SAP HANA Data Center Analytics 1.0

Die SAP hat die Analytics-Familie erweitert. Und zwar um den Bereich Data Center Intelligence. Das Produkt, welches darunter zu finden ist, nennt sich SAP IT Operations Analytics 1.0. Das Produkt ist seit 15. Juni im Ramp-Up.

Das neue Produkt soll die verschiedenen Datenflüsse im Rechenzentrum sammeln und aufbereiten. Dazu bekommt es Unterstützung durch SAP HANA wie auch durch SAP Lumira für die Analyse. Einen ersten Eindruck kann man auf YouTube bekommen. Ansonsten sind auch im SCN nur sehr wenig weitere Informationen zu finden.

Das Produkt wurde wohl als Co-Innovation Projekt seit Mitte 2014 entwickelt.

Neben den genannten Komponenten umfasst es das SAP HANA Smart Data Streaming, welches eine Art SAP Event Stream Processing für HANA darstellt und seit Dezember 2014 verfügbar ist. Es liefert damit Complex Event Processing mit High Speed würde die SAP wohl sagen.

Advertisements

BARC Big Data use cases 2015 – Research Study (wrap up)

Heute ist die neuste Big Data Studie von BARC in meinen Posteingang geflattert. „Big Data Use Cases – Getting real on data monetization“.

BARC definiert Big Data als „Methoden und Technologien für hochskalierbare Erfassung, Speicherung und Analyse polystrukturierter Daten“.

Mal schauen, was aus der Studie zu ziehen ist. Für BARC ergeben sich aus den Ergebnissen sechs Hot Spots:

  1. Big Data erobert die Unternehmen, allerdings nur wenn das Management vorangeht – Dort wo Big Data realisiert wird, ist in 61 % das Management der Treiber.
  2. Big-Data-Initiativen liefern beachtlichen Mehrwert – Big Data verbessert strategische Entscheidungen, ermöglicht eine bessere Steuerung operativer Prozesse, ein besseres Kundenverständnis sowie Kostensenkungen und erzielt damit Ergebnisse, welche über den Erwartungen liegen.
  3. Der Kunde im Mittelpunkt – Marketing und Vertrieb sind Vorreiter in dem Bestreben, den Kunden transparenter zu machen aber auch in vielen anderen Bereichen wird Big Data zunehmend relevant. Gerade im Handel ist hier das Interesse hoch.
  4. Unternehmen kämpfen mit massiven Know-how-Defiziten sowie Sicherheit und Datenschutz – Da der Kunde oft im Mittelpunkt des Big Data-Geschehens steht, muss mit den entsprechenden Daten sensibel umgegangen werden. Für gut die Hälfte der befragten Unternehmen ein Problem. Zudem, wie seit Langem propagiert, fehlen die Data Scientists.
  5. Europa hinkt hinterher – Nordamerika hat, wie eigentlich zu erwarten war, die Nase vorne.
  6. Industrie 4.0 ist mehr Wunsch als Wirklichkeit – Der Handel hat hier durch konkrete Nutzeneffekte bei Kundenverständnis und Umsatzgenerierung eine Führungsposition herausgearbeitet. Die Industrie ist jedoch im Kommen, priorisiert jedoch ganz anderer Nutzeneffekte wie die bessere Steuerung operativer Prozesse oder sinkende Kosten. Nur das Know-how für die Umsetzung ist noch nicht in gewünschtem Maße vorhanden.

Der Data Scientist, in welcher Ausprägung auch immer, ist also immer noch ein wichtiger Enabler. Jedoch ist für viele Unternehmen der genaue Nutzen von Big Data noch nicht greifbar. Die Studie liefert hier noch weitere interessante Erkenntnisse:

  • In Europa eilt die mediale Diskussion der tatsächlichen Entwicklung voraus, nimmt aber an Fahrt auf.
  • Für viele, vor allem aus der IT, ist Big Data tatsächlich der Umgang mit großen Datenmengen (57%).
  • Die IT selbst zählt auch zu den größten Treibern. Erst der Fachbereich ist jedoch der Erfolgsgarant und durch das Management wird das Thema dann tatsächlich auch realisiert.
  • Die Erwartungshaltung an Big Data ist sehr breit und lässt sich kaum auf ein oder zwei Aspekte fokussieren.
  • Knapp 2/3 der Unternehmen können zum Nutzen von Big Data keine Aussage machen. Die welche es machen, zeichnen ein sehr positives Bild bzgl. Umsatzsteigerung und Kostenreduzierung.
  • Marketing und Vertrieb sind die wichtigsten Unternehmensbereiche. Finanzen und Controlling spielt eines starke Rolle und zusammen mit dem Kundenservice wird dies auch in den nächsten Monaten so bleiben.
  • Technologisch setzt man eher auf die Klassiker: BI-Werkzeuge (62%), Relationale Datenbanken (53%) und Standard Datenintegrationswerkzeuge (53%). Erst danach folgt Data Discovery (43%), Analytische Datenbanken (36%), Predictive Analytics (31%) oder gar Hadoop (17%). Genau die führenden drei Technologien sind auch noch präferiert für den Betrieb in der Cloud.
  • Der Technologieeinsatz verwundert nicht, schaut man sich die Datentypen an, welche analysiert werden. Daten aus Transaktionssystemen (64% im Einsatz) sind führend. Unstrukturierte Datentypen wie Dokumente (30%), Social Media (24%), Clickstream (21%) sowie Daten aus Videoclips/Bildern (12%) scheinen hier abgeschlagen.
  • Andere Branchen, andere Probleme:
    • Finanzsektor: Fehlende Einsatzszenarien
    • Industrie: Fehlendes fachliches & technisches Know-how
    • Öffentlicher Dienst: Datenschutz

Zusammengefasst kann man sagen, Big Data ist im Bewusstsein der Unternehmen angekommen. Die Data Scientists scheinen aber tatsächlich zu fehlen, um die Themen wirklich anzugehen und daraus einen Wert zu ziehen. Währen BARC die positiven Antworten beim realisierten Nutzen hervorhebt, sehe ich eher kritisch, dass hier 2/3 gar nicht erst geantwortet haben. Man hört ja eh ständig, einfach mal machen, nicht unbedingt den Business Case rechnen. Eher agiles Vorgehen in Richtung „fail fast, fail often“ und der Wert realisiert sich schon. Andererseits, wer schaut schon nach dem Projekt nochmal, ob das Ergebnis auch wirklich erzielt wurde…

Letztendlich zeigt sich auch, andere Branchen und andere Abteilungen bringen auch andere Voraussetzungen, Herangehensweisen und Probleme mit sich, weshalb jeder Fall doch wieder individuell zu betrachten ist.

Loben muss ich die Auflistung der Use Cases. Wenn auch High Level beschrieben, bieten dies doch eine ganz gute Checkliste, mit der man als IT doch mal im Fachbereich vorbeischauen und ins Gespräch zu kommen.

Was jedoch die Word Clouds angeht – das Nutzenpotential halte ich eher für überschaubar. Den Versuch, Neues zu wagen, kann man jedoch durchaus wieder loben.

#BI2015 – Wrap Up

Wenn SAP zum Event, dem SAPInsider 2015 lädt, gibt es auch immer News. Selbst war ich nicht dort, was aber wohl wichtig war, lässt sich auch so ermitteln:

  • SAP Predictive Analytics 2.2 wurde vorgestellt und kann jetzt noch mehr Big Data und Internet of Things
  • Cloud for Planning als Mobile Anwendung lernt Collaboration
  • Rolf Hichert hat bzgl. Information Design begeistert mit Aussagen wie
    • „Be care of sparklines, pie charts, funnel charts, radar charts“
    • „Corporate design is our greatest enemy“
    • „3d charts are forbidden for effective information visualization design“
    • „A picture is worth a thousand words but you shouldn’t have to explain it in a thousand words“

Stephen Few: Mensch vs. Maschine

Als Antwort auf einen HBR-Artikel und als gute Ergänzung zu den vor Kurzem veröffentlichten Artikel, beschreibt Stephen Few in seinem aktuellen Blog-Beitrag, dass der Mensch die Fähigkeit hat, genauso wie ein Computer zu skalieren. Der Entscheidende Vorteil beim Menschen liegt jedoch darin, dass er tatsächlich denkt.

Wie Stephen Few bemerkt, ist der HBR-Artikel tatsächlich nah an Werbung für das Unternehmen des Schreibers dran.

Die Diskussion erinnert mich etwas an IBM Watson, den man ja mittlerweile sogar kostenlos ausprobieren kann. In speziellen Bereichen wurde bereits eine Überlegenheit der Maschine gezeigt. Denkt man mal in die Zukunft, könnten immer mehr Bereiche übernommen werden und wer weiß, irgendwann…

Stephen Few: What Do Data Analysts Most Need from Their Tools?

Wieder mal ein interessanter Newsletter von Stephen Few, der im Bereich Information Design sehr bekannt ist. Er beschreibt darin seine Gedanken zu zwei Anfragen welche er bekommen hat bzgl. einer BI-Software, welche automatisch Vorschläge für Diagramme erzeugt und einen weiteren BI-Anbieter, welcher Künstliche Intelligence und Natural Language Processing (NLP) in sein Produkt integrieren möchte.

Einige Zitate daraus:

  • “ None of the [BI-]tools are anywhere near what they should and could be.“
  • “ Their attempts to assist data analysts are actually getting in the way and slowing them down. In both cases the vendors don’t understand where to draw the line between the work that a computer can do and the work that requires the human brain“
  • “ Chances are, none of the graphs that were automatically generated would match what I want as my next view, and even if one did, I would have to review several graphs to get to it.“
  • „A novice who lets the computer make these judgments for him without understanding the reasoning behind these judgments will forever remain a novice.“
  • „Data analysis software should never attempt any of the following:
    • 1. Do what a data analyst could do better
    • 2. Take the data analyst out of the loop of awareness and thinking
    • 3. Pretend that it can think“
  • „… we should demand tools that finally get these basic requirements right.“
  • „Neither the volume, velocity, nor variety of data affect the fundamental nature and process of data analysis.“
  • „By “data analysts,” I referring to people who actually spend most of their time making sense of data and have acquired the skills over time that are necessary to do so productively. „

Insgesamt eine recht harte Kritik an den BI-Herstellern, welche im Bereich Exploratory Data Analysis (EDA) (= Data Discovery?) unterwegs ist. Dazu zählt bei SAP auch Lumira, welches versucht gegen Tableau, QlikView & Co. Marktanteile zu gewinnen. Ganz klar geworden, welche weiteren Tools er hier kennt ist es nicht. In sofern besteht ja für Lumira evtl. noch Hoffnung. Jedoch ist hier ja auch alles im Fluss und er zeigt klar, seine Aussagen sind nur Momentanaufnahmen seines jetztigen Kenntnisstandes.

Wieder ein schöner Artikel. Denn mit BI muss man sich auf jeden Fall kritisch auseinander setzen, damit es weiter an Niveau gewinnt.

TDWI: Trendthemen für BI identifiziert

In einem Positionspapier hat der TDWI die folgenden Trendthemen für BI identifiziert.

  • BI und Big Data
  • BI und Ethik
  • BI und Industrie 4.0
  • BI und Quantified Me
  • Cloud BI

In dem Papier werden die Themen von bekannten Vertretern der BI-Szene in Deutschland definiert und betrachtet. Ethik und Quantified Me hat mich dabei etwas überrascht. Ethik ist in Leistungsbereichen und im Personalbereich schon immer ein Thema. Und das nicht nur aus BI-Sicht. Ob Quantified Me hier überhaupt ein Thema sein sollte, ist die Frage. Man kann sich gerne aus BI-Sicht mit diesen Themen beschäftigen. Diese gleich in einem Positonspapier als Trendthemen zu beschreiben hinterlässt bei mir den Eindruck, als wäre in den Kern BI-Bereichen bereits alles gesagt. Grundsätzlich hätte man die Themenpunkte auch im Kontext „BI und das Internet der Dinge“ zusammen fassen können. Da wäre es leichter gefallen, gleich auch über den Kontext nachzudenken.