Top-Trends in Business Analytics

Die Zeiten der Elfenbeintürme, wo Entscheider die Musse hatten, in aller Ruhe Langfrist-Strategien für ihre Unternehmen entwerfen, sind Geschichte. Für das neue Business-Intelligence-Paradigma gilt: schneller, grösser, nutzerfreundlicher - in Echtzeit. So sieht es CTO Stephen Brobst, der auf der ersten technischen Session der Teradata Partners Conference in Washington über Top-Trends in Business Analytics referierte.

Erster Top-Trend: Business Analytics bewegt sich entlang der Wertschöpfungskette weg vom IT-Experten mit Programmierkenntnissen hin zu Mitarbeitern, Sales, Marketing, Partnern, Lieferanten und Kunden. Jeder werde in Zukunft auf das Enterprise Data Warehouse von Dienstleistungsanbietern zugreifen wollen und können, sagt Brobst. Für den Teradata-CTO ist Business Analytics so etwas wie das Wunderheilmittel für alle Übel der Geschäftswelt: Lieferengpässe, unproduktive Angestellte, unzufriedene Kunden oder Qualitätsprobleme. Was würden Sie darum geben, von diesen Schwachstellen nicht erst am Monatsende oder im Quartalsbericht, sondern in Echtzeit, in Realtime zu erfahren? So manche Umsatzdelle hätte vermieden werden können. Mit 24x7-Echtzeit-Reporting einher gehen jedoch sehr hohe Anforderungen an die Performance der Systeme. "Stellen Sie sich vor, Sie würden jeden Tag die Bücher schliessen und ihr Betriebsergebnis berechnen", meinte Brobst. Das sei heute möglich, und insbesondere Unternehmen, die in sehr kompetitiven Märkten unterwegs seien, würden davon profitieren. Jedoch muss die Architektur der Data Warehouses (DW), über die Analysen laufen, für Echtzeitreportings ausgelegt sein. Den zweiten Top-Trend sieht Brobst deshalb in DWs, die eine flexible, Service-orientierte Architektur (SOA) realisieren und "Business Rules" nicht fest verdrahtet haben, sondern über ein Middleware-Layer schnell verändern können.

CTO Brobst lieferte die passende Philosophie zu Produkt-Innovationen, die Teradata dann wenige Stunden später in Washington D.C. präsentierte: etwa die "Teradata Aster Big Analytics Appliance", die es gestattet, auf Hadoop/MapReduce per SQL, genauer mit der Dialektvariante SQL-H, zuzugreifen. Die Plattform vereint die Aster Datenbank, Aster SQL-MapReduce und das Hortonworks Apache Hadoop. Sie ist ab sofort verfügbar und speichert bis maximal 5 Petabyte unkomprimierter Daten (Aster) und bis zu 10 Petabyte unkomrimierter Daten in Hadoop. Hadoop/MapReduce ist ein Open-Source-Framework, das unstrukturierte bzw. semistrukturierte Daten auf hunderte, bei Bedarf tausende von Rechnerknoten verteilt. Die Analyse riesiger Datenbestände - Tweeds, Sensordaten, soziale Netze - läuft durch Parallelverarbeitung sehr schnell ab. Die amerikanischen ESG-Labs haben das neue Aster MapReduce von Teradata und das originale Hadoop/MapReduce auf den Prüfstand gestellt und herausgefunden: Die Version von Teradata ist in vielen Testdisziplinen performanter (vgl. Lab Validation Report, August 2012). Nächste Seite: Die Big Analytics Appliance im Benchmark-Test Ein Testbeispiel - die Sentiment-Analyse von einer Millarde Tweeds (etwa 2 TByte): Aster fand 31,8x schneller den aktivsten User (inklusive Re-Tweets) und 54,6x schneller den aktivsten, einflussreichsten User, der mehr als 500 Follower und einen Klout-Score grösser als 95 hat. Für das Laden und Parsing der Tweeds - also die Aufbereitung der Daten - benötigte Aster knapp doppelt so lange als Hadoop: 13,86 Sekunden (vgl. Lab Validation Report, S. 16). Informationen über die letzten 20 Tweeds von US-Präsident Barack Obama fand Aster wiederum 80,5 Mal schneller als das Original-Hadoop.

Dadurch sparen besonders iterative Analysen, die es braucht, um Muster in unstrukturierte Riesendatenbeständen zu entdecken, viel Zeit. "Unsere Big Analytics Appliance hat die niedrigsten Total Cost of Ownership (TCO) und den schnellsten Return on Invest (ROI) der gesamten Industrie", meinte Tasso Argyros, Co-President Teradata und Aster, auf einem Medien-Briefing für Journalisten am Sonntag in Washington.SQL-H nimmt der Technologie den ehrfurchteinflössenden Heiligenschein. Über SQL-H können auch Business Analysten, die nicht Java oder eine andere Programmiersprache beherrschen (für Hadoop/MapReduce nötig) analytische Queries formulieren und so spielerisch mit den Daten jonglieren. Business Analysten stehen in der Regel unter grossem Zeitdruck. Unter den Faktoren, die Unternehmen daran hindern, ihre Big-Data-Bestände zu analysieren, stehen die Zeitaufwände mit 33 Prozent an erster Stelle (n = 103). Weitere Flaschenhälse sind die vorhandenen, zu limitierten IT-Kapazitäten und die Leistung der Netzwerke (beide jeweils 29 Prozent). Ausserdem fehlt es, wie im Falle von Original Hadoop/MapReduce - oft an den notwendigen Fachkenntnissen (ESG Research Report: The Impact of Big Data on Data Analytics, September 2011).

Der Zugriff auf ein parallel verarbeitendes Aster/Hadoop per einfachem SQL schafft da viele Stolpersteine aus dem Weg. Mit in Teradata/Aster MapReduce enthalten sind ausserdem 50 analytischen SQL-H-Routinen für Aufgaben wie Mustererkennung, statistische Analysen,Textanalysen, Daten-Parser und Daten-Konverter. Einen Verkaufspreis nannte Teradata noch nicht. Das Unternehmen bieteteineTestversion des SQL-MapReduce-Framerwork - Aster Express - zum kostenlosen Download an. Aster Express läuft, einen 64-Bit-Prrozessor vorausgesetzt, unter Windows Vista, Windows 7 und Windows XP (als Host für 64-Bit-Linux, benötigt 4 GByte RAM und 20 GByte Festplattenspeicher. Mit dabei sind mehere Tutorials, die Aster Datenbank, SQL-MapReduce, vorprogrammierte SQL-Analytics-Apps und SQL-H. Viele Analysten sehen in Big Data Analytics einen stark wachsenden Zukunftsmarkt. Die Teradata-Lösung steht in Konkurrenz etwa zu Oracles analytischer Appliance Exalytics, die das Unternehmen bereits vor einem Jahr auf der Hausmesse OpenWorld präsentierte, oder zu SAPs analytischer In-Memory-Appliance HANA, die u.a. das Schweizer Warenhaus Globus im Einsatz hat.