Big Data - Was bringt das?

Big Data ist einer der grossen Trends. Was versteckt sich dahinter und wofür kann man es benutzen?

Als “Big Data” werden Datenbestände bezeichnet, die so umfangreich, komplex und schnell wachsend sind, dass man ihnen mit herkömmlichen Methoden nicht mehr beikommen kann. Somit braucht man spezialiserte Technologien um die Daten auswerten, analysieren und verarbeiten zu können. Je nach Umfeld werden neue Daten in unterschiedlichen Mengen, Geschwindigkeiten und Formaten nonstop neu generiert. Diese Daten beinhalten mit der Zeit das gesamte - elektronisch erfasste - historische Lexikon einer Unternehmung, welches mit analytischen Methoden verfügbar - und somit nutzbar - gemacht werden kann. Entgegen dem Begriff geht es bei Big Data nicht nur um die Menge der Daten, sondern ebenso stark um die Qualität und was sie damit machen. Daten die man nicht nachhaltig und in einer auswertbaren Form sammelt und speichert werden mit der Zeit nutzlos.

Einsatzgebiete von Big Data

Grundsätzlich wird unterschieden zwischen

• operative Big Data Technologien
• analytische Big Data Technologien

Im Ersten geht es um die im Tagesgeschäft anfallenden Daten, bspw. Bestellungen eines Online Shops, Sensorüberwachungen in Produktionsbetriebe, Hotelbuchungen eines Webportals oder sonstige Datentransaktionen die tagtäglich in jeder Unternehmung anfallen.

Die Sammlung dieser Daten aus dem Tagesgeschäft ermöglicht dann mit der Zeit analytische Rückschlüsse, bspw. über das zu erwartende Kundenverhalten bei zukünftigen Aktionen. Bei entsprechenden Datenmengen können beispielweise Kundengruppen aufgrund Ihrer Einkaufshistorie kategorisiert werden um damit Absatzprognosen über neu lancierte Produkte zu berechnen.

Brauche ich das? Was soll ich tun?

Auch wenn sie für sich in Ihrer Unternehmung heute noch keine praktischen Nutzen von Big Data Analytics sehen, kann es doch nicht falsch sein, die in den verschiedenen Organisationeinheiten anfallenden Datenbestände schon mal vorausschauend in deinem Data Lake zu sammeln. Unabhängig vom heutigen analytischen Bedürfnissen, sollte man dies in einer langfristigen Datenstrategie bereits heute so festlegen. Der Grund dahinter ist ganz simpel: In Zukunft analysieren kann man nur das was man heute schon aufbewahrt.

Ein Data Lake unterscheidet sich von einem Data Warehouse insofern, als dass der Data Lake nicht eine strukturierte Form hat und nicht auf bestimmte Analysen oder Abfragen hin optimiert wurde. Der Data Lake soll Originaldaten (wen sinnvoll in Originalformaten) aus allen möglichen Datenquellen für eine mögliche zukünftige Verwendung und Analyse sammeln.

Kommen Sie auf uns zu wenn sie Anmerkungen haben, mit uns fachsimpeln möchten oder einfach Lust auf einen guten Kaffee haben.