Abgrenzung Big Data und Business Intelligence Was genau eigentlich ist Big Data?

Autor / Redakteur: Mario Zillmann / Nico Litzel

Über Big Data spricht und diskutiert die ganze IT-Szene. Selbst Business-Verantwortliche sehen in Big Data die große Zukunft für ihre Unternehmen. Aber was steckt eigentlich dahinter?

Firmen zum Thema

Der Autor: Mario Zillmann ist Leiter Professional Services bei Lünendonk
Der Autor: Mario Zillmann ist Leiter Professional Services bei Lünendonk
(Bild: Lünendonk)

Bisher war die Sichtweise der Unternehmen auf den (internen) Datenbestand vom Konzept der Business Intelligence (BI) geprägt. BI umfasst alle informationstechnischen Instrumente zur Auswertung unternehmensweit verfügbarer Fakten und die Zugriffs- und Analysemöglichkeiten mithilfe multidimensionaler Analysen und Data Mining.

Dabei können Reporting-Verantwortliche jedoch bestimmte Analysen wie Kundensegmentierungen, Verbrauchsprognosen mit Echtzeitdaten oder Prozess-Steuerung in Realtime mit BI-Technologien nur unzureichend oder gar nicht erstellen. Insbesondere wenn Daten aus unterschiedlichen Geschäftsbereichen oder gar Tochterunternehmen miteinander kombiniert werden müssen oder die Datenstrukturen feinkörniger oder unstrukturiert sind, stößt BI an Grenzen.

Bildergalerie

Datenmenge nimmt massiv zu

Weiterhin kommt das Kriterium der massiv zunehmenden Datenmenge durch die Digitalisierung der Geschäftsprozesse und das Erstarken digitaler Geschäftsmodelle ins Spiel. Alle Unternehmen stehen aktuell vor der Herausforderung, dass immer mehr Daten anfallen, die gespeichert und ausgewertet werden müssen. Gleichzeitig sind die Anforderungen an das Management Reporting in einer sehr volatilen Wirtschaftswelt hinsichtlich der Aussagekräftigkeit von Reports sowie der Geschwindigkeit ihrer Erstellung für sämtliche Wertschöpfungsprozesse massiv gestiegen.

Großunternehmen und Konzerne werden heute schon überwiegend kennzahlenorientiert gesteuert. Entsprechend beschäftigt sich das Management Reporting nicht mehr ausschließlich mit der Finanzseite, sondern betrachtet und analysiert vielmehr sämtliche Leistungsbereiche des Unternehmens.

Zur Unternehmenssteuerung stehen dabei beispielsweise folgende Fragestellungen im Fokus:

  • Wie entwickeln sich einzelne Geschäftsfelder?
  • Wie kann das Unternehmen am besten auf veränderte Marktbedingungen reagieren und sich ihnen anpassen?
  • Welche Geschäftsprozesse sind effizient und welche nicht?
  • Wo treten in Zukunft Prozessstörungen auf, die den Geschäftserfolg beeinträchtigen?
  • Wie werden die Produktionsanlagen im kommenden Jahr ausgelastet sein?
  • Welche Kunden sind die profitabelsten, welche die unrentablen?

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.

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.

Big Data ist folglich nicht allein eine Beschreibung des Volumens von Daten, sondern vielmehr ein Synonym für den wirtschaftlichen Umgang und die intelligente Nutzung des Informationsgehalts extrem großer Datenmengen, die mit herkömmlichen Methoden kaum zu erschließen sind.

Aus der Wissenschaft sind Beispiele für Big-Data-Anwendungen bereits seit langem bekannt: Es geht dort um die enorme Verarbeitung großer Datenmengen von Informationen über Erdbeben- und Wettervorhersagen oder um die Berechnung, Steuerung und Prognose von Verkehrsflüssen. Hier wird übrigens die Machine-to-Machine-Kommunikation immer öfter angewendet, beispielsweise wenn Fahrzeuge mittels Funkchips Informationen über das Verkehrsaufkommen an andere Fahrzeuge senden.

Big Data steuert die Produktion

Ein anderes Beispiel ist die Produktionssteuerung in der Industrie. So senden Turbinen zur Energieerzeugung oder Produktionsanlagen dauerhaft eine enorm große Datenmenge an die Kontrollsysteme. Diese Informationen über die Leistungsfähigkeit müssen in Echtzeit ausgewertet werden, um Störungen und damit kostenintensive Ausfälle zu vermeiden. Das Stichwort ist hier Predictive Maintenance.

Die private Wirtschaft adoptiert Big Data als Managementkonzept daher zunehmend stärker. Gerade Strategie- und Managementberatungen beraten das Top Management darin, wie sie innovative Geschäftsmodelle mit Big Data aufbauen können. Die meisten Unternehmen arbeiten derzeit vor allem an Proof of Concepts, wie Big Data einen sinnvollen Nutzen stiften kann. Konkrete Geschäftsmodelle auf Basis von Big Data finden sich nur vereinzelt, aber wenn, dann sehr erfolgreich.

Beispiele dafür sind die digitalen Versandhändler Zalando und Amazon. Aber auch Logistikdienstleister haben digitale Geschäftsmodelle, wie das Live-Tracking und eine individuelle Zustellung von Paketen innerhalb eines festen Zeitfensters.

Big Data nimmt erst Anlauf

Für IT-Dienstleister werden Big-Data-Projekte aber erst in einigen Jahren ein wirkliches Mega-Thema sein, denn der Einführung entsprechender Lösungen geht die Planung entsprechender Konzepte auf Strategieebene voran. Weiterhin sind die IT-Systeme der meisten Unternehmen noch nicht auf Big Data ausgelegt, vor allem in Bezug auf die Datenebene und die Leistungsfähigkeit der IT-Prozesse.

In diesen beiden Bereichen planen CIOs allerdings für 2015 die stärksten Investitionen, wie die aktuelle Lünendonk-Studie „Der Markt für IT-Beratung und IT-Service in Deutschland“ – erhältlich unter www.luenendonk.de – zeigt.

Wichtig bei der Planung von Innovationsprojekten mit Big Data wird es zudem sein, angrenzende Technologien wie Cloud, Mobility und IT-Security zu berücksichtigen. Auch die Modernisierung von IT-Systemen und Anwendungen wird im Fokus der IT stehen, um die Prozesse fit für die neuen Technologien zu machen.

(ID:43017648)