Interdisziplinäre Kommunikation

Eine Herausforderung ist die Kommunikation zwischen den Spezialisten, denn alle Beteiligten bringen unterschiedliche fachliche Perspektiven ein. Die Schwierigkeiten werden umso grösser, je mehr Unternehmensfunktionen involviert sind. Übersetzer, das heisst Experten, die sowohl technisches als auch wirtschaftliches Know-how haben, formulieren die Anforderungen und Fragen der Business-Seite für die Datenanalyse-Experten um, damit diese ihren Auftrag erfüllen können.

Gleichermassen ist es die Aufgabe der Übersetzer, der Business-Seite die technischen Möglichkeiten und Voraussetzungen zu erläutern und aufzuzeigen. Schwierigkeiten im gegenseitigen Verständnis können sich in der Suche nach gangbaren Kompromissen zwischen der Komplexität der Lösungen und deren Nutzbarkeit im Alltagsgeschäft niederschlagen. Beispielsweise werden hin und wieder Produkte oder Dienstleistungen entwickelt, die die Anforderungen von Produktion und Vertrieb übersteigen und damit Kosten verursachen, die zu höheren Preisen führen und die Zahlungsbereitschaft der Kunden überstrapazieren. Hingegen führt ein fehlendes Verständnis der technischen Möglichkeiten zu einer falschen Erwartungshaltung und kann Enttäuschungen über ein Analyse-Ergebnis auslösen, mit der Konsequenz, dass das entsprechende Big-Data-Projekt als gescheitert betrachtet wird.

Eine für alle verständliche Kommunikation ist bei so stark diversifizierten Teams, wie es die Umsetzung mittels Datenanalyse verlangt, unabdingbar. Sie stellt sicher, dass die ersten Schritte in der Welt der Big-Data-Analyse erfolgreich verlaufen und dass bei der Entwicklung von Lösungen die Wirtschaftlichkeit nicht aus dem Auge verloren wird.

Es ist weder sinnvoll noch notwendig, sich gleich zu Beginn eine Vielzahl an kostspieligen Applikationen zuzulegen. Es gibt genügend kostengünstige Software für einfache bis hin zu komplexen Analysen. Für rechenintensive Operationen empfehlen sich cloudbasierte Angebote, die ohne hohe Anfangsinvestitionen grosse Rechen- oder Speicherkapazitäten zur Verfügung stellen. Ein Umstieg auf spezifische Tools und  auch auf eigene Speicher- und Rechenkapazitäten ist später noch möglich. Die typischen Herausforderungen technischer Natur sind vor allem die Kompatibilität zwischen den Technologien, der Analyse- und Speicher-Software sowie zwischen den Prototypen des Datenanalyseprogramms, den folgenden Implementierungen und dem betriebsfertigen Programm.

Ausserdem müssen Ressourcen entsprechend geplant werden, damit der gesamte Datenanalyseprozess in den Innovationsfluss eingebunden ist. Weitere Anforderungen sind: bestimmte Analysen in Echtzeit durchführen zu können, mit den oft erheblichen Datenmengen und Speicheranforderungen zielgerichtet umzugehen sowie die optimale Abstimmung der Implementierungs- und Verbesserungszyklen sicherzustellen. So weisen verbesserte Programmversionen oft grosse Unterschiede gegenüber Vorgängerversionen auf. Änderungen müssen nicht nur mit der übrigen Software kompatibel sein, sondern auch die notwendige Akzeptanz und Unterstützung auf allen Ebenen erhalten. Das bedeutet, die betriebsinternen Anwender müssen bereit sein, mit anderen oder modifizierten Programmen zu arbeiten. Auch hier ist die Unterstützung durch die Geschäftsleitung unentbehrlich.

Vor allem, wenn das Zusammenführen von Daten aus mehreren Quellen Rückschlüsse auf eine Person zulässt, muss den Kunden gegenüber Transparenz herrschen. Auch Opt-out-Möglichkeiten, bei denen der Kunde die Verwendung seiner Daten verweigern kann, sollten explizit angeboten werden. Das Hauptziel hierbei ist es, das Vertrauen des Kunden zu fördern. Gegebenenfalls sind externe Experten hinzuzuziehen, da eine Nachlässigkeit auf diesem Gebiet gravierende Folgen haben kann.