Die IT-Branche ist übersättigt mit Ratschlägen zu Big Data. Allerdings sehen sich einige Unternehmen mit einem ganz anderen Thema konfrontiert, dass weitaus weniger Aufmerksamkeit erhält: Large Data.

Mitarbeiter und die Unternehmen, für die sie arbeiten, sammeln Daten. Entgegen landläufiger Meinung ist das durchaus angebracht, ja meist sogar notwendig, da die Daten für Unternehmen nützlich sein können.

Viele Unternehmen nutzen heute Public Clouds von IaaS-Anbietern wie Amazon Web Services als Basis ihrer digitalen Transformation. Oft wird aber viel Potenzial verschenkt, weil sie mit der Innovationsgeschwindigkeit nicht Schritt halten können.

Viele Unternehmen verbinden mit dem Begriff Industrie 4.0 die große Hoffnung, die Arbeitsabläufe im Unternehmen zu verbessern, die Effizienz zu steigern und die Kosten zu senken.

+++ So lassen sich betrügerische Bots enttarnen +++ Herausforderung Subscription Economy +++ 10 Tipps für die agile Software-Entwicklung +++ Aus dem (wahren) Leben eines IT-Admins +++

Der Weg in die Public Cloud ist nicht immer einfach – aber lohnenswert. Sogenannte Managed Public Cloud Provider (MPCP) leisten Hilfe beim Einstieg in Angebote wie von AWS (Amazon Web Services) und machen das volle Potenzial der Cloud nutzbar.

Das Hadoop-Ökosystem und das Data-Lake-Datenmanagementkonzept versprechen viel: Fast beliebig große Datenmengen aus unterschiedlichen Systemen und mit beliebiger Struktur sollen sich schnell und kostengünstig verwalten, nutzen und auswerten lassen.

Viele Unternehmen setzen auf Amazon Web Services (AWS) als Cloud-Provider. Eine große Aufgabe ist dabei, unternehmenskritische Daten und Anwendungen von Vor-Ort-Systemen zeitnah und kostensensitiv mit Cloud-, Mobil- und sozialen Apps zu verbinden.

Änderungen an Datenbanken werden meist mit manuellen Prozessen wie Scripting durchgeführt. Das dauert, verhindert bei sorgfältigem Arbeiten aber Datenverluste. Die Skalierung geht aber nie so weit, wie es für agile Prozesse nötig ist.

Eine große Stärke virtueller Server ist ihre Flexibilität. Sie können schnell eingerichtet und gelöscht werden. Gerade diese Attribute erschweren es aber, Speicher für virtuelle Umgebungen zu konfigurieren und zu verwalten.

Server-Virtualisierung ermöglicht Unternehmen ein großes Einsparpotenzial wegen geringerer Hardware- und Platzanforderungen, höherer Produktivität, einer besseren Nutzung der Ressourcen und sichererer Disaster-Recovery-Optionen.

Big Data Analytics muss möglichst nahe an den Entscheidungsstellen und damit in den Applikationen erfolgen, damit Entscheidungen in kurzer Zeit gefällt werden können. Doch viele Big-Data-Analysen werden getrennt von den Fachanwendungen durchgeführt.

In virtuellen Umgebungen wird das Planen und Optimieren verschiedener Workloads und Ressourcen mit ihren jeweiligen Anforderungen zur komplexen Aufgabe. Die Kapazitäten anhand von Durchschnitts- und Spitzenbedarf zu schätzen, reicht hier nicht aus.

+++ Fallstricke der Cloud-Migration +++ Intensivtraining gegen Phishing-Angriffe +++ 10 Gründe für Container unter Server 2016 +++ Spracherkennungssoftware als Angriffsziel +++

Viele Unternehmen sehen in der sinnvollen Nutzung von Maschinen- und Produktionsdaten für Industrie-4.0-Strategien den Schlüssel für die künftige Entwicklung im industriellen Sektor. Dabei sind jedoch einige Hürden zu bewältigen.

Das Internet der Dinge macht sich bereit, den nächsten Schritt zu gehen: in die Industrie. Ziel ist es, nicht nur den Status verschiedener technischer Komponenten über das Internet abzufragen, sondern diese auch zu steuern.

++ Künstliche Intelligenz hilft, ungenutzte Datenquellen zu erschließen ++ Sind wir wirklich reif für SDN? ++ So analysieren Sie Daten mit Spark, Mesos, Akka, Cassandra und Kafka ++ Fünf Schritte zum effektiven Rechenzentrumsnetzwerk ++

Läuft die IT-Security nicht rund, bedeutet dies ein hohes Risiko für Daten und IT. Besonders spürbar und riskant sind der Fachkräftemangel und der große Zeitverlust in der Erkennung von Angriffen.

++ Security Awareness ist Zeitverschwendung! ++ Die Verschmelzung von Big Data Analytics mit der IT ++ Hyperkonvergenz ist nur ein erster Schritt ++ Die Speicher-Technik im Silicon-Valley-Startup-Modus ++

Predictive Analytics ist ein Teilbereich von Business Intelligence, der sich in erster Linie mit zu erwartenden und möglichen Ereignissen beschäftigt. Er fragt, was unter welchen Voraussetzungen passieren wird bzw. passieren sollte.

In Zeiten der steigenden Datenflut durch Big Data und dem Internet der Dinge suchen Unternehmen nach Plattformen, die möglichst performant sowohl ihre eigenen Transaktionsdaten als auch externe Interaktionsdaten kombinieren und verarbeiten können.