Big Data ist im Moment DAS Buzzword der Analytics und Business Intelligence Branche. Ich habe auch zum ersten Mal seit langem wieder das Gefühl, das es mehr als ein künstlicher Hype ist, sondern eine echte Entwicklung.

Dennoch wird das Wort im Moment sehr inflationär verwendet und taucht in wirklich jedem Whitepaper, jeder Präsentation und jeder Vertriebsanfrage in der Branche auf.

Ich möchte an dieser Stelle mal einige Thesen, die ich so in den letzten Monaten gelese und gehört habe zusammentragen und mal versuchen, den Kern von “Big Data” heraus zu destillieren.

Big Data schafft Möglichkeiten, die es früher nicht gegeben hat, da Daten vorliegen, die früher nicht vorlagen und Auswertungsmöglichkeiten existieren, die früher nicht existiert haben, selbst wenn wir die Daten gehabt hätten.

Was wirklich einen Trend daraus macht ist, dass früher nur wenige Organisationen in der Lage waren, Big Data Analysen zu betreiben. Diese Unternehmen haben ihre jetzige Positionen oft erst durch diese Möglichkeiten erreicht . Beispiele hierfür sind sicherlich Google, Amazon und Facebook, die aus meiner Sicht als die Wegbereiter von Big Data anzusehen sind. Heute kann theoretisch jeder die Vorteile von Big Data für sich nutzen, weil die Technologien zur Verfügung stehen.

Die Stärke dieser Firmen rührt aber nur zum Teil aus ihren frühen und oft selbst entwickelten technischen Möglichkeiten. Der andere Teil des Erfolg kommt dadurch zu Stande, dass sie Menschen hatten, die diese Techniken beherrscht haben und aus Daten Erkenntnisse gewinnen konnten. Die Erkenntnisse konnten durch effizientes Management und Geschäftsprozesse umgesetzt werden.

D.h. wer Erfolg mit Big Data haben will, muss sich zunächst um die Technik, dann um die Erkenntnisse und dann um die Umsetzungsmöglichkeiten im Unternehmen kümmern.

Die Digitalisierung, billiger Speicher und schnelle Prozessoren

Der Ursprung von Big Data ist aus meiner Sicht die zunehmende Digitalisierung und die damit einhergehende Möglichkeit, Vorgänge, die früher nicht protokolliert werden konnten, in großem Stil zu speichern. Damit einhergehend sind in den letzten Jahren Medien für die Speicherung dieser Daten sehr günstig geworden und parallel dazu ist die Rechenleistung für die Auswertung dieser Daten vorhanden und bezahlbar.

Es sind also die konvergierenden Trends von Digitalisierung und dadurch anfallenden Daten, günstigen Speichermedien und günstiger Rechenleistung, die Big Data ermöglichen.

Was Big Data für Analysten bedeutet

Für den Analysten ist Big Data aus meiner Sicht dadurch charakterisiert, dass seine Arbeit mit einem gut gefüllten, aber oft nicht strukturiertem Data Warehouse beginnt, das wahrscheinlich von einer IT Abteilung aufgebaut wurde und sich über die Zeit mit Daten gefüllt hat.

Die Aufforderung an den Analysten ist dann: “Wir haben hier jede Menge Daten zu XY, was können wir denn daraus machen?” Der Analyst sollte sich dann mit dem Datenbestand als solchen erstmal ohne Ziel auseinandersetzen und ihn kennen lernen.

Typische Fragen können sein:

  • Wie lange reicht der Datenbestand in die Vergangenheit zurück?
  • Gibt es Brüche im Datenbestand, die eine Vergleichbarkeit über die Zeit erschweren oder gar unmöglich machen?
  • Wie viele einzelne Datenquellen gibt es und sind diese mit sinnvollen Schlüsseln versehen?
  • Was stecken inhaltlich für Informationen in den Daten?

Wenn der Analyst den Datenbestand kennengelernt hat, sollte es unbedingt ein Gespräch mit dem Fachbereich geben, um sinnvolle Businessfragestellungen zu formulieren. Diese Fragen sollten bei Big Data eher genereller Natur sein und einen Rahmen vorgeben. Big Data ist eine Analyse und keine Reportingdisziplin. Eigentlich kann ich diesbezüglich nicht wirklich einen Unterschied zwischen Big Data und Data Mining erkennen. Auch bei Big Data geht es aus meiner Sicht in um Mustererkennung in den Daten.

Was meint ihr zu Big Data? Was macht Sinn, was macht keinen Sinn? Worauf kommt es an und wie sieht Erfolg bei Big Data aus und wovon hängt er ab?

Die Kommentare sind eröffnet:

Guter / nützlicher Beitrag? Voten Sie bitte bei SEOigg: SEOigg it! Vielen Dank.