Auf einen Blick

Big Data nutzt verschiedenste Datenquellen, um einen Pool aus unstrukturierten Rohdaten zu einem bestimmten Thema anzusammeln. Ziel ist es, diese Daten zu analysieren, um detaillierte Informationen und Einblicke zu dem jeweiligen Themengebiet zu erhalten. Als Datenquellen kommen verschiedenste Kanäle und Ressourcen in Frage, z. B. soziale Medien, öffentliche Quellen (z. B. Offenes Datenportal der EU) oder unternehmensinterne Quellen (z. B. erhobene Kundendaten).

Cloud Computing und Big Data

Damit die gesammelten Datenmengen sinnvoll gespeichert und in annehmbarer Zeit verwertet werden können, muss es eine entsprechende technische Infrastruktur geben. Dabei spielen vor allem große Speicherkapazitäten eine wichtige Rolle, um die immer weiter wachsende Menge an Daten zu sichern. Cloud Computing bietet die nötige Flexibilität und Skalierbarkeit: Die Infrastruktur kann mit dem Bedarf wachsen und schrumpfen.

Vorteile

Der eigentliche Wert von Big Data sind nicht die gesammelten Datenmengen an sich - es sind die Erkenntnisse, die sich durch diverse Analysen daraus gewinnen lassen. Mit den richtigen Analysemethoden werden so immer weitere Wege zur Optimierung und Weiterentwicklung von Produkten, Vorgehensweisen und Leistungen gefunden.

Prozesse besser verstehen
Die Analyse bringt nicht nur neue Einblicke und Ideen, sondern hilft auch dabei, eingespielte Prozesse in Unternehmen und Organisationen besser zu verstehen. So helfen die Daten z. B. dabei, zu verstehen, warum und unter welchen Bedingungen bestimmte Schritte zu Problemen führen oder warum bestimmte Herangehensweisen besonders erfolgreich sind.

Anwendungsbeispiele

Big Data ist in praktisch jeder Branche nützlich, um die branchenspezifischen Prozesse genauer unter die Lupe zu nehmen und daraus neue Erkenntnisse zu ziehen.

Industrie
In der Industrie sind die gesammelten Daten wertvoll, um alle Prozesse zu analysieren, die an der Herstellung von Produkten beteiligt sind. Denn so lassen sich Prozesse immer weiter optimieren. Und das führt z. B. dazu, dass die Qualität der Produkte, die Effizienz der Produktion oder die Produktionsleistung an sich verbessert wird. Je mehr Daten zur Analyse bereitstehen, desto besser lassen sich Probleme in der Produktion erkennen und lösen. Und auch für die Automatisierung von Prozessen ist es hilfreich, wenn kontinuierlich Daten (z. B. aus der Produktionsstraße) analysiert werden - denn so lassen sich ebenfalls Probleme und Potenzial identifizieren.

Handel
Im Einzelhandel dreht sich alles darum, den Kunden so genau wie möglich zu kennen. Denn nur so ist es möglich, optimal auf seine Bedürfnisse einzugehen und ihm die Leistungen und Produkte anzubieten, die er sich wünscht. Außerdem ist es für Einzelhändler interessant zu wissen, welche Herangehensweise am besten für den jeweiligen Kunden funktioniert, sprich wie er für eine Transaktion zu begeistern ist oder wie die Rückgewinnung am effektivsten funktioniert. Mit über Jahre gesammelten Datenmengen lassen sich Vorlieben, Erwartungen und Verhaltensweisen analysieren. So hat der Händler die Chance, eine effektivere Strategie für die Vermarktung seiner Produkte zu entwickeln.

Weitere Anwendungsbeispiele

• Finanzbranche: Analyse von Kundenverhalten und Risiken
• Logistik: Optimierung von Routen und Kraftstoffverbrauch
• Gesundheitswesen: Optimierung der Patientenversorgung
• Regierung: Unterstützung bei Verwaltung
• Forschung: Analyse von erforschten Daten und Finden neuer Lösungsansätze