Definition

Was ist Big Data?

| Autor / Redakteur: Michael Radtke / Nico Litzel

(© aga7ta - Fotolia)

Der im Internet und in den Unternehmen verfügbare Datenberg – diese Tatsache wird als Big Data umschrieben – wird immer größer, unübersichtlicher und lässt sich nur schwer verarbeiten. Immer technologisch anspruchsvollere Tools und Programme sollen die Datenflut zähmen.

Der Begriff Big Data stammt aus dem englischen Sprachraum. Erst als Phänomen oder als Hype wahrgenommen, fassen die Experten mittlerweile unter diesem Begriff zwei Aspekte zusammen. Demnach umschreibt er zum einen die immer rasanter wachsenden Datenmengen; zum anderen aber geht es auch um neue und explizit leistungsstarke IT-Lösungen und Systeme, mit denen Unternehmen die Informationsflut vorteilhaft verarbeiten können. Insbesondere unstrukturierte Daten – zum Beispiel aus den sozialen Netzwerken – machen dabei einen nicht unerheblichen Teil der Massendaten aus. Mit dem Grid Computing steht diesbezüglich jetzt eine spezielle Form des verteilten Rechnens zur Verfügung, womit eine rechen- und datenintensive Datenverarbeitung ermöglicht wird.

Eine neue Ära digitaler Kommunikation

In Deutschland wird die Wortschöpfung Big Data oft als Sammelbegriff für die moderne digitale Technologie verwendet. Aber nicht nur die digitalen Datenmengen an sich stehen im Fokus. Vielmehr nimmt Big Data und die damit einhergehende Digitalisierung auch nachhaltig Einfluss auf die Sammlung, Nutzung, Verwertung, Vermarktung und vor allem Analyse der digitalen Daten. Inzwischen steht dieser Name diesbezüglich für eine vollkommen neue Ära digitaler Kommunikation und entsprechender Verarbeitungspraktiken. In sozialer Hinsicht wird dieser Umstand sogar für einen grundlegenden gesellschaftlichen Wandel – respektive Umbruch – verantwortlich gemacht.

Wettbewerbsvorteile mit Big Data Analytics generieren

Diese Entwicklung hat aber gerade Auswirkungen auf die Unternehmenslandschaft. Die Firmen erhalten nämlich durch die großen Mengen an Daten, die zur Verfügung stehen, ganz neue Einblicke in die Interessen, das Kaufverhalten und auch das Risikopotenzial von Kunden sowie von potenziellen

Interessenten. Damit die Information auch entsprechend gefiltert, untersucht, beurteilt und entsprechend eingeordnet werden können, greifen Unternehmen gezielt zu Analytics-Methoden. Hinter dem Begriff Analytics verbergen sich dabei explizite Maßnahmen, um in dem Datenbergen unbekannte Korrelationen, versteckte Muster und andere nützliche Informationen zu identifizieren. Diese Erkenntnisse können dann für Wettbewerbsvorteile gegenüber Konkurrenten sorgen oder auch anderweitige geschäftliche Vorteile – wie etwa ein effektiveres Marketing oder auch Umsatzsteigerungen – bringen.

Software Tools für eine fortschrittliche Analytik

Die Unternehmen verfolgen mit der komplexen Datenanalyse dabei in erster Linie das Ziel, bessere Entscheidungsgrundlagen für die eigene Geschäftstätigkeit zu schaffen. Um dieses Hauptziel zu realisieren, wertet ein Data Scientist – die Experten für Big Data – die riesigen Mengen an entsprechenden Transaktionsdaten sowie zusätzlich an anderweitigen Informationen aus den unterschiedlichsten Datenquellen aus.

Zu diesen Quellen zählen zum Beispiel Internet-Clickstreams, Protokolle von Webservern, Einzelverbindungsnachweise für Mobiltelefone, Informationen von Sensoren oder vor allem auch Berichte über Social-Media-Aktivitäten der User. Für die Verarbeitung und Analyse dieser Massendaten greifen Unternehmen auf Software Tools zurück, die sowohl Big als auch Small Data Analytics umfassend ermöglichen.

Quelloffene Software Frameworks

In den vergangenen Jahren ist eine ganz neue Klasse von extrem leistungsstarken Technologien und Programmen entstanden. Dabei rücken gerade quelloffene Software Frameworks wie Apache Hadoop, Spark, NoSQL-Datenbanken sowie zum Beispiel Map Reduce in den Fokus. Gerade Spark und vor allem Hadoop erfreuen sich dabei einer ungemein großen Beliebtheit. Hadoop basiert auf dem von Google generierten MapReduce-Algorithmus in Kombination mit Vorschlägen des Google-Dateisystems. Anwender können mit diesem Programm große Datenmengen im Rahmen intensiver Rechenprozesse auf so bezeichneten Computerclustern verarbeiten; dieser Vorgang wird auch als Cluster Computing bezeichnet. Die Entwicklung in diesem Bereich wird stetig durch Software-Unternehmen vorangetrieben, etwa von den Anbietern Cloudera oder Hortonworks.

Big Table, Graphdatenbanken und Distributed File Systems

Immer mehr an Bedeutung gewinnt dabei zum Beispiel Big Table, das von Google entwickelte Hochleistungs-Datenbanksystem. Auch das einfach strukturierte, verteilte Datenbankverwaltungssystem Cassandra rückt als explizite Lösung für sehr große strukturierte Datenbanken verstärkt in den Vordergrund. Dabei ist Cassandra insbesondere auf Ausfallsicherheit und eine hohe Skalierbarkeit ausgelegt.

Eine weitere Lösungsalternative stellen zum Beispiel Graphdatenbanken dar. Hierbei werden stark vernetzte Informationen als Graphen dargestellt, wobei die spezialisierten Graphalgorithmen komplexe bzw. komplizierte Datenbankanfragen erheblich vereinfachen. Zudem ist es ratsam, ein verteiltes Dateisystem – ein Distributed File System – zu nutzen. Ein solches Netzwerk-Dateisystem optimiert die Zugriffs- und Speicherungsmöglichkeiten deutlich.

Optimierte Speichertechnik

Neben moderner und hoch funktioneller Software spielt auch die Hardware – explizit die Speichertechnologie – bei Big Data eine entscheidende Rolle. Mittlerweile macht es die Speichertechnologie möglich, Datenvolumen im Rahmen des sogenannten In-Memory Computing direkt im Hauptspeicher eines Rechners zu halten. Früher mussten diese Daten gewöhnlich auf langsamere Speichermedien wie Festplatten oder Datenbanken ausgelagert werden. Dank In-Memory Computing wird jetzt die Rechengeschwindigkeit deutlich erhöht und die Echtzeitanalyse umfangreicher Datenbestände ermöglicht.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

So entlastet Künstliche Intelligenz Rechtsanwälte

Artificial Intelligence und eDisclosure

So entlastet Künstliche Intelligenz Rechtsanwälte

Die Diskussionen im eDisclosure-Bereich über „Künstliche Intelligenz“ konzentrieren sich im Allgemeinen auf die prädiktive Codierung – den maschinellen Lernprozess, bei dem Experten einer Software beibringen, relevante Informationen zu lokalisieren und dadurch die Zeit zu reduzieren, die sonst Personen dafür aufwenden müssten. lesen

Wenn die Daten sprechen

[Advertorial]

Herausforderung: variety in Big Data

Wenn die Daten sprechen

Er hat die höchste Dichte an Selfmade-Millionären, mehr als fünf Tennisplätze Grünfläche pro Einwohner und kostenlosen Nahverkehr. Was Sie schon immer mal über den besten Ort der Welt wissen wollten und nicht zu fragen wagten – so könnte der Untertitel für das Projekt „Paradise Found“ heißen. lesen

Mitsubishi Electric vereint Künstliche Intelligenz unter der Marke „Maisart“

Künstliche Intelligenz

Mitsubishi Electric vereint Künstliche Intelligenz unter der Marke „Maisart“

Mitsubishi Electric vereint seine Künstliche-Intelligenz-Technologien in der Marke „Maisart“. Der Name ist eine Abkürzung und steht für „Mitsubishi Electric's AI creates the State-of-the-ART in technology“. Das Ziel davon soll sein, intelligentere Geräte, höhere Sicherheit, Benutzerfreundlichkeit und mehr Komfort im Alltag. lesen

So erschließt ein Data Lake unstrukturierte Daten

Kommentar von Benjamin Krebs, Dell EMC

So erschließt ein Data Lake unstrukturierte Daten

Das schnelle Wachstum unstrukturierter Datenbestände ist für Unternehmen Herausforderung und Chance zugleich. Mit einem Data Lake als Herzstück können Fach- und IT-Abteilungen alle Big-Data-Anforderungen bei der Analyse und Aufbereitung unstrukturierter Datenbestände erfolgreich meistern. lesen

Pentaho Community Meeting feiert Jubiläum

Zehn Jahre Anwendertreffen

Pentaho Community Meeting feiert Jubiläum

Ab 11. November findet in Mainz zum zehnten Mal das Pentaho Community Meeting statt. Diesmal steht neben einem Erfahrungs- und Ideenaustausch auch ein Vortrag rund um die Europäische Organisation für Kernforschung (CERN) auf dem Programm. lesen

IoT & Datenmanagement – so spart man Energie & Kosten

Kommentar von Xavier Guerin, DataStax

IoT & Datenmanagement – so spart man Energie & Kosten

Das Cloud-basierte Datenmanagement stellt heute ein unverzichtbares Werkzeug der Digitalisierung dar. Dafür haben die kontinuierlich steigende Fülle an Informationen aus verschiedenen Kanälen und die unterschiedlichen – global, lokal, meist jedoch dezentral – benötigten Zugriffsmöglichkeiten auf große, komplexe, teilweise unsortierte Datensätze in Echtzeit gesorgt. lesen

So funktioniert Datenauswertung in Echtzeit

Realtime Analytics

So funktioniert Datenauswertung in Echtzeit

Prozesse, Endgeräte, Sensoren und Maschinen liefern laufend Logfiles, Sensor- und Betriebsdaten, Transaktionsdaten, die sich korrelieren und auswerten lassen – in Echtzeit. Doch „Echtzeit“ muss nicht unbedingt „ohne Verzug“ bedeuten, sondern lediglich in ausreichender Schnelligkeit für den jeweiligen IT-Benutzer, also vielmehr „rechtzeitig“. Daher befasst sich Realtime Analytics nicht nur mit Streaming-Daten, sondern auch mit viel „langsameren“ Datenlieferungen. lesen

NTT Data und DigitalGlobe entwickeln Vektor-Gebäudemodelle

Strategische Partnerschaft erweitert

NTT Data und DigitalGlobe entwickeln Vektor-Gebäudemodelle

Gemeinsam wollen NTT Data und der Geoinformationsspezialist DigitalGlobe künftig an AW3D-Vektor-Gebäudemodellen arbeiten. Als Basis dienen die Geospatial Big Data Platform (GBDX) und entsprechendes Bildmaterial von DigitalGlobe. lesen

Dell erwartet neue Beziehung zwischen Mensch und Maschine

Blick ins Jahr 2030

Dell erwartet neue Beziehung zwischen Mensch und Maschine

Bis zum Jahr 2030 wird sich die Beziehung zwischen Menschen und Maschinen in Richtung einer umfassenden Interaktion ändern. Zu diesem Schluss kommt Dell auf Basis einer IFTF-Studie. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44399329 / Definitionen)