OK

Wir verwenden Cookies um Ihnen eine bestmögliche Nutzererfahrung auf unseren Websites zu bieten. Mit der Nutzung unserer Seiten und Services erklären Sie sich damit einverstanden. Weitere Informationen finden Sie in unserer Datenschutzerklärung.

Stakeholder-basierte Entwicklung von Big Data-Konzepten

Viele Unternehmen haben erkannt, welches Potenzial Big Data Analytics für ihre Geschäftsprozesse und neue Produkte bietet. In der Industrie gilt Big Data als maßgeblicher Enabler für Industrie 4.0. Die Motivation in Big Data zu investieren, ist dementsprechend hoch – doch kein Garant für Projekterfolg. Dr. Michael Eble, Senior Consultant und Leiter der Data Thinking-Practice bei mm1 Consulting, erläutert im Fachmagazin „Big Data Insider“, warum Data Thinking die Erfolgsaussichten deutlich verbessert.

Laut einer Umfrage von Gartner investieren bereits 75 Prozent aller Unternehmen in Big Data oder planen zeitnah Investitionen in diesem Bereich. Oft scheitern solche Projekte jedoch an einem zu eindimensionalen Fokus: Versteifen sich Unternehmen zu sehr auf die technische Komponente, führt dies spätestens kurz vor dem Rollout zu Problemen bei der Akzeptanz anderer Unternehmensbereiche. Typische Beispiele sind etwa datenschutzrechtliche Bedenken aus der Rechtsabteilung oder Einwände von Prozessverantwortlichen, wenn die neue Big Data-Infrastruktur nicht zu bestehenden Prozessen passt.

Um dies zu vermeiden, hat die Unternehmensberatung mm1 das Vorgehensmodell Data Thinking konzipiert. Data Thinking setzt darauf, alle Stakeholder bei der Erschließung datenbasierter Geschäftspotenziale von Anfang an mit ins Boot zu nehmen und in den iterativen Entwicklungsprozess einzubinden. Data Thinking bezieht somit frühzeitig die Bedarfe aller Stakeholder an einer Big Data-Lösung mit ein und liefert schon in frühen Projektphasen ein Gerüst für ausführliche Tests. So erschließen Unternehmen datenfokussierte Geschäftspotenziale aus Sicht der Gesamtorganisation und sparen Ressourcen durch ein gemeinsam definiertes Zielbild.

Lesen Sie hier den Beitrag von Dr. Michael Eble im „Big Data Insider“.