Checklist: In-Memory-Analytics richtig im Unternehmen implementieren

In den vergangenen Jahren ist vor allem In-Memory-Computing zu einem unverzichtbaren Bestandteil jeglicher IT-Strategie geworden. Doch worauf ist zu achten?

Bei In-Memory-Analytics geht es darum, Daten von den Storage-Tiers zur CPU hin zu verschieben. Das Ziel ist, Analysen und Erkenntnisgewinn durch einen schnelleren Zugriff zu beschleunigen. Allerdings setzen das Implementieren und Skalieren dieses Konzepts in der Regel Anpassungen in der IT-Architektur voraus. Während In-Memory-Datenbanken noch vor Kurzem nur eine teure und deshalb selten genutzte Möglichkeit zur Ausführung besonderer Analytics-Workloads waren, werden sie heute sehr viel breiter eingesetzt. Die In-Memory-Analytics-Checkliste gibt einen Leitfaden an die Hand, mit dem das nächste Projekt erfolgreich geplant und umgesetzt werden kann.

1. Holen Sie Ihr Team ins Boot

• Nehmen Sie Ihre Unternehmensziele als Ausgangspunkt und Maßstab. Implementieren Sie In-Memory-Analytics wirklich nur, wenn es Ihrem Unternehmen einen deutlichen Vorteil bringt. Das Generieren neuer Erkenntnisse ist nur dann sinnvoll, wenn diese auch genutzt werden.
• Beziehen Sie Stakeholder aus allen Abteilungen ein und holen Sie sich unterschiedliche Vorschläge und Sichtweisen ein. So finden Sie heraus, welches Projekt Sie als erstes angehen sollten.
• Holen Sie Mitarbeiter an Bord, die teamorientiert arbeiten und offen für Veränderung sind. Wenn die Projektmitglieder nicht gut zusammenarbeiten oder sich innerlich gegen Veränderung sträuben, kann das auch die beste Projektidee im Keim ersticken.

2. Legen Sie den Grundstein für Ihr Projekt

• Identifizieren Sie Maßnahmen, mit denen Sie schnelle Ergebnisse erzielen und den Mehrwert Ihres Projekts aufzeigen können. Suchen Sie sich für den Anfang einen Anwendungsfall mit hohem Return on Investment (ROI), bei dem Echtzeitanalysen gewinnbringend eingesetzt werden können. Später, wenn Sie den Nutzen Ihres Projekts nachgewiesen und Unterstützer dafür gefunden haben, können Sie es skalieren und die Komplexität erhöhen.
• Finden Sie heraus, welche Anknüpfungspunkte Ihr Use Case bietet, um möglicherweise einen Dominoeffekt auszulösen. Idealerweise sollten es Anwendungsfälle sein, die mit dem ersten zusammenhängen, weil sie beispielsweise dieselbe Sparte betreffen oder auf die gleichen Daten zugreifen. Rechnen Sie mit Ihrem Erfolg: Ihr Projekt sollte möglichst einfach skalierbar und replizierbar sein.

3. Bereiten Sie Ihre Daten auf

• Entwickeln Sie ein Datennutzungsmodell. Benötigen Ihre Benutzer Self-Service-Optionen, um bei Bedarf auf Erkenntnisse zuzugreifen und diese unterschiedlich zu kombinieren? Oder sollen die Erkenntnisse über regelmäßig ausgegebene automatisierte Reports zur Verfügung gestellt werden?
• Prüfen Sie genau, welche Datenelemente notwendig sind, um das Unternehmensziel zu erreichen. Mit welcher Art von Daten haben Sie es zu tun? Wie häufig fallen die Daten an, und wie oft werden sie erfasst, verarbeitet und analysiert? Bei welchen Prozessen und Applikationen spielen diese Daten eine Rolle?
• Nehmen Sie sich die Zeit, ein solides Gerüst für Ihr Datenmodell zu schaffen. Holen Sie, wenn möglich, alle Beteiligten an einen Tisch und erarbeiten Sie die Grundlagen gemeinsam. Behalten Sie die Skalierbarkeit im Auge: Wird das Modell auch in Zukunft noch Gültigkeit haben? Welche Aspekte müssen unter Umständen zu einem späteren Zeitpunkt zusätzlich abgedeckt werden, wenn sich die Unternehmensanforderungen ändern?
• Entscheiden Sie, wer für Data Governance und Management verantwortlich sein soll. Wie und in welchen Abständen sollen die Daten gepflegt und aktualisiert werden? Wie stellen Sie den Schutz der Daten sicher, und wie können Sie die Einhaltung der gesetzlichen Vorschriften nachweisen?

4. Planen Sie Ihre In-Memory-Analytics-Umgebung

• Prüfen Sie, welches Software-Ökosystem Sie zur Verfügung haben. Es gibt sehr viele proprietäre und Open-Source-Anwendungen, die Use Cases für In-Memory-Analytics unterstützen. Idealerweise können Sie ein bereits existierendes Programm an Ihre Bedürfnisse anpassen. Anderenfalls müssen Sie intern eine eigene Lösung entwickeln. Stellen Sie sicher, dass Sie im Team über die notwendigen Kompetenzen verfügen, um die gewünschte Anwendung anzupassen bzw. zu programmieren.
• Wählen Sie die Anbieter sorgfältig aus, bei denen Sie wichtige Teile der Infrastruktur beziehen. Führen Sie Testläufe und Proofs of Concept durch, um zu sicherzugehen, dass die von Ihnen gewählten Lösungen in der Realität funktionieren.
• Überlegen Sie, wie Sie In-Memory-Analytics am besten implementieren. Berücksichtigen Sie dabei die Anforderungen Ihres Unternehmens und die Leistungsfähigkeit Ihrer IT-Infrastruktur.
• Unter Umständen sind auch Bare-Metal-Server, virtualisierte Maschinen und eine hyperkonvergente Infrastruktur, Container-Orchestrierung oder die Cloud für Sie interessant.

5. Beginnen Sie mit der Implementierung

• Gehen Sie schrittweise vor und bleiben Sie dran. Der Erfolg wird sich nicht über Nacht einstellen. Es wird nicht immer alles glatt laufen, Sie werden öfter auf Hindernisse treffen. Begreifen Sie Fehler als Chance, dazuzulernen, und es beim nächsten Mal besser zu machen.
• Setzen Sie ein Reporting für Ihre In-Memory-Analytics auf, um deren Performance im Blick zu behalten, und vereinbaren Sie Intervalle zur Wartung der entsprechenden Algorithmen und Systeme. Mit der Zeit müssen Sie Ihre Vorhersagemodelle vermutlich überarbeiten, um weiterhin exakte und verwertbare Erkenntnisse damit zu erzielen.

Fazit

Für Anwenderunternehmen oft schwer zu durchschauen ist die Vielzahl der unterschiedlichen Speichertechnologien und -konzepte. Es gilt, für jeden Workload – für jeden Use-Case – die passende Technologie zu wählen. Grundsätzlich gilt:  Die IT-Abteilung muss eine intelligente Datenstrategie entwickeln, die nicht nur effizient und sicher Daten speichert, sondern die Daten auch für die Echtzeit- oder zukünftige Anwendungsnutzung vorhält