HP veranstaltete Anfang des Monats in Boston seine dritte jährliche Big-Data-Konferenz . Zahlreiche Unternehmen unterschiedlicher Größe nahmen teil und erhielten durch Keynotes von Experten wie Facebook, Michael Stonebraker, Nate Silver und vielen anderen Einblicke in die Zukunft von Big Data. In über 40 Breakout-Sessions präsentierten Kunden ihre Projekte und Erfahrungsberichte. Obwohl HP mit Updates zu Vertica und einer neuen Startup-Initiative auch Neuigkeiten zu bieten hatte , stand die Umsetzung von Big-Data-Initiativen im Vordergrund. Hier sind einige wichtige Erkenntnisse der Konferenz, die aus der Praxis einen Blick auf die Zukunft von Big Data werfen.
Data Lakes sind Marketing-Bullshit
Das war mehr oder weniger die Aussage von Michael Stonebraker, Gewinner des Turing Award 2014. Sein Kommentar löste Jubelrufe bei der Menge aus, die offensichtlich der Marketingbotschaften der Branche überdrüssig ist. Zu Daten-Tsunamis oder anderen meteorologischen Big-Data-Phänomenen hat er sich nicht geäußert, aber man kann mit Sicherheit davon ausgehen, dass er diese ebenfalls in die Kategorie „BS“ einordnet. Die Quintessenz hier ist, dass die Branche einige Schwierigkeiten hat, dem Konzept der Big-Data-Analyse einen ordentlichen Bogen zu machen. Bis zu einem gewissen Grad ist es notwendig, denn die meisten Unternehmen hinken der Zeit weit hinterher, wenn es darum geht, ihre Daten verwertbar zu machen. Darüber hinaus fällt es ihnen schwer, einen Plan zur Datenerfassung zu erstellen, sodass die Visualisierung eines Datensees sinnvoll ist. Aber die bloße Einspeisung von Daten in einen See ist nur ein sehr kleiner Teil des Problems, mit dem Unternehmen konfrontiert sind. Was zum nächsten Punkt führt.
Hadoop ist kein Big Data
Viele Unternehmen beginnen ihre Big-Data-Reise mit einer Hadoop-Instanz. Obwohl dies ein bewundernswerter Anfang ist, bedeutet die bloße Verwendung von Hadoop nicht, dass Sie „Big Data“ betreiben. Ken Rudin, Director of Analytics bei Facebook, erläuterte dies in seinem Vortrag über Big-Data-Mythen, in dem er den Unterschied hervorhob, der sich auf die Wirkung und nicht auf die Erkenntnisse bezieht.
Auch wenn das Konzept, Wirkung zu erzielen, einfach zu sein scheint, beschäftigen sich viele Unternehmen mit Technologien oder blicken auf Daten, die weder Veränderungen vorantreiben noch zu besseren Ergebnissen führen. Der Aufprall beim Fahren erfordert jedoch Gleichgewicht und führt zu der Frage, die ich auf der Veranstaltung über ein Dutzend Mal verschiedenen Personen gestellt habe.
Wie stellt man die richtigen Fragen?
Organisationen können über die beste Technologie, die klügsten Datenwissenschaftler und wunderbare Datensätze verfügen, aber das ist keine Garantie für den Erfolg. Um die geschäftliche Wirkung zu steigern, ist es von grundlegender Bedeutung, die richtigen Fragen zu stellen. Um dies zu erreichen, integrieren die meisten Unternehmen, mit denen ich gesprochen habe, ihre Datenwissenschaftler in die Geschäftsbereiche. Dadurch erhalten sie mehr Erfahrung mit den Problemen, mit denen das Unternehmen konfrontiert ist, und der Geschäftsleiter erhält direkten Zugang zu datenorientierten Fragen. Während die Organigramme je nachdem, wen Sie fragen, etwas anders aussehen, besteht Einigkeit darüber, dass eingebettete Datenwissenschaftler die richtige Struktur sind. Diese Struktur trägt dazu bei, dass bessere Fragen gestellt werden, was den Nebeneffekt hat, dass schneller aussagekräftige oder umsetzbare Daten vorliegen.
Viele Herausforderungen liegen vor uns
So gut die Führungskräfte in diesem Bereich auch aufgestellt sind, es gibt noch viel zu tun. Der Großteil des Big-Data-Rätsels ist immer noch nicht gelöst. Sicher, die Eckstücke und ein Großteil des Randes sind drin, aber die meisten Stücke liegen immer noch verkehrt herum auf einem Stapel. Ein Großteil des Schmerzes hat mit der Geschwindigkeit zu tun. Das Verschieben von Datensätzen, manchmal aus Altsystemen oder Systemen, die nicht im Hinblick auf Datenportabilität entwickelt wurden, ist ein großes Problem. Allein die zeitnahe Einspeisung von Daten in eine Analyseplattform erfordert für die meisten Unternehmen viel Arbeit. Die Transportgeschwindigkeit ist enorm. Je schneller die Daten in die Analyseplattform gelangen, desto eher können sie abgefragt und Geschäftspläne angepasst werden. Verkaufsdaten waren in diesem Punkt das häufigste Thema. Einige, mit denen ich gesprochen habe, hatten nahezu Echtzeitzugriff und viele sahen die Daten weniger als einen Tag später. Viele sprachen jedoch davon, wie schmerzhaft es sei, viele Tage warten zu müssen, um einen Überblick über die Verkäufe zu erhalten, was in manchen Fällen bedeute, dass es zu spät sei, Maßnahmen zu ergreifen.
HP verfügt seinerseits über ein umfassendes Paket an Hardware, Software und Services, um Unternehmen bei der Lösung dieser Probleme zu unterstützen, die in der Vergangenheit den Beratungsunternehmen vorbehalten waren. Indem HP Unternehmen in die Lage versetzt, proaktiv die Wirkung ihrer eigenen Daten und in vielen Fällen auch externer Quellen zu nutzen, unterstützt sie Unternehmen dabei, inkrementelle Gewinne zu erzielen. Das könnte eines der großen Missverständnisse über das Versprechen von Big Data sein. Sicher, es gibt große Gewinne, vielleicht ergeben sich aus den Daten etwas Transformierendes. Wahrscheinlicher ist jedoch, dass richtige Analysen eher mit einem Baseballspieler vergleichbar sind, der durchschnittlich schlägt. Eine regelmäßige Folge von Singles ist schön und summiert sich mit der Zeit gut.
Amazon