Data Lakes: Datenmüllhalde oder Analyse-Hero?

Data Lake 2

Die Ankunft von Data Lakes wurde in der Tech-branche von gemischten Gefühlen begleitet. Unter den Skeptikern werden Data Lakes kritisch als „Datenmüllhalde“ beäugt, bei dem alle Daten an einem Ort konsolidiert werden. Unter den Enthusiasten hingegen werden sie als die Lösung der Zukunft in puncto Speichereffizienz, Zugänglichkeit und Verwendbarkeit von Analysen gefeiert.

Wer aber liegt richtig?

In gewisser Hinsicht beide Seiten. Um einen Mehrwert zu schaffen, benötigen Data Lakes genauso wie jede andere Form der technologischen Bereitstellung eine Infrastruktur und Ressourcen. Stellt ein Unternehmen also einen Data Lake ohne die erforderliche Ausstattung bereit, so wird es den versprochenen Mehrwert nicht erzielen.

Fest steht, dass Analysen durch Data Lakes in einem raschen und unwiderruflichen Wandel begriffen sind. Denn Data Lakes geben Unternehmen, denen das „Data Wrangling“ Schwierigkeiten bereitet, ein Mittel zur Anzeige und Analyse all ihrer Daten in Echtzeit an die Hand. Das ermöglicht flexiblere und umsichtigere Entscheidungen in Bezug auf Kundenakquise, Benutzerfreundlichkeit und schließlich auch Umsatzsteigerungen.

Datensilos beseitigen

  • Datensilos gelten als die standardmäßige Speicherlösung. Aber betrieblich gesehen sind sie ineffizient und sie behindern die Kreuzkorrelation von Daten für ein besseres Verständnis.
  • Zudem sind Silos nicht nur schwer zu managen, sondern verursachen Kosten, etwa für mehrere Lizenzen und Server. Data Lakes hingegen können günstig über eine einzige Infrastruktur betrieben werden.
  • Analysen werden immer schneller und komplexer. Daher müssen Unternehmen Schritt halten, um alle Möglichkeiten auszureizen. Daten sind nicht mehr uniform definierbar. Wenn wir alle Unternehmensdaten in ihrer Vollständigkeit betrachten, kann die Analyseinterpretation uns neue Türen öffnen wie nie zuvor.

Fazit: Durch die Beseitigung von Datensilos und die verstärkte Nutzung von Data Lakes können Unternehmen effizienter, kostengünstiger, transparenter – und in der Konsequenz intelligenter und rentabler – werden, indem sie eine persönlichere Kundenbeziehung aufbauen.

Echtzeitanalysen nutzen („Big Data Wrangling“)

Folgende Entwicklungen zeichnen sich gegenwärtig ab:

  • Unternehmen erzeugen mehr Daten denn je. Dadurch werden sie vor das Problem gestellt, sich nicht nur für die Speicherung dieser Daten, sondern auch für deren Analyse zu wappnen. Dabei bietet ein Data Lake zusammen mit der Hadoop-Plattform die notwendige Automatisierung und Transparenz zur Aufwertung der Daten.
  • Das Internet der Dinge erzeugt eine regelrechte Datenflut – bietet aber zugleich anhaltende Verkaufschancen – vorausgesetzt, Unternehmen können in Echtzeit überzeugende Angebote machen. Tatsächlich stehen Werbetreibende an vorderster Front bei der Nutzung von Data Lakes für ein gutes Kundenverständnis sowie bei der Kundengewinnung aufgrund dieses Verständnisses.
  • „Echtzeit“ im Kontext: Data Lakes können die Time-to-Value für Analysen von Monaten oder Wochen auf Minuten verringern.

Fazit: Analysen müssen mit dem Tempo der Datenerzeugung Schritt halten, damit sie für Kunden aktuell sind und die gewünschten Ergebnisse erzielen.

Das Aufkommen neuer Geschäftsmodelle

Data Lakes sind nicht nur ein internes Tool; sie können auch neue Geschäftsmodelle in Form von Analytics as a Service hervorbringen, welche per Zugriff auf den Data Lake Selfservice-Analysen zur Verfügung stellen. Die Vorteile:

  • Aufgrund ausgelagerter Infrastrukturen und Automatisierung nehmen die Analysekosten stark ab. Daher können Unternehmen in der Kundenakquise und Benutzerfreundlichkeit Neues ausprobieren und kurzfristig Anpassungen vornehmen, ohne dabei das Budget zu strapazieren.
  • Serviceprovider, die im Zuge der Analytics as a Service Daten speichern, managen und sichern, bieten sich für Unternehmen, die an Auslagerungen interessiert sind, geradezu an.
  • Analytics as a Service ist ein wirkungsvolles Mittel für eine frühzeitige Anpassungsfähigkeit und einen Wettbewerbsvorteil in Branchen wie dem Einzelhandel, der Energieversorgung und Sportvereinen.

Fazit: Unternehmen müssen Data Lakes nicht selbst anlegen, um einen Mehrwert zu erzielen.

Unternehmen, die weiterhin mit Datensilos arbeiten, sollten sich bald mit Echtzeitanalysen auseinandersetzen. Den Data Lakes werden allerdings von Minute zu Minute weltweit beliebter.

data-lake-depth1

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.