Blog

Was ist Big Data und wie nutze ich Daten sinnvoll?

Die voranschreitende Digitalisierung geht mit der Generierung unvorstellbar großer Datenmengen einher. Diese sind zu mächtig, zu unstrukturiert und zu veränderlich, um sie mit den üblichen Methoden der IT greifen zu können.

Gelingt es jedoch, die wertvollen Massendaten aus internen und externen Quellen mit geeigneten Ansätzen zu beherrschen, entstehen einzigartige Analysemöglichkeiten und Wettbewerbsvorteile. Neben einer Big-Data-Erklärung liefert dieser Artikel umfangreiche Einblicke zu möglichen Anwendungsgebieten, Chancen und Strategien.

 

 

 

Big Data – Erklärung der wesentlichen Hintergründe

Die Frage „Was ist Big Data?“ lässt sich nicht mit einem Satz beantworten. Grundsätzlich handelt es sich bei Big Data um Datenmengen, die mit herkömmlichen IT-Lösungen nicht mehr erfasst, gespeichert, durchsucht, verteilt und analysiert werden können. Neben einem hohen Datenvolumen sind unterschiedlichste Dateiformate, also unstrukturierte Daten, charakteristisch für Big Data. Für den enormen Anstieg des Datenvolumens sind verschiedene Quellen ursächlich. Hierzu zählen unter anderem ERP-Systeme, intelligente Gegenstände (IoT-Daten aus Maschinen und Produkten, „M2M-Kommunikation“), Sensoren, mobile Endgeräte, Informationen externer Partner, das World Wide Web und Social Media.

Für Unternehmen eröffnet das Erschließen aller geschäftsrelevanten Informationen mehrere Chancen:

  • neue Einblicke in Kundenbedürfnisse und Kaufverhalten
  • Generierung personenbezogener Profile
  • Abbildung neuer Kennzahlen
  • Optimierung und Flexibilisierung der Produktion (Industrie 4.0)
  • Optimierung vorhandener Geschäftsmodelle
  • Unterstützung bei der Entwicklung neuer Geschäftsmodelle, Produkte oder Dienstleistungen
  • Innovationsführerschaft durch genauere Marktprognosen
  • verbesserte Risikokalkulation
  • Schaffung klarer Entscheidungsgrundlagen

Wie können Unternehmen ein gewinnbringendes Big Data Management etablieren?

Oft sind die attraktiven Potenziale von Big Data weitgehend ungenutzt. Hieraus leitet sich unweigerlich die Frage ab, wie Unternehmen Informationen für ihren individuellen Bedarf erfassen und analysieren können. Wie kann es gelingen, Daten zu erschließen, die in der Vergangenheit nicht zugänglich waren? In erster Linie bedarf es an dieser Stelle einer geeigneten Strategie, welche die Zielrichtung des Big-Data-Projekts klar definiert. Darüber hinaus sind geeignete Technologien und Algorithmen erforderlich, welche die relevanten Daten aus dem großen Pool herauslösen, visualisieren und in Beziehung zueinander setzen.

Big-Data-Projekte sind Managementaufgabe. Sie laufen nicht „nebenher“. Vielmehr ist Big Data, sofern es richtig eingesetzt und genutzt wird, als Teil der Unternehmenskultur zu betrachten. Einige Führungskräfte haben dies bereits erkannt und damit begonnen, die Potenziale zu nutzen. Sie betrachten neue Datenquellen nicht mehr als irrelevant, nur da sie in der Vergangenheit schwer erschließbar waren.

Mögliche Herangehensweise

Um beurteilen zu können, ob der Einsatz von Big Data überhaupt lohnenswert ist, reicht möglicherweise bereits ein Blick auf größere Marktbegleiter sowie Markt- und Fallstudien. In den meisten Fällen stellt sich heraus, dass Potenziale vorhanden sind. Um diese Annahme zu überprüfen, muss im zweiten Schritt geklärt werden, welche internen und externen Daten tatsächlich sinnvoll nutzbar sind. Anders formuliert geht es hierbei um eine eingehende Analyse des sogenannten „Informationsökosystems“, welches sich keineswegs nur auf unternehmenseigene Daten beschränkt. Sind Informationen außerhalb des Unternehmens vorhanden, die sinnvoll in eine Beziehung gesetzt werden können, müssen diese ebenfalls betrachtet werden. Insbesondere sind folgende Fragestellungen zu beantworten:

  • Wo liegen Daten vor?
  • In welcher Form liegen die Daten vor?
  • Welches Datenvolumen liegt vor und wird künftig erzeugt?
  • Wie oft ändern sich die Daten?
  • Gibt es bereits bekannte Beziehungen der Daten zu anderen?
  • Dürfen die Daten uneingeschränkt genutzt werden?
  • Existieren Schnittstellen, um an die Daten zu gelangen?

Diese exakte Form der Analyse bildet die Grundlage für die Beurteilung der tatsächlichen Potenziale von Big Data.

Daten gruppieren, verknüpfen und Anwendungsmöglichkeiten definieren

In dieser Phase erfolgt eine Gruppierung der gesammelten Informationen. Zusammenhänge werden visualisiert. Hierbei ist Branchenkenntnis hinsichtlich der Daten und möglicher Verknüpfungen erforderlich. Zudem ist es sinnvoll, die Daten nach Kriterien wie Volumen, Frequenz, Typ und Variabilität zu klassifizieren. Im Ergebnis entstehen häufig bestimmte Anwendungsfälle, die sowohl von IT- als auch von Fachverantwortlichen als sinnvoll betrachtet werden.

Um eine Überforderung auszuschließen, ist es zielführend, zunächst nur ein bis zwei Anwendungsszenarien mit geringer Komplexität und zügiger Realisierbarkeit auszuwählen. Auf diese Weise ist schnell überprüfbar, ob Big Data innerhalb einer vertretbaren Zeitspanne tatsächlich Mehrwert schafft.

Anforderungen an Big Data Software

Hinsichtlich der Technologien zur Datenanalyse setzen viele Unternehmen nach wie vor auf Standard-BI-Lösungen, relationale Datenbanken und Datenintegration. Ad-hoc-Analysen mit Tools wie Excel oder Access gehören ebenfalls zum Unternehmensalltag. Die verwendeten Daten stammen überwiegend aus Transaktionssystemen. All diese Ansätze stoßen jedoch im Kontext von Big Data an ihre Grenzen.

Zukunftsweisende Big Data Software ist hingegen effizienter, performanter und meist sogar kostengünstiger als traditionelle Vorgehensweisen. Moderne Big-Data-Anwendungen basieren auf Technologien wie NoSQL-Datenbanken, Process Mining, Hadoop und Cloud Computing. Sie verbessern das Handling unstrukturierter Daten, erhöhen die Analysegeschwindigkeit und entlasten die IT-Infrastruktur durch Speicherauslagerung.

Big Data und Industrie 4.0 als leistungsstarke Einheit

Big Data und Industrie 4.0 sind zwei separate Konzepte. Um Effizienzsteigerungen in der Produktion zu erzielen, können sie jedoch verknüpft werden. Teils wird dies mit dem Begriff „Industry Analytics“ umschrieben. Das Ziel ist es, ein tiefgreifendes Verständnis hinsichtlich der Optimierungsmöglichkeiten in der Fertigung zu erhalten und signifikante Kosteneinsparungen zu realisieren.

Die Ausgangsvoraussetzungen unterscheiden sich von Unternehmen zu Unternehmen mitunter stark. In einigen Betrieben erfolgt bereits eine automatisierte Fertigung mit einer zentralen Datenerfassung. Andere Unternehmen nutzen nach wie vor traditionelle Produktionsabläufe, verwenden vorliegende Daten kaum oder verfügen nur über einen geringen Grad an Digitalisierung und Vernetzung. Es steht jedoch fest, dass langfristige Optimierungen nur durch strategische Datennutzung möglich sind. Auch in der Wartung und Instandhaltung lassen sich, etwa durch die Auswertung von Maschinendaten aus Sensoren, enorme Potenziale identifizieren.

Die Herangehensweise kann grob wie folgt skizziert werden:

  • Daten für Prozessanalysen definieren
  • Ziele der Prozessanalysen gemeinsam mit Fachbereichen festlegen
  • Faktoren, die das Ergebnis beeinflussen, identifizieren

Die ermittelten Einflussfaktoren müssen in einem weiteren Schritt aus den betroffenen Produktionsanlagen oder IoT-Objekten ausgelesen und in einer zentralen Datenbank zusammengeführt werden. Hierfür sind, wie im vorangegangenen Abschnitt (Big Data Software) beschrieben, innovative und skalierbare Technologien erforderlich.

Liegen die Informationen letztlich zentral vor, können sie mit Standard-Reports im Detail ausgewertet werden. Anhand statistischer Methoden werden wiederkehrende Muster sichtbar. Die neuen Erkenntnisse und Zusammenhänge liefern wertvolle Hinweise zu Optimierungspotenzialen.

Fazit: Big Data ermöglicht Wettbewerbsvorteile

Die Fragestellung „Was ist Big Data?“ wurde in diesem Artikel umfassend beantwortet. Dass es an der Zeit ist, eine Big-Data-Strategie zu etablieren, wird in Summe ebenfalls deutlich. Gelingt es Unternehmen, die rasant wachsenden, unstrukturierten Datenmengen zu beherrschen und relevante Informationen zu extrahieren, ergeben sich signifikante Wettbewerbsvorteile. Diese resultieren aus einem tief greifenden Verständnis hinsichtlich interner Optimierungspotenziale, der Märkte und der Kundenbedürfnisse. Gleichzeitig wird eine neue Basis für solide Entscheidungen und die Entwicklung neuer Geschäftsmodelle geschaffen.

 

Letzte Blogs