HMD Praxis der Wirtschaftsinformatik

, Volume 53, Issue 4, pp 443–452 | Cite as

Einflüsse auf den Implementierungserfolg von NoSQL-Systemen: Erkenntnisse einer quantitativ-empirischen Untersuchung

  • Patrick Cato
  • Simon Brumm
  • Philipp Gölzer
  • Walter Demmelhuber
Article

Zusammenfassung

NoSQL-Systeme sind eine neue Generation von Datenbanksystemen, mit denen sich eine Reihe von neuen und innovativen Anwendungsfällen realisieren lässt. Erfahrungsberichte von Praktikern zeigen jedoch, dass die Implementierung von NoSQL-Systemen in der Praxis oftmals komplexitätsbedingt scheitert. Ziel der Studie des Instituts für Wirtschaftsinformatik Nürnberg war es daher, die zentralen Einflussgrößen auf den Implementierungserfolg zu erfassen und empirisch zu validieren. Acht Faktoren haben einen signifikanten Einfluss auf den Implementierungserfolg von NoSQL-Systemen: ausreichende Ressourcenausstattung des Projekts, datengetriebene Entscheidungskultur im Unternehmen, Datenqualität der Quellsysteme, Managementunterstützung, Data Science Fähigkeiten, Laboransatz zur Exploration des Anwendungsfalls, adäquate Technologiewahl sowie Berücksichtigung von datenschutzrechtlichen Aspekten in der Designphase (Privacy by Design).

Schlüsselwörter

Big Data NoSQL Erfolgsfaktoren Implementierungserfolg 

Abstract

NoSQL systems are a new generation of data base systems that enable the implementation of new and innovative use cases. However, experience reports from practitioners show that the implementation of NoSQL systems is a complex undertaking and many NoSQL projects fail. This paper summarizes the key results of a study that investigated the central factors that have an impact on the implementation success of NoSQL systems. The study has identified eight factors that have a significant impact: Sufficient resources, data-driven culture, data quality of the sourcing systems, management support, data science skills, proof-of-concept phase, adequate technology selection and privacy by design.

Keywords

Big data NoSQL Success factors Implementation success 

Literatur

  1. Cato P (2016) Einflüsse auf den Implementierungserfolg von Big Data Systemen – Ergebnisse einer inhalts- und kausalanalytischen Untersuchung. Verlag Dr. Kovac, HamburgGoogle Scholar
  2. Cato P, Gölzer P, Demmelhuber W (2015) An investigation into the implementation factors affecting the success of big data systems. In: 11th Int Conf Innov Inf Technol. S 134–139Google Scholar
  3. Chang F, Dean J, Ghemawat S et al (2006) Bigtable: A distributed storage system for structured data. In: OSDI’06: Seventh Symposium on Operating System Design and Implementation, Seattle, WA, November 2006, S 205–218Google Scholar
  4. Chin W (1998) The partial least squares approach for structural equation modeling. In: Marcoulides G (Hrsg) Mod. Methods Bus. Res. Lawrence Erlbaum Associates, Mahwah, S 295–336Google Scholar
  5. DeCandia G, Hastorun D, Jampani M et al (2007) Dynamo: amazon’s highly available key-value store. Acm Sigops Oper Syst Rev 41(6):205–220Google Scholar
  6. Europäische Kommission (2011) Data is the new gold. http://europa.eu/rapid/press-release_SPEECH-11-872_en.pdf Google Scholar
  7. Gantz J, Reinsel D (2012) The digital universe in 2020: big data, bigger digital shadows, and biggest growth in the Far East. Idc Whitepaper. https://www.emc.com/collateral/analyst-reports/idc-the-digital-universe-in-2020.pdf. Zugegriffen: 21 Juni 2016
  8. Hewlett-Packard Enterprise (2014) HP bringt Big-Data-Lösung für das Rechenzentrum. http://www8.hp.com/de/de/hp-news/press-release.html?id=1426189#.VpEhyfnhCUk Google Scholar
  9. Infochimps (2013) CIOs & big data: what your it team wants you to know. Infochimps Whitepaper. http://www.infochimps.com/resources/report-cios-big-data-what-your-it-team-wants-you-to-know-6/. Zugegriffen: 21 Juni 2016
  10. Laksham A, Prashant M (2010) Cassandra – A decentralized structured storage system. Acm Sigops Oper Syst Rev 44:35–40CrossRefGoogle Scholar
  11. Mülder W (1990) Implementierung. In: Lexikon der WirtschaftsinformatikGoogle Scholar
  12. Schmarzo B (2013) Big data: understanding how data powers big business. John Wiley & Sons, IndianapolisGoogle Scholar
  13. Wixom BH, Watson H (2001) An empirical investigation of the factors affecting data warehousing success. Mis Q 25:17–41CrossRefGoogle Scholar
  14. World Economic Forum (2011) Personal data: the emergence of a new asset class. http://www.weforum.org/reports/personal-data-emergence-new-asset-class Zugegriffen: 21 Juni 2016Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2016

Authors and Affiliations

  • Patrick Cato
    • 1
  • Simon Brumm
    • 1
  • Philipp Gölzer
    • 1
  • Walter Demmelhuber
    • 1
  1. 1.Lehrstuhl für IT-ManagementFriedrich-Alexander-Universität Erlangen-NürnbergNürnbergDeutschland

Personalised recommendations