Grundlagen und Beispiele für eine bessere Datenverarbeitung Big Data im Praxiseinsatz

Autor / Redakteur: Thomas Joos / Nico Litzel

Fast jedes Unternehmen muss immer größere Datenmengen immer umfassender und schneller bearbeiten können. Nur dadurch lassen sich noch Grundlagen für eine optimale und effiziente Planung erstellen. Wir geben einige Hinweise zu den Möglichkeiten und Hintergründen von Big Data im Unternehmen.

Firmen zum Thema

Big Data kann Unternehmen zu Wettbewerbsvorteilen verhelfen, denn die Analyse von bislang ungenutzten Daten eröffnet neue Geschäftsmodelle, verhilft zu einer gezielteren Kundenansprache und unterstützt Organisationen dabei, ihre Ressourcen effizienter einzusetzen.
Big Data kann Unternehmen zu Wettbewerbsvorteilen verhelfen, denn die Analyse von bislang ungenutzten Daten eröffnet neue Geschäftsmodelle, verhilft zu einer gezielteren Kundenansprache und unterstützt Organisationen dabei, ihre Ressourcen effizienter einzusetzen.
(Bild: © filipefrazao - Fotolia.com)

Big Data sorgt in erster Linie für Transparenz im Unternehmen und kann (nicht nur) den Vertrieb deutlich effizienter unterstützen als die meisten anderen Möglichkeiten zur Datenverarbeitung. Dazu kommt, dass Big Data eine ideale Ergänzung für Business-Intelligence-Lösungen sein kann, doch dazu später mehr.

Im Idealfall werden alle relevanten Daten verarbeitet und in Bezug zueinander gesetzt, sodass Verantwortliche im Unternehmen Informationen nutzen können, die auf auf einer soliden Datenbasis fußen. Unternehmen können spezifischer auf Kunden zugehen und den Kundenkreis genau spezifizieren, um die Produktivität zu erhöhen. Das spart nicht zuletzt auch Geld, da Werbemaßnahmen nicht mehr breit gestreut und zum großen Teil ineffizient sein müssen. Unternehmen können gezielter auf genau die Kunden zugehen, für die das entsprechende Produkt geeignet ist. Entscheidungen lassen sich auf Basis von Big Data also besser und schneller erfassen, als ohne Verarbeitung der wichtigsten Daten.

Besserer Vertrieb mit Big Data

Seine Stärken spielt Big Data vor allem im Vertrieb aus. Umfangreiche Kundendaten lassen sich gezielt erfassen, abfragen und auswerten. Hierbei stehen deutlich mehr Quellen zur Verfügung, als sie Business-Intelligence-Systeme nutzen können, zum Beispiel Daten aus Facebook, Überwachungskameras, RFID-Etiketten und anderen Sensoren. Dadurch lassen sich Kosten senken und Umsätze steigern, da die Zielgruppen viel fokussierter angesprochen werden können.

Zusätzlich lassen sich über Big-Data-Szenarien auch Mitbewerber und deren Vertriebsaktionen und -erfolge analysieren und auswerten. In diesem Zusammenhang spielen vor allem die Verarbeitung von Daten aus Twitter, Facebook und anderen sozialen Netzwerken eine wichtige Rolle. Da hier extrem große Datenmengen anfallen, die in den nächsten Jahren sicher noch weiter ausgebaut werden, lassen sich konkrete Daten nur mithilfe von Big-Data-Techniken erfassen.

Auch das Auswerten von Internetseiten, Blogs, Artikeln externer Autoren und mehr lässt sich effizient bewerkstelligen, um eigene Produkte und die der Mitbewerber zu bewerten. Es gibt auch Möglichkeiten, Texte aus Fotos auszulesen und über Big Data zu analysieren. Ergebnisse von Suchmaschinen lassen sich ebenfalls über diesen Weg sehr zuverlässig erfassen, speichern und analysieren. Das Gute an Big Data ist, dass sich die zuvor erwähnten Möglichkeiten auch gleichzeitig durchführen und miteinander in Bezug setzen lassen.

Aber auch im kleinen Stil lassen sich Big-Data-Analysen nutzen: In Ladengeschäften kann beispielsweise ausgewertet werden, welcher Kunde gerne mit EC-Karte oder wer lieber in bar bezahlt. So lassen sich Werbemaßnahmen planen, die den Kunden Rabatte oder andere Vorteile gewähren, wenn Sie eine bestimmte Bezahlweise zu einer vorher festgelegten Zeit nutzen. Weitere Möglichkeiten für den Einsatz sind lokal angepasste Werbemaßnahmen in einzelnen Filialen, Cross-Selling-Konzepte und umfassende Kundenanalysen.

Churn-Analysen

Auch der Kundenverlust spielt eine wichtige Rolle bei der Verwendung von Big Data. Unternehmen können erfassen, welche Probleme Kunden mit den Produkten des Unternehmens hatten und bei neuen Versionen der Produkte dann nicht mehr zugegriffen haben. So lassen sich beispielsweise Voraussagen treffen, wenn bei bestimmten aktuellen Produkten Fehler auftreten können. Verantwortliche in Unternehmen haben dann die Möglichkeit, gezielt gegenzusteuern und, sofern das nicht möglich ist, zumindest Planzahlen rechtzeitig zu korrigieren.

In diesem Zusammenhang wird auch klar, dass Big Data nicht nur den Vertrieb unterstützt, sondern auch die Produktion und weitere Bereiche. Denn hier können Unternehmen erkennen, welche Eigenschaften von Produkten den Kunden wichtig sind und wo Fehler keinesfalls toleriert werden. Unternehmen können letztlich bessere Produkte entwickeln und sich direkt auf Kundenwünsche konzentrieren.

Verbesserung der Datenerfassung

Big Data verbessert nicht nur die Verarbeitung von Daten, sondern auch deren Erhebung. Wenn mehr Daten erfasst und verarbeitet werden können, dann kann eine Verbreiterung und Vertiefung der Datenmenge durch zusätzliche Sensoren sinnvoll sein. Beispiele dafür sind sicherlich auch die immer weiter verbreiteten RFID-Chips und andere Objekte im Internet der Dinge. Unternehmen können mit diesen zusätzlichen Sensoren große Datenmengen erfassen und über Big Data auswerten lassen. In vielen Unternehmen bleiben die RFID-Chip-Daten und anderen Daten von Sensoren, wie etwa von Waagen oder Kameras, allerdings (noch) isoliert und werden kaum für weitere Analysen verwendet. Hier fehlen in den entsprechenden Stellen dann unter Umständen wichtige Informationen.

Unternehmen können solche Daten auch für die Produktion nutzen und entsprechende Produktionsketten verbessern, indem alle wichtigen Daten des Unternehmens in einer Big-Data-Infrastruktur ausgewertet werden.

Auswertung in Echtzeit

Die Überwachung und Auswertung muss in diesem Fall dann nicht nachträglich erfolgen, wie bei vielen Analysen und BI-Werkzeugen, sondern kann durchaus in Echtzeit eingesetzt werden. Das ist eine der Stärken von Big Data. Auf diesem Weg verbessern Unternehmen nicht nur die Produktion, sondern unter Umständen auch nachfolgende Prozesse wie Lieferung, Support und den weiteren Vertrieb. Hier lassen sich nicht nur Daten aus der Produktionskette nutzen, sondern auch Telemetriedaten der Logistik, des Fuhrparks und andere Informationen.

Unternehmen können mit Produkten wie Hadoop also nicht nur Daten auswerten, wie bei herkömmlichen Abfragen von Datenbanksystemen, sondern auch große Datenmengen in Bezug zueinander setzen, die zuvor nur isoliert betrachtet wurden.

Big Data versus Data Warehouse und Business Intelligence

Big Data wird an vielen Stellen als Konkurrent oder Nachfolger von Business-Intelligence-Lösungen und Data Warehouses gesehen. Oft scheuen Unternehmen den Einsatz von Big Data, wenn bereits andere BI-Lösungen im Einsatz sind. Dabei unterscheiden sich Big Data und BI-Lösungen an zentralen Stellen voneinander. BI-Werkzeuge benötigen eine zentrale Datenspeicherung von Daten, die exakt aufeinander abgestimmt sein müssen. Auf dieser Basis errechnet das System zuverlässige und vollkommen korrekte Daten.

Big Data dagegen kann Daten aus den verschiedensten Quellen beziehen und muss diese nicht in einer gemeinsamen Datenstruktur zusammenfassen. Die Daten sollen auch nicht bis auf die letzte Stelle hinter dem Komma genau sein, sondern einen Trend darstellen, beziehungsweise Informationen zur Verfügung stellen, die bisher noch nicht erkannt wurden.

Während BI zum Beispiel exakt darstellen kann, welches Produkt in welchen Ländern zu welchem Prozentteil, Umsatz und zu welcher Marge verkauft wurde, erkennen Lösungen wie Big Data weiter gehende Daten. Es kann erfasst werden, bei welchem Kundenkreis das Produkt besonders gut ankommt, wie es transportiert wurde und ob es Schwachstellen in der Transportkette gibt, die Defekte verursachen. Eine Fragestellung kann sein: Werden aufgrund dieser Defekte weniger Produkte der nächsten Generation verkauft? Zielsetzung bei Big Data ist eine vollständige Transparenz, weniger die Tiefenanalyse einzelner Aspekte.

Die Daten in BI sind also extrem qualitativ hochwertig, aber schwer und teuer zu erhalten. Big Data ist einfach zu verwenden, bietet weitergefasste Daten, die durchaus etwas ungenau sein können. Die Verarbeitung der Daten ist vollkommen unstrukturiert und benötigt auch keine gemeinsame Datenbasis. BI-Daten werden über längere Zeiten erfasst und in verschiedenen Einsatzszenarien ständig umgebaut. Anders ausgedrückt: Big-Data-Infrastrukturen bieten schnelle, dezentrale Informationen.

Big Data und das Internet der Dinge

Das „Internet der Dinge“ beschreibt die Anbindung aller möglichen Geräte an das Internet. Der vernetzte Kühlschrank ist damit genauso gemeint, wie Fernsehgeräte, Smart-House-Anlagen, Alarmanlagen, Kameras und vieles mehr. Alle diese Dinge generieren Daten, die sich mit Big Data umfassend analysieren lassen.

Ein Beispiel: Die Kamera im Laden erkennt, zu welcher Uhrzeit wie viele Personen in einen Laden kommen, sowie deren Kleidung, das Aussehen und weitere Merkmale. Das Kassensystem verbucht die Einkäufe. Dadurch erkennt das Big-Data-System, welche Kunden wie lange im Laden gebraucht haben, um bestimmte Produkte zu kaufen.

So lassen sich auch die Einrichtung von Läden deutlich verbessern. Außerdem können Unternehmen erkennen, welche Produkte bestimmte Personengruppen kaufen. Das alles lässt sich auch im zeitlichen Rahmen und der Jahreszeit sowie in Zusammenhang mit bestimmten Ereignissen setzen und auf diese Weise effizient auswerten.

(ID:42941486)