Merkmale von Big Data und die Relevanz für Unternehmen

Die Nutzung von Daten, unabhängig von ihrer Art, ihrer Typologie oder dem Datenformat, ist eines der zentralen Merkmale von Big Data. Mit diesem Begriff wird umschrieben, was sich bereits leicht im kleinen Maßstab beobachten lässt. Eine Definition von Big Data stützt sich auf verschiedene Faktoren, die einzeln oder mit mehreren anderen Merkmalen gegeben sein können. Es kann sich dabei um weit überdurchschnittlich große Datenmengen handeln, komplexes Datenmaterial, zu schnell und zu regelmäßig veränderte Daten oder in Form und Struktur nur schwerlich zu verarbeitende Informationen jeder Art. Aus dem privaten Umfeld oder der kleinsten Organisationsstruktur im Unternehmen weiß man, dass Ordnung so manches erleichtert.

Betrachtet man nun Ordnung als wesentliches Element zur Nutzbarmachung von Daten, ergibt sich im Umfeld von Big Data ein bestimmtes Problem. Die zum Einsatz kommende Standard-Software, insbesondere die darin eingefassten SQL-Datenbanksysteme, haben aufgrund ihrer Komplexität und Systemstruktur eine natürliche Kapazitätsgrenze. Ist diese erreicht, bündelt jede einzelne Anfrage eine enorme Menge an Rechenkapazität, wodurch sich das Datenmanagement insgesamt verlangsamt. Kommen nun auch noch unvollständige, nicht geordnete oder aber in vielen verschiedenen Aspekten strukturierte Daten hinzu, stellt das bisherige System keine adäquate Grundlage für Datenanalyse und Co. dar.

Typische Bereiche, in denen Big Data von erheblicher Bedeutung ist

Dass die Menge an Daten, wie privat wie geschäftlich im Umlauf sind, kontinuierlich gestiegen ist, lässt sich leicht anhand des eigenen persönlichen Nutzungsverhaltens festmachen. Smartphones sind allgegenwärtig und zu klassischer Kommunikation über Telefon und E-Mail gesellen sich nun auch Messaging-Dienste oder Social Networks. Die Informationen zu jeder einzelnen Person sind vielfältiger, auf mehrere Ebenen verteilt und mehr oder minder stark verarbeitet. Während sich im privaten Kontext noch mit herkömmlichen Mitteln steuern lässt, was von Art und Regelmäßigkeit der Nutzung entsprechender Kommunikationsmittel abhängt, stehen Unternehmen bestimmter Branchen vor einem echten Problem.

Um einen Überblick zu geben, was Big Data im Alltag bedeutet und woran es sich festmachen lässt, im Folgenden nun eine kleine Auflistung von Datenquellen, die systematische Datenanalyse im Rahmen von Standard-Software unmöglich machen würden.

• Personalisierte Kunden- oder Bankkarten;
• Globale Navigationssysteme, die ein hohes Maß an Synchronisation und Interaktion mit unzähligen anderer Datenquellen erfordern;
• Überwachungssysteme, die umfassendes Bild- und Tonmaterial aufzeichnen;
• Intelligente Haustechnik („Smart Home“);
• Elektronische Kommunikation generell, über verschiedene Zugangswege (Smartphone, Desktopcomputer, Tablet).

Big Data ist nicht allein die reine Erhebung und Speicherung größerer Datenmengen, sondern bezeichnet als Sammelbegriff zugleich die Verwertung. Etwa in Form von Big Data Analytics, einer systematischen Datenanalyse. Hierzu werden wir im folgenden Abschnitt noch weitere Ausführungen geben.

Big Data Analytics – Datenanalyse im unternehmerischen Kontext

Es ist die eine Sache, Daten verschiedenster Art und Komplexität zu erheben – eine andere Sache, diese auch betriebswirtschaftlich oder konzeptionell nutzbar zu machen. In der Unternehmenssteuerung gewinnt Big Data Analytics eine zunehmende Relevanz, denn hierbei geht es um Lösungsansätze, das entsprechende Datenmaterial auch aufzubereiten, zu katalogisieren und auszuwerten. Herkömmliche Methoden innerhalb der Business Intelligence (BI), mit Daten oder Datenpaketen zu verfahren, stoßen an ihre Grenzen. Erschwerend kommt hinzu, dass Unternehmen eine Vielzahl von internen als auch externen Daten verarbeiten und auswerten müssen. Dies geht einher mit entsprechend vielfältigen Systemen, Dateiformaten, einer nicht einheitlichen Validität der Daten und vielen anderen Faktoren.

Der bisherige Ansatz, Data Warehouses zu nutzen und hier mittels relationalen Datenbanken vorzugehen, eignet sich nur bedingt. Denn hierfür bedarf es einer gewissen Struktur, die notfalls erst geschaffen werden muss – zusätzlich müssen Metadaten generiert werden, was wiederum Speicher- und Rechenkapazitäten bindet. Ganz zu schweigen von der Geschwindigkeit derartiger Rechenoperationen, die das Ganze auch wirtschaftlich nicht unbedingt sinnvoll erscheinen lassen.

Big Data Analytics fokussiert sich deshalb auf die Neuentwicklung entsprechender Software, die vor allem folgende Merkmale aufweisen muss:

• Gleichzeitige Verarbeitung von Datensätzen verschiedenster Art und Typologie
• Importmöglichkeit entsprechend großer Datenmengen
• Analysetools zur Auswertung von Daten verschiedenster Quellen und Komplexität

Insbesondere der letztgenannte Punkt wird vielfach als entscheidende Funktion benannt, denn hiermit lassen sich unzählige Daten auswerten, die in unstrukturierter Form vorliegen. Beispielsweise solche aus Social Networks.

Ein weiterer Ansatz beruht auf den Synergieeffekten einer professionellen Cloud Lösung. Der Vorteil liegt vor allem darin, dass die Performance flexibel nutzbar ist und sich Systemumgebungen einfacher integrieren und erneuern lassen. Dies setzt aber voraus, dass Grundsätze des Datenschutzes und der Datensicherheit eingehalten werden. Des Weiteren bedarf es einer Mitarbeiterschulung, die für den Umgang mit Daten innerhalb der Cloud sensibilisiert.

Fazit und abschließende Bemerkungen

Big Data beschreibt einen Umstand, mit dem viele Unternehmen schon heute ihre Schwierigkeiten haben. Mittlerweile gibt es auf dem Markt eine entsprechende Anzahl an Produkten, die sich insbesondere auf die Erhebung und Auswertung qualitativer Daten fokussieren. Diese lassen sich transformieren und mittels Grafiken oder Tabellen auswerten, um einen Erkenntnisgewinn daraus abzuleiten. Erforderlich ist hierfür ein näheres Verständnis über das Thema und technisches Know-how, um Analysetools wirkungsvoll nutzen zu können.

Wie bei jeder Produktneueinführung auch, ist die Implementierung derartiger Big-Data-Analysetools mit starker Bindung von personellen und finanziellen Ressourcen verknüpft. Es empfiehlt sich deshalb, Kompetenzen und Zuständigkeit zunächst zu bündeln und den möglichen Nutzen derartiger Software zu analysieren, unter Berücksichtigung der vorhandenen IT-Architektur des Unternehmens.