Wann ist ein IT-Projekt ein Big Data-Projekt?

Big Data

Big Data und die damit verbundenen Analytics-Methoden versprechen für viele Bereiche, auch für die öffentliche Verwaltung, Effizienzsteigerungen. Das BRZ hat nun gemeinsam mit der Donau-Universität Krems einen Kriterienkatalog zur Einschätzung der Big Data-Relevanz von IKT-Projekten erstellt.

Bereits vor fünf Jahren prognostizierte das Unternehmens- und Strategieberatungsunternehmen McKinsey, dass die europäische Verwaltung mit der konsequenten Umsetzung von Big Data Analysemethoden einen jährlichen Mehrwert von 250 Milliarden Euro schöpfen könnte. Für den Analysten Gartner ist jetzt die Zeit gekommen, versprochene Potenziale mit tatsächlich erwartbaren Vorteilen abzugleichen.

Big Data in der Verwaltung

Big Data umfasst große, strukturierte und unstrukturierte Datenbestände, die sich rasch ändern und mit traditionellen Methoden der Datenverarbeitung nicht mehr administriert und verarbeitet werden können. Die öffentliche Verwaltung bietet ein fruchtbares Anwendungsfeld für den Einsatz von Big Data-Analysemethoden. Die größten Erkenntnisse schlummern nämlich in jenen Daten, die aufgrund mangelnder oder fehlender Zusammenarbeit zwischen verschiedenen Ressorts oder Abteilungen bisher noch nicht ganzheitlich analysiert wurden.

„Internationale und nationale Beispiele zeigen, dass Big Data in den letzten Jahren vom Buzzword zur Realität geworden ist. „Die Frage, die es im Zusammenhang mit Big Data Analytics in der öffentlichen Verwaltung zu klären gibt, ist ab wann ein IT-Projekt ein Big Data-Projekt ist“, erklärt DI Günter Stessl, Abteilungsleiter für Information Management im BRZ. „Um diese Frage zu beantworten ist es notwendig, die Eigenschaften von Big Data zu analysieren und entsprechende Indikatoren zu identifizieren."

Big Data-Katalog

Basierend auf diesen Kategorien hat das BRZ gemeinsam mit der Donau-Universität Krems einen Katalog entwickelt, mit dem die Big Data-Relevanz von IT-Projekten in der Verwaltung eingeschätzt werden kann.

Kriterien für Big Data-Relevanz sind u. a.:

  • die Skalierbarkeit einer IT-Lösung
  • die Fähigkeit, aus unstrukturierten Daten strukturierte Daten zu erhalten
  • Daten, die in Echtzeit zur Weiterverarbeitung angeliefert und ausgewertet werden
  • viele Daten, die einen Ortsbezug aufweisen
  • Visualisierung der Ergebnisse in Form eines Dashboard

Auch der Inhalt der zu analysierenden Daten ist ein weiterer Indikator. So ist z. B. Big Data-Relevanz gegeben, wenn E-Mails, Bilder, Aktivitätslogs oder Logs bezüglich Geschäftstransaktionen analysiert werden sollen. Die Analyse unvollständiger Daten oder, wenn Zusammenhänge zwischen den Daten nicht bekannt sind und abgeleitet werden müssen, sind ebenfalls Kriterien für Big Data.

„Vereinfacht kann gesagt werden: Ein Big Data-Projekt liegt dann vor, wenn die Daten selbst das Umsetzungsproblem darstellen“, so Günter Stessl. „Doch, wer mit unserem Katalog die Big Data-Relevanz erhebt, kann Projekte organisatorisch besser steuern. Und das führt letztlich zu besseren Ergebnissen.“ Der umfangreiche Fragenkatalog fördert schließlich auch ein gemeinsames Verständnis von Big Data.

Wissenschaftliche Relevanz der Ergebnisse

Der Fragenkatalog entstand nach umfangreicher Analyse der Charakteristika von IKT-Projekten durch das Department für E-Governance in Wirtschaft und Verwaltung der Donau-Universität Krems. Augenmerk wurde dabei darauf gelegt, nicht nur die bekannten drei Big Data „V“s wie Größe (Volume), Geschwindigkeit (Velocity) und Vielgestalt (Variety) der Daten zu berücksichtigen, sondern darüber hinausgehend organisatorische Aspekte von IKT-Projekten wie deren Komplexität, die Notwendigkeit der Einbeziehung von Sensordaten oder die Zusammenarbeit in heterogenen Teams.

„Eine anwendungstaugliche und umfassende Zusammenstellung zur Erhebung der Big Data-Relevanz eines IKT-Projektes ist neuartig.  Durch frühzeitige Erhebung der Projekteigenschaften kann das Umsetzungsteam anforderungsgerecht zusammengesetzt und Projektrisiken reduziert werden“, so Prof. Dr. Parycek, Departmentleiter an der Donau-Universität Krems.