Big Data

Die zunehmende Vernetzung bringt eine Vielzahl von zu speichernden Daten aus verschiedenen Quellen mit sich. Um diese mit Big Data bezeichneten enormen Datenmengen aufnehmen zu können, bedarf es leistungsfähiger Big-Data-Systeme. Dadurch erhalten Unternehmen die Möglichkeit, aus der Vielzahl der Daten Informationen zu gewinnen und ihre Geschäftsprozesse mithilfe der neu erworbenen Erkenntnisse für zukünftige Anforderungen hin zu optimieren.

Was bedeutet Big Data? – Eine einfache Definition

Big Data – zwei einfache Worte aus der englischen Sprache beschreiben etwas Riesiges von hoher Relevanz und mit vielen Herausforderungen für Unternehmen und Organisationen:

• eine unglaublich große Menge gesammelter Daten, gespeichert im Data Warehouse und im Data Lake
• deren Verarbeitung
• die Auswertung der komplexen Datenmengen

Die bereitgestellten Daten von hohem Volumen, hoher Geschwindigkeit und großer Vielfalt sollen Ihnen bessere Einblicke verschaffen und unternehmerische Entscheidungsfindungen einfach gestalten.

Big Data umfasst dazu verschiedene Methoden und Technologien:

• Data Mining, um Muster und Zusammenhänge zu identifizieren und mit den Erkenntnissen Prozesse zu optimieren
• Cloud Computing
• Datenspeicherung
• Datenfreigabe
• Datenvisualisierung
• Datenverarbeitung und Datenanalyse unter Verwendung von Daten, Tools, Techniken und Daten-Frameworks

Ein Name und eine Definition für eine große Sache

Das Sammeln von Daten, Muster zu erkennen und einen Zusammenhang herzustellen, war, seit es Unternehmen gibt, Grundlage für deren Erfolg. Damals legten die Unternehmer und Unternehmerinnen Kundenkarten an. Sie schrieben auf, welche Wünsche die Kunden und Kundinnen hatten. Mit dem Fortschreiten der Technik war es möglich, Datensätze in größeren Mengen zu sammeln und an einer großen Zahl von Maschinen viele Berechnungen durchzuführen. Der Begriff „Big Data“ kursierte in den Unternehmen und hat heute noch eine vergleichbare Relevanz wie KI.

Der bedeutende Kopf hinter Big Data, ist der Branchen-Analytiker Doug Laney. Er definierte den Begriff Big Data für die Geschäftswelt mit 3 „Vs“.

Ein „V“ für Variety

Das erste V steht für Variety, der Vielfalt. Vielfältig, weil die Daten aus einer Vielzahl von Quellen stammen. Deren Speicherung erfolgt in unterschiedlichen Datentypen:

• unstrukturierter Form
• strukturierter Form
• semistrukturierter Form (Daten weisen kein festes Schema auf, sind flexibler und einfacher zu skalieren, sind oft in objektorientierten Datenbanken zu finden)

Die Möglichkeiten, dem hohen Datenvolumen Herr zu werden und Daten verschiedener Datentypen zu sammeln, entwickelten sich mit Zeit. Zunächst gelang die Speicherung lediglich mit Daten aus Tabellenkalkulationen und aus Datenbanken. Hinzu kamen Massendaten aus unterschiedlichen Bereichen:

• Audio-Dateien
• SM-Posts
• E-Mails
• Fotos
• PDFs
• Geschäftsprozessen
• Maschinen
• Webserverprotokollen
• von Sensoren
• Einzelverbindungsnachweisen für Mobiltelefone
• Clickstreams, die die virtuellen Fußspuren der Nutzer im Internet bezeichnen

Auch Ihre Social-Media-Aktivitäten landen im großen Datenpool. Zudem stammen die Big-Data-Daten aus:

• Gesundheitsakten
• der Finanzbranche
• der Wissenschaft
• von privaten Überwachungssystemen
• aus Transaktionsdaten aus dem geschäftlichen und dem Bankverkehr
• Metadaten
• Cookies

Das zweite „V“ für Velocity, der Geschwindigkeit

Die Geschwindigkeit, für die das „V“ steht, meint die, mit der Computer die Daten erstellen und diese hängt von dem Fortschritt der Technik ab. Auch wie schnell der Zugriff auf die Daten ist, ist bei Big Data von Belang.

Das dritte „V“ für Volume

Ob das Datenvolumen groß genug für den Begriff Big Data ist, entscheidet sich ebenfalls nach dem Stand der Technik. Datenmengen, die jetzt noch als „Big Data“ gelten, können morgen – wenn die verfügbare Rechenleistung auf dem Markt steigt – bereits zur Kategorie Small Data gehören.

Auf den 3 „Vs“ folgten 3 weitere: Varacity, Value und Variability. Und das bedeuten sie:

Varicity – Big-Data-Daten brauchen eine Verifizierung

Wie wahr sind die Massendaten im Datenpool? Dies zu überprüfen erlangt Priorität, bevor Sie in Ihrem Unternehmen die Daten aus Data Warehouse und Data Lake nutzen. Nicht relevante Teile der Informationsquellen bewirken eine schwere Auslesbarkeit der Daten. Dadurch kann es zu fehlerhaften Big-Data-Analysen kommen.

Value – was sind die Big-Data-Daten wert?

Welchen Wert die Daten aus dem Datenpool haben hängt davon ab, welche Erkenntnisse Sie aus ihnen ziehen und welche Maßnahmen Sie daraufhin ergreifen.

Variability, die Variabilität der Big -Data-Daten

Gelingt es, die Daten richtig auszuwerten oder sind diese fehlerhaft und von mangelnder Datenqualität? Werten Sie die Informationen des Datensatzes präzise mithilfe gängiger Technologien aus.

Für wen ist Big Data von Nutzen?

Big Data beliefert Unternehmen mit unterschiedlichen Geschäftsmodellen mit Daten. Diese befinden sich strukturiert und gefiltert im Data Warehouse oder als Rohdaten im Data Lake. Doch jedes Unternehmen nutzt die Datenmengen auf seine Weise – auch kombiniert mit künstlicher Intelligenz und Machine Learning. Die Bedeutung von Big Data wächst:

• in der Medizin und dem Gesundheitswesen
• in der Forschung
• im Bildungsbereich
• in der Finanzindustrie
• in der Fertigung
• in der Informationstechnologie
• im Einzelhandel
• im Transportwesen

Steht eine Big-Data-Strategie dahinter, steigt das Wachstums-Potenzial des Unternehmens oder der Organisation.

Ziel ist es, mit diesen Big Data Kosten einzusparen und Prozesse zu optimieren. Welche Big-Data-Tools dabei hilfreich sind, dazu einige Beispiele:

• Airflow
• Hadoop
• Cassandra
• Cloud-based Analytics
• Tableau
• Kafka
• Zoho Analytics

Gleich, welche Big-Data-Tools Unternehmer und Unternehmerinnen bevorzugen: Die Programme helfen, effiziente geschäftliche Modelle zu entwickeln und Kosten für das Unternehmen einzusparen.

Welchen Nutzen bringen Big-Data-Technologien den Unternehmen?

Big Data Analytics erleichtern es den Unternehmen, wertvolle Geschäftseinblicke zu gewinnen. Mit den richtigen Big-Data-Tools gelingt es, Unternehmensprozesse effizient zu gestalten. Diesen Zeitgewinn investieren Sie am besten in Big-Data-Analysen. Verschwenden Sie nicht wertvolle Stunden mit dem Prozess, große Datenmengen vorzubereiten und zu laden. Greifen Sie gleich zu der Software, die in der Lage ist, die Daten effizienter aufzubereiten. Traditionelle Analysetechniken erübrigen sich.

Big Data Analytics bringt Ihnen Vorteile

Sie ermöglichen es:

• unterschiedliche Informationstypen zu analysieren
• Daten schnell abfragen
• Daten in kurzer Zeit zu suchen
• viele Datensätze zu verarbeiten
• Daten kurzzeitig zu importieren
• fundierte Informationen für Unternehmensentscheidungen liefern
• frühzeitig Trends zu erkennen
• neue Services und Geschäftsmodelle zu entwickeln

Welche Nachteile haben die Big-Data-Technologien?

Was für den einen Vorteile sind, hat Nachteile für den anderen. So verhält es sich auch mit Big Data und seinen Technologien. Sie sind fähig, bis tief in die Privatsphäre des einzelnen einzudringen. Unternehmen wissen dies zu schätzen, können Sie doch auf die Wünsche und Bedürfnisse der Kunden und Kundinnen direkt eingehen und darauf abgestimmte Produkte anbieten.

Doch nicht allen ist dies geheuer. Kritikern bereitet das „große Datensammeln“ Kopfzerbrechen. Sie fürchten aufgrund von Big Data um ihre Privatsphäre. Noch mehr sehen sich als „Zielscheibe“ von Hackern. Letzteres betrifft Privatpersonen und Unternehmen, die ihre Daten in Clouds sichern. Die über die Welt verteilten Server unterliegen oft anderen gesetzlichen Bestimmungen zum Datenschutz. Das bedeutet eine Gefahr für private und geschäftliche Daten.

Strategisch zum Unternehmenserfolg mit Big Data

Big Data beliefert Unternehmen mit Daten. Dies hat Vorteile, denn sie können damit:

• logistische Abläufe verbessern
• Betriebsabläufe optimieren
• Geschäftsentscheidungen beeinflussen
• Lagerbestände verfolgen

Doch vorhandene Daten alleine nutzen nicht viel. Machen Sie sich bewusst, dass Daten wertvolle Vermögenswerte darstellen. Diese Assets können mit der richtigen Strategie Ihr Unternehmen zum schnellen und anhaltenden Erfolg führen. Haben Sie eine Big-Data-Strategie entwickelt, ist es notwendig, dass alle führenden Kräfte die Einführung von Big Data unterstützen und tatkräftig zu helfen, sie umzusetzen.

Ziehen Sie die Beteiligten von Anfang an mit in den Aufbau der Strategie ein, fällt es denen leichter, die Entscheidungen mitzutragen. Dazu zählt die Unternehmensleitung ebenso wie Datenwissenschaftler und Dateningenieure.

4 strategische Schritte zum Erfolg

Den größtmöglichen Nutzen aus Big Data zu ziehen, ist ein langer Prozess, dem 4 strategische Schritte vorausgehen.

1.) Geschäftsziele und -vorgaben definieren

Der Unternehmenserfolg beginnt mit der Zielsetzung. Machen Sie sich bewusst, wohin die Reise gehen soll, was Sie erreichen wollen. Sind die Geschäftsziele klar definiert, berücksichtigen Sie auch die Leistungsindikatoren und Geschäftsprobleme.

2.) Datenquellen identifizieren

Zunächst ist zu klären, was diese überhaupt sind. Sie bezeichnen:

• die Orte, aus denen die Daten stammen
• ein physisches System, das in der Lage ist, über eine externe Quelle Daten zur Weiterverarbeitung in einer Anwendung abzurufen

Sie umfasst alles, was Ihnen Zugang zu den von Ihnen benötigten Daten verschafft. Die aus diesen Quellen stammenden Daten sind Rohmaterial, das Sie weiterverarbeiten. Aus ihnen entstehen Berichte, Grafiken oder Diagramme.

Unternehmen nutzen diese, um die darin enthaltenen Daten zu analysieren. In ihr finden sich Daten zum Unternehmen, wie Kundenkontakte oder deren Präferenzen. Diese Daten unterteilen sich in:

• maschinelle Datenquellen:
  Zu ihnen zählen physische Maschinen, zum Beispiel mobile Geräte, das Internet der Dinge und Sensoren. Sie besitzen einen eigenen Datensatz, sind strukturiert und üblicherweise in einer Datenbank gespeichert.
• Datei-Datenquellen:
  Datei-Datenquellen enthalten in separaten Textdateien gespeicherte Daten, auf die mehrere Nutzer Zugriff haben.

Welchen Zweck erfüllen sie?

Sie ermöglichen Benutzern, die einzelnen Daten in ein benutzerfreundliches und strukturiertes Format umzuwandeln und an den Ort des Gebrauchs zur weiteren Datenverarbeitung zu verschieben. Dazu benötigen sie Analyseprogramme.

3.) Finden Sie Big-Data-Anwendungsfälle und ordnen Sie diese nach Prioritäten

Anwendungsfälle identifizieren

Wie Sie Big Data anwenden, hängt von der Art Ihres Unternehmens ab. Finden Sie heraus, welche Chancen die Daten Ihnen eröffnen, um:

• konkurrenzfähig zu bleiben
• Kunden an sich zu binden
• Kunden neu zu gewinnen

Gestalten Sie mithilfe von Big Data Prozesse effektiver und sparen sie Kosten ein. Wenn Sie die Anwendungsfälle formulieren, berücksichtigen sie dabei Ihre Geschäftsziele. Big-Data-Analysten unterstützen Sie dabei, Korrelationen aufzudecken und versteckte Muster zu finden.

Strategie zur Priorisierung der Anwendungsfälle von Big Data

Haben Sie alle möglichen Anwendungsfälle von Big Data in Ihrem Unternehmen identifiziert? Sortieren Sie diese nach Prioritäten. Überlegen Sie, wie sich jeder einzelne Anwendungsfall auf Ihr Geschäft auswirkt. Was brauchen Sie an Ressourcen, um ihn in die Tat umzusetzen? Ist er finanzierbar? Die Antworten auf diese Fragen helfen, Entscheidungen bezüglich der Priorität und Umsetzbarkeit des Big-Data-Anwendungsfalls zu treffen.

4.) Der Fahrplan für Big-Data-Projekte

Um Ihre Big-Data-Strategie erfolgreich umsetzen zu können, brauchen Sie einen vorläufigen und änderbaren Fahrplan, die Data Roadmap. Nehmen Sie sich dafür sehr viel Zeit. Hilfreich ist es, mit sicher, direkten und präzisen Ziel zu beginnen und sich vom Ende aus nach vorne zu arbeiten.

Die Lückenanalyse – ein wichtiger Teil der Roadmap

Im Zuge der Roadmap-Erstellung empfiehlt sich eine Lückenanalyse. Dabei spüren Sie mit den beteiligten Mitarbeitenden der Führungsriege Lücken bei Technologie und der Datenarchitektur auf und überprüfen die Tools dahingehend. Überprüfen Sie zudem die Prozesse und die Fähigkeiten Ihrer Mitarbeitenden. Gibt es Schulungsbedarf?

Geht der Plan auf, oder müssen Sie die Firma erst fit für Big Data machen?

Damit Sie Ihren strategischen Big-Data-Plan umsetzen können, benötigen Sie eine auf Big Data abgestimmte Infrastruktur. Veraltete Systeme, die damit nicht vereinbar sind, tauschen Sie gegen neue aus.

Ebenso wichtig wie die Infrastruktur sind die Fähigkeiten Ihres Personals. Hier entscheiden Sie, ob Schulungen und Höherqualifizierungen den gewünschten Erfolg bringen oder ob Sie nach Talenten suchen, für die die Analyse von Daten und der Begriff Data Mining keine Fremdwörter sind. Bedenken Sie dabei: Die Nutzung von Big Data bringt Herausforderungen, aber auch Lösungen mit sich.

Zuletzt benötigen Sie eine gehörige Portion an Agilität. Ihre Big-Data-Strategie ist nicht statisch und immer wieder an aktuelle Ereignisse anzupassen.

Fazit

An Big Data kommen Unternehmen – gleich welcher Größe – nicht vorbei. Diese Datenflut zu übersehen, ist kaum mehr möglich, ebenso nicht, sie zu ignorieren. Die riesigen Datenmengen gilt es, mit einer guten Strategie und Systemen zu bändigen und durch Umwandlung in Informationen einen Wert für Ihr Unternehmen zu geben. Big-Data-Analyseprogramme unterstützen Sie dabei, den größtmöglichen Nutzen aus den enormen Datenmengen zu ziehen.

Big Data birgt jedoch auch Risiken, die die Datensicherheit betreffen. Ebenso wie Hacker können fehlinterpretierte Daten dem Unternehmen schaden. Ein großes Risiko sind zudem ungeschulte Mitarbeitende, die sich scheuen, sich mit Big Data und der neuen Arbeitsweise vertraut zu machen. Hier ist zu überlegen, ob es sich lohnt, sich Fachleute ins Haus zu holen oder die Mitarbeitenden zu schulen und zu Big-Data-Talenten zu machen.

All dies bedeutet für Sie: Big Data braucht eine Strategie, die der Unterstützung der leitenden Angestellten bedarf. Diese sollten an der Roadmap mitarbeiten, um das Unternehmen zum Erfolg zu führen.