Zu Echtzeitdaten bringt Abolhassan auch ein Beispiel aus der Logistik: "Die Hamburg Port Authority rechnet mit 50 Prozent mehr Frachtumschlag in zehn Jahren. Der Hafen kann aber räumlich nicht wachsen." So gelte es, mit einer Logistiklösung die Abläufe zu optimieren - mit vernetzten Sensoren und SAP HANA. "Die Produktivität ist schon nach kurzer Zeit um zwölf Prozent gestiegen. Mit unserer Lösung erhält die Hamburg Port Authority auf Knopfdruck ein Lagebild, und die LKW-Fahrer schaffen acht Touren pro Tag statt sieben."
Crotts schätzt es, dass sein Dienstleister ihm solche Geschichten aus dem Business-Umfeld erzählt. T-Systems ist eben nicht nur der Cloud-Lieferant, der Sharepoint und SAP-Systeme offeriert - obwohl die einschlägigen Zahlen beeindrucken: 713.000 SAPS liefert T-Systems aus der Cloud an Shell. Der SAP Application Performance Standard ist eine Maßeinheit, der die Leistung des SAP-Systems hardwareunabhängig beschreibt (2000 "fully processed order line items per hour" entsprechen 100 SAPS). Außerdem schaufelt T-Systems für den Öl-Konzern gerade 150 Terabyte an geschäftskritischen Legacy-Daten in eine Sharepoint-Umgebung.
Sharepoint aus der Cloud
Hinzu kommen 45 Sharepoint-Anwendungen aus einer hybriden Cloud. Sie verknüpft 500 Server in den vier T-Systems-Rechenzentren in Houston, München, Amsterdam und Malaysia mit on Premise angelegten Sharepoint-Farmen. Über eine von T-Systems integrierte Search Engine erhalten die Sharepoint-User nahtlosen Zugriff auf Geschäftsdaten. Außerdem spielt noch die Microsoft-Public-Cloud Office 365 mit: Insgesamt arbeiten täglich knapp 143.000 Menschen, also nicht nur die 94.000 Shell-Mitarbeiter selbst, sondern auch Zulieferer und Kunden in der Shell-Cloud.
- Lünendonk-Marktstichprobe
Die Anbieter von Business-Intelligence (BI)- und Analytics-Software können auf gute Geschäfte hoffen. Im Zuge der digitalen Transformation geht es für die Unternehmen vor allem darum, mehr aus ihren Daten herauszuholen. - Führende Software-Spezialisten für BusinessIntelligence und Business Analytics in Deutschland
Reihenfolge nach Umsatz in Deutschland 2014. - Führende, internationale Software-Spezialisten fürBusiness Intelligence und Business Analytics
- Kunden investieren zukünftig vor allem in Analytics für Unternehmenssteuerung und Vertrieb
- Anbieter
Self-Service-BI sowie Business & Predictive Analytics sind wichtigste Markttrends - Nicht alle Kundenunternehmen haben zufriedenstellendeDatenqualität und Szenario-Fähigkeit
- Reporting-Prozesse oftmals noch ineffizient!
Kunden planen deutlich stärkere Automatisierung - CIOs
Big Data und Digitalisierung gehören untrennbar zusammen - CIOs
Big Data gewinnt stark an Bedeutung Modernisierung der IT-Prozesse ist derzeit Top-Thema - CIOs bereiten sich auf digitale Transformation vorund investieren vor allem in Prozesse und Daten
Crotts schätzt es auch, dass sein Dienstleister aus einem Land kommt, in dem Datensicherheit und Datenschutz groß geschrieben wird: „Das ist extrem wichtig für uns.“ Vor dem Hintergrund findet er irrelevant, ob die Daten bei Shell liegen oder bei einem Dienstleister. Was sich zuletzt dadurch ausgedrückt hat, dass Shell die Cloud-Lösung „E2 Process Management“ des Anbieters E2open für sein Supply-Chain-Management nutzt.
Crotts hält die Cloud für sicher – wenn man sie richtig aufsetzt. Immer wieder gebraucht er im Zusammenhang mit Sicherheitsfragen den Slogan „fit for purpose“ – also: dem Zweck angemessen. Crotts ist einer der wenigen CIOs, die den Zielkonflikt klar benennen, den Sicherheitsanbieter gerne verleugnen: "Security macht Innovation langsam!" Versöhnlich fügt er hinzu: „Aber eine Cyber-Attacke macht Innovation noch langsamer."
Der CSO berichtet an den CIO
Müßig zu erwähnen, dass es Cyber-Attacken gegen Shell reichlich gibt. Unter anderem Industriespione geben sich an der Firewall die Klinke in die Hand. Deswegen berichte der CSO auch an ihn, erklärt Crotts. Das sei auch wichtig, denn nur innerhalb der IT-Abteilung könne kompetent erklärt werden, ob sich hinter tausend gescheiterten Log-on-Versuchen ein Sicherheitsthema oder ein technisches Kapazitätsproblem verbirgt.
Unternehmen | Royal Dutch Shell |
Hauptsitz Den Haag Umsatz 421 Milliarden Dollar (2014) Mitarbeiter 94.000 in mehr als 70 Ländern |
Shell in der Cloud 143.000 Menschen greifen auf die Shell-Cloud zu 713.000 SAPS liefert T-Systems aus der Cloud |
IT-Verantwortung CIO Jay Crotts (weltweit) CIO Klaus Dieter Bortel (Deutschland) |
Der Shell-CIO und T-Systems-Chef Abolhassan treffen sich einmal im Quartal, um über die Services zu reden, die Shell seit 2008 von T-Systems bezieht. 2013 haben sie ihren Vertrag verlängert.
"Es war nicht immer eine problemfreie Beziehung, so viel kann man sagen", meint der ehemalige Infrastrukturverantwortliche und jetzige CIO Crotts. Aber mittlerweile haben beide ihren Weg gefunden. Die Ampel steht meistens auf grün bei den 200 Key Performance Indicators (KPIs), die T-Systems seinen Kunden zur Kontrolle anbietet.
Crotts greift sich nie mehr als fünf davon heraus und rotiert diese von Treffen zu Treffen durch. Nur einen KPI findet er gleichbleibend wichtig: "Der Endkunde muss uns gute Noten geben. Das messen wir kontinuierlich. Und wir gucken da besonders auf das mittlere Management, die sind erfahrungsgemäß an dem Punkt sehr aufmerksam."
- Fünf gute Gründe ...
... warum Analytics nicht in die IT-Abteilung, sondern in die Fachbereiche gehören und warum jeder Fachbereichsleiter einen Data Scientist in seinem Team haben sollte. - Analytics können helfen, Unternehmensziele zu erreichen
Analytics dient keinem Selbstzweck. Der Wert von analytischen Services oder Datenprodukten entsteht erst durch die Einbindung in Geschäftsprozesse. Erst durch die Realisierung eines effektiven Nutzens in Form von Effizienzsteigerungen und damit verbundenen Kostensenkungen, der Generierung von Neugeschäft oder eine gesteigerten Kundenloyalität werden tatsächliche Effekte im Geschäftsergebnis messbar.<br /><br /> Fachbereiche sind in ihrer Funktion für die Steigerung von einzelnen Erfolgsfaktoren verantwortlich und haben daher ein Interesse zu verstehen, an welcher Stelle ihnen Analytics helfen kann. Zudem sollten die Mitarbeiter im Fachbereich auch zu einem Stück weit verstehen, wie die Analysen funktionieren, um mit dem Wissen zu ihren Geschäftsproblemen beispielsweise das Transferdenken zu leisten, wie man Daten anreichern sollte oder welche zusätzlichen Analysen durchgeführt werden sollten. Außerhalb des Fachbereichs hat für gewöhnlich niemand das entsprechende Interesse die Unternehmenskennzahlen in dem speziellen Bereich positiv zu beeinflussen und kein anderer kann es besser. - Anwendungsfälle ergeben sich aus den Erfahrungen, die Mitarbeiter im täglichen Betrieb sammeln
Gesunder Menschenverstand, Erfahrungswerte für Abwägungen zwischen Machbarem und Sinnvollem und ein Gespür für die echten Probleme in einem Unternehmensbereich sind relativ seltene Fähigkeiten, schwer zu erlangen und wenn dann über einen längeren Zeitraum im täglichen Geschäft entstanden. Das unverzichtbare Wissen, die sogenannte "Magic Sauce" für eine erfolgreiche Anwendung von analytischen Fähigkeiten ist und bleibt in den Fachbereichen. - Data Scientists brauchen das Know-how des Fachbereichs, um Modelle praxisrelevant zu entwickeln
Ein guter Data Scientist zeichnet sich durch ein breites Wissen von analytischen Methoden, Anwenderkenntnis von analytischen Technologien, Fähigkeiten zur Datenaufbereitung und Kreativität aus. Aber die Arbeit eines Risikoanalysten bei einer Bank und eines Marketinganalysten bei einem Online-Händler unterscheiden sich.<br /><br />Der Grund, warum sie ihre Jobs nicht ohne weiteres tauschen können, ist das Verständnis über ihren Fachbereich und das Wissen was funktioniert und was nicht. So wertvoll Datenprodukte für einzelne Fachbereiche sein können, häufig ist es ein Ansatz aus Testen und Lernen, der aus einem analytisch einwandfreien Modell ein für den praktischen Einsatz wertvolles und nachhaltiges Datenprodukt generiert. - Ergebnisse müssen interpretiert und Maßnahmen abgeleitet werden
Auch wenn der Data Scientist nicht im Fachbereiche angesiedelt ist: Eine enge Zusammenarbeit ist unerlässlich. Spätestens wenn es an das Verstehen von Ergebnissen und Ableiten von Maßnahmen oder die Integration in Geschäftsprozessen geht, nehmen Fachbereiche die Führungsrolle ein. Je enger die Einbindung während der gesamten Entwicklung des analytischen Anwendungsfalls, desto wahrscheinlicher ist die Akzeptanz und Relevanz für die Anwendung in den Fachbereichen. - Ein Data Scientists im eigenen Team schafft Agilität und Vorsprung
Sobald dem Fachbereich bewusst ist, welchen Mehrwert Analytics und die richtige Datenauswertung bietet, können sich Data Scientists häufig nicht mehr vor kurzfristigen Anfragen retten und müssen ihre Kapazität zwischen Fachbereichen balancieren. Arbeitet Data Scientist jedoch im eigenen Team, ist er schneller erreichbar. Analyseprojekte können dauerhaft weiterentwickelt werden und auf die immer schneller wechselnden Prioritäten vieler Fachbereiche kann reagiert werden. Der Data Scientist kann sich mit der Zeit Fachbereichswissen aneignen, entlastet somit andere Fachmitarbeiter und kann sie zugleich in ihren analytischen Fähigkeiten weiterentwickeln – als Hilfe zur Selbsthilfe für die Kollegen im Fachbereich.