Was ist Big Data? Wie wird es eingesetzt? Worin liegen die Herausforderungen?
Personalisierte Werbung im Internet – inzwischen fast schon ein Klassiker: Big Data macht es möglich. Doch das ist nur ein Bruchteil dessen, wie unsere Daten tagtäglich genutzt werden. Das Volumen an Daten, die Unternehmen und Organisationen tagein tagaus sammeln und verarbeiten, ist in den vergangenen Jahren immens gewachsen. Nicht von irgendwoher stammt die Aussage: Daten sind die Währung des 21. Jahrhunderts. Big Data ist die Zukunft – langfristig wird kein Unternehmen mehr darauf verzichten können. Denn wer gesammelte Daten sinnvoll nutzt, hat erhebliche Wettbewerbsvorteile. Doch was genau ist überhaupt Big Data?
Was versteht man unter Big Data?
Der Begriff Big Data bezieht sich auf komplexe Daten, die in riesiger Menge (Volume), in großer Vielfalt (Variety) und mit hoher Geschwindigkeit (Velocity) auftreten. Häufig wird auch das Wort Massendaten als Synonym verwendet. Diese Daten werden gesammelt, miteinander in Korrelation gesetzt, analysiert und Muster daraus abgeleitet.
Volume: Der Begriff Volume bezieht sich auf das Datenvolumen. Bei Big Data werden immense Mengen an unstrukturierten Daten verarbeitet.
Variety: Der Begriff beschreibt die verschiedenen Datentypen, anhand der die Daten gesammelt werden. Darunter fallen zum Beispiel Quellen wie Text, Grafik, Audio und Video.
Velocity: Unter Velocity versteht man die Schnelligkeitsrate, mit der die Daten empfangen und transferiert werden. Das geht inzwischen bereits so weit, dass manche internetfähigen Produkte in Echtzeit arbeiten.
Immer mehr werden Big-Data-Definitionen um die beiden Begriffe Value (Wert) sowie Veracity (Richtigkeit) ergänzt. Diese stehen für den Mehrwert, den die Daten dem Unternehmen liefern, sowie für die Datenqualität. Die größte Herausforderung bei Big Data ist weniger das Sammeln, sondern vielmehr das Analysieren sowie das Verwenden der Daten. Hier kommen zunehmend leistungsstarke BI-Software-Lösungen zum Einsatz (BI = Business Intelligence).
Woher stammen die gesammelten Daten?
Alexa, Siri, Smartwatch, Facebook, Instagram und Co. machen Unternehmen das Sammeln von Daten zunehmend leichter. Big Data bedient sich der verschiedensten Quellen. Das Internet of Things (IoT) sowie Soziale Netzwerke und Plattformen sind nur ein Bereich. Auch Smart Homes, Smartphones, Smartwatches, vernetzte Fahrzeuge, Kundenkarten und vieles Weitere tragen dazu bei, vielfältige Informationen über eine Person zu sammeln. Vor allem Social-Media-Provider und Suchmaschinenbetreiber zählen zu den Musterbeispielen, was Datenanalysen anbelangt.
Wie können die Daten verwendet werden?
Der Grund, weshalb Unternehmen auf Big Data setzen und zunehmend Data Scientists oder Data Analysts in Stellenanzeigen suchen, ist einfach: Die richtige Anwendung dieser Daten ermöglicht es, Geschäftsprozesse zu verbessern und Mitbewerbern einen Schritt voraus zu sein. Wofür lassen sich die Daten verwenden? Hier eine Reihe an Möglichkeiten:
- für die Produktentwicklung, z.B. durch die Prognose von künftigen Kundennachfragen
- für ein besseres Kundenerlebnis, z.B. durch personalisierte Angebote auf Basis von Kaufgewohnheiten
- für das Vorantreiben von Innovationen und Schaffen neuer Geschäftsfelder
- für das Erkennen von Einsparpotential in Form von Kosten und Zeit
- zur Verbesserung der betrieblichen Effizienz
- für maschinelles Lernen
- für Wettbewerbsvorteile durch das Erkennen von Trends am Markt
- für das Feststellen von Fehlfunktionen und Defekten nahezu in Echtzeit
- für das frühzeitige Erkennen von Betrug durch das Aufdecken von Mustern, die auf Betrug hinweisen.
Beispiele von Big Data
Mit Hilfe von umfassenden Datenanalysen lassen sich viele Geschäftsprozesse beeinflussen. Am bekanntesten ist schon jetzt der Einsatz von Big Data im Marketing. Hier geht es vor allem darum, gewinnbringende Maßnahmen zu fahren, um Kunden an sich zu binden oder zurückzugewinnen. Big Data ermöglicht den effektiven Einsatz von Marketingbudget.
Ein weiteres Beispiel sind Versicherungen. Anhand von Big Data lassen sich mögliche Risiken fundierter bewerten, z.B. bei Kfz-Versicherungen. So können etwa mit Hilfe von Telematik-Lösungen in Autos Daten zum Fahrverhalten des Autofahrers an die Versicherung übermittelt und so die Versicherungsprämie individuell an das Fahrverhalten angepasst werden.
Durch Big Data möglich wird auch ein Kreditscoring bei Banken und Sparkassen. Mit Hilfe zahlreicher Daten lässt sich dabei innerhalb kürzester Zeit zuverlässiger die Bonität von Kunden und Kundinnen prüfen als durch klassische Bonitätsprüfungen.
In der Landwirtschaft lässt sich Big Data zur Ertragssteigerung verwenden. Durch das Zusammenspiel von Boden- und Wetterdaten in Kombination mit Daten zu eingesetztem Saatgut oder Düngemittel kann der Anbau von Pflanzen so gesteuert werden, dass die Ernte positiv beeinflusst wird.
Herausforderungen von Big Data und Kritik
Eine der Hauptherausforderungen in Zusammenhang mit Big Data ist es, eine effektive Lösung für die Verarbeitung, Auswertung und Speicherung der immensen Mengen an Daten zu finden. Klassische Datenbanken geraten schnell an ihre Grenzen. Hier ist Big-Data-Software gefragt, neue Systeme zur Datenspeicherung und -analyse. Durch den Zugriff auf zahlreiche Prozessoren ist eine deutlich schnellere Datenverarbeitung möglich. Die Verarbeitungsdauer entsprechender Software ist deutlich geringer. Aber: Diese Lösungen stehen noch am Anfang. Und die Datenmengen vervielfachen sich permanent. Die Technologien müssen stetig angepasst werden.
Außerdem hagelt es beim Thema Big Data auch Kritik. Zum einen sehen viele Datenschützer:innen die Sache kritisch, weil sich die gewonnenen Daten stets einem Kunden oder einer Kundin zuordnen lassen. Hier kommt es immer wieder zu Konflikten aufgrund der Persönlichkeitsrechte jedes Einzelnen. Außerdem sehen Big-Data-Kritiker:innen in der Auswertung der Massendaten einen Überwachungskapitalismus und die Gefahr der gläsernen Bürger:innen. Spätestens seit den Enthüllungen von Edward Snowden im Jahr 2013 ist deutlich, auf welche Daten Staaten zur Überwachung ihrer Bürger:innen zugreifen können. Je mehr Big Data zum Einsatz kommt, desto mehr werden auch Menschen laut werden, die sich kritisch damit auseinandersetzen.
