Big Data für jedermann
Angebote aus der Public Cloud entbinden Anwender von komplexen Hadoop-Experimenten.
Big Data gehört zu den wichtigsten Treibern der digitalen Transformation. Ziel dabei ist es, nicht nur bestehende Geschäftsprozesse zu optimieren, sondern das gesamte Unternehmen ständig neu zu erfinden, so dass es mit den sich immer schneller wandelnden Rahmenbedingungen zurechtkommen kann. Essenziell dafür ist das kontinuierliche Sammeln und Auswerten von Daten. Lesen Sie, welche Big-Data-Trends 2016 auf uns zukommen.
Big-Data-Techniken unterstützen Unternehmen heute schon dabei, die in der Organisation verstreuten Daten und Informationen intelligent zu verknüpfen. Durch die zunehmende Vernetzung der Dinge gewinnt Big Data zusätzlich an Bedeutung: Damit lassen sich völlig neue Geschäftsideen entwickeln.
Intelligente Systeme und Machine Learning
Geht es um das Verstehen von Informationen und das Erkennen von semantischen Zusammenhängen in riesigen Datenmengen, können Machine-Learning-Algorithmen klar ihren Vor- teil ausspielen. Ein Treiber in der Entwicklung von intelligenten Systemen ist das Thema Sicherheit. Beispiel: der Schutz von Gebäuden. Die Münchner Allianz Versicherung hat gemeinsam mit der TU München auf Basis von Big Data und intelligenten Analysen ein System entwickelt, das zahlreiche Gegenstände in einem Wohnraum oder Büro über Sensoren vernetzt. Dieses lernt stetig hinzu und kann so etwa einen Einbruch von anderen ungewöhnlichen, aber unkritischen Vorfällen unterscheiden. Fehlalarme bleiben damit die Ausnahme.
Nach dem gleichen Prinzip versuchen Kreditkartenanbieter, das Online-Shopping sicherer zu machen. Im Jahr 2012 haben US-Bürger Einkäufe für 26 Milliarden Dollar via Kreditkarte bezahlt. Der geschätzte Schaden durch unautorisierte Transaktionen betrug dabei sechs Milliarden Dollar. Mit Hilfe von Machine Learning könnten Systeme, die alle Transaktionen rund um die Uhr beobachten, normale Muster von kriminellen unterscheiden und nahezu in Echtzeit Vorsichtsmaßnahmen ergreifen. Machine Learning unterstützt auch bei „intellektuellen Fließbandarbeiten“. Beispiel Posteingangsklassifikation, also die Verteilung der Post im Unternehmen: Heute geschieht sie oft noch manuell, in Zukunft wird diese Aufgabe dank semantischer Inhaltsanalyse verstärkt automatisiert gelöst. Das Gleiche gilt für die tägliche E-Mail-Flut, die sich anhand des User-Verhaltens priorisieren lässt.
Geschäftsmodelle verändern sich
Die digitale Transformation gibt Unternehmen auch Anstöße, neue Business-Modelle zu entwickeln. Beispielsweise hat der mittelständische
Hersteller von Sanitärausrüstung Hagleitner seine Produkte in intelligente Devices verwandelt, indem er etwa Seifenspender mit Sensoren versehen hat – Stichwort Internet of Things (IoT). Damit lassen sich zum Beispiel Prozesse optimieren: Immer im Bilde über die aktuellen Füllstände, kann das Salzburger Unternehmen seine Kunden bedarfsgerecht und automatisiert mit Nachschub versorgen. Zudem hat sich der ehemals reine Hardwarehersteller mit Hilfe der Daten, die im Sekundentakt hereinkommen und analysiert werden, zu einem Hygienespezialisten entwickelt, der innovative Konzepte in dem sensiblen Bereich des Gesundheitswesens realisiert. Neue Geschäftsmodelle entstehen wie bei Hagleitner oft dadurch, dass Daten, die ohnehin in Massen verfügbar sind, in einen neuen Kontext gestellt und auf alternative Weise verknüpft werden.
Predictive Analytics als Game Changer
Predictive Analytics, also die Fähigkeit, auf Basis von verfügbaren Daten verlässliche Prognosen zu erstellen, wird immer breiter eingesetzt. Ein typisches Beispiel ist der Bereich Predictive Maintenance. So kann etwa der Ausfall von Lokomotiven hohe Folgekosten nach sich ziehen, zudem sind die Ersatzteile außergewöhnlich teuer. Aus diesen Gründen hat die Deutsche Bahn ihre Lokomotiven mit Sensoren versehen, die permanent Daten liefern. Verändern sich die Datenmuster, können Analysten das als Hinweis auf einen bevorstehenden Defekt interpretieren. So werden Fehler und Schadensursachen frühzeitig erkannt. Die Deutsche Bahn profitiert also von einem Echtzeit-Wartungssystem, das Schäden an den Loks vorhersagen kann. Dadurch erspart sich das Unternehmen Ausfälle und oft auch die teuren Ersatzteile.
Prognosen zu erstellen, ist schon seit Langem möglich, etwa mit Business-Intelligence-Werkzeugen. Doch diese sind auf strukturierte Daten angewiesen. Da Big Data Analytics in der Lage ist, auch unstrukturierte Daten wie etwa jene von Sensoren auszuwerten, werden die traditionellen Tools in diesem Jahr weiter in den Hintergrund rücken.
Leichtgewichtige Datenintegration
Wissen im Business-Umfeld kann nur dann entstehen, wenn die im Unternehmen verteilten Informationen verknüpft und allen Mitarbeitern bedarfsgerecht zur Verfügung gestellt werden. Als größtes Hindernis auf dem Weg zu einem solchen intelligenten Gesamtunternehmen erweisen sich heute organisatorische und technische Silos, in denen die Informationen in der Regel geparkt sind. Aus diesem Grund werden Systeme wichtiger, die es schaffen, Daten und Informationen über alle Abteilungs- und Applikationsgrenzen hinweg intelligent zu verknüpfen. Möchte man dafür nicht die ganze Unternehmensorganisation oder die IT-Landschaft auf den Kopf stellen, empfehlen sich Enterprise-Search-Ansätze, bei denen die Daten dort bleiben können, wo sie sind.
Datenvisualisierung und 360-Grad-Sicht
Explorative Navigation durch Informationen und deren Visualisierung sind eine der obersten Prioritäten, wenn es gilt, Endanwender in ihrer täglichen Wissensarbeit zu unterstützen. Die Werkzeuge werden zunehmend einfacher in der Bedienung und richten sich auch an Nichtspezialisten und deren Bedürfnisse. User können damit unabhängiger von der IT-Abteilung agieren, da für die Anpassung der Lösungen kein IT-Fachpersonal mehr notwendig ist – Stichwort Self-Service-IT. Eine clevere Datenvisualisierung hilft Mitarbeitern, selbst komplexe Themen schneller als bisher zu erfassen oder Kunden besser kennenzulernen. Aus einer Fülle unterschiedlichster Daten entsteht so eine 360-Grad-Sicht auf Personen, Produkte und Themen, woraus sich klar definierte Aktionspläne in Sachen Verkauf, Servicierung oder beim Lösen von Problemen ableiten lassen.