Big Data: Daten sammeln, aggregieren, analysieren, nutzen

Vossen Gottfried,

Zusammenfassung
„Big Data" ist seit gut zwei Jahren das IT-Schlagwort schlechthin. Laut Wikipedia[1] bezeichnet Big Data „Datenmengen, die zu groß sind, um sie mit händischen und klassischen Methoden der Datenverarbeitung auszuwerten. Die Daten können aus vielfältigen Quellen stammen. Es sind neue Technologien nötig, um Big Data zu erfassen, zu verteilen, zu speichern, zu durchsuchen, zu analysieren und zu visualisieren." Nach anderer Darstellung sind die diversen „V", die Big Data charakterisieren (u.a. Volume, Velocity, Variety, Veracity, Value, Variability, Vagueness), dafür verantwortlich, dass Big Data die Speicher- und Verarbeitungskapazitäten einer Organisation, die für eine akkurate und zeitnahe Entscheidungsfindung erforderlich sind, übersteigt.

Grundsätzlich bezieht sich Big Data auf folgende Situation: Aufgrund der fortschreitenden Digitalisierung liegen mehr und mehr Aspekte und Artefakte des täglichen Lebens in digitaler Form vor, darunter Profile, Postings in Blogs oder in sozialen Netzwerken, Kaufhistorien oder Gesundheitsaufzeichnungen. Entsprechend werden zunehmend mehr Daten in Internet und Web automatisch erzeugt. Gleichzeitig sind heutzutage die Techniken und Werkzeuge zu deren Zusammenführung, Auswertung und Analyse in unterschiedlichsten Formen verfügbar.

Zahlreiche Unternehmen erkennen bereits den enormen Wert, den auf Big Data basierende analytische Szenarien haben können. Sie erkennen ferner die Auswirkungen von Big Data auf Business Intelligence (BI) allgemein sowie speziell auf die Produktentwicklung, die Produktion, das Marketing, das Kundenbeziehungsmanagement und letztlich auf den Umsatz. Dieser Artikel gibt einen Überblick über die mit Big Data verbundenen Fragestellungen, Techniken und Anwendungen sowie deren Auswirkungen auf moderne BI-Architekturen. [1] vgl. https://de.wikipedia.org/wiki/Big_Data, abgerufen am 10.04.2015