Startseite > Software & Services > Big Data verändern die Datenauswertung

TDWI-Kongress in München

Big Data verändern die Datenauswertung

11. Juli 2014, 15:10 Uhr | Werner Fritsch

Mehr als 1.000 Besucher informierten sich auf dem Jahreskongress des TDWI in München. (Foto: CRN)

Für Big Data müssen Unternehmen das traditionelle Data Warehousing um flexiblere Datenhaltungssysteme und raffiniertere Analysewerkzeuge ergänzen.

Ende Juni hat The Data Warehousing Institute (TDWI) zum zehnten Mal in München eine Jahreskonferenz abgehalten. Mehr als 1.000 Besucher waren gekommen, um sich auf der Ausstellung und in den Vorträgen zu informieren.

Allgegenwärtig war das Thema Big Data. Die Wirtschaftsinformatiker Sebastian Olbrich und Katja Funke von der Universität Duisburg-Essen beispielsweise haben Case Studies diverser Hersteller untersucht. Sie haben festgestellt, dass faktisch Anwenderlösungen bereits dann mit dem Begriff Big Data bezeichnet werden, wenn eines der definierenden drei Vs (volume, variety, velocity) vorliegt. Wenn alle drei Vs zutreffen, kommen neben den herkömmlichen betriebswirtschaftlichen Zahlen häufiger auch sogenannte unstrukturierte Informationen wie Texte sowie von Menschen generierte Informationen (etwa aus sozialen Netzwerken) vor.

Vier Anwendungsfelder für Big Data

»Bei Big Data suchen alle nach Use Cases«, charakterisiert Carsten Dittmar, Berater bei Steria Mummert Consulting, den Status quo. Der Stellenwert von Daten werde derzeit neu bewertet. Die Anwendungsfälle für Big Data teilt er in vier Gruppen ein: effizientere Prozesssteuerung, Massenindividualisierung, Marktanalysen sowie neue Produkte.

So können bessere Prognosen für den Absatz von Produkten (Forward Demand), den Energieverbrauch und den Materialverschleiß (Predictive Maintenance) wesentlich dazu beitragen, unternehmerische Prozesse effizienter zu gestalten. Und wenn IT-Systeme während der Bearbeitung einer Anfrage alle relevanten Informationen einbeziehen, lassen sich Dienstleistungen auf den jeweiligen Kunden zuschneiden (Empfehlungen auf Websites oder lokationsbasiert auf Smartphones) oder auch Produkte individualisieren (Mass Customization). Was die Marktanalysen betrifft, so können Unternehmen aus Marken- und Produktbewertungen im Internet Meinungsbilder und -trends aggregieren (Sentiment Analysis) und diese dann in ihrer Kommunikationsstrategie berücksichtigen. Bei intelligenten Produkten schließlich werden unterschiedliche Datenquellen zusammengeführt und Produkte informationstechnisch aufgerüstet. Beispiele sind lernende Thermostate und selbstregulierende Häuser, die sich auf Sensoren stützen.