Big Data Anwendungsgebiete und Chancen

Mit Chancen von Big Data Anwendungsgebieten sind sowohl eine euphorische Aufbruchsstimmung als auch viele Unsicherheiten verbunden. Folgt man den technologischen Trendscouts und den Vorreiter-Unternehmen sind Daten der neue Rohstoff, aus dem bisher ungeahnte Profite generiert werden können – ein neuer „Goldrausch“.

Die Erwartungen sind besonders in der Wirtschaft hoch, dass durch Big Data schnellere und bessere Informationen zur Unternehmenssteuerung und zur Produktivitätserhöhung zur Verfügung stehen werden. Big Data soll den Unternehmen, die den Trend rechtzeitig erkennen, einen Vorsprung bei der Entwicklung von neuen Produkten und Geschäftsmodellen verschaffen.

Big Data weckt immense Erwartungen. Für die meisten Unternehmen und Organisationen ist Gewinnschöpfung aus Big Data heute aber noch Zukunftsmusik. Bisher sind nur sehr wenige in der Lage, die anfallenden Daten in einen geschäftlichen Mehrwert umzusetzen. Nur ein Bruchteil der Daten wird überhaupt ausgewertet.

Die Herausforderung für IT und Management ist gewaltig: Hard- und Software, insbesondere Speichersysteme und Analyse- und Reportingwerkzeuge müssen, an die neuen Anforderungen angepasst werden.

  • Bezogen auf die Datenbank sind Skalierbarkeit, Performance und Zugriffsschutz zu lösen.
  • Analytische Probleme ergeben sich aus der Qualität der Daten, dem Zusammenführen aus verschiedenen Quellen und der Analysegeschwindigkeit, die eine starke Automatisierung erfordert.
  • An der Schnittstelle zu Management und Entscheidern müssen geeignete Reportings und Visualisierungen zur Verfügung stehen, die die Informationsmenge verdichten und zugleich die wesentlichen Erkenntnisse hervorheben.
  • Aus den veränderten Strukturen ergeben sich strategische und Managementprobleme , da sowohl in strategischen Belangen als auch im täglichen operativen Geschäft auf immer detaillierterer Ebene datenbasierte Entscheidungen getroffen werden sollen.

Big Data ist eine der wichtigsten Herausforderung an IT und Management.

An diesen Schnittstellen zwischen IT, Mathematik und Management nimmt der Data Scientist künftig eine zentrale Rolle ein. Er verfügt neben dem fachlichen Know-How über eine Menge Common Sense, Intuition und versteht den Geschäftsbereich, aus dem die Daten stammen. Es wird erwartet, dass der Bedarf an derartigen Schnittstellenkompetenzen rasant zunehmen wird und zunächst nicht befriedigt werden kann, da es derzeit schlicht zu wenige dieser Spezialisten gibt. Nicht alle Unternehmen mit Big-Data-Potenzial werden zukünftig die notwendigen Kompetenzen im eigenen Haus haben. Daraus ergibt sich ein großer Bedarf an externer Unterstützung, nicht nur an technischen Lösungen, sondern auch an analytischen Dienstleistungen.
Kein Big-Data-Management ohne Data Scientists.

Big Data Anwendungsgebiete

Potenzial für Big Data Analytics ist in sicherlich mehr Anwendungsbereichen vorhanden, als derzeit denkbar. Die vorhandenen Projekte und Ideen sind erst der Anfang:

  • Echtzeit-Auswertung von Sensordaten im Auto, mit denen die Unfallrisiken im Verkehr deutlich verringert werden könnten.
  • Echtzeit-Auswertung von Livebildern von Überwachungskameras in Kombination mit Prognosen sowie Twitter- und Mobilfunktdaten zur Erkennung von kritischen Situationen bei Großveranstaltungen.
  • Analyse von Finanztransaktionen zur Aufdeckung von Betrugsfällen
  • Flugzeugmotoren senden Datenströme an die Zentrale, wo diese in Echtzeit ausgewertet werden. Störungen können so sofort erkannt werden.
  • Big-Data-Analysen können helfen, die besten Behandlungsmöglichkeiten für Patienten zu ermitteln.
  • Als Erfolgsbeispiel gilt der dänische Windkraftanlagenhersteller Vestas, der die Standortwahl für seine Windräder durch die kombinierte Analyse von u.a Wetterdaten, Geodaten, Laufdaten bereits installierter Windräder und Reparaturdaten optimieren konnte.

 

Besonders für Marketing und Vertrieb versprechen sich Unternehmen einen Nutzen aus Big Data Anwendungsgebieten und Analysen. Durch sie reduziert sich die Zeit für die Erstellung von Werbeaktionen deutlich (von mehreren Wochen auf mehrere Tage). Zudem erhöht sich die Qualität der Werbung. Sie ist zeitlich passender, differenzierter und stärker personalisiert.

Beispiele für die Nutzung in Marketing und Vertrieb sind:

  • tag- und wochengenaue Absatzprognose zur Bedarfsplanung (Lieferbereitschaft und Angebotsanpassung) im Versandhandel
  • Entwicklung von Dienstleistungen und Produkten auf Basis von Klicks und Käufen im Internet
  • bessere Steuerung von Einsatzzeiten für das Personal bei der Filialplanung
  • Steuerung von Marketing-Aktionen zur Kundenbindung, Cross- und Up-Selling sowie Umsatzsteigerung