1. Genaue Anforderungen ermitteln 

Ein Unternehmen muss aufspüren, wo es den größten Nutzen durch Big-Data-Einsatzszenarien gibt. Das ist meist dort, wo die Analyse mit herkömmlichen Mitteln nicht mehr ausreicht. Das kann unternehmensweit geschehen, etwa bei der Umsatzanalyse von Filialen für eine bessere Personalplanung. In der Regel haben aber auch Fachabteilungen einen klaren Bedarf. Die Logistik sucht nach Möglichkeiten, mit denen sie Modelle zur Optimierung der Tourenplanung testen kann, und in der Fertigung steht die Aufgabe an, durch ein erweitertes ganzheitliches Mess- und Prozessdatenmanagement die Workflows neu zu gestalten.

2. Nachprüfbare Ziele für Big-Data-Projekte festlegen 

Big-Data-Projekte müssen sich konkrete Ziele setzen, beispielsweise die Kundenabwanderungsrate senken, die Kundenbindung erhöhen, neue Umsatzquellen - etwa im Web oder über mobile Kanäle -erschließen oder die Qualität im Kundenservice verbessern. In allen Fällen müssen die Verantwortlichen quantitative oder nachprüfbare qualitative Ziele festlegen, deren Erreichung durch Soll-Ist-Vergleiche überprüft wird.

3. Die richtigen internen Datenquellen aufspüren 

Eines der Ziele von Big Data ist es, bislang nicht oder nur schwer zugängliche, große Mengen strukturierter und wenig strukturierter Geschäftsdaten aufzuspüren, um daraus neue Erkenntnisse für aktuelle Entscheidungen zu gewinnen. Dazu gehört auch festzustellen, wie und in welcher Form die IT auf die Daten zugreifen soll.

4. Informationen aus sozialen Netzwerken mit einbeziehen 

Im Marketing, Vertrieb und Kundensupport ergibt sich eine Vielzahl von Möglichkeiten, um etwa die Kommentare und Meinungen zu einem Produktlaunch in sozialen Netzwerken zu erfassen und auszuwerten. Mit zusätzlichen Funktionen, beispielsweise für die Textanalyse, können Unternehmen sowohl strukturierte als auch unstrukturierte Daten in Blogs, Facebook oder Twitter durchsuchen und die ermittelten Informationen mit Daten aus Kundenbeziehungsmanagement-Systemen oder anderen Unternehmensapplikationen für weitere Analysen einsetzen.

"Wer zögert, verpasst die Chance"

5. Fachbereiche und IT müssen sich effizient vernetzen 

Bei allen Big-Data-Projekten müssen sich Fachbereiche und IT von Anfang an über Ziele und Verantwortlichkeiten abstimmen. Die frühzeitige Unterstützung durch die Geschäftsführung stellt darüber hinaus sicher, dass es nicht um ein nachrangiges Projekt, sondern um eine Aktion mit klarem Auftrag und nachprüfbaren Zielen geht. 

6. Vorhandene Business-Intelligence-Pattformen als Sprungbrett nutzen 

Den technischen Unterbau für Big Data stellen die in einem Unternehmen bereits vorhandenen Business-Intelligence-Plattformen sowie neuartige Analyse- und Visualisierungs-Tools bereit. Bauen IT und Fachabteilungen auf dem Vorhandenen auf, wird Business Intelligence (BI) zum Katalysator für Big Data. Eine hohe Effizienz erzielen Unternehmen, wenn sie eine durchgängige Lösung für BI und Big Data einsetzen. 

7. Regelmäßig die Projektergebnisse überprüfen 

Eine wichtige Rolle für den nachhaltigen Erfolg von Big-Data-projekten spielt die kontinuierliche Überprüfung der Projektresultate und die Weiterentwicklung. Wie alle anderen Unternehmensanwendungen auch, unterliegt Big Data den unterschiedlichsten externen Einflussfaktoren und muss daher permanent mit einem Soll-Ist-Vergleich überprüft und angepasst werden. 

"Wer jetzt immer noch zögert, Projekte aufzusetzen, Erfahrungen zu sammeln und diese in neuen Anwendungen einzusetzen, verpasst die Chance, sich Wettbewerbsvorteile zu verschaffen", erklärt Nathan Jagoda, Country Manager Germany bei Information Builders. "Ideen für Big-Data-Applikationen gibt es in den Fachbereichen genügend. Jetzt muss gemeinsam mit der IT die dazu benötigte IT-Infrastruktur entstehen, damit die Ideen auch umgesetzt werden." 

Einer Studie der Agentur Interone zufolge erwarten 65 Prozent der Marketer in Unternehmen und Agenturen, dass Daten die Markenkommunikation stark beeinflussen werden. Dennoch besteht bei dem Thema nach wie vor großer Nachholbedarf.