Cloud-Services, DevOps-Teams und IT-Tools generieren eine nie dagewesene Menge an Unternehmensdaten. Versierte Unternehmen nutzen eine Vielzahl von Cloud-nativen und Analyse- und Business Intelligence Tools, um den maximalen Geschäftswert aus diesen Daten zu ziehen.
Dennoch gibt es immer noch viele Datenquellen, die Unternehmen nicht angezapft haben und die eine Reihe von technologischen und geschäftlichen Vorteilen bieten.
Dark Data: innerhalb und außerhalb des Unternehmens
Dark Data sind trotz des Namens nichts Böses. Es kann sich dabei um Daten aus der Cloud, aus IT-Betriebs-Tools und aus dem Unternehmen handeln, die von IT-Administratoren übersehen werden und aus denen sich verwertbare Erkenntnisse zur Serviceverbesserung gewinnen lassen. Jeder Datentyp, wie zum Beispiel E-Mails, Dokumente, Call-Center-Aufzeichnungen, Videos, IoT-Sensordaten, Server-Protokolldateien, Chat-Protokolle und Zip-Dateien, die ein Backend-System erzeugt, kann unter die Definition von Dark Data fallen.
Der erste Schritt zur Nutzung von Dark Data besteht darin, die erforderlichen Datenquellen zu ermitteln, um Geschäfts-Entscheidungen zu verbessern.
Dark-Data-Quellen gibt es auch außerhalb des Unternehmens. Dazu gehören Daten, die von Google und anderen Suchmaschinen in der Regel nicht indiziert werden, zum Beispiel staatliche Studien und Umfragen oder Daten von Nutzergruppen in einer bestimmten Branche. Daten aus dem Dark Web – Webseiten, die praktisch nicht auffindbar sind, da Google sie nicht indiziert – werden ebenfalls als Dark Data betrachtet.
Der Großteil dieser Daten ist unstrukturiert, sodass Unternehmen fortschrittliche Analysefunktionen benötigen, um sie zu interpretieren und einen geschäftlichen Nutzen daraus zu ziehen. Meistens halten Unternehmen Dark Data nur zu Compliance-Zwecken vor.
Häufige Anwendungsfälle für Dark Data
IT-Betriebsteams können jedoch – ebenso wie Sicherheitsadministratoren und das gesamte Unternehmen – davon profitieren, wenn sie diese Dark-Data-Quellen ausschöpfen, die außerhalb der traditionellen Betriebssilos existieren.
Das Erkennen und Verwalten von Dark Data stärkt beispielsweise die Sicherheitslage des Unternehmens, da es sicherstellt, dass die IT-Teams diese Art von Daten vor Verstößen und Diebstahl schützen. Unerschlossene Dark Data können zu einer Schwachstelle oder einem Compliance-Problem werden, wenn die notwendigen Datensicherheits- und Governance-Kontrollen fehlen. Unbeachtete Dark Data können Informationen enthalten, die für einen Hacker interessant sind, und ihr Diebstahl stellt ein Risiko für das Unternehmen dar.
Ein weiterer Anwendungsfall für Dark Data in der IT-Abteilung ist die Optimierung von Storage-Systemen in einer hybriden Cloud-Umgebung, die lokale Data Warehouses und Cloud-Dienste umfasst. Dark Data können die Speicherkosten in diesen hybriden Umgebungen schnell in die Höhe treiben, doch wenn IT-Teams diese Daten anzapfen, maximieren sie ihren ROI. Um die Storage-Kosten zu senken, können Teams auch einen Wert aus den Daten ableiten, bevor sie Dark Data werden.
Dark Data außerhalb eines Unternehmens können auch eine Fülle ungenutzter Marktforschungsdaten sein. Wenn Ihr Unternehmen in einem wettbewerbsintensiven Markt tätig ist, zum Beispiel im B2C-Bereich, liefern Dark Data einen Wert in Echtzeit, der es dem Management und anderen Beteiligten ermöglicht, rechtzeitig Entscheidungen zu treffen, die dem Unternehmen zugutekommen.
Arbeiten mit Dark Data
Führen Sie Prozesse ein, um Dark Data zeitnah und kostengünstig zu analysieren. Andernfalls ist die umfassende Analyse großer Mengen unstrukturierter oder halbstrukturierter Daten teuer, verschlingen viel Zeit und binden qualifiziertes Personal.
Der erste Schritt zur Nutzung von Dark Data besteht darin, die erforderlichen Datenquellen zu ermitteln, um Geschäftsentscheidungen zu verbessern. Berücksichtigen Sie jedoch auch zusätzliche, möglicherweise externe Datenquellen, die zur Beantwortung von Geschäftsfragen beitragen.
Seien Sie proaktiv und holen Sie sich die Unterstützung der Akteure im Unternehmen, die in hohem Maße von Dark Data profitieren. Verschieben und sperren Sie dann die Dark-Data-Quellen, die das IT-Team zu nutzen plant – alle anderen Daten sollten gelöscht werden.
Überprüfen Sie alle Datenquellen, um den Fokus auf Dark Data zu legen. Diese Prüfung muss sowohl gesammelte als auch nicht gesammelte Daten umfassen; überlegen Sie, warum das IT-Team bestimmte Datensätze traditionell analysiert hat, andere jedoch nicht. Machen Sie eine Bestandsaufnahme der Datenanalyse-Tools und prüfen Sie die Möglichkeiten, diese zu integrieren oder zu konsolidieren.
Eine Bewertung der Tools ist auch ein guter Zeitpunkt, um zu beurteilen, wo die Anbieter von Analyse-Tools in Bezug auf Anwendungsfälle für Dark Data und Unterstützung stehen. Die rasante Entwicklung von Analyse-Tools bedeutet, dass Dark Data für viele Anbieter – und deren Kunden – auf der Prioritätenliste nach oben gerückt ist.
Beginnen Sie klein mit einem Dark-Data-Pilotprojekt. Ein schneller Datenansatz – oder die Anwendung von Analysen auf kleinere Datensätze in der Anwendungspipeline des Unternehmens – ermöglicht es IT-Teams, umsetzbare Informationen in Echtzeit zu gewinnen. Suchen Sie zum Beispiel nach den besten Dark-Data-Quellen, die bei der Analyse eines bestimmten organisatorischen Engpasses helfen können. Eine andere Möglichkeit ist, eine nicht-analysierte Datenquelle nach der anderen in Angriff zu nehmen.
Dokumentieren Sie alle gewonnenen Erkenntnisse. Testen Sie die Ergebnisse und verwenden Sie Leistungsindikatoren, um sie zu bewerten. Seien Sie darauf vorbereitet, den Ansatz durch Tests und Neubewertungen zu wiederholen. Wenn Sie mehr lernen, können Sie Ihre Bemühungen zur Analyse von Dark Data schrittweise ausweiten.
