Schon bald sollen zertifizierte Smart-Meter-Gateways verschiedener Hersteller die hochsichere Drehscheibe für Datenströme im Energiemarkt sein.
Blick auf Big Data
Big Data, heute eher Smart Data genannt, wird in einer der gängigen Definitionen mit drei wesentlichen Kriterien beschrieben: Volumen (wie viele Daten), Geschwindigkeit (Geschwindigkeit der Datengenerierung) und Vielfalt der Datentypen. Neueste technische Verbesserungen (z.B. Cloud Computing, Big-Data-Architekturen) ermöglichen es, Daten im großen Umfang zu verarbeiten, zu analysieren und zu speichern.
Doch für viele (neue) Datentypen ist der genaue Geschäftswert noch unklar. Die verfügbaren Daten sind oft chaotisch und können selbst in bereinigter Form für versierte Datenwissenschaftler noch zu komplex sein. Eine der größten Herausforderungen besteht entsprechend darin, genau die Daten zu identifizieren, die den Anforderungen Ihres Geschäfts am besten entsprechen.
Wie lässt sich Big and Smart Data innovativ auswerten?
Im Gegensatz zu klassischen Analysen fehlen bei Big-Data-Projekten in aller Regel spezifische Anforderungen und definierte Projektziele. Dies ist im Wesentlichen dadurch begründet, dass Daten im Big Data-Umfeld meist vorab gar nicht identifiziert sind. Durch die fehlende Strukturierung der Daten fehlt ebenso die Kenntnis darüber, welche Werte sich hier potenziell verbergen. Die Situation wird häufig zusätzlich noch durch verschiedene Interessensgruppen innerhalb der Unternehmen erschwert. Um das komplexe Zusammenspiel aus Geschäftsbedarf, Daten, IT-Infrastruktur und Datenanalyse besser zu durchdringen, helfen Methoden aus dem Innovationsmanagement. Die systematische Planung und Kontrolle von Innovationen ist in aller Regel ohnehin Teil jeder Unternehmensstrategie.
Die vier Phasen des Innovationsmanagements
Während die klassische IT-Entwicklung mit externen Anforderungen beginnt, basiert eine Big-Data-Analyse oft explorativ auf einem Datensatz und einer Hypothese. Entsprechend gehört das Beziehen der Daten oder das Abrufen der Daten aus bestehenden Systemen zu den ersten Schritten.
Damit eine Analyse erfolgreich wird, muss die IT-Infrastruktur soweit angepasst werden, dass Lösungen und verschiedene Datenquellen integriert werden können. Hier liegt eine weitere Herausforderung: All das läuft parallel zur bestehenden IT-Infrastruktur des Unternehmens.
Damit aus Big Data ein kommerziell nutzbarer Wert wird, stellen wir Ihnen einen Analyseprozess aus vier Phasen vor:
Fest steht: Smarte Daten inkl. Big Data bieten Unternehmen völlig neue Möglichkeiten für die Umsatzgenerierung. Das kann, wie beim plakativen Beispiel des Fachverlags, mit einer konkreten Umsatzidee starten, oder mit dem generellen Ziel, neue Umsatzquellen zu erschließen. Grundsätzlich gilt: Der genaue Geschäftswert einer einzelnen großen Datenanwendung ist im Vorfeld schwer zu messen. Trotzdem lohnt sich die Mühe – auch wenn der Übergang Zeit, personelle Ressourcen, sowie etliche Änderungen und Anpassungen innerhalb Ihres Unternehmens erfordert. Mit Hilfe der vier Phasen des Innovationsmanagements kann aus Daten jedoch eine Goldgrube werden, in der Sie die nächsten Jahrzehnte schürfen können.
Fazit
Smarte Daten versprechen, sich zunehmend zu neuen Umsatzströmen zu entwickeln. Doch bevor es dazu kommen kann, müssen Unternehmen die richtigen Rahmenbedingungen schaffen. Wir stellen vier Phasen aus dem Innovationsmanagement vor, die sich ideal auf die Wertschöpfung durch Daten und das Umfeld Big and Smart Data übertragen lassen.
