierung klassischer Geschäftsmodelle (auf Basis Big Data Technologien)

Entwicklung neuer Geschäftsmodelle (auf Basis Big Data Technologien)

Kernkompetenz Big Data „machen wir auch“ Big Data als Kernkompetenz / Eigene Competence-Center / Labs

Neutraliät Verkauf eigener bzw. Partnerprodukte

Neutraler Partner des Kunden (Big Data Lab)

Referenzkunden Wenige realisierte Projekte Kunden möchten sehen, was geht

Methodengestütztes Consulting (Vorgehensmodelle, Templates)

Selten anzutreffen Basis für qualitativ hochwertige Beratungsleistung

Big Data Ethik Kaum anzutreffen Voraussetzung für Leadership


Dynamik der Anbieterlandschaft

Referenzen, Methodenunterstützung

Ausbildung der Kunden und eigenen Mitarbeiter

Unabhängigkeit / Neutralität

„Big Data als Kernkompe tenz“ versus „Big Data als neues Nebengeschäft“, Vision und Strategie

Anzahl und Qualität von nationalen und inter nationalen Partner schaften

Innovationen, Erfolge, Weiterentwicklung

Big-Data-Ethik

Expertonale Preview

Publikation 13.10.2015


CiscoDell

Exasol

EMC HP

Huawei

IBM

NetAppOracle

SGI TeradataEmpolis

0%

50%

100%

0% 50% 100%

Portf

olio

-Att

rakti

vitä

t

Wettbewerbsstärke

Experton Market Insight Big Data Vendor Benchmark 2016 - Deutschland

- Appliances -

Quelle: Experton Group 2015

Product Challenger Leader

Market ChallengerFollower

Rising Star

Dynamik der Anbieterlandschaft (2)

Technologie und Big-Data-Merkmale

ergänzende Services

Awareness, Marktreife, Branchenkompetenz, Vollständigkeit

Referenzen, speziell in der Zielgeografie

Big-Data-Kernkompetenz und Big-Data-Historie des Anbieters

Expertonale Preview

Publikation 13.10.2015


Die Evolution ist so erfinderisch. Deshalb haben wir Giraffen.

Kurt Vonnegut


03.05.2023

exp15 - big data

Technology