SAS Big Data Lab: Innovationslabore für Use Cases - Teil 2

0

Das Big Data Lab ist der beste Weg hin zum innovativen und profitablen Umgang mit Big Data. Aber welche organisatorischen Weichenstellungen führen eigentlich zum Erfolg?

In meinem letzten Blog habe ich die wichtigsten Erfolgsfaktoren eines Innovationslabors für datenbasierte Use Cases skizziert: Experimentieren erlauben, Agilität ermöglichen und schnelles Scheitern (als Chance!) realisieren, dabei die Wirtschaftlichkeit nicht aus dem Auge verlieren. Aber wie lässt sich so ein Big Data Lab konkret umsetzen?

Big Data Lab Konzept

Komplementäre Ansätze mit unterschiedlichen Erfolgsrezepten

Über die erfolgversprechenden Methoden und Technologien habe ich bereits berichtet. Die richtige organisatorische Verankerung ist die zweite wichtige Sache. Wie machen es Organisationen, die den Weg eines Big Data Lab konsequent gehen?

Innovation und operative Exzellenz trennen

Zunächst ist festzuhalten: Die notwendigen Rahmenbedingungen für kreative Innovation und effizientes Industrialisieren sind sehr unterschiedlich. Während operative Exzellenz Tugenden und Aufgaben wie Genauigkeit, sorgfältige Dokumentation, Prozess- und Richtlinientreue, Effizienz und Skalierbarkeit erfordert, geht es bei der Innovation um die Freiheit, auszuprobieren und Fehler zuzulassen. Fehler gehören hier geradezu zum natürlichen Prozess. Durch sie sind wir in der Lage, unsere Fragen genauer zu stellen und zu lernen.

Aufgrund dieser fundamentalen Unterschiede in der Natur der Sache wird deutlich, dass es eher keine gute Idee ist, analytische und datenbasierte Innovation im Rahmen des BI-Regelbetriebs durchzuführen. Auch ein Automobilhersteller entwickelt sein neuestes Modell ja nicht auf dem Fließband.

„Innovation Hub“ statt Erfinder-Inseln

Vielfach sehe ich, dass einzelne Fachbereiche jeweils für sich mit einem Mix aus individuellen Methoden und Techniken datenbasierter Innovationen arbeiten. Diese Isolation ist, ähnlich wie die berüchtigte Schatten-IT, zunächst einmal ein Kostentreiber. Aber mehr noch: Es bleiben auch Synergien bezüglich des Wissensaufbaus zu Methoden und Technologien oder der gemeinsamen Datennutzung ungenutzt. Zudem unterliegt ein solches Vorgehen keiner ordentlichen Governance. Wird ein Big Data Lab hingegen als zentrale, IT-gesteuerte Innovationsumgebung realisiert, fördert dies den Austausch, senkt Risiken und ermöglicht die Wirtschaftlichkeit des Innovationsprozesses.

SAS Big Data Lab in der Umsetzung - grafisch dargestellt

SAS Big Data Lab in der Umsetzung - grafisch dargestellt

Interne Sichtbarkeit schaffen

Innovation ist erst dann erfolgreich, wenn gute und neue Ideen auch in den Markt gebracht werden. Damit am Ende der Transfer gelingt, müssen die Use Cases strategisch gewollt und rechtlich unbedenklich sein. Daher ist es wichtig, frühzeitig das Einverständnis und die Unterstützung der Geschäfts- und Bereichsleitungen zu erhalten. Frühe und regelmäßige Kommunikation und Präsentation der Ideen im Rahmen eines regelmäßig tagenden Steering Boards sind dafür das beste Mittel.

Interne Sichtbarkeit steigert den Erfolg

Interne Sichtbarkeit steigert den Erfolg: Informieren Sie sich beim Big Data Forum in Frankfurt, 6. Oktober 2015

 

 

 

Eine geschützte Umgebung bereitstellen

In jedem Big Data Lab wird mit Daten experimentiert. Vorhandene Daten werden neu und anders aufbereitet und mit weiteren Daten verknüpft. Dabei lassen sich Qualität und Nutzbarkeit der Ergebnisse im Vorfeld nur schwer einschätzen. Umfangreiche analytische Auswertungen werden durchgeführt und damit z. T. erhebliche Rechenkapazitäten belegt. Es gilt das Prinzip „Trial & Error“, und es genügt, so genau zu sein, wie es dem Erkenntniszweck angemessen ist. Zudem lernen die Mitarbeiter im Lab auch neue Methoden kennen und sammeln erste Erfahrungen mit neuen Technologien.

Das Innovationsteam benötigt also eine sichere „Versuchsküche“. Denn hier passieren Fehler – und die dürfen den Regelbetrieb der IT keineswegs stören. Weder, was den Datenhaushalt betrifft, noch die Performanz der laufenden Systeme. Die Sicherheit, keinen Schaden anzurichten, senkt dann auch die psychologische Hemmschwelle, mit Daten und Methoden kreativ umzugehen. Am besten schaffen Unternehmen hierfür eine von der Welt des Regelbetriebs weitestgehend separierte Umgebung.

Echte Innovation braucht einen freien kreativen Raum

Manche Organisationen trennen ihren Innovationsraum auch örtlich vom regulären Geschäftsbetrieb ab. Der Grund ist bei einem sehr hohen innovativen Anspruch in einem ansonsten auf prozessuale Exzellenz getrimmten Unternehmen recht einfach: Evolution, also die kontinuierliche Prozessverbesserung des bestehenden Geschäfts, kann durchaus in den Abläufen und Räumen des Mutterstandorts gut aufgehoben sein. Revolution hingegen lagert man besser konsequent aus. Disruptive Neuerungen entstehen nun mal selten neben dem Tagesgeschäft mit seinen zahlreichen Regeln und organisatorisch bedingten Scheren im Kopf.

Das SAS Big Data Lab bringt nicht nur die richtigen Methoden mit. Sein Konzept harmonisiert auch hervorragend mit den skizzierten organisatorischen Rahmenbedingungen. Wer jetzt einmal sehen möchte, wie ein „Tag im SAS Big Data Lab“ abläuft: Im gleichnamigen SAS-Webinar gibt es die Gelegenheit dazu!

Big Data Lab auch in der Cloud verfügbar

Big Data Lab auch in der Cloud verfügbar

Share

About Author

Andreas Becks

Head of Pre-Sales Insurance DACH

Together with his team of insurance experts, data governance professionals and data scientists, Dr. Andreas Becks advises insurance clients on the analytical platform of SAS. His main focus is on data-based innovation on the one hand and industrialization of analytics on the other. For 20 years Andreas has been designing innovative solutions for data-based decisions, information visualization and AI applications in various industries. He has been with SAS for more than 5 years in various expert and management positions for Customer Experience, BI and Analytics. Moreover, Andreas is speaker at events, blogger and author of specialist articles. Prior to SAS, he held various senior positions in research and development, as a business and solution architect and in the strategic product management of a software company. Andreas owns a degree as computer scientist, holds a PhD in Artificial Intelligence from Aachen Technical University as well as an MBA from the University of St. Gallen.

Leave A Reply

Back to Top