Suchen

Abgrenzung Big Data und Business Intelligence

Was genau eigentlich ist Big Data?

Seite: 2/3

Firmen zum Thema

Durch diese Einflüsse entwickelte sich BI weiter zu Business Analytics und dann zu Big Data Analytics. Die Unterschiede sind dabei grundlegend: Traditionelle BI-Werkzeuge können mehrheitlich nur auf historische Daten zugreifen. Den Planungs- und Analyse-Tools fehlen in den meisten Fällen analytische Forecasting-, Simulations- und Mining-Verfahren, um die genannten Fragestellungen zu beantworten.

Zur BI gehören aber auch die Werkzeuge zur Datensammlung und Datenintegration. Business Analytics dagegen generiert aus existierenden vergangenheitsbezogenen Daten Informationen über zukünftige Ereignisse und Entwicklungen.

Bildergalerie

Was ist Big Data?

Charakteristisch für Big Data Analytics sind neben der Echtzeitanalyse die hohe Verarbeitungsgeschwindigkeit und die Möglichkeit zur Analyse auch unstrukturierter Daten. Hier liegt auch der Unterschied zu Business Analytics.

Das Datenvolumen von Big Data wird in Größenordnungen wie Terabytes oder Petabytes gemessen. Zu berücksichtigen ist dabei, dass diese Datenvolumina durch die herkömmlichen IT-Anwendungen nicht mehr in der erforderlichen Zeit und Qualität verarbeitet werden können.

Der Grund hierfür: Im Management Reporting werden nicht mehr nur unternehmensinterne Daten aus den ERP- oder CRM-Datenbanken analysiert, sondern es müssen auch Daten aus externen Quellen – wie sozialen Netzwerken, Online-Foren sowie Echtzeit-Informationen aus dem Datenaustausch zwischen Endgeräten (Machine-to-Machine-Kommunikation) – in das Management Reporting integriert werden.

Volumen, Vielfalt und Geschwindigkeit

Big Data definiert sich über Volumen, Vielfalt und die Geschwindigkeit von der Erfassung über die Verarbeitung bis hin zur Speicherung riesiger Datenmengen. Die Abgrenzung zu Business Analytics findet vor allem im Kriterium „Vielfalt“ statt. Denn bei Business Analytics geht es vorwiegend um die Vorhersage von Trends und die Korrelation von Kennzahlen aus unterschiedlichen Geschäftsbereichen.

Diese Kriterien charakterisieren Big Data Analytics:

  • Volumen: Große Datenmengen, aber ebenso viele kleinere Datenmengen, die innerhalb eines komplexen Szenarios zügig verarbeitet werden müssen.
  • Vielfalt der Quellen: Interne und externe Datenquellen sowie unterschiedliche Datenformate (strukturiert, semistrukturiert und unstrukturiert). Big-Data-Daten umfassen Transaktions- und Interaktionsdaten, die bisher mit herkömmlichen Software-Lösungen weder quantitativ zu erfassen noch sinnvoll auszuwerten noch wirtschaftlich zu speichern waren. Transaktionsdaten werden in jeder Sekunde von ERP- und anderen Geschäftsanwendungen produziert und in der Regel in Datenbanken gespeichert. Interaktionsdaten dagegen stammen vielfach aus sozialen Netzwerken wie Facebook, Xing oder LinkedIn. Durch die zunehmende Verbreitung von Smartphones, GPS-Ortung und die entsprechende Verknüpfung von Ortungsdaten entstehen auch räumlich orientierte Bewegungsdaten. Hinzu kommen Echtzeit-Informationen aus dem Produktivbetrieb von Maschinen und Anlagen.
  • Geschwindigkeit: Die Komponente „Geschwindigkeit“ im Kontext von Big Data betrifft die Schnelligkeit, in der beispielweise Konsumentendaten zu erfassen, zu verarbeiten, für Entscheidungen zu nutzen und zu speichern sind. Wie schnell Daten verarbeitet werden können, hängt wesentlich von den Geschäftsprozessen sowie den unterstützenden IT-Systemen ab. Verarbeitungsgeschwindigkeiten, die bisher nur durch Supercomputing zu erreichen waren, werden in Big-Data-Konzepten mit standardisierten Hard- und Software-Tools erreicht.

(ID:43017648)