Suchen

Data Science

IoT-Basics: Big Data zwischen Hype und realem Nutzen

Seite: 2/4

Firmen zum Thema

Big Data oder besser Smart Data?

Die Philosophie von Big Data lautet, erst einmal massiv Daten zu sammeln und später die darin verborgenen Schätze zu heben; eine Erfolgsgarantie gibt es nicht. Big Data erzeugt hohe Kosten, der im Einzelfall daraus zu erzielende Nutzen ist nicht immer vorhersagbar. Für den Einsatz von Big Data sprechen die Erfolgsbeispiele, bei denen die Kosten durch den erzielten Nutzen deutlich aufgewogen wurden. Es gab aber in der Vergangenheit auch genügend Beispiele, wo dies nicht der Fall war und die mit Big Data verknüpften Erwartungen nicht erfüllt worden sind.

Die Kosten für Big Data dürfen nicht unterschätzt werden. Schon das massive Sammeln von Daten erzeugt hohe direkte Kosten. Jeder einzelne erfasste Messwert erzeugt Kosten durch die Erhebung, die Übertragung, die Speicherung und natürlich die Verarbeitung. Hinzu kommen weitere indirekte Kosten, die sich durch die Komplexität des Umfeldes für Big-Data-Anwendungen ergeben. Dabei ist die fachliche Komplexität der eigentlichen Datenanalyse durch die hohen Anforderungen an das ausführende Personal noch relativ gut einschätzbar.

Weniger offensichtliche Komplexitäten ergeben sich eher aus Fragen im rechtlichen und sicherheitstechnischen Bereich. Wem gehören die gesammelten Daten? Kann 100%ig sichergestellt werden, dass nur berechtigte Personen und Systeme Zugriff auf die Daten bekommen? Wird das durch verstärktes Datensammeln erhöhte Risiko unbefugter Nutzung durch den dadurch erzeugten Nutzen aufgewogen oder wird dieses Risiko viel zu teuer erkauft? Diese Fragen müssen geklärt werden. Auch diese Klärung verursacht weitere Kosten.

Aus diesem Spannungsfeld ist der Begriff von Smart Data entstanden. Smart Data selektiert die zu erfassenden Daten bereits vor und sammelt nur solche Daten, die der geplanten Nutzungsweise entsprechen. Smart Data verspricht dadurch den Vorteil reduzierter Initialkosten; klarer Nachteil ist aber, dass unerwartete und nicht vorhersehbare Potenziale in den Daten so eher nicht erschlossen werden.

Bei Big Data geht ein Trend dahin, die noch unerschlossenen Daten zunächst möglichst günstig und wenn möglich sogar vor Ort zu speichern und erst bei erkanntem Potenzial die Daten dann ganz gezielt in teurere, zentrale Echtzeitverarbeitungssysteme zu überführen oder auch Analysen vor Ort auszuführen. Auch dies kann dazu beitragen, die Kosten von Big Data in den Griff zu bekommen.

Erfolgreiche Big-Data-Killerapplikationen

Von einer Killerapplikation kann man sprechen, wenn ein bestimmter Anwendungstypus einer ganzen Technologie zum breiten Durchbruch verhilft, weil er deren Nutzen dem Betrachter auf überzeugendste Art und Weise direkt vor Augen führt. Auf der Basis von Big Data wurden zahlreiche erfolgreiche Geschäftsmodelle implementiert, die neue Märkte schufen oder bestehende umwälzten und dadurch Firmen innerhalb weniger Jahre vom kleinen Start-up zu Multi-Milliarden-Konzernen wachsen ließen. Für Big Data gibt es denn auch mindestens zwei solcher Killerapplikationen.

Die erste Killerapplikation im Zusammenhang mit Big Data war die Schaffung des transparenten Kunden, die zum Ziel hat, dem dahinterstehenden Menschen zielgenau die Produkte und Dienstleistungen anzubieten, die er sich wünscht oder die er sich nach Ansicht des Anbieters wünschen sollte. Dazu werden möglichst viele personenbezogenen Daten gesammelt, um ein möglichst vollständiges Profil des einzelnen Kunden erstellen zu können, auf dessen Basis das erfolgversprechendste Angebot formuliert werden kann.

Zum Beispiel werden per Click-Stream alle Eingaben des Kunden auf der Web-Site eines Online-Anbieters überwacht und sein historisches Kaufverhalten protokolliert. Gleichzeitig werden in den sozialen Netzwerken die allgemeinen Stimmungslagen von bestimmten Anwendergruppen ausgewertet (Social Network Sentiments), aber auch persönliche Daten des Kunden miterfasst. Durch Verknüpfung dieser und aller möglichen weiterer Daten aus den unternehmensweiten Systemen (z.B. aktueller Lagerbestand) oder dem Internet (z.B. Wetterdaten) werden personalisierte Produktvorschläge für den Kunden abgeleitet. Vor allem große Onlinehändler wie Amazon, aber auch Hersteller von Gütern für den Endverbraucher profitieren von diesem Einsatzbereich von Big Data.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45181705)