Big Data

Big Data nennt man die gesammelte Menge an strukturierten und unstrukturierten Daten in einem Unternehmen oder, allgemein gefasst, in der digitalen Welt. Auch analoge Daten zählen dazu, sofern sie digitalisiert und aufgenommen werden.

Der Begriff wurde im Laufe der Zeit etwas ausgeweitet und beschreibt zum einen die rasant wachsenden Datenmengen und zum anderen auch die technischen Lösungen bzw. die sehr leistungsstarken Systeme, die mit den riesigen Datenmengen klarkommen sollen.

Auch mit der DIGITALISIERUNG und dem daraus resultierenden Gesellschaftswandel wird Big Data inzwischen oft in Zusammenhang gebracht. Branchenanalytiker Dough Laney entwickelte das 3-V-Modell, und definierte damit grob, was es mit Big Data auf sich hat.

3-V-Modell

• Volume beschreibt die große Menge an Daten, die aus den unterschiedlichsten Quellen gezogen werden. Welche genau das sein können, wird im späteren Verlauf des Artikels erläutert.
• Velocity bezieht sich auf die Geschwindigkeit, mit der die Informationen generiert und verarbeitet werden. Mit den Systemen, die dafür heutzutage genutzt werden, ist das innerhalb von Sekunden oder teilweise in Echtzeit möglich.
• Variety beschreibt die unterschiedlichen Formen, die die gesammelten Daten aufweisen können. Es gibt auf der einen Seite die strukturierten Daten aus gewöhnlichen Datenbanken und auf der anderen Seite aber auch unstrukturierte Textdokumente, E-Mails, Videos, Audioquellen, Börsenticker- und Finanztransaktionsdaten.

Mittlerweile gibt es auch andere Modelle, die um einiges komplexer gestaltet sind und Big Data in mehrere Teilbereiche aufspalten. Dazu zählen z.B. das 5-V-Modell, bei dem noch die beiden Faktoren Validity sowie Value hinzugefügt werden – in einigen Fällen wird zusätzlich noch Veracity, die Echtheit der Daten, erwähnt.

Big Data als Entscheidungsgrundlage

Aus den großen Mengen an Daten können Unternehmen sehr viele Informationen über potenzielle Kunden in Erfahrung bringen, z.B. Kaufverhalten, Interessen oder auch Risikopotenzial. Diese Infos können entsprechend analysiert, ausgewertet, gefiltert und zugeordnet werden und somit dann auch auf Marketing Strategien, Umsatzsteigerung, Unternehmensprozesse, etc. auswirken. Viele Unternehmen nutzen diese Methode, um sich aufgrund dieser ausgewerteten Daten strategisch auszurichten.

Datenquellen

Mittlerweile können Unternehmen Informationen aus den unterschiedlichsten Quellen erheben, um sie für sich zu nutzen. Darunter fallen geschäftliche Transaktionen, Industrieanlagen, Internet-Clickstreams, Protokolle von Webservern, Einzelverbindungsnachweise für Mobiltelefone, Informationen von Sensoren oder auch Videos.

Auch INTELLIGENTE GERÄTE aus dem Internet-of-Things (IoT) Bereich wie Smart Home– Geräte liefern wertvolle Daten.

Einen großen Anteil von Big Data machen unstrukturierte Datenmengen aus. Diese werden sehr oft aus sozialen Netzwerken gezogen. Sie bestehen hauptsächlich aus Daten in Form von Bildern, Videos, Sprache, Text und Ton. Berichte über Social-Media-Aktivitäten der User können zum Beispiel von einem Unternehmen dazu genutzt werden, gezielt die Interessen des Nutzers herauszufinden und dementsprechend Werbung zu schalten.

WERBEMASSNAHMEN ÜBER FACEBOOK AD funktionieren etwa nach diesem Schema.

Datenverarbeitungsprogramme

Da der Datenbestand stetig größer, unübersichtlicher und komplexer wird, ist der Verarbeitungsprozess extrem herausfordernd. Herkömmliche Speicher- oder Betriebsprogramme sind mit einer solchen Menge an Informationen überfordert und können diese daher oft nicht mehr generieren geschweige denn korrekt analysieren. Man benötigt für die Strukturierung immer technologisch anspruchsvollere Tools und Programme.

Besonders in den letzten Jahren kamen viele sehr leistungsstarke Programme und Systeme wie Apache Hadoop, Spark und NoSQL-Datenbanken auf den Markt.

Viele Software-Unternehmen arbeiten stetig an neuen Systemen und technischen Lösungen zur Bewältigung von Big Data.

Wie können Unternehmen Big Data nutzen?

Die Nutzung von Big Data ist für Unternehmen strategisch sinnvoll, wenn eine korrekte Speicherung und Analyse der Datenmengen realistisch sind. Sobald diese erste Frage positiv beantwortet wurde, sollten folgende Schritte erfolgen:

• Entwickeln einer Big Data Strategie:

Zuerst sollte man seine Ziele klar definieren. Welche aktuellen und künftigen Ziele verfolgt das Unternehmen? Welche geschäftlichen und technologischen Ziele sollen berücksichtigt bzw. erreicht werden? Generell sollte man Big Data als ein hilfreiches Mittel zu Optimierung des geschäftlichen Erfolges ansehen und sich ausreichend damit auseinandersetzen.

• Festlegen der Big Data Quellen:

Als nächstes ist zu entscheiden, aus welchen Quellen es sinnvoll bzw. möglich ist, seine Daten zu beziehen. Hier gibt es wie oben schon beschrieben zahlreiche Optionen.

• Datensammlung, -Management und -speicherung:

Hierbei ist zu beachten, dass die gesammelten Daten nicht nur schnell zugänglich und schnell verrechnet werden können, sondern auch, dass alle Daten in der notwendigen Qualität sichergestellt werden. Für die Speicherung großer Datenmengen muss auf komplexe Programme und Systeme zurückgegriffen werden.

• Analyse der gesammelten Daten:

Es gibt zwei Möglichkeiten der Datenanalyse. Zum einen kann die komplette Datenmenge analysiert werden. Dieser Prozess ist extrem langwierig, weil man nicht nach konkreten Antworten sucht. Andererseits können so vielleicht Potentiale entdeckt werden, die bisher noch nie betrachtet wurden. Die zweite Möglichkeit ist, die relevanten Daten vorab herauszufiltern und diese gesondert zu analysieren. So verringert sich die Datenmenge erheblich, man erhält aber lediglich Antworten auf konkrete Fragestellungen.

• Entscheidungen anhand der analysierten Daten treffen:

Big Data und die entsprechende Analyse sind sinnlos, wenn daraus nicht konkrete Maßnahmen resultieren. Die Entscheidungen können aufgrund einer genauen Datenanalyse getroffen werden und haben somit eine solide Grundlage. Es gibt kaum eine statistisch validere Grundlage für die Anpassung der Unternehmensprozesse.

Anwendungsbeispiele für Big Data 

Da die ganze Welt von Daten durchzogen ist, lässt sich Big Data auch in fast jedem Bereich anwenden. Die global vernetze Forschung profitiert ebenso von der riesigen Datenmenge wie die Marktforschung oder die Telekommunikation. Beispiele für sehr spezifische Daten sind etwa Smart Farming oder Meteorologie. Im Bereich der Landwirtschaft lassen sich aus den Daten punktgenaue Bewässerungen oder der Düngereinsatz ablesen, wodurch der Verbrauch drastisch minimiert wird. Die Meteorologie profitiert von weltweit erfassten Wetterphänomenen, kann diese in einen historischen Kontext stellen und dadurch die Vorhersagen permanent verbessern.

Business Intelligence

Die Visualisierung und Analyse der unternehmenseigenen Daten zur internen Überprüfung der Performance und Prozessoptimierung wird als BUSINESS INTELLIGENCE bezeichnet. Je nach Unternehmens- oder Branchengröße handelt es sich bei den Analysedaten ebenfalls um Big Data. Business Intelligence ist also ein großer Teil der Big Data Analyse.

Fazit

Big Data wird aufgrund der immer weiter fortschreitenden Digitalisierung nur noch an Relevanz zunehmen. Unternehmen sollten sich deshalb genau fragen, ob eine Analyse der stetig generierten Daten nicht elementar für ihre Unternehmensprozesse sind.