Wann verlagern Sie Ihre Analytics-Anwendungen in die Cloud?

0

Fünf Antworten und eine Frage: Bei vielen Anwendungen haben sich die großen Unternehmen daran gewöhnt, dass diese zunehmend in die Cloud wandern. Das ist bei SAS als global agierendem Konzern auch nicht anders. Reisekostenabrechnung, Personalverwaltung, IT-Support – alles längst Cloud-Anwendungen. Wann aber ist es für Analytics Zeit, in die Wolke umzuziehen? Über fünf Gründe, warum es gerade jetzt soweit sein könnte.

Wann verlagern Sie Ihre Analytics-Anwendungen in die Cloud?
Wann verlagern Sie Ihre Analytics-Anwendungen in die Cloud?

Mehr Anwender

Vor einigen Jahren noch waren nur wenige Datenspezialisten mit der Analyse von Unternehmensinformationen beschäftigt. Die sogenannte „dispositive Welt“ analytischer Anwendungen kam lange nach den operativen Prozessen. Zwar wurden „schon immer“ grundlegende und detaillierte Analysen geliefert – aber nicht sofort nachgefragt.

In einer Welt voller Daten kommt es aber immer mehr darauf an, dass sich mehr als nur eine Handvoll Statistiker mit Analytics beschäftigen. Vertriebszahlen, Kundenanalysen, Qualitätsreports – das gehört in die Hände der Fachabteilungen, vor Ort, sofort und in Echtzeit. Gut, dass mit der Cloud eine schnelle und wartungsarme Variante eines Roll-outs zur Verfügung steht.

Mehr Daten

Mit der Digitalisierung wuchs der Datenberg nahezu täglich an. Damit steigt natürlich auch der Bedarf an zusammenfassenden, erklärenden und letztlich wertschöpfenden Analysen. Während in der Industrie 3.0 einzelne Maschinen einzelne Datentöpfe füllten, produziert die vernetzte Produktion exponentiell mehr Daten. Die interne IT kommt damit kaum noch hinterher, herkömmliche Architekturen können so schnell gar nicht wachsen. Ohne günstige Speichertöpfe wie Hadoop hätten in den  letzten Jahren keine Data lakes gebaut werden können. Diese wollen aber auch betrieben werden und jederzeit verfügbar sein. Eine dankbare Aufgabe für die Cloud.

Komplexere Infrastrukturen

Das Verdichten von Vertriebskennzahlen in hochkomplexen Data Warehouses ist schon keine triviale Aufgabe und hat eine ganze Gruppe von Technologien getrieben. SQL-basierte Datenbanken und Dashboarding-Tools, dazu Datenaufbereitungswerkzeuge jeglicher Couleur. Mit neueren Anforderungen wie Machine Learning und Maschinendaten sind diese Infrastrukturen überfordert – und  auch die IT steht vor dem Problem, parallel weitere Architekturen zu konzipieren, aufzubauen und zu betreiben. Wer hier schnell Know-how benötigt – geht in die Cloud.

Höhere Vielfalt im Bereich Analytics

Auch kommerzielle Softwareanbieter haben erkannt, dass es am Open-Source-Markt mittlerweile gute Software für Analytics und Machine Learning gibt. Längst geht es nicht mehr um ein Entweder-Oder – sondern um ein Sowohl-als-Auch. Nur wenn auch die Python-Fraktion eingebunden werden kann, und die R-Programmierer weiter an ihren Lösungen arbeiten können, kann es gelingen, eine größere Analytics-Gruppe in  einem Unternehmen aufzubauen. Effizienzsteigernd dabei ist es allerdings, wenn die unterschiedlichen Anwender miteinander statt gegeneinander arbeiten. Vorhandene, herkömmliche Architekturen, auch die von SAS, sind dafür nur unzureichend vorbereitet. Mit SAS Viya ändert sich das: APIs für Python, R, Java, RESTful APIs, Jupyter Notebook-Integration, Container-Technologien etc. sorgen für eine Kombination aus Kompetenzen und Code. Die dafür nötige neue Infrastruktur baut man am besten, Sie ahnen es, in der Cloud.

Fachliche Gründe

Machine Learning ist ein rechenintensiver Vorgang auf möglichst viel Hardware. Die eigentliche Anwendung hingegen könnte eine viel kleiner Hardwarekonfiguration voraussetzen – die allerdings maximal skalierbar sein muss. Am Ende des Tages macht der Hardwarehunger Machine Learning zu einer kostenintensiven Sache. Der berühmte Google-Algorithmus, der den besten Go-Spieler der Welt geschlagen hat, wurde auf Hardware im Wert von etwa 20 Mio. Dollar trainiert. Das muss man sich erst einmal leisten können – oder kostengünstig mieten – in der Cloud.

Alle Analytics-Spezialisten einer Firma müssten miteinander arbeiten können. Dazu sind Lösungen nötig, die das ermöglichen. SAS #Viya wäre eine Möglichkeit. Click To Tweet

Kurz angerissen waren das fünf Gründe, warum es sinnvoll sein könnte, Analytics in die Cloud zu migrieren. Nun, Sie werden sich auch schon denken, dass SAS das nicht vorschlägt, ohne dafür eine Lösung anbieten zu können. Die Frage nun, die sich uns allerdings stellt ist im Grunde einfach. Wenn es nicht mehr um das „Ob“ geht, geht es um das „Wann“.

Und genau deshalb haben wir zu diesem Thema eine Umfrage gemacht. Wir wollten wissen, wie Cloud-fit Unternehmen sind und wo sie in ihren Märkten stehen. Zur Zeit werten wir zwar die Antworten aus, aber, ob Sie nun mitgemacht haben oder nicht, die Ergebnisse könnten vielleicht auch für Sie interessant sein. Wir senden Ihnen den Report zu, sobald er uns vorliegt. Dazu müssten Sie sich hier registrieren.

Aber warum noch so lange warten, wenn auch andere gute Infos zum Cloud-Thema schon da sind? Hier können Sie mit einem On-Demand-Webinar Ihren Cloud-Appetit gleich stillen.

Share

About Author

Thomas Keil

Director Marketing

Dr. Thomas Keil is a specialist for the impact of technology on business models and on society in general. He covers topics like Digital transformation, Big Data, Artificial Intelligence & Ethics. Besides his work as Regional Marketing Director at SAS in Germany, Austria and Switzerland he regularly is invited to conferences, workshops and seminars. He serves as advisor to B2B marketing magazines and in program committees of AI-related conferences. Dr. Thomas Keil 2011 came to SAS. Previously, he worked for eight years for the software vendor zetVisions, most recently as Head of Marketing and Head of Channel Sales.

Related Posts

Leave A Reply

Back to Top