Erst mit Hilfe der richtigen Werkzeuge lassen sich relevante Informationen aus unüberschaubaren Datenmengen herausfiltern. Die Instrumente schaffen damit die Basis für Big-Data-Anwendungen. Von Simon Zentgraf
Es wird eng in den Serverräumen vieler Unternehmen: Riesige Datenmengen lassen die Festplatten überquellen und fast täglich müssen mehr Ressourcen für noch mehr Daten geschaffen werden. Big Data ist das Top-Thema bei Verantwortlichen und Entscheidern. Doch oft erkennen die Unternehmen nicht die Möglichkeiten, die sich mit der richtigen Auswertung von großen Datenmengen eröffnen. So neigen sie dazu, sich Datengräber aufzubauen, deren Potenziale unentdeckt bleiben. Um einen möglichst großen Nutzen aus den angehäuften Daten ziehen zu können, müssen Anwender wissen, in welchem Umfang Big Data genutzt werden kann. Denn auch wenn dieses Schlagwort den Umgang mit großen Datensätzen suggeriert, steckt viel mehr dahinter als nur große Datenbanken, in denen unzählige Daten gespeichert werden.
Aus Daten lernen
Doch was ist Big Data genau? Neben der oberflächlichen Definition „große Datenvolumina“ ist es ist die Art, wie die Daten gesehen werden und vor allem, was man aus ihnen lernen kann. Es reicht nicht aus, viele Daten zu sammeln und sie ungenutzt auf Netzwerkspeichern verstauben zu lassen oder sie nur für simple Umsatzberechnungen oder Neukundenstatistiken heranzuziehen. Die Herausforderung besteht darin, die angehäuften Daten richtig zu nutzen und einen wirklichen Mehrwert zu generieren. Sie haben mehr als nur einen fest zugeteilten Anwendungszweck und erst die Kombination aus unterschiedlichen Informationen sorgt dank Churn-, Sentiment- und prädiktiven Analysen für eine hohe Transparenz bei Geschäftsprozessen, Kundenprofilen oder Zukunftsprognosen. Daten besitzen also einen hohen Wert für Unternehmen. Sie müssen ihn allerdings erkennen und schaffen. Erst wenn dieser Schritt gemacht ist, wandelt sich Big Data zu wertschöpfender Value Data, aus der Unternehmen nachhaltig profitieren.
Das richtige Werkzeug
Jeder, der sich schon einmal mit einer Gabel an einem Teller Nudelsuppe versucht hat, weiß, dass der Erfolg der Mühen direkt von der Wahl des Werkzeugs abhängt. Ohne Probleme erfasst man mit dem unpassenden Hilfsmittel die groben Strukturen – in diesem Beispiel die Nudeln – aber die feinen Gewürze, also die Detailinformationen der Datensuppe, nimmt man erst mit dem richtigen Werkzeug auf und somit auch wahr. Ebenso kommt es bei Value-Data-Auswertungen auf das passende Arbeitsmittel an.
Analytische Plattformen bieten den richtigen Ansatz zur effizienten Nutzung von Value Data. Oftmals bildet dabei eine SQL-Datenbank die Basis, auf die Analytiker mit mehreren Schnittstellen zugreifen und Analysen auf verschiedenste Art und Weise – beispielsweise mit Zuhilfenahme der Open-Source-Programmiersprache R – durchführen können. Für die nötigen Ressourcen sorgt ein Rechnerverbund (Cluster), in dem mehrere Rechner (Knoten) integriert sind. Alle gesammelten Daten werden auf die Knoten aufgeteilt, was nicht nur eine ausgeglichene Lastverteilung bringt. Dieses Konzept des massiv parallelen Arbeitens eignet sich auch besser für komplexe Datenberechnungen. Besonders in der heutigen Zeit, in der bergeweise unstrukturierte Daten in Form von Texten, Bildern oder Informationen aus sozialen Netzwerken gesammelt werden, bringen erst die richtigen Schnittstellen und Algorithmen den Erfolg und machen Daten für Unternehmen in allen Unternehmensbereichen und -prozessen nutzbar. Die Verknüpfung dieser Daten mit strukturierten Daten, die in Data Warehouses gespeichert sind, erlaubt Unternehmen einen tiefgründigen Blick auf Kunden, eine verbesserte Qualitätssicherung in der Produktion und auch eine exakte Erfolgsmessung von durchgeführten oder geplanten Kampagnen.
Praktische Anwendung
Gerade im Bereich des Online-Handels verzeichnen Händler eine gewaltige Expansion von gesammelten Datenmengen. Besonders bei großen Online-Händlern, die nicht selten Tausende Artikel und Kunden in ihren analytischen Datenbanken organisieren müssen, sammeln sich so in kürzester Zeit vermeintlich unbezwingbare Datenberge an. Für Unternehmen, die stetig expandieren und ihre Geschäftsprozesse optimieren wollen, ist die Sammlung, Verwaltung und Auswertung von Informationen eine Herausforderung. Doch gerade im Bereich der Customer Analytics profitieren Online-Shops von diesem Datenaufkommen. Mit Hilfe von komplexen und zeitkritischen Analysen können Detail-Informationen zum Kaufverhalten von Kundengruppen ausgewertet und das Layout des Online-Shops sowie die darin angebotenen Artikel ganz auf die Wünsche der Kunden angepasst werden. Es zeigt sich also, dass große Datenmengen durchaus nicht nur wertvollen Speicherplatz belegen. Mit ihnen wachsen die Analyse-Möglichkeiten von Geschäftsprozessen, was Geschäftserfolge nachhaltig optimiert. Und mit der auf die Ansprüche zugeschnittenen analytischen Plattform stehen viele Unternehmen nicht mehr länger vor dem „Nudelsuppen-Problem“.
