Definition

Was ist Big Data?

| Autor / Redakteur: Michael Radtke / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

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 – Stichwort Machine Learning. 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.

Was ist Big Data? Analytics, Definition, Bedeutung & Beispiele

Logistiksoftware

Was ist Big Data? Analytics, Definition, Bedeutung & Beispiele

16.01.19 - An Big Data führt kein Weg mehr vorbei. Trotzdem sehen viele Betriebe das Thema noch skeptisch. Hier erfahren Sie, was Big Data bedeutet, welche konkreten Anwendungsszenarien es gibt und welche Trends Experten Big-Data-Technologien prognostizieren – Praxisbeispiele inklusive! lesen

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.

Aktuelle Beiträge zu diesem Thema

Fraunhofer Allianz Big Data lädt zum Technologietag 2019

Big Data Allianz

Fraunhofer Allianz Big Data lädt zum Technologietag 2019

Die Fraunhofer-Allianz Big Data lädt vom 5. bis 6. Februar 2019 nach Stuttgart zum Technologietag 2019. Im Fokus steht die datenbasierte Produktion. lesen

Apache Airflow ist Top-Level-Projekt der ASF

Big-Data-Tool der Apache Software Foundation

Apache Airflow ist Top-Level-Projekt der ASF

Das Big-Data-Tool Apache Airflow ist der sogenannten Inkubationsphase entwachsen und wird von ASF, der Apache Software Foundation, fortan als Top-Level-Projekt geführt. Airflow dient der Verwaltung von Big-Data-Pipelines. lesen

Cloudfähiges Entwicklungskit haucht IoT-Projekten Leben ein

IoT-Entwicklungskit

Cloudfähiges Entwicklungskit haucht IoT-Projekten Leben ein

RS Components (RS) hat ein cloudfähiges Entwicklungskit ins Sortiment aufgenommen. Mit ihm sollen sich schnell IoT-Projekte aus der Welt der Sensorik zum Leben erwecken lassen. lesen

Mitarbeiter sind der Schlüssel zur Digitalisierung

Kommentar von Michael Märtin, Atlantis Media

Mitarbeiter sind der Schlüssel zur Digitalisierung

Digitale Technologien sind in den meisten Unternehmen angekommen, doch um wirklich datengetrieben – und damit erfolgreich – arbeiten zu können, fehlen vielen die strategische Planung und der nötige lange Atem. Der technologische Fortschritt allein generiert weder spürbare Wettbewerbsvorteile noch kann er den Gewinn langfristig steigern. Stattdessen sollten Unternehmen strategisch vorgehen und ihre Unternehmenskultur so anpassen, dass sie auch zukünftig wettbewerbsfähig sind. lesen

Was bringt das neue Jahr?

Red-Hat-Manager zu den Trends 2019

Was bringt das neue Jahr?

KI & ML, Edge Computing, Automatisierung und die Rolle der Telcos sind die Themenkomplexe, die DataCenter-Insider aus dem Fundus an Vorhersagen für 2019 aus dem Hause Red Hat ausgewählt hat, um einen Eindruck zu vermitteln, womit sich die Community beziehungsweise die Kundschaft des Unternehmens sich beschäftigt oder auch beschäftigen muss. lesen

Das sind die Trends 2019

Kommentar von Arun C. Murthy, Hortonworks

Das sind die Trends 2019

Was bringt das Jahr 2019 im Bereich Big Data und Künstliche Intelligenz? Eine Einschätzung dazu gibt Arun C. Murthy, Co-Founder und Chief Product Officer bei Hortonworks. lesen

So lässt sich das digitale Unternehmen aktiv gestalten

Kommentar von Nathan Jagoda, Information Builders

So lässt sich das digitale Unternehmen aktiv gestalten

Die Transformation eines Unternehmens zu einem Digital Enterprise erfordert die Modernisierung der vorhandenen IT-Landschaft. Dazu gehört der Aufbau einer innovativen Business-Intelligence-Infrastruktur. Eine wichtige Rolle spielen dabei eine effiziente Steuerung der Data Value Chain und eine datenbasierte Entscheidungskultur. lesen

Event Stream Processing im Jahr 2019

4 Gründe für Datenstromverarbeitung und Apache Flink

Event Stream Processing im Jahr 2019

Im Zuge von Big Data werden riesige Mengen an Daten erzeugt, verarbeitet und gespeichert. Event Stream Processing erlaubt die Datenverarbeitung nahezu in Echtzeit und ohne klassische Stapelverarbeitung. Vier Gründe sprechen laut data Artisans für die Technik. lesen

Die DSGVO hebelt klassische Datenmanagement-Ansätze aus

Kommentar von Stefan Reinhardt, Eccenca

Die DSGVO hebelt klassische Datenmanagement-Ansätze aus

Die Datenschutzgrundverordnung (DSGVO) ist für Unternehmen kein rein juristisches Problem. Sie greift mit ihren Anforderungen direkt in die betrieblichen Abläufe ein – und wirft damit technische und organisatorische Probleme auf. Sinnvoll beantworten kann diese nur ein Umdenken des Datenmanagements. lesen

copyright

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