Die computergestützte Auswertung von Daten in Echtzeit - das heißt hohe Aktualität, bedingt durch minimales Zeitintervall zwischen Datenentstehung und -analyse - ist in den Bereichen Kunden-Scoring, Kreditkarten-Betrugserkennung und Aktienhandel, auch bekannt unter Complex Event Processing (CEP), heute schon gängige Technik. Darüber hinaus erlaubt der technische Fortschritt zunehmend Geschäftsmodelle, die allein auf Echtzeit-Datenanalyse beruhen.
Das Kerngeschäft von Anbietern wie Car-Sharing, Routenplanung sowie Online-Freemium-Games funktioniert nur mit der Analyse großer Datenmengen in kürzester Zeit. Erfolgreich ist derjenige, der bei der Anfrage sofort das nächste freie Fahrzeug findet, die aktuell beste Route vorschlägt oder zum richtigen Zeitpunkt das passende Game-Upgrade anbietet - dank Echtzeitdatenanalyse.
Der umfassendere Einsatz von Echtzeitdatenanalyse bedeutet aber auch, dass sich die Verantwortlichen intensiver mit den Folgen des Einsatzes für Unternehmen, Mitarbeiter und IT auseinandersetzen müssen:
-
Welche Herausforderungen sind bei der Datenanalyse in Echtzeit zu bewältigen?
-
Welche Konsequenzen ergeben sich aus dem Einsatz der Echtzeitdatenanalyse?
Insbesondere drei Dimensionen erfordern eine detaillierte Betrachtung, da hier weitreichende Veränderungen absehbar sind:
-
Geschäfts- und IT-Prozesse
-
Anwendungen
-
Architektur
1. Geschäftsprozesse
Durch die Echtzeitdatenanalyse und die hierfür erforderliche hohe Aktualität des zu analysierenden Datenbestands stehen alle für Geschäftsprozesse und -entscheidungen benötigten Informationen jederzeit zur Verfügung. Dies ermöglicht die deutliche Beschleunigung der Prozesse.
Herausforderungen:
-
Geschäftsprozesse sind nicht mehr vom Zeitpunkt der Datenverfügbarkeit beeinflusst oder geprägt.
-
Verarbeitungsschritte wie Tages- oder Monatsabschluss sind unabhängig von IT-Vorgaben oder -Restriktionen rein fachliche oder organisatorische Festlegungen.
-
Schnelle Reaktion auf akute Probleme im Geschäftsbetrieb und deren Behebung, inklusive Einfordern schneller Lösungen durch Betroffene.
Konsequenzen:
-
Mitarbeiter werden stärker als bestimmendes Maß für die Dauer von Geschäftsprozessen wahrgenommen: Der Zeitdruck nimmt zu.
-
Verstärkte Tendenz zu raschen, kurzfristigen Entscheidungen führt zur unerwünsch ten Verkürzung des Entscheidungshorizonts.
-
Wachsender Bedarf an einer (nachweisbaren) Erstellung/Archivierung von Auswertungen/Berichten für interne und externe Nutzer (Kunden, Behörden, Gerichte).
2. IT-Prozesse
Anwender nutzen die hochaktuellen Analyseergebnisse stärker außerhalb der üblichen Bürozeiten. Um diese zu gewährleisten, muss die IT-Infrastruktur für die Datenanalyse rund um die Uhr laufen.
Herausforderungen:
-
Die Arbeitslast in der Datenanalyse wird allein durch (schwankendes) Geschäftsaufkommen bestimmt.
-
Ladeprozesse für Quelldaten sind nicht diskret betrachtbare Einzelereignisse, sondern wandeln sich zum kontinuierlichen Daten-Streaming.
-
Ausweitung der Nutzungszeiten außerhalb der normalen Bürozeit (Randzeiten).
Konsequenzen:
-
Keine Unterscheidung von "Dialog"- und "Batch"-Verarbeitungszeiten.
-
Rasche Anpassung der Rechenkapazität an schwankenden Analysebedarf (insbesondere hohes Geschäftsaufkommen).
-
Zeitliche Ausdehnung von Support und Administration; Trend zu Self-Service-Lösung oder Remote-Administration.
3. Anwendungen
Der Bedarf an Echtzeitdatenbereitstellung wird sich auf immer mehr Bereiche der Anwendungslandschaft ausdehnen.
Herausforderungen:
-
Hohe Erwartungshaltung der Anwender an Datenaktualität resultiert in wachsende Anforderungen an neue Systeme.
-
Anpassungsfähigkeit von Anwendungen an schwankende Datenmengen und Arbeitslasten; effiziente Nutzung von Ressourcen wie Speicher, Rechenleistung, Netz.
-
Bessere Anpassungsfähigkeit der Anwendungen an beschleunigte Geschäftsprozesse und die Verzahnung mit Geschäftspartnern.
Konsequenzen:
-
Die Echtzeitdatenbereitstellung wird eine wichtige Leistungsanforderung an zu beschaffende Anwendungssoftware (mit zugehöriger Infrastruktur), aber auch an die Inhouse-Entwicklung.
-
Minimierung von technisch bedingten Verzögerungen durch die an Kernprozessen beteiligten Anwendungen; Ersatz von Batch-Verarbeitungsanteilen durch Streaming-Logik.
4. Architektur
Die durchgängige Verfügbarkeit von Echtzeitdaten bringt Änderungs- und Anpassungsbedarf für Geschäfts- und IT-Architektur mit sich, das heißt, die umfassende Echtzeitnutzung kann einen größeren Unternehmensumbau erfordern.
Herausforderungen:
-
Maßnahmen zur Gewinnung von Echtzeitdaten betreffen meist alle Ebenen der Unternehmensarchitektur: Business, Anwendungen, Daten, Technik.
-
Wahl der Umsetzungsstrategie bei umfassenden und tief greifenden Änderungsvorhaben: evolutionär (Umbau schrittweise) oder revolutionär (radikaler Schnitt).
-
Nicht alle Unternehmensaufgaben beziehungsweise -leistungen benötigen (zwingend) Echtzeitdaten.
Konsequenzen:
-
Echtzeitdaten(-analyse) nur umsetzbar durch gemeinsame Anstrengungen von Business, IT und Unternehmensarchitektur.
-
Maßnahmen zur Realisierung von Echtzeitdaten(-analyse) müssen technisch funktionieren und gleichzeitig für das Unternehmen ökonomisch sinnvoll sein.
-
Echtzeitfähigkeit in größerem Umfang bedeutet größeren Aufwand.