header_home_wuerfel_1920px.jpg

Data Innovation – Nachgefragt bei Olaf Nimz

Die Innovationsfähigkeit eines Unternehmens gehört heute zu den zentralen Wettbewerbsfaktoren. In einer Welt, die sich immer schneller dreht, müssen Geschäftsmodelle je nach Trends und Entwicklungen konstant erneuert werden. Die Basis hierfür bildet ein kluger Umgang mit Daten, der durch moderne Data-Innovation-Plattformen möglich gemacht wird. Was müssen solche Plattformen leisten? Und welche Tools kommen dabei häufig zum Einsatz? Wir haben nachgefragt bei Olaf Nimz, Verantwortlicher für Data Science bei Trivadis.

Warum ist eine kluge Nutzung von Daten zentral für die Innovationsfähigkeit eines Unternehmens?

Olaf Nimz ONIOlaf Nimz: Um innovativ zu sein, muss man sein Geschäft, seine Produkte, Prozesse und besonders seine Kunden verstehen – und Informationen für dieses Verständnis liegen in den Daten. Auf der Basis von Daten lassen sich zudem Entscheidungen unterstützen. So kann man das kreative Bauchgefühl von Managern mit datengetriebenen Trends und Hypothesen herausfordern. Das geht so weit, dass man ein Portfolio verschiedener Szenarien simulieren, also Erwartungen und Risiken gewisser Massnahmen virtuell testen kann. Vorausgesetzt natürlich, man nutzt die Daten entsprechend aus. Während viele Unternehmen heute bereits in der Lage sind, grosse Mengen an Daten zu sammeln, besteht bei der operativen Verwertung sicher ein enormes Potential.

Wie erklären Sie sich das?

Olaf Nimz: Ich denke, es ist häufig «Kopfsache»: Man ist halt in einer Welt aufgewachsen, wo der Einsatz von Maschine Learning weniger ein Thema war bzw. nicht so einfach ging wie heute. Es ist ein langsamer Umgestaltungsprozess. Gerade in der Schweiz und in Deutschland sind Unternehmen zudem eher zurückhaltend – sie warten ab, bis eine Technologie sich etabliert hat. Dies liegt u. a. wohl daran, dass wir nicht massiv von disruptiven Ansätzen aus Start-ups herausgefordert sind, die den grossen Unternehmen das Leben schwer machen. In den letzten beiden Jahren sind die Unternehmen zunehmend aufgewacht und sind jetzt auf den Weg.

Wie können Unternehmen ihren Umgang mit Daten denn effizienter gestalten?

Olaf Nimz: Mit einer modernen Data-Innovation-Plattform, die eine entsprechende Datensammlung und -analyse ermöglicht. Die Datensammlung muss dabei umfassend, übersichtlich und zugänglich sein. Nicht wenige Big-Data-Initiativen haben zu Data Lakes geführt, die für den Nutzer unübersichtlich geworden sind, weil eine umfassende Möglichkeit zur Orientierung fehlt. Man sollte sich bei der Ablage der Daten deshalb insbesondere überlegen, welcher Business-Kontext dahintersteht – nur so lässt sich Herkunft, Verarbeitungsprozess, Qualität und Bedeutung der Daten ableiten und letztlich nachvollziehbar in einem Daten-Katalog ablegen. Zusätzlich sollte eine solche Plattform sowohl den Bedarf an spontanen Ad-hoc-Analysen als auch regelmässige, wiederkehrende Analysen bedienen. Man sollte also z.B. beobachten können, was heute passiert und damit kreative Ideen evaluieren und gleichzeitig Prognosen für die nächsten Tage oder Wochen ableiten können.

Woraus besteht eine solche Data-Innovation-Plattform?

Olaf Nimz: Zum einen ist natürlich der Datenspeicher wichtig. Dieser sollte im Vergleich zu herkömmlichen Speichern möglichst günstig sein, da man Daten massenhaft speichert und u. U. eine sehr lange Historie aufbewahrt. Zum anderen muss die Plattform Event-Verarbeitung zulassen, also ermöglichen, dass Informationen aus sämtlichen Quellsystemen live gesammelt und verarbeitet werden. Ein Tool, das Events in jedem Format sammelt und für die Weiterverwertung bereithält, ist Kafka, ein Apache-Projekt. In der Verarbeitung der Daten schliesslich ist es wichtig, dass die Plattform Parallelisierung zulässt, also die Verarbeitung je nach Bedarf skaliert. Das beste Tool hierfür ist Spark, ebenfalls eine Open-Source-Initiative. Man braucht ausserdem einen Daten-Katalog, der die Metadaten abbildet – also aufzeigt, welche Bedeutung und Struktur die Daten haben, von welchen Quellen sie kommen und welchen Qualitätsstatus die einzelnen Schritte im Prozess besitzen.

Welche Rolle spielen Open-Source-Tools im Bereich Data Science grundsätzlich?

Olaf Nimz: Unsere Unternehmenspartner Microsoft und Oracle nutzen beide Open-Source-Technologien. Sie sind eben am fortschrittlichsten, da ganz viele Menschen daran arbeiten. Es ist allgemein ein globaler Trend, dass man auf das Wissen und die Erfahrung vieler setzt. Bestes Beispiel hierfür aus Europa ist Spotify, das seine Tools gemeinsam mit der Open-Source-Community weiterentwickelt.

Im Business-Breakfast «Data Innovation as a Service» haben Sie eine Data-Innovation-Plattform in nur 2 Stunden aufgebaut, und zwar mit Oracle. Wieso ist Oracle hierfür ideal?

Olaf Nimz: Die integrative Leistung von Oracle ist ausgezeichnet. D. h. Oracle versteht es, die verschiedensten Tools in die eigene Cloud-Plattform zu integrieren und daraus eine runde Sache zu machen. Grundsätzlich hat sich die Welt für Infrastrukturhersteller in den letzten Jahren komplett gedreht – sie können es sich heute nicht mehr leisten, nur in ihrer eigenen, proprietären Welt zu leben, sondern profitieren davon, offen nach aussen zu sein. Dieser vorbereitete Service in der Cloud bietet ungeahnte Flexibilität, neue Ideen schnell auszuprobieren.

Was raten Sie Unternehmen, die eine solche Plattform aufbauen möchten?

Olaf Nimz: Eine moderne Plattform für Datenmanagement und -analyse aufzubauen ist das eine, aber den Zoo an gegenseitigen Abhängigkeiten zu konfigurieren und reibungslos zum Fliegen zu bringen, das andere. Das dafür benötigte Skills-Set ist enorm breit. Unternehmen sind da oftmals mit anderen Prozessen absorbiert oder verfügen nicht über das notwendige Know-how. Die Unterstützung eines externen Partners, der alle Aspekte rund um den Aufbau, die Konfiguration und den Betrieb einer Data-Innovation-Plattform beherrscht, kann deshalb sehr wertvoll sein.

New Call-to-action

Das nächste Business-Breakfast «Data Innovation as a Service» findet Mitte Oktober in Stuttgart statt. Weitere Informationen folgen zu gegebener Zeit auf der Event-Seite.

 

Weiterführende Informationen

 

Topics: Nachgefragt Events Big Data Analytics