Was ist Big Data?

Von der Geschichte bis hin zu heutigen Anwendungsbereichen und Funktionen: Wir werfen einen Blick auf Big Data im Zusammenhang mit ERP-Software.

In der digitalen Welt wird viel über "Big Data" gesprochen, aber was genau ist das? Im Wesentlichen handelt es sich bei Big Data um Daten mit mehr Vielfalt, die in immer größeren Mengen und mit höherer Geschwindigkeit ankommen. Einfach ausgedrückt bedeutet Big Data größere, komplexere Datensätze, die hauptsächlich aus neuen Datenquellen stammen.

Diese Datensätze sind so groß, dass "traditionelle" Datenverarbeitungssoftware sie nicht verarbeiten kann. Diese großen Datenmengen können jedoch verwendet werden, um geschäftliche Probleme zu lösen, für die es bislang keinen adäquaten Lösungsansatz gab. Gerne erklären wir Ihnen, was Big Data ist und wie Sie es nutzen können.

Inhaltsverzeichnis 

• Die 5 Vs
• Der Wert der Daten
• Geschichte
• Anwendungsbereiche
• Herausforderungen
• Wie funktioniert Big Data?
• Best Practices
• ERP & Big Data

Die 5 Vs von "Big Data"

Früher war von volume, velocity und variety die Rede. Dies sind drei Schlüsselbegriffe von Big Data, die einer weiteren Erklärung bedürfen.

Volume 

Hier geht es um die Datenmenge. Mit Big Data müssen Sie große Mengen unstrukturierter Daten verarbeiten. Dies können Daten von unbekanntem Wert sein. Für einige Organisationen kann es sich hierbei um viele Terabyte an Daten handeln. Für andere Unternehmen sind es sogar Hunderte von Petabyte.

Velocity 

Velocity ist die hohe Geschwindigkeit, mit der Daten empfangen und (vielleicht) versendet werden. In einer normalen Situation werden Daten mit maximaler Geschwindigkeit in den Speicher verschoben, verglichen mit der Geschwindigkeit, mit der Daten auf eine Festplatte geschrieben werden. In manchen Anwendungsbereichen ist eine Datenverarbeitung in Echtzeit oder nahezu in Echtzeit möglich.

Variety 

Variety bezieht sich auf die vielen Arten von Daten, die verfügbar sind. Traditionelle Datentypen waren strukturiert und passten perfekt in eine relationale Datenbank. Eine relationale Datenbank ist eine Art von Datenbank, in der Datenpunkte gespeichert sind und die Zugriff auf Datenpunkte bietet, die miteinander in Beziehung stehen. Sie steht der nicht relationalen Datenbank gegenüber. Mit dem Aufkommen von Big Data gelangen Daten als neue unstrukturierte Datentypen in die Unternehmen. Für unstrukturierte Datentypen wie Text, Audio und Video ist eine zusätzliche Vorverarbeitung erforderlich, um ihre Bedeutung zu erkennen und Metadaten zu unterstützen.

Value und Veracity 

In den letzten Jahren sind zwei weitere Begriffe hinzugekommen: Der Wert (Value) und die Genauigkeit (Veracity) von Big Data. Daten haben einen inneren Wert. Sie sind jedoch nur dann nützlich, wenn ihr Wert auch erkannt wird. Ebenfalls von Bedeutung: Wie wahrheitsgemäß sind Ihre Daten und inwieweit können Sie sich darauf verlassen?

Der heutige Wert der Daten 

Heute dreht sich alles um Big Data. Betrachten wir zum Beispiel einige der weltweit größten Technologieunternehmen wie Google, Facebook und Amazon. Ein großer Teil des Wertes dieser Unternehmen beruht auf ihren Daten, die sie kontinuierlich analysieren, um effizientere Produkte und Systeme herzustellen und neue Produkte zu entwickeln. Jüngste technologische Durchbrüche haben die Kosten für Datenspeicherung und Rechenleistung gesenkt, wodurch es einfacher und billiger denn je ist, Daten zu speichern.

Der Wer von Big Data

Um den Wert von Big Data zu erkennen, geht es nicht nur darum, sie zu analysieren.  Es ist ein vollständiger Entdeckungsprozess, bei dem Analysten, Geschäftsanwender und Führungskräfte die richtigen Fragen stellen, Muster erkennen, fundierte Annahmen treffen und Verhalten vorhersagen müssen.  Auf diese Weise können präzise und fundierte Entscheidungen getroffen werden.

Die Geschichte von Big Data

Obwohl das Konzept von "Big Data" relativ neu ist, gehen die Ursprünge großer Datensätze auf die sechziger und siebziger Jahre zurück, als die Welt der Daten durch die ersten Rechenzentren und die Entwicklung der relationalen Datenbank Gestalt annahm.

Die Jahrtausendwende 

Um 2005 herum begannen die Menschen zu erkennen, wie viele Daten über Facebook, YouTube und andere Online-Dienste generiert wurden. Hadoop (ein Open-Source-Framework zum Speichern, Verwalten und Analysieren großer Datensätze) wurde im selben Jahr entwickelt.

Rolle von Open-Source-Frameworks 

Die Entwicklung von Open-Source-Frameworks wie Hadoop war ein wesentlicher Bestandteil des Wachstums von Big Data, da es die Arbeit mit Big Data erleichtert und es billiger wurde, große Datenmangen zu speichern. Seither generieren Benutzer immer noch riesige, wachesende Datenmengen.

Internet-of-Things (IoT) in der Produktion 

Dabei sind es jedoch nicht nur Menschen, die Daten generieren. Mit dem Aufkommen des Internets der Dinge (IoT) werden immer mehr Objekte und Geräte mit dem Internet verbunden. Dies ist insbesondere in der Produktion von großer Bedeutung. Auch die zunehmende Verbreitung Künstlicher Intelligenz (KI) und maschinellem Lernens sorgt für ein zunehmendes Datenaufkommen.

Anwendungsbereiche von Big Data

Mit Big Data können Sie eine Reihe von Geschäftsaktivitäten; von der Customer Experience bis hin zu Analysen; bewältigen. Wir haben eine kurze Zusammenfassung der Prozesse erstellt, die Sie mit Big Data anpassen können. Hierbei handelt es sich lediglich um eine exemplarische Übersicht; es wird keinerlei Anspruch auf Vollständigkeit erhoben.

Produktentwicklung mittels Big Data 

Unternehmen wie Netflix und Amazon nutzen Big Data, um die Kundennachfrage zu antizipieren. Sie erstellen Prognosen für neue Produkte und Dienstleistungen, indem sie die Schlüsselmerkmale vergangener und gegenwärtiger Produkte oder Dienstleistungen klassifizieren und die Beziehung zwischen diesen Merkmalen und dem kommerziellen Erfolg des Angebots modellieren. Darüber hinaus nutzen sie Daten und Analysen aus sozialen Medien, sondieren Märkte, um neue Produkte und Dienstleistungen zu planen, zu entwickeln und auf den Markt zu bringen.

Wartung und Ressourcenplanung 

Faktoren, die mechanische Ausfälle vorhersagen können, können tief in strukturierten Daten wie dem Herstellungsjahr, der Marke und dem Modell der Ausrüstung sowie in unstrukturierten Daten vergraben werden, die Millionen von Protokolleinträgen, Sensordaten, Fehlermeldungen und Motortemperaturen enthalten. Durch die Analyse dieser Daten auf potenzielle Probleme können Unternehmen die Wartung kostengünstiger bereitstellen und die Verfügbarkeit von Komponenten und Geräten maximieren. Eine effiziente Ressourcenplanung wird somit zur Realität.

Optimierung der Customer Experience (CX) 

Einen Kunden zu gewinnen und dann auch langfristig zu halten ist für Unternehmen immer mit einer Herausforderung verbunden. Heutzutage ist es aufgrund von Daten möglich, sich als Unternehmen ein Bild der Customer Journey und der Customer Experience zu verschaffen. Big Data ermöglicht es Ihnen, Daten aus sozialen Medien, Website-Besuchen, Anrufprotokollen und anderen Quellen zu sammeln, um das Interaktionserlebnis zu verbessern und den gebotenen Mehrwert zu maximieren. Beginnen können Unternehmen hier beispielsweise mit personalisierten Angeboten auf Grundlage von Big Data.

Sicherheit, Datenschutz und Compliance 

Sicherheitsmaßnahmen und Compliance- und Datenschutz-Anforderungen ändern sich ständig. Mit Big Data können Sie Muster in Daten identifizieren, die auf Betrug hindeuten, und große Mengen an Informationen aggregieren, um die regulatorische Berichterstattung zu beschleunigen.

Maschinelles Lernen 

Maschinelles Lernen ist derzeit ein heißes Thema in der digitalen Welt. Daten, insbesondere Big Data, sind einer der Gründe dafür. Wir können Maschinen jetzt etwas beibringen, anstatt sie zu programmieren. Sie können sich sogar eigenständig neues Wissen aneignen. Die Verfügbarkeit von Big Data ermöglicht die Unterstützung neuer, modernen Machine-Learning-Modelle.

Effizienz 

Die effizientere Gestaltung bestehender Geschäftsprozesse klingt im Vergleich zu anderen Anwendungsbereichen von Big Data wenig bahnbrechend, ist dafür aber umso wichtiger. Mit Big Data können Unternehmen Feedback und Retouren sowie andere Faktoren analysieren und bewerten, um Ausfälle zu reduzieren und zukünftige Anfragen zu antizipieren.

Herausforderungen 

Während Big Data zahlreiche Anwendungsbereiche hat und etliche Vorteile mit sich bringt, gibt es auch Herausforderungen.

Speicherkapazitäten 

Erstens ist Big Data bezogen auf den in Anspruch genommen Speicherplatz riesig. Obwohl  im Laufe der Jahre neue Technologien zur Speicherung von Daten entwickelt wurden, verdoppeln sich die Datenmengen etwa alle zwei Jahre. Unternehmen haben immer noch Schwierigkeiten, mit ihrer Datenverarbeitung Schritt zu halten und neue Wege zu finden, um diese Daten effektiv zu speichern.

Datenpflege 

Auch reicht es nicht aus, die Daten zu speichern. Sie müssen entsprechend zielführend verwendet werden. Viel Aufwand ist zunächst damit verbunden, eine (Stamm-)Datenpflege zu betreiben und die Daten zu bereinigen. Data Scientists verbringen einen Großteil ihrer Zeit damit, Daten zu verwalten und vorzubereiten, bevor sie tatsächlich verwendet werden können.

Wie funktioniert Big Data? 

Mit Big Data erhalten Sie neue Einblicke in Ihr Unternehmen, die neue Möglichkeiten und sogar Geschäftsmodelle eröffnen können. Die ersten Schritte umfassen drei Hauptaktivitäten:

1. Integrieren

Big Data führt Daten aus einer Vielzahl von Quellen und Anwendungen zusammen. Herkömmliche Datenintegrationsmechanismen wie Extrahieren, Transformieren und Laden (ETL) sind dafür in der Regel nicht geeignet. Neue Strategien und Technologien sind erforderlich, um große Datensätze auf Terabyte oder sogar Petabyte zu analysieren. Während der Integration müssen Sie die Daten abrufen, verarbeiten und sicherstellen, dass sie formatiert und in einer Form verfügbar sind, die Ihren Geschäftsanalysten den Einstieg ermöglicht.

2. Verwalten 

Die Verwaltung von Daten Big Data erfordert zunächst die Speicherung von Daten. Ihre Speicherlösung kann sich in der Cloud und/oder an einem lokalen Standort befinden. Sie können Ihre Daten in beliebiger Form speichern und Ihre gewünschten Verarbeitungsanforderungen bei Bedarf auf diese Datensätze übertragen. Viele Menschen wählen ihre Speicherlösung basierend darauf, wo sich ihre Daten gerade befinden. Die Cloud gewinnt dabei zunehmend an Beliebtheit.

3. Analysieren 

Durch die Analyse verfügbarer Daten können Unternehmen wertvolle Erkenntnisse über irhe eigenen Prozesse und sowie die Kundschaft und Zielgruppe gewinnen. Mit einer visuellen Analyse von Datensätzen erhalten Sie als Unternehmen alle wichtigen Ergebnisse in übersichtlicher Ausführung. Indem Sie alle Ergebnisse innerhalb Ihrer Organisation teilen, können Sie Prozessoptimierungen und Wachstum in allen Geschäftsbereichen vorantreiben.

Best Practices für Big Data 

Wenn Sie als Unternehmen Big Data nutzen wollen, haben wir hier einige wichtige Best Practices für Sie zusammengestellt.

An spezifischen Geschäftszielen orientieren 

Um festzustellen, ob Sie auf dem richtigen Weg sind, muss evaluiert werden, ob und wie Big Data Ihre wichtigsten Geschäfts- und IT-Prioritäten unterstützt. Beispiele hierfür sind das Filtern von Webprotokollen, um das E-Commerce-Verhalten zu verstehen sowie die Analyse von Kundenstimmungen aus sozialen Medien und Kundensupportinteraktionen.

Wissens- und Fachkräftemangel bekämpfen 

Ein Mangel an Fachkräftigen und nötigem Know-How ist eine der größten Hürden, die zwischen Unternehmen und der erfolgreichen Implementierung einer Big Data Strategie steht. Unternehmen, die Big-Data-Lösungen und -Strategien implementieren wollen, sollten ihre Qualifikationsanforderungen frühzeitig und regelmäßig bewerten und potenzielle Qualifikationsdefizite proaktiv bekämpfen. Diese können durch die Ausbildung oder Qualifizierung bestehender Kräfte, die Einstellung neuer Kräfte und die Beauftragung von Beratungsunternehmen angegangen werden.

Wissensmanagement 

Neue, durch Big Data gewonnene Erkenntnisse können nur dann den höchstmöglichen Mehrwert ins Unternehmen tragen, wenn sie auch gezielt im Unternehmen verbreitet werden und allen Mitarbeitern zur Verfügung stehen. Dazu bedarf es auf unternehmerischer Seite der Einführung eines Wissensmanagements.

Strukturierter und unstrukturierte Daten 

Indem Sie Big Data in die strukturierten Daten, die Sie bereits verwenden, integrieren, lassen sich noch aussagekräftigere Einblicke erzielen. Unabhängig davon, ob Sie Daten von Produkten, Geräten oder der Umgebung erfassen, besteht das Ziel darin, relevantere Informationen zu ermitteln, die zu Auswertungs- und Analysezwecken genutzt werden können. Aus diesem Grund sehen viele Big Data als integrale Ergänzung zu ihren bestehenden Business-Intelligence-Lösungen.

Denken Sie daran, dass die analytischen Prozesse und Modelle von Big Data sowohl bei Menschen als auch bei Maschinen eingesetzt werden können. Zu den analytischen Fähigkeiten von Big Data gehören Statistiken, räumliche Analysen, Semantik, interaktive Entdeckungen und Visualisierungen. Mithilfe analytischer Modelle können Sie verschiedene Arten und Quellen von Daten miteinander ins Verhältnis setzen, um Zusammenhänge und Muster zu erkennen.

Cloud-Ausrichtung 

Insbesondere in kleinen Unternehmen fungiert die Cloud als Enabler für die erfolgreiche Umsetzung von Big Data Strategien. Die Cloud eröffnet auch kleineren betrieben und Mittelständlern die Chance, von Big Data zu profitieren. Dabei verknüpfen immer mehr Anbieter Schlüsseltechnologien mit hochgradig individuellen Big Data Lösungen und Frameworks (vgl. bigdata-isnider.de, 10.10.2022).

ERP und Big Data 

Bei Big Data geht es, wie aus dem Namen unmissverständlich deutlich wird, um Daten. Eine ERP-Software ermöglicht Unternehmen die zentrale Verwaltung aller wichtigen Ressourcen und Geschäftsprozesse, die damit einhergehen. Eine ERP-Software verfolgt dabei einen ganzheitlichen Ansatz, sprich sie führt die Prozesse unterschiedlicher Abteilungen und Geschäftsbereiche in einem zentralen System zusammen. In diesem werden somit alle wichtigen Daten der internen Geschäftsprozesse eines Unternehmens vorgehalten.

BI und Berichte 

Für Big Data bedeutet dies, dass eine zentrale Informationsquelle zur Verfügung steht, aus der sich alle Daten sammeln lassen.  Konkret lässt sich Big Data dann beispielsweise nutzen, um die BI-Funktionen der ERP-Software zu erweitern und aussagekräftigere Berichte auf Knopfdruck zu erstellen.

Kundenbeziehungsmanagement (CRM) 

Auch kann Big Data genutzt werden, um die eigenen Kunden sowie den Markt näher unter die Lupe zu nehmen. CRM-Systeme kommen nicht selten als Bestandteil einer ganzheitlichen ERP-Lösung zu Einsatz, sodass alle notwendigen Daten zur Analyse nahtlos überführt werden können.