Datenanalyse zwischen Hype und Realität

Lohnende Szenarien

Alle diese neueren BI-Trends haben ihre Berechtigung, es gibt Produkte und Einsatzbeispiele. Die quelloffene Datenhaltungstechnologie Hadoop für Big Data etwa wird von Datenbank- und BI-Herstellern inzwischen breit unterstützt. Echtzeitfähige In-Memory-Datenbanken sind wegen SAPs Vorpreschen mittlerweile auch bei den Datenbankriesen IBM, Oracle und Microsoft im Visier. Das Potenzial, das große Datenbestände auch jenseits der üblichen kaufmännischen Zahlen bieten, ist im Prinzip beträchtlich. Jedes Unternehmen muss freilich prüfen, welche Szenarien sich in der eigenen Situation anbieten und ob sich der Aufbau passender IT-Lösungen durchführen lässt und lohnt.

Die Anwender in den Unternehmen sind aber vor allem damit beschäftigt, mit bewährter IT geschäftliche Aufgaben zu unterstützen. Der Channel liefert ihnen dafür Produkte einschlägiger Hersteller und erbringt Dienstleistungen. Der Großteil der IT-Budgets fließt in die Pflege laufender Installationen, verhältnismäßig wenig Geld steht für neue Dinge zur Verfügung. Niemand fasst passabel funktionierende IT-Systeme gern an, und im Vergleich zu den Amerikanern sind die Europäer und besonders die Deutschen beim Einsatz neuer Technologien vorsichtiger. Die Hersteller brauchen jedoch risikobereite Anwender und Rückkoppelungen aus der Praxis. Neue Technologien brauchen Zeit, um für den breiten Einsatz reif zu werden. Oft funktionieren sie nicht auf Anhieb, und nicht immer stellt sich der verheißene Nutzen tatsächlich ein.

Am Thema BI lassen sich diese Zusammenhänge derzeit beispielhaft beobachten. Die dispositive Datenverarbeitung hat sich neben der transaktionalen etabliert und hilft den Managern bei geschäftlichen Entscheidungen. Eigentlich ist BI ausgereift: Reporting, Olap und Mining gehören seit Jahrzehnten zum Kernbestand der Datenauswertung. Trotzdem schreitet die Entwicklung voran: zusätzliche Technologien und Trends entstehen. Den Unternehmen ist es bei BI gegenwärtig allerdings am wichtigsten, interne Prozesse zu verbessern.

1. Datenanalyse zwischen Hype und Realität
2. Lohnende Szenarien