Dublin Tech Summit (DTS) 2017

Auf dem Weg zu Less Data und Right Time

| Autor / Redakteur: Oliver Schonschek / Nico Litzel

Der Dublin Tech Summit (DTS) 2017 zeigte die breite Vielfalt der Anwendungsmöglichkeit von Big Data Analytics von FinTech und MedTech bis hin zu Fashion.
Der Dublin Tech Summit (DTS) 2017 zeigte die breite Vielfalt der Anwendungsmöglichkeit von Big Data Analytics von FinTech und MedTech bis hin zu Fashion. (Bild: DTS)

Nahezu jeder Vortrag und fast jede vorgestellte Lösung auf dem Dublin Tech Summit 2017 hatte mit Big Data zu tun, ob es um Fashion, MedTech, FinTech oder IoT ging. Es zeigte sich aber, dass sich Big Data dringend ändern muss.

Nachdem der Web Summit vergangenes Jahr in Lissabon stattfand und Dublin den Rücken kehrte, wurde die Idee eines Dublin Tech Summits (DTS) geboren. Mitte Februar 2017 fand der DTS das erste Mal statt, mit großer Resonanz. Laut Veranstalter kamen über 10.000 Teilnehmer, 66 Prozent davon waren international. Das Programm war vielfältig und umfangreich bestückt, über 200 Sprecher, darunter sogar der Roboter RoboThespian. Er übernahm die Begrüßung der Teilnehmer im Foyer des Convention Centre Dublin (CCD) und nahm an einem Panel zum Thema Zukunft der Roboter teil.

Der Roboter RoboThespian nahm beim DTS an einer Panel-Diskussion zur Zukunft der Roboter teil.
Der Roboter RoboThespian nahm beim DTS an einer Panel-Diskussion zur Zukunft der Roboter teil. (Bild: Oliver Schonschek, Insider Research)

Der Roboter war zwar offensichtlich der Star des DTS, doch die Themen reichten viel weiter und umfassten alle aktuellen Trend-Technologien, wie sie auch die Bitkom-Umfrage HighTech-Themen 2017 kürzlich ergab. Auf den ersten Blick aber scheint Big Data zu fehlen, denn die Themenfelder des DTS 2017 waren: Prism (Creativity), Business & Marketing, Internet of Things, FinTech, MedTech, Fashion und Innovation. In Wirklichkeit aber ging es fast immer um Big Data und Big Data Analytics. Big Data ist zu einer Grundlage der technologischen Weiterentwicklung geworden und wird schon gar nicht mehr explizit genannt, sondern vorausgesetzt. Das bedeutet aber nicht, dass Big Data sein Ziel bereits erreicht hätte und alles so bleiben könnte, wie es nun ist, ganz im Gegenteil!

Big Data ist Grundlage und Problem zugleich

Die Vorträge des DTS 2017 zeigten deutlich den Spannungsbogen, den Big Data inzwischen aufmacht. Einerseits liegen in Big Data, Big Data Analytics und dem Internet of Things (IoT) gewaltige Geschäftspotenziale. Eine Keynote wie „The Trillion Dollar Smart City Opportunity“ von Jonathan Reichental, CIO, City of Palo Alto, zeigt dies eindrücklich.

Eine Panel-Diskussion wie „Utilising The Power of Big Data“ (mit Dongbai Guo, CTO, AliExpress, Donal Byrne, CEO, Corvil, James Kretchmar, CTO EMEA, Akamai) hingegen nennt nicht nur ausnahmsweise Big Data beim Namen, sondern führt die Schwierigkeiten rund um Datenschutz und Sicherheit bei Big Data an.

Die Probleme mit Big Data reichen aber noch weiter: Big Data wird in vielen Projekten mit falschen Ansätzen verfolgt. Überspitzt gesagt, werden möglichst viele Daten gesammelt und gespeichert, aber kaum sinnvoll ausgewertet. Die Gründe dafür, die in den Diskussionen und Vorträgen auf dem DTS genannt wurden oder sichtbar waren, sind:

  • Big Data sinnvoll zu nutzen, bedeutet, die „Nadel im Heuhaufen zu finden“, doch viele Unternehmen kennen ihre Nadeln gar nicht.
  • Big Data Analytics soll zu Einsichten verhelfen, doch viele Unternehmen ertrinken in Diagrammen und Zahlenkolonnen. Die Berichte können nicht aussagekräftig sein, denn die „Nadeln“, die im Heuhaufen zu suchen sind, sind ja nicht bekannt.
  • Big Data Analytics kann und soll in ganz verschiedenen Fachbereichen zum Einsatz kommen. Das Problem aber ist, dass die Auswertungen und Metriken dadurch so unterschiedlich sein können, dass übergreifende Einsichten für das ganze Unternehmen nicht möglich sind.

Aus diesem Grund wurde auf dem DTS das Phänomen „Too much data“ auch als massive Gefährdung für Unternehmen bezeichnet, nicht nur aus Sicht von Datenschutz und Sicherheit, sondern auch aus Sicht von Marketing und Business.

Big Data Analytics braucht neue Ansätze

Auf dem Dublin Tech Summit wurden aber nicht nur die Probleme mit Big Data genannt, auch Tipps für eine Neuorientierung bei Big Data Analytics gab es bei den Vorträgen und Diskussionen. So wurde natürlich auch dort gesagt, dass es nicht um Big Data gehen müsse, sondern um Smart Data. Aber zusätzlich wurden die Empfehlung ausgesprochen, eher in Richtung Less Data zu gehen, was Datenschützer freuen wird, die schon seit Jahren Datensparsamkeit anmahnen. Doch auf dem DTS bedeutete Less Data auch, dass es bei zu vielen Daten kaum die gewünschten Erfolge mit den Datenanalysen geben wird.

Denis Hannigan von Accenture Digital stellte die Analytics-Trends 2017 vor.
Denis Hannigan von Accenture Digital stellte die Analytics-Trends 2017 vor. (Bild: Oliver Schonschek, Insider Research)

Weitere Tipps für Big Data Analytics gingen in die Richtung, nicht immer nach Echtzeit-Analysen zu verlangen:

  • Nicht „Real Time“ sollte das Ziel sein, sondern „Right Time“, so zum Beispiel Denis Hannigan von Accenture Digital in Dublin. Die richtigen Daten zur richtigen Zeit, statt die aktuellsten Daten in Echtzeit.
  • Um die richtigen Daten zu haben, müssen auch Daten-Partnerschaften ins Auge gefasst werden, also Daten mit Partner ausgetauscht werden (Achtung: Datenschutz beachten!).

Ein weiterer Punkt, der bei Big Data bedacht werden sollte: Mit besser werdender Qualität der Visualisierung für Abfragen und Analysen in Big Data Analytics Tools werden Data Scientists aus den Basisthemen gedrängt und finden ihren Platz eher in der Weiterentwicklung von Tools, so eine Schlussfolgerung auf dem DTS.

Spannende Lösungen rund um Big Data Analytics

Neben den theoretischen Einsichten gab es auf dem DTS 2017 auch praktische Produktvorstellungen und Lösungen zu sehen, zwei Beispiele dafür:

CountBOX will neue Einsichten in die Kunden des Handels liefern.
CountBOX will neue Einsichten in die Kunden des Handels liefern. (Bild: Oliver Schonschek, Insider Research)

Wie Big Data Analytics im Handel zu neuen Einsichten führen kann (wenn der Datenschutz stimmt), zeigte die Lösung CountBox. Gesammelt werden Daten über Kunden, wenn diese das Geschäft betreten, durch eine Zählung am Eingang mittels passender Sensoren und durch eine Videoanalyse, die Geschlecht und Alter der Kunden zu ermitteln sucht. Übertragen in die Cloud werden diese Daten für die Handelsunternehmen analysiert und in die gewünschten Berichte überführt. Die Ergebnisse können direkt an den POS in den Geschäften zurückgespielt werden, zum Beispiel um Angebote dynamisch anzupassen. Laut Anbieter machen dies bereits 200 Unternehmen an über 3.000 Standorten. Für Unternehmen in der EU sei gesagt, dass die Gesichtserkennung nicht ohne weiteres so genutzt werden sollte, dass die Kunden individuell erkannt und angesprochen werden können.

SettleMint stellte auf dem DTS den DataBroker vor, einen Marktplatz für Sensor-Daten.
SettleMint stellte auf dem DTS den DataBroker vor, einen Marktplatz für Sensor-Daten. (Bild: Oliver Schonschek, Insider Research)

Ein anderes Beispiel vom DTS zeigt, wie man Big Data zum Business werden lassen kann, ohne in Gefahr zu laufen, in die Zone der personenbezogenen Daten zu kommen, wo der Datenschutz strenge Vorschriften macht. SettleMint stellte auf dem DTS den DataBroker vor. Dies ist ein Marktplatz für Sensor-Daten, also eine Plattform, auf der Daten des IoT (Internet of Things) gehandelt werden. Dabei werden spezielle Funktionen für Datenschutz und Datensicherheit eingesetzt (Stichwort: Blockchain). Wer Sensoren einsetzt, kann seine Sensor-Daten an passende Interessenten verkaufen. Als Beispiel nannte der Anbieter landwirtschaftliche Betriebe, die für ihre Felder Wetter- und Bodendaten erheben, und diese auch an die Industrie verkaufen könnten, die wissen will, wie ihr Saatgut unter diesen Bedingungen keimt. Oder aber Speditionen, die die Sensordaten ihrer Container verkaufen, zum Beispiel die Temperaturentwicklung auf einer bestimmten Strecke und zu einer gewissen Zeit, damit Versicherungen das Risiko eines Transportschadens wegen Überhitzung besser abschätzen können.

Zu den spannenden Lösungen, die man sich auf dem DTS ansehen konnte, gehörte auch Grakn.ai – eine Datenbank für AI-Anwendungen.
Zu den spannenden Lösungen, die man sich auf dem DTS ansehen konnte, gehörte auch Grakn.ai – eine Datenbank für AI-Anwendungen. (Bild: Oliver Schonschek, Insider Research)

Fazit

Der Dublin Tech Summit zeigte, wie vielfältig der Einsatz von Big Data Analytics bereits ist, ohne jedoch die Probleme und möglichen neuen Ansätze zu verschweigen. Diesen Weg sollte die Big-Data-Diskussion weitergehen, um Big Data weiterzuentwickeln als Grundlage des digitalen Business. Gerade die Neuorientierung von Big Data Analytics zu Less Data und Right Time ist wichtig.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  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.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44543747 / Analytics)