Wie Firmen von Big Data profitieren

Bereits heute nutzen Unternehmen die Vorteile von Big Data. Sie beziehen bessere Kundeninformationen, messen die Marktreaktionen auf Produkte und sprechen ihre Kunden gezielter an. Es gibt bereits Produkte, die komplett auf Big Data basieren. Eine Firma misst, wie Kunden auf Shoppingseiten navigieren und blendet rechtzeitig Nachrichten ein, wenn Anzeichen bestehen, dass der Kunde vor dem Kauf abbricht. Ein Biotech-Startup untersucht riesige Datenmengen aus DNA-Strängen und hilft so, Krebs frühzeitig zu erkennen. Unsere Vorstellungskraft, wie mit Big Data neue Anwendungen geschaffen werden können, hinkt häufig den technologischen Möglichkeiten hinterher. Daher hier ein Versuch, das Thema grob abzustecken und Gedankenanstösse für das eigene Umfeld zu liefern.

Kunden haben erste Big Data Anwendungen, alle Firmen machen sich Gedanken wie sie Big Data nutzen können

Bereits heute nutzen Unternehmen die Vorteile von Big Data. Sie beziehen bessere Kundeninformationen, messen die Marktreaktionen auf Produkte und sprechen ihre Kunden gezielter an. Es gibt bereits Produkte, die komplett auf Big Data basieren. Eine Firma misst, wie Kunden auf Shoppingseiten navigieren und blendet rechtzeitig Nachrichten ein, wenn Anzeichen bestehen, dass der Kunde vor dem Kauf abbricht. Ein Biotech-Startup untersucht riesige Datenmengen aus DNA-Strängen und hilft so, Krebs frühzeitig zu erkennen. Unsere Vorstellungskraft, wie mit Big Data neue Anwendungen geschaffen werden können, hinkt häufig den technologischen Möglichkeiten hinterher. Daher hier ein Versuch, das Thema grob abzustecken und Gedankenanstösse für das eigene Umfeld zu liefern.

Warum die Verbindung von Business Intelligence und Big Data gerade heute aktuell ist

Big Data ist die Schwesterdisziplin von Business Intelligence (BI). Im BI ist das kleinste Element – der einzelne Datensatz – relativ hochwertig. Er beschreibt sehr genau ein Resultat aus einem Geschäftsprozess. Das kann z.B. eine Rechnung mit genauen Angaben zum Sender, Empfänger, Datum und Betrag sein. Jeder einzelne Datensatz ist entscheidend, damit ein Bericht richtig und aussagekräftig ist. Beim Entwurf eines BI-Systems ist oft sehr gut bekannt, welche Fragestellungen das System beantworten können muss. Bei Big Data werden dagegen eher alle vernünftig erreichbaren Daten einbezogen, um sich alle Optionen für Analysen offen zu halten.

Ein naheliegendes Erkennungsmerkmal von Big Data sind die Datenvolumina. Wikipedia generiert einen Log-Datensatz bei jedem Aufruf ihrer Website. Durch geschicktes Zusammenfassen und Filtern kann man herausfinden, in welchen Ländern sich gerade Grippeepidemien entwickeln, weil sich die Internetnutzer mit Wikipedia Artikeln informieren. Diese Information kann für Behörden wie auch für Medikamentenhersteller und Apotheken wertvoll sein. Die Studie Forecasting the 2013–2014 Influenza Season Using Wikipedia findet ihr hier. Die zugrunde liegende Daten sind – wie übrigens viele andere auch – öffentlich verfügbar. Ihr könnt sie direkt bei Wikipedia beziehen: http://dumps.wikimedia.org/other/pagecounts-all-sites/

Ein weiteres Merkmal von Big Data ist die Heterogenität der Daten. Hier ist nicht alles so gut strukturiert wie im BI. Datensätze sind nicht immer komplett und es können auch unstrukturierte Texte mit abgelegt und ausgewertet werden. Die Auswertung von Statusmeldungen von Facebook oder Twitter-Nachrichten können so einbezogen werden und erstaunlich genau Krankheitsepidemien voraussagen oder als Stimmungsbarometer für die Wahrnehmung von Produkten und Firmen dienen. Hier zeigt sich auch das häufige Bedürfnis, diese Daten möglichst in Echtzeit auswerten zu können. Versicherungen können so aufgrund von Twitter- oder Wettersensordaten erkennen, wo ein Unwetter aufzieht, ihre Kunden in der Region warnen und dadurch Schäden verhindern.

Log Files, Datenbanken und Internet gibt es ja bereits seit einer Weile, warum ist Big Data aber erst heute ein so wichtiges Thema? Erst jetzt ist das Internet praktisch überall verfügbar, so dass nun viele neue Geräte und Sensoren direkt verbunden sind. Vom Radio über den TV bis zur Heizungssteuerung basieren neue Geräte alle auf Internettechnologie und können jederzeit Messdaten senden. Die Nutzung von Big Data-Anwendungen steht für viele Firmen noch am Anfang, weil diese Grundlagen noch nicht so lange bestehen.

Wie gehen Firmen also vor, um Big Data Nutzungsmöglichkeiten zu entdecken?

Der erste Ansatz ist das Auflisten bereits vorhandener Datenquellen. Intern verfügt jede Firma bereits über viel strukturierte Information in ihren ERP, CRMs und operativen Systemen. Aber die weitaus grössere Menge ist unstrukturiert vorhanden in Form von Emails, Verträgen, Briefen, Präsentationen, etc.. Auch Anrufprotokolle oder die Ausrüstung eigener Produkte mit Sensoren können Quellen sein. Ein Softwarehersteller, der seine Software einmal täglich anonym auf ein vorhandenes Update prüfen lässt, weiss aufgrund der IP-Adressen sehr genau, in welchen Ländern seine Software im Einsatz ist und wie sich die Nutzung entwickelt. Der Maschinenhersteller, der seine Produkte mit Sensoren ausstattet, weiss genau, wie diese im Einsatz sind und wann welcher Typ am ehesten ausfallen wird.

Extern können erstaunlich viele Daten als Open Data kostenfrei bezogen werden. So sind Wetterdaten verfügbar und die Social Media Plattformen bieten teilweise kostenfreie Schnittstellen an. Ebenso gibt es mehr und mehr Anbieter, die gezielt Daten aufbereiten, veredeln und dann gegen Bezahlung zur Verfügung stellen. Es lohnt sich daher, sich nicht nur selbst einen Überblick zu verschaffen, sondern sich in der Branche und mit Experten auszutauschen.

Hier einige Beispiel von opendata.admin.ch:

open data krankenkassenprämien

Open Data Krankenkassen Prämienkarte Schweiz

 

 

open data zürcher gemeinden

Open Data Karte Finanzen der Zürcher Gemeinden

 

Der Nutzen für das eigene Geschäftsmodell kann vielfältig sein. Es kann sein, dass man eigene Prozesse verbessert oder komplett umstellt. Hier sind besonders diejenigen Fälle ergiebig, in denen Geschäftsprozessdaten aus BI zusammen mit Big Data ausgewertet werden. Im Facility Management beispielsweise, können die durchschnittlichen Heizkosten pro Fläche (BI) entsprechend mit Sensordaten der Heizung, Raumtemperaturen und Wetterdaten (Big Data) verglichen werden. Damit werden defekte oder falsch eingestellte Heizungen schnell erkannt, die Leistung beim Kunden verbessert und Geld gespart. Wie Sensoren und klassische ERP / BI Systeme zusammen funktionieren, haben wir euch bereits einmal vorgestellt.

Sensordaten in Hadoop und im SAP BW auf HANA

Auch eigene, selber generierte Daten können einen monetären Wert für andere Firmen darstellen. Hier ist bei kundennahen Daten nicht nur der Datenschutz zu beachten, sondern auch eine transparente Kundenkommunikation und die Möglichkeit eines Opt-Outs wichtig.

Die Skills, die für Big Data Analysten notwendig sind, lassen sich heute noch selten in der IT finden. Es sind statistische Kenntnisse und Wissen über eine neue Toolgeneration erforderlich. Big Data-Architekturen unterscheiden sich in wesentlichen Punkten von klassischen DWH-Architekturen. Eine Big Data-Installation muss leistungsfähig und flexibel sein. Proof-of-Values werden von Unternehmen daher meist zusammen mit einem Partner und seinen Analysten auf dessen Plattform durchgeführt. Der Aufbau eigener Mitarbeiter ist oft der nächste Schritt, sobald sich die messbaren Erfolge einstellen und das Business Klarheit über die Mehrwerte hat.