Analytics als Results-as-a-Service

Bedenken in puncto Sicherheit hin oder her: Die Cloud hat sich inzwischen zu einem ernst zu nehmenden Bereitstellungsmodell im Businessbereich entwickelt. Das zeigt der aktuelle Cloud-Monitor von KPMG. Demzufolge nutzen bereits rund zwei Drittel der Unternehmen in Deutschland die «Wolke»; weitere 18 Prozent planen oder diskutieren den Einsatz von Cloud Computing. Angesichts schrumpfender IT-Budgets und sich rasant ändernder Geschäftsanforderungen können Cloud-Lösungen eine sinnvolle Alternative zu On-Premise sein. Das gilt bei kleinteiligeren, agilen Unternehmensstrukturen ebenso wie auf Bereichsebene – wenn also beispielsweise das Marketing einzelne analytische Fragestellungen klären will, die keine eigene Infrastruktur rechtfertigen.

Aber auch mit Blick auf den unternehmensweiten Einsatz von Analytics ist die Cloud der Schlüssel für ein weitverbreitetes Problem, das zum Beispiel die Universität Potsdam in verschiedenen Studien identifiziert hat. Diese in Zusammenarbeit mit SAS erstellten Untersuchungen zum Status quo von Analytics in Deutschland, Österreich und der Schweiz zeigen, dass Unternehmen den Wert von Analytics durchaus zu schätzen wissen. Die flächendeckende Umsetzung scheitert jedoch häufig an internen Hürden, die sich mit einem Cloud-Ansatz überwinden lassen.

Bei der Entscheidung für ein Cloud-Modell gilt es allerdings, zwischen verschiedenen Varianten zu wählen. Die Palette reicht hier von Hosted Services, Software-as-a-Service über Remote-Angebote bis hin zu Varianten, bei denen nicht nur die Analytics-Lösung extern betrieben, sondern auch gleich die Datenanalyse durchgeführt wird. Vereinfacht gesagt: Unternehmen liefern Daten, der Analytics-Anbieter modelliert, analysiert und liefert Ergebnisse zurück.

Nadelöhr Data Scientist

Analytics liefert ein gutes Beispiel für den Nutzen dieses Results-as-a-Service-Ansatzes. Grundsätzlich ist er natürlich auch für andere Disziplinen sinnvoll, und zwar immer genau dann, wenn es für Unternehmen nicht profitabel oder schwierig ist, Mitarbeiter einzustellen, die den Umgang mit solch komplexen Aufgabenstellungen beherrschen.

Bei analytischen Fragestellungen heisst dieser Engpass Data Scientist: schwer zu finden und für gelegentliche analytische Anfragen in Vollzeit schlicht zu teuer. Das betrifft häufig kleine und mittelständische Unternehmen, die in analytischer Hinsicht zwar mit Grossunternehmen mithalten müssen, die erforderlichen Ressourcen aber schwer selbst vorhalten können.

Analytisches Experimentierfeld

Der analytische Service kann verschiedenste Bereiche abdecken: von Profilierung, Segmentierung, Kundenbindung über Reaktionsmodellierung, Visualisierung und Prognosen bis hin zu Betrugserkennung oder Auswertung von Sensordaten im Internet of Things (IoT). Ein Outsourcing des Analytics-Prozesses eignet sich auch für grössere Unternehmen als Übergangslösung, um die Zeit bis zum Start einer selbst betriebenen Lösung zu überbrücken. Aber auch, um erst mal ohne allzu hohen Kostendruck ein analytisches Experimentierfeld aufzumachen und sich der Frage zu nähern, wie Analytics dem eigenen Unternehmen helfen kann.

Cloud oder Nicht-Cloud – für viele noch immer eine Grundsatzfrage. Doch die Vorteile dürften bei der Abwägung allmählich überhand gegenüber dem Misstrauen nehmen. Unternehmen sparen damit Kosten und sichern sich Innovationsfähigkeit. Werden jetzt die entsprechenden Prozesse für eine cloudbasierte Analyse von Big Data angestossen, steht der digitalen Transformation nichts mehr im Wege. Ebenso wenig wie der Entdeckung neuer Geschäftsmodelle.