Strategien


Tipps von McKinsey

Wie ein Big-Data-Plan aussehen muss

Christiane Pütter ist Journalistin aus München. Sie schreibt über IT, Business und Wissenschaft. Zu ihren Auftraggebern zählen neben CIO und Computerwoche mehrere Corporate-Publishing-Magazine, vor allem im Bereich Banken/Versicherungen.
Wer die steigende Datenflut bewältigen will, sollte sich auf die drei Elemente Daten, Analyse-Modelle und Tools konzentrieren. Wie man das macht, erklärt der Berater McKinsey in einem Papier.
Big Data-Projekte müssen sorgfältig geplant werden. Das ist nicht nur Aufgabe des CIO.
Big Data-Projekte müssen sorgfältig geplant werden. Das ist nicht nur Aufgabe des CIO.
Foto: Pressmaster - shutterstock.com

Über das Stichwort "Big DataBig Data" wird innerhalb der Unternehmen viel diskutiert. Das heißt allerdings nicht, dass jedes Unternehmen einen Plan für den Umgang mit der Datenflut hätte, erklären die Berater von McKinsey in dem Papier "Big Data: What’s your plan?". Sie raten zu einem Vorgehen, das sich auf die Kernbereiche Daten, Analyse-Modelle und ToolsTools konzentriert. Alles zu Big Data auf CIO.de Alles zu Tools auf CIO.de

Im Einzelnen heißt das:

1. Die Daten: In vielen Unternehmen liegen die Daten noch immer in Silos, die horizontal über verschiedene Abteilungen und vertikal über verschiedene Funktionen verteilt sind. Entscheider werden Geld in die Hand nehmen müssen, um die Daten-Architektur grundlegend neu zu organisieren. Das beinhaltet Governance und Standards, die für Systematik und Genauigkeit sorgen sollen. Alternative für Unternehmen, die das nicht selbst erledigen können oder wollen: Outsourcen an Daten-Spezialisten.

2. Die Analyse-Modelle: Das Integrieren der Daten allein generiert noch keinen Mehrwert. Den bringt erst der Einsatz intelligenter Analysen. Entscheider müssen bestimmen, welchen Zweck Daten-Analysen erfüllen sollen und wer welche Modelle nutzen wird.

Darüber hinaus geht es um die Frage, wie die unterschiedlichen Analyse-Modelle kombiniert werden sollen. McKinsey sieht hier Potenzial für intelligente Daten-Nutzung, warnt aber zugleich vor zu hohen Ansprüchen. Zuviele Variablen machen die Dinge so komplex, dass sie schwer zu managen sind.

Zur Startseite