Big Data bietet Mittel, um die Riesenmengen an Daten zu verarbeiten, die Auswertung der Inhalte zu erleichtern und die Formulierung der Fragen zu vereinfachen. An was muss man als Anwender denken, um bereit zu sein f\u00fcr Big Data?<\/p>\n
Fazit: Es w\u00e4re ein verh\u00e4ngnisvoller und teurer Fehler Big Data als einen Automatismus zu verstehen, der von alleine Ergebnisse f\u00fcr die betrieblichen Aufgaben findet. Die Datenmenge verdoppelt sich alle zwei Jahre. Damit werden wir uns weltweit bis 2020 laut IDC http:\/\/ow.ly\/Ao5v7<\/a> mit 40 Zettabytes auseinandersetzen m\u00fcssen. Jetzt ist ein guter Moment sich fit zu machen f\u00fcr Big Data.<\/p>\n![\"BigData](\"http:\/\/memecon.info\/wp-content\/uploads\/2014\/12\/BigData-Lupe.jpg\")
<\/a><\/p>\n\n
\nTrotz l\u00e4ngj\u00e4hriger Konsolidierung und Standardisierung der IT sind die Daten des Unternehmens immer noch in unterschiedlichen Systemen und Formaten, auf verschiedenen Medien und vielf\u00e4ltig mit Passworten gesch\u00fctzt gespeichert. Zus\u00e4tzlich sind die Stammdaten, wie z.B. Kunden- oder Produktdaten, immer noch redundant in mehreren Datenbanken gespeichert, die von verschiedenen Verantwortlichen kontrolliert werden. Die Datenqualit\u00e4t (z.B. Richtigkeit, Vollst\u00e4ndigkeit, Konsistenz oder Aktualit\u00e4t) ist nur schwerlich bewertbar. Am Ende werden \u00c4pfel mit Birnen gemischt und dann ausgewertet. Diese Nachteile werden sich durch Big Data verst\u00e4rken – nach dem Motto: Faster Disaster.<\/li>\n
\n<\/strong>Die Auslegung der Inhalte h\u00e4ngt von mehreren Aspekten ab. Eigentlich kennen nur die urspr\u00fcnglichen Ersteller der Daten deren anf\u00e4nglichen Zweck. Im Laufe der Zeit nutzen andere Mitarbeiter diese Daten f\u00fcr das t\u00e4gliche Gesch\u00e4ft. Sie aktualisieren die bestehenden Daten und f\u00fcgen weitere Inhalte mit ihrer eigenen Interpretation hinzu. Von Zeit zu Zeit werden die Daten ausgewertet, verdichtet und in Tabellen und Grafiken aufbereitet. Die Analysten interpretieren die Ergebnisse und leiten neue Erkenntnisse daraus ab. Im R\u00fcckblick werden sich die Beteiligten nicht mehr erinnern k\u00f6nnen, was ihr urspr\u00fcngliches Verst\u00e4ndnis der Daten war. Das Gleiche wird mit den neuen Big Data noch besser und schneller stattfinden.<\/li>\n
\n<\/strong>Neue Ans\u00e4tze, wie z.B. Data-Mining, bieten die M\u00f6glichkeit Daten ohne eindeutige Fragestellungen zu durchsuchen. Dabei finden Programme Muster in den Daten, die im Anschluss gepr\u00fcft werden. Dies deckt ungew\u00f6hnliche Musterungen auf, die sich aus h\u00e4ufiger Wiederholung von Betrugsf\u00e4llen ergeben. Auf dieser Basis k\u00f6nnen dann konkrete Fragestellungen formuliert werden, z.B. was hat Kunde XY noch gekauft und nicht bezahlt. F\u00fcr den wirksamen Einsatz von Big Data m\u00fcssen die Anwender lernen SMARTe Fragen zu stellen: S<\/strong>pezifisch, M<\/strong>essbar, A<\/strong>d\u00e4quat, R<\/strong>elevant und T<\/strong>estbar Bevor die Auswertung gestartet wird, sollten die Indikatoren der Antworten, festgelegt werden. Schlie\u00dflich werden das Format des Berichts und die Struktur des Ergebnisses festgelegt. Die so erzielten Erkenntnisse lassen sich leichter im Gesch\u00e4ft verwenden.<\/li>\n<\/ul>\n