Wie eine Big-Data-Strategie startet: Kompetenz durch Trainings
Was Sie in diesem Beitrag über Big Data erfahren
Strukturierte und unstrukturierte Daten: Ein Schatz, den IT-Entscheiderinnen und -Entscheider gerne bergen. Schnell steht eine Big-Data-Strategie im Raum. Um aus diesen Daten Wertschöpfung zu betreiben, braucht es Analysen, die richtige Infrastruktur, Know-how und den richtigen Dienstleister. Doch wie startet man eine Big-Data-Strategie überhaupt, welche Rolle spielen Trainings und wie begleitet ein Softwaredienstleister wie jambit? In den letzten Jahren machen vor allem geringere Hosting-Kosten der Cloud-Anbieter wie AWS oder Azure den Einstieg in Big-Data-Projekte für Unternehmen interessant. Gleichzeitig steigt die Vielfalt und Menge an Daten und mit ihren gewohnten Prozessen können Unternehmen diese nicht mehr organisieren. Der folgende Beitrag verrät, wie eine Big-Data-Strategie startet und worauf Unternehmen und Dienstleister achten müssen.
Unstrukturierte und strukturierte Daten: Wie startet ein Big-Data-Projekt?
Um Big Data erfolgreich zu betreiben, gilt es, eine passende Big-Data-Strategie zu entwickeln. Dazu gehört auch die Entwicklung von passenden Zielen. Was möchte ich mit dem Projekt erreichen? Auch sollte man sich mit einem Big-Data-Experten einen Überblick über die aktuelle Datenerfassung, Datenspeicherung, Datenverwaltung und gemeinsame Datennutzung innerhalb und außerhalb der Organisation verschaffen. Experten von jambit helfen unseren Kunden, die Aspekte zur Zielsetzung besser zu definieren. Woher kommen die Daten, die ich verwende? Welche Spezifikationen und Eigenschaften bringen sie mit? Die Wertschöpfung aus diesen Daten, deren Aufbereitung und Analyse, sorgt für bessere und präzisere Informationen. Kunden gewinnen etwa einen besseren Überblick über Service-Optionen. Hersteller bekommen Erkenntnisse darüber, welche Angebote Kunden nutzen und welche nicht. Produkte können somit optimal auf den Kunden ausgerichtet werden. Damit steigt die Qualität des Kundenerlebnisses und Unternehmen können Kosten reduzieren.
Data Engineering und Data Science kommen bei jambit zusammen
In den jüngsten Big-Data-Projekten wachsen Data Science und Data Engineering immer stärker zusammen. Dabei werden die beiden Rollen oft verwechselt. Data Scientists kümmern sich um die Datenanalyse, die ein breites Aufgabenspektrum betrifft und etwa Kenntnisse im Bereich Machine-Learning erfordert. Data Scientists haben in der Regel deshalb eine dezidierte und wissenschaftliche Ausbildung mit Forschungshintergrund. Bei jambit entwickeln Data Scientists etwa im Bereich Geoanalytics Lösungen für das autonome Fahren. Sie arbeiten mit Data Engineers zusammen, die sich darum kümmern, im Vorfeld die Daten zu sammeln und aufzubereiten. Data Engineers bereiten etwa die Plattform vor, die für spätere Analysen genutzt wird, und untersuchen, wo Daten gespeichert werden. Außerdem übernehmen sie klassische Projektmanagement-Aufgaben, wie Datenschutzthemen, und bringen die Schwerpunkte Software-Engineering und -Architektur für den Kunden zusammen.
Jetzt als Data Engineer Big Data/Fast Data (m/w/d) in München bewerben!
Proof of Concept und die Qual der Wahl: Welcher Plattform-Anbieter ist der richtige?
jambit bietet eine lösungsorientierte Begleitung – insbesondere bei der Fragestellung des Kunden, was man aus den Daten gewinnen kann. Zu Beginn sollte man mit einem prototypischen Usecase starten. Ein Proof of Concept sorgt dafür, dass man diesen möglichen Usecase auf Wert, Relevanz und Machbarkeit prüft und die individuellen Bedürfnisse des jeweiligen Unternehmens berücksichtigt. Denn Big Data ist eine echte Unternehmensressource und kein Nebenprodukt. Firmen, die eine Strategie erarbeiten, müssen schnell auf das Verhalten von Kunden reagieren. Individuelle Problemlösungen und ein unabhängiger Anbieter sind entscheidende Punkte. Denn Big-Data-Projekte sind nicht eins zu eins übertragbar, sondern müssen sich den individuellen Anforderungen und Spezifikationen stellen. Dafür sind auch belastbare Erfahrungen zu den passenden Produkten notwendig. Im Dschungel von Plattform-Anbietern fällt es Entscheidern oft schwer, die richtige Big-Data-Plattform auszuwählen. Suche, Beratung und Begleitung dieses Prozesses sind Teil von jambits Leistungsportfolio.
Welche Features bringen etwa das beste Verhältnis zwischen Preis und Leistung mit. jambit betreibt bereits mehrere Big-Data-Plattformen, hat diese mitentwickelt und übernimmt, von Konzeption bis zur Produktion, die Zusammenarbeit mit verschiedenen Kunden. Dabei haben wir vor allem gelernt: Die Entwickler müssen ein System entwickeln, das skalierbar ist. Ein wichtiger Faktor dafür ist Infrastructure-as-Code. Und Infrastruktur ist oft ein unterschätztes Element in Big-Data-Projekten. Big-Data-Plattformen werden heute hauptsächlich mit verschiedenen Cloud-Anbietern betrieben. Dort wird Infrastruktur „on demand“, also je nach Last skaliert: Durch kluges Einsetzen der Plattform-Möglichkeiten ergibt sich viel Sparpotenzial.
Mit welchen Methoden arbeiten wir in Big-Data-Projekten: Scaled Scrum
Um in einem Big-Data-Projekt operative und strategische Anforderungen besser zusammenzuführen, arbeiten jambits Entwicklerinnen und Entwickler mit besonderen agilen Scrum-Methoden. Diese versetzen kleinere Projekt-Routinen in größere Maßstäbe. Sie skalieren also Scrum-Vorgaben und schließen mehrere Ebenen im Projekt mit ein, um kleinteilige Anforderungen nicht zu übergehen und einen strategischen Kontext zu behalten. Solche Scaled-Scrum-Frameworks, wie beispielsweise LESS oder SAFe, werden in einem Projekt mit Beteiligung von mehreren Teams eingesetzt. Sie sorgen dafür, dass die Teams gemeinsam an einem Produkt arbeiten und in regelmäßigen Abständen ein funktionierendes Inkrement der Software liefern können. Mit definierten Rollen, Events und Artefakten unterstützt Scaled Scrum unsere Entwickler dabei, die getane Arbeit unter die Lupe zu nehmen, Verbesserungen abzuleiten und sich neu auszurichten. Der Fokus liegt dabei auf der regelmäßigen Lieferung des Produkts und Beachtung der sich ändernden Anforderungen. Artefakte sind hier etwa zusätzliche Koordinations-Meetings und ein Overall-Product-Backlog.
Big-Data-Kompetenzen im Unternehmen entwickeln: Mit Trainings bei jambit
Aber auch die beste Big-Data-Plattform lohnt nicht, wenn sie niemand nutzt. Deswegen ist es wichtig, die eigenen Mitarbeiter zu schulen, um Potenziale im Umgang mit Big Data zu fördern. Oft wird dieser Aspekt des Wissenstransfers unterschätzt. jambit bietet daher Trainings für Data-Analysten an. Das sorgt bei den Analysten für ein besseres Verständnis der Plattform und effizientere Ressourcennutzung. Danach kennen diese auch Grenzen der Plattform und können einschätzen, wo Potenziale für Wertschöpfung oder Kostenminimierung sind. Grundlage für die Trainings ist neben dem technischen Know-how auch die fundierte und vielfältige Lernkultur und die damit einhergehenden Schulungskompetenzen jambits, von der unsere Kunden profitieren.
Technologien, die wir im Bereich Big-Data bearbeiten:
Beratung zu und Umsetzung von Cloud-Plattformen: AWS, Azure, Google Cloud, On-Premises
Beratung zu und Umsetzung von Cloud-Technologien: Kafka, Scala, Spark, PySpark, Flink, Akka, Kubernetes, Cassandra, Hive, TensorFlow, Apache Beam, Infrastructure-as-Code mit Terraform
