Vor allem für KMU gibt es zahlreiche Tools aus der Cloud, welche die Arbeit deutlich erleichtern und die Produktivität enorm verbessern können. Im Bereich der Analyse, BI oder Big Data lassen sich auf diesem Weg Steigerungen im Umsatz und Senkung der Kosten erreichen.
Für den Betrieb sind keine eigenen Server notwendig, aber es lassen sich durchaus eigene Server anbinden. Neben Software-Größen wie SAP, HP und Microsoft bieten auch kleine, innovative, deutsche Firmen wie Datapine oder Novadex, entsprechende Lösungen an. Das zeigt wie wichtig die Cloud mittlerweile auch für Business Intelligence und Analyse geworden ist.
1) SAP Cloud for Analytics - Software as a Service mit HANA
Mit SAP Cloud for Analytics stellt SAP seinen Software as a Service-Dienste für die Analyse aus der Cloud als eigenständige Plattform zur Verfügung. Cloud for Analytics basiert auf SAP HANA und nutzt die SAP HANA Cloud-Plattform. Mit SAP Cloud for Analytics lässt sich umfassendes Reporting aus Business Intelligence (BI)-Umgebungen erstellen, planen und Analysen sowie Prognosen und Simulationen erstellen (Predictive Analytics). Es lassen sich verschiedene Datenquellen anbinden. Ein großer Vorteil: Mit SAP Cloud for Analytics muss die IT-Abteilung nicht eingebunden werden.
Natürlich bevorzugt Cloud for Analytics vor allem SAP-Datenquellen, es lassen sich aber durchaus auch andere Datenquellen verbinden. Grundsätzlich kann Cloud for Analytics nahezu alle Datenquellen anbinden, allerdings nicht ganz so unkompliziert, wie beispielsweise die kleinere und schlankere Lösung von datapine. Wie kompliziert das Anbinden einer Datenquelle ist, hängt schlussendlich von der jeweiligen Plattform ab, und ob ein vorgefertigter Konnektor von SAP verfügbar ist.
SAP betreibt Cloud for Analytics in eigenen Rechenzentren weltweit. Unternehmen können bei der Buchung des Dienstes festlegen in welchen Rechenzentren die eigenen Daten gespeichert werden dürfen. Die Lösung wird über eine Subskriptionsgebühr lizenziert. Die Lizenzierung lässt sich auch für einzelne Anwender pro Monat buchen.
SAP Cloud for Analytics bietet die Möglichkeit auch lokale Server anzubinden. Der Betrieb der Lösung ist allerdings nur in der Cloud möglich. Unternehmen, die auch eine lokale Installation der Analyse-Software durchführen wollen sollten dann eher auf Lösungen wie datapine zurückgreifen. SAP Cloud for Analytics ist vor allem für Unternehmen ideal, die einen Blick auf die Möglichkeiten von SAP werfen wollen, oder selbst bereits auf SAP-Produkte setzen. Allerdings sind hier höhere Investitionen notwendig, als bei anderen Cloud-Lösungen für die Analyse und Big Data.
2) Hewlett Packard – Haven Big Data-Plattform
Haven ist generell für größere mittelständische Unternehmen oder Großkonzerne ausgelegt. Im Fokus der Anwendung stehen vor allem Big Data-Szenarien. Wem die Möglichkeiten von Datapine BI oder SAP Cloud for Analytics nicht ausreichen, kann mit Haven noch einen Schritt weiter gehen und komplexe Berechnungen und Analysen im Big Data-Umfeld durchführen.
HP bietet mit der Haven-Plattform eine Hadoop-konforme Big Data-Lösung in der Cloud. Die Lösung basiert auf Autonomy IDOL, Vertica und ArcSight. Haven steht für Hadoop, Autonomy (IDOL), Vertica, Enterprise Security, n(Apps). Die Daten in der Haven-Platform werden in Vertica gespeichert, in Echtzeit analysiert und mit HP IDOL (Intelligent Data Operating Layer) verarbeitet. Die Katalogisierung der Daten erfolgt über Hadoop im Hadoop File System (HDFS). Die Umgebung soll schnell einsetzbar sein, und hunderte Connectoren für die Anbindung verschiedener Datenquellen.
Haven kann Daten aus Hadoop verarbeiten, mit HP Autonomys Intelligent Data Operating Layer (IDOL) automatisiert analysieren und in HP Vertica speichern. Es ist schnell klar, dass diese Lösung nicht ohne Mitarbeit der IT-Abteilung auskommt. Wer eine größere Analyse-Plattform sucht, ist mit Haven gut bedient, braucht aber entsprechendes Personal, dass die Anbindung vornimmt. Durch den webbasierten Zugriff, die zahlreichen APIs und der großen Community, können Unternehmen mit Haven eine sehr effiziente Big Data-Lösung aufbauen, die auf viele Datenquellen zugreifen kann, und die wiederum von zahlreichen Anwendungen genutzt wird. Allerdings ist der Einsatz der Lösung auch nicht gerade günstig.