Lösungen von EMC und SAS im Einsatz

Mit Big Data auf Kundenfang

02.11.2012, von Hartmut Wiehr

EMC baut mit Tochter Greenplum ein Ökosystem um eigene Analytics- und Big-Data-Lösungen - Teil davon sind Kooperationen mit Anbietern wie SAS.

Tableau ist mit seinen Tools im EMC-Umfeld von Big Data aktiv. Es wird viel Wert auf Visualisierung gelegt.Vergrößern
Tableau ist mit seinen Tools im EMC-Umfeld von Big Data aktiv. Es wird viel Wert auf Visualisierung gelegt.
Foto: tableau

Storage-Marktführer EMC setzt neben Virtualisierung mit VMware auf eine weitere Technologie, die zukünftig viel Geld in die Kassen spülen soll: Big Data oder Analytics. Was einmal als Business Intelligence (BI) und Data Warehousing für zeitnahe Aufklärung und Analyse von wichtigen Marktdaten sorgen sollte, gilt inzwischen als altmodisch und teuer. Nur größere Unternehmen konnten sich die aufwändigen Applikationen samt Speicher-Hardware leisten.

Statt erst nach Tagen oder Wochen Auswertungen auf schicken Dashboards präsentiert zu bekommen, wollen CEOs und Abteilungsleiter das heute ohne Zeitverluste. Die technischen Voraussetzungen dafür sind jetzt mit skalierbaren großen Speicher-Arrays und paralleler Datenverarbeitung gegeben. Die EMC-Tochter Greenplum setzt auf Hadoop-Systeme, die zunächst als Open Systems unter der Apache-Foundation entwickelt wurden. Ohne eine solche Parallelisierung wäre eine schnelle Verarbeitung großer Datenmengen nicht machbar.

Einstellung der Kunden permanent verfolgen

In kaum einer anderen Branche kann es so entscheidend wie im Retail-Sektor sein, die mit dem Internet und dem Einsatz mobiler Geräte laufend wachsenden Datenmengen zeitnah auszuwerten. Nur wer über Verkäufe, Produkte und Kundenverhalten laufend auf dem neuesten Stand ist, kann sich auf dem hart umkämpften Markt behaupten. Unternehmen wie Macy’s oder WalMart in den USA schätzen es, sofort im Anschluss von aktuellen Marktanalysen die eigene Angebots-und Preisstruktur anzupassen.

Es wird auch immer wichtiger, permanent über das Verhalten und die subjektiven Einstellungen der Kunden Bescheid zu wissen. Der Online-Schuh-Shop Zalando gewährt zum Beispiel seinen meist weiblichen Kunden großzügige Rücksendemöglichkeiten. Um die so entstehenden Mehrkosten wieder zu senken, sammelt man möglichst viele Daten über die Kundinnen: Wann senden sie bestimmte Schuhe wieder zurück? Wie begründen sie diesen Schritt? In welchem Zustand sind die Versandexemplare? Aus dem Datenbestand können dann Folgerungen über den nötigen Lagerbestand gezogen werden: Wie viele Exemplare können umstandslos für einen neuen Versand benützt werden? Wie hoch ist die Ausschussrate?

Weitere Inhalte zu:
Big-Data-Lösungen, Big Data, Analytics, Greenplum, SAS