Big Data Analytics in einem KMU einführen

Im ersten Schritt gilt es zu klären, wo Du stehst und was Du mit Big Data Analytics erreichen möchtest. Dies erscheint möglicherweise zunächst komplizierter als es ist. Auch ohne vorherige Big Data Analytics Erfahrung lassen sich erste Projekte gut realisieren. Hierzu ein paar Tipps, damit das erste Projekt gelingt:

Was willst Du erreichen?
Auch ohne direkten Anwendungsfall vor Augen, solltest Du Dir ein generelles Ziel setzen. Möchtest Du erst einmal kleinere Projekte realisieren oder auf ein größeres und umfangreiches Projekt hinarbeiten? Versuche, insbesondere schnelle Erfolgserlebnisse zu erzielen. Auch bei umfangreicheren Vorhaben starte zunächst klein. Durch kleine Erfolgsgeschichten kannst Du die Akzeptanz von Big Data Analytics steigern und sicherstellen, dass Dein Vorhaben umsetzbar und profitabel ist.

Nach diesem ersten, schnellen Check kann es dann losgehen. Starte dein erstes Projekt!

Tipps für Schritt 1

• Es gibt keine optimalen Startbedingungen. Starte jetzt!
• Starte mit einem kleineren Projekt und baue deine Fähigkeiten Schritt für Schritt auf. Ein 180-Grad-Wechsel hin zu einem Big Data Analytics Geschäftskern funktioniert in den seltensten Fällen.
• Konzentriere Dich auf kleinere Erfolgserlebnisse

Das Big Data Mindset beschreibt das Verständnis für den Wert der gesammelten Daten und die positive Einstellung, mit der Du ein solches Projekt umsetzt. Es geht dabei nicht um Dein technisches Verständnis oder Dein Wissen über Big Data Analytics.

Ist ein solches Mindset noch nicht vorhanden, kann es hilfreich sein, sich Unterstützung von extern zu holen – externe Anwendungsfälle, Workshops, Gespräche mit Experten oder Austausch im Netzwerk. Gerade die Überzeugung der Mitarbeiter ist nicht immer ganz einfach.

Dieses Mindset ist eine Grundvoraussetzung, auf der alle weiteren Schritte basieren. Es sollte so gut wie möglich aufgebaut und gestärkt werden.

Tipps für Schritt 2

• Wenn das Mindset von innen heraus nicht aufgebaut werden kann, nutze externe Treiber, um dies Stück für Stück aufzubauen.
• Big Data Analytics wird oftmals als Expertenthema wahrgenommen, wodurch eine grundsätzliche Distanz oder sogar Angst vor dem Thema entsteht. Aber der entscheidende Faktor ist, dass Du den Wert der Daten erkennst und sie dementsprechend behandelst.
• Daher ist es essenziell, dass Du Big Data Analytics mit Neugierde und Offenheit begegnest.

Die wirkliche Umsetzung des Projektes nimmt einen eher kleineren Teil ein. Viel wichtiger ist die richtige und umfangreiche Vorbereitung. Obwohl Big Data Analytics eine technische Perspektive suggeriert, ist die Managementperspektive nicht zu vernachlässigen. Hierzu solltest Du eine Bestandsaufnahme machen und einen umfangreichen Unternehmenscheck durchführen. Welche internen Ressourcen hast Du? Welche externen Faktoren haben einen Einfluss auf Dein Unternehmen?

Versuche, einen Überblick über deine Ressourcen zu bekommen. Dies können organisatorische, technische und personelle Ressourcen sein. Indem Du Dir genau veranschaulichst:

• Wie Dein Unternehmen organisatorisch arbeitet – wie zum Beispiel die internen Prozesse, Strategien oder die Kultur
• Welche technischen Voraussetzungen bereits bestehen – wie zum Beispiel der Zustand der Daten, die Infrastruktur oder auch das Datenmanagement
• Welche personellen Kapazitäten und Fähigkeiten bereits vorhanden sind – wie zum Beispiel technische Expertise, aber auch Management-Expertise über das Unternehmen

So kannst Du Dein Unternehmen besser einschätzen und geeignete Big Data Analytics Projekte identifizieren.

Neben den internen Ressourcen ist die Betrachtung von externen Einflussfaktoren ebenfalls entscheidend. Diese können sowohl Treiber als auch Hindernisse für ein Big Data Analytics Projekt sein und beziehen sich auf das unternehmensspezifische Umfeld – offline und regional als auch digital und international. Um ein paar Beispiele zu nennen:

• Inwiefern nutzen Deine Wettbewerber bereits Big Data Analytics?
• Konntest Du bereits hilfreiche Anwendungsbeispiele in deinem direkten oder indirekten Marktumfeld entdecken?
• Welche nationalen Datenschutzregeln musst Du beachten?
• Unterstützt Dein regionales Umfeld Big Data Analytics Projekte durch die Bereitstellung entsprechender Netzwerkkapazitäten oder durch Beratungs- und Unterstützungsangebote?
• Kannst Du bereits auf ein Netzwerk zurückgreifen (offline oder auch digital), wo Du Unterstützung bekommen kannst?

Diese umfangreiche Bestandsaufnahme ist wichtig, um im nächsten Schritt die unternehmensspezifischen Potenziale aufzudecken.

Füge die identifizierten internen Ressourcen und externen Faktoren zusammen:

• Welche besonderen Stärken des Unternehmens kannst Du erkennen und aktiv nutzen? – z.B. eine gute Datenlage, eine flexible Unternehmensstruktur oder eine bereits vorhandene IT-Affinität.
• Welche Schwächen Deines Unternehmens musst du beachten? – z.B. fehlende Daten, undurchsichtige IT-Strukturen oder eine IT-inaffine Unternehmenskultur.
• Was möchtest Du strategisch mit dem Projekt erreichen? – z.B. eine gezielte Kundenansprache oder eine effizientere Prozessgestaltung.

Tipps für Schritt 3

• Dein Wissen über Dein Unternehmen und eine realistische Einschätzung der Stärken und Schwächen verschafft Dir einen guten Startpunkt.
• Nimm Dir genügend Zeit für diesen Schritt. Dieser dauert am längsten und ist auch am wichtigsten, um das Projekt gut zu planen und zu koordinieren.
• Versuche, die Ressourcen und Faktoren nicht nur einzeln zu betrachten, sondern auch Beziehungen zwischen ihnen zu erkennen; z.B. mithilfe einer klassischen SWOT-Analyse oder der Visualisierung in verschiedenen Canvas-Modellen.
• Intern ist es besonders wichtig, dass Du die Beziehung zwischen Deinen bereits vorhandenen Daten und Technologien, den Mitarbeitern mit ihren Kapazitäten, Fähigkeiten und Meinungen und Deiner Unternehmensstrategie betrachtest. Dies sind die vier Säulen Deines Projektes und sollten immer aufeinander abgestimmt sein.

Das Ziel der Bestandsaufnahme ist es, mögliche Treiber und Hindernisse zu erkennen, um geschickte Lösungen für Probleme zu finden, um gezielte Investitionen tätigen zu können.

Daraus ergeben sich potenzielle Anwendungsfälle, die als Projekt umsetzbar wären. Hole Dir wenn nötig Hilfe und Inspirationen von externen Experten oder anderen Unternehmen, um Projekte zu identifizieren und zu bewerten.

Wenn Du mögliche Projekte identifiziert hast, bewerte diese. Hierzu nutze Kriterien wie:

• Welche Ressourcen müssten angeschafft werden und welche Investitionssumme ergibt sich daraus?
• Wo ist externe Unterstützung notwendig?
• Inwiefern würden Deine Mitarbeiter dieses Projekt befürworten und unterstützen können?
• Wie groß ist das Optimierungspotenzial oder der Profit, den Du erwarten kannst?
• Wie wahrscheinlich ist es, dass das Projekt organisatorisch und technisch erfolgreich umgesetzt werden kann?
• Wo willst Du langfristig hin?

Ziel ist es, dass Du ein konkretes Projekt auswählst und eine entsprechende Big Data Strategie entwirfst, die Dir eine langfristige Richtung über das erste Projekt hinaus gibt.

Tipps für Schritt 4

• Wähle zunächst ein Projekt aus, das schnelle Erfolge bringt und baue darauf sukzessive auf.
• Beziehe externe Expertise mit ein, um eine andere Perspektive zu sehen und möglicherweise fehlendes Big Data Analytics Know-How auszugleichen.
• Schaue Dir vergleichbare Anwendungsfälle an, sowohl unter der eigenen Konkurrenz als auch aus weniger verwandten Bereichen.
• Konzentriere Dich nicht zu sehr auf die technischen Aspekte. Ein Projekt steht und fällt mit der strategischen Ausrichtung und der organisatorischen Umsetzung.
• Berücksichtige besonders unternehmensspezifische Bedingungen. Der Charakter Deines Unternehmens hat Einfluss auf das Projekt.

Nun geht es um die operative Umsetzung. Auf Basis der zuvor gewählten Big Data Analytics Strategie und des Projektes treffe nun entsprechende Maßnahmen. Nimm Dir dazu Deine Bestandsaufnahme zur Hand und entscheide, wie eine bestimmte interne Ressource entwickelt werden muss, um zu der erfolgreichen Umsetzung beizutragen. Entwickle daraufhin Maßnahmen für die Ressourcen und setze diese um. Die Umsetzung eines Big Data Analytics Projektes ist komplex und detailreich. Eine zentrale Ansprechperson – wie der Product Owner in einem Scrum-Team – kann hierbei hilfreich sein, um die technischen Entscheidungen und Managementaspekte zu kombinieren und bei der Umsetzung zu entscheiden und zu vermitteln.

Tipps für Schritt 5

• Big Data Analytics Kompetenzen und Fähigkeiten können und sollten sukzessive aufgebaut werden. Es besteht keine Notwendigkeit einer großen Investition von Anfang an. Baue Deine Big Data Analytics Projekte nacheinander auf.
• Je nach Ausmaß der technischen Voraussetzungen kann es sinnvoller und kostengünstiger sein, auf externe Kooperationspartner und Experten zurückzugreifen, als die Big Data Analytics Expertise komplett intern aufzubauen.
• Fokussiere Dich eher auf die organisatorische Umsetzung und die Beachtung unternehmensspezifischer Charakteristika.
• Stelle sicher, dass Deine Mitarbeiter ebenfalls von dem Projekt überzeugt sind und das Projekt aktiv treiben. Hierdurch lässt sich auch für die Zukunft die nötige Datenqualität sicherstellen und neue Projektpotenziale feststellen.

Das erste Projekt ist erfolgreich abgeschlossen. Nun ist es an der Zeit zu reflektieren und über nächste Projekte nachzudenken. Das Reflektieren ist ein wichtiger Schritt zum Ende eines Projektes. Im Endeffekt bedeutet dies, die selben Schritte 1 bis 5 erneut zu durchlaufen.

• Zu Schritt 1: Konntest Du durch das Big Data Projekt Erfahrungen sammeln, von den Du im nächsten Projekt profitieren kannst?
• Zu Schritt 2: Wie hat sich intern das Big Data Mindset verändert? Konntest Du Deine Mitarbeiter ebenfalls von Big Data Analytics überzeugen oder stößt Du auf Widerstand?
• Zu Schritt 3: Mache erneut eine Bestandsaufnahme mit den neuen Gegebenheiten. Wie haben sich Deine internen Ressourcen entwickelt? Wie sehen die externen Einflussfaktoren aus und wie konntest Du diese bereits aktiv nutzen?
• Zu Schritt 4: Welches Projekt kannst Du als Nächstes umsetzen und wie baut es auf dem Vorherigen auf? Wie kannst Du auf den bestehenden Big Data Analytics Kompetenzen aufbauen?
• Zu Schritt 5: Wie lässt sich das neue Projekt mit den bestehenden technischen Voraussetzungen umsetzen? Wie kannst Du Deine internen Ressourcen weiterentwickeln und Dein externes Umfeld weiter nutzen?

Tipps für Schritt 6

• Jedes neue Projekt bedarf einer erneuten Analyse.
• Reflektiere Deine Position ständig, um flexibel auf Veränderungen im Unternehmen und der Umwelt zu reagieren.
• Beziehe Deine Mitarbeiter ein, um neue Potenziale auch schnell auf der operativen Ebene zu erkennen.
• Beziehe auch vergangene Projekte in Deine Reflektion mit ein, um diese zu optimieren.