Big Data Analytics in der Praxis

Data-Warehouse-Implementierungen mit Datenmengen im Terabyte-Bereich sind keine Seltenheit mehr. Der Einzelhandelskonzern Lidl beispielsweise hat unlängst sein Enterprise Data Warehouse erweitert, um noch größere Datenmengen schneller auswerten und mehr Benutzern Zugang geben zu können. Business-Anwender können damit Einsichten gewinnen, um auf sich ändernde Kundenanforderungen rascher zu reagieren. Die technologische Basis bilden Datenbanken, Server und Speicher von Teradata. Die Plattform kann nun den Durchsatz vervierfachen. Die Professional-Services-Abteilung des Herstellers hat Lidl bei der Implementierung der Lösung unterstützt, die auch Administration samt Backup und Restore umfasst.

Inzwischen gibt es aber auch schon Hadoop-basierte Big-Data-Analytics-Lösungen. Der dänische Windkraftanlagenhersteller und -betreiber Vestas beispielsweise hat mit Hilfe eines Supercomputers mit 2,8 Petabyte Fassungsvermögen und der auf Hadoop beruhenden IBM-Software Infosphere BigInsights für die Verwaltung und Auswertung sehr großer Datenmengen eine Big-Data-Analytics Lösung aufgebaut. Dort werden Daten zu 160 Faktoren aus Windkraftanlagen verschiedener Standorte gesammelt und ausgewertet, darunter zu Bodenbeschaffenheiten und den Luftströmen. Dabei handelt es sich teils um relationale, teils um komplexe Informationen. Auf dieser Basis lassen sich etwa die Menge der produzierbaren Energie und der ROI berechnen.