Email to someoneTweet about this on TwitterShare on FacebookShare on LinkedIn

“With too little data, you won’t be able to make any conclusions that you trust. With loads of data you will find relationships that aren’t real…Big data isn’t about bits, it’s about talent.”

Douglas Merrill, US-amerikanischer Technologe und FinTech-Unternehmer

Blog: Big Data- Part I, Dezember 2018, Daniel Joseph

Derzeit durchlebt die Gesellschaft und Wirtschaft einen tiefgreifenden technologischen Wandel. In Zeiten der Digitalisierung lassen sich dank neuer Technologien, wie zum Beispiel durch das IoT, immer komplexere Aufgaben lösen. Die Digitalisierung hat eine neue Stufe erreicht, jedoch sind die „Grenzen“ noch lange nicht erreicht. Riesige und weiterhin stark wachsende Datenmengen stehen zur Verfügung. Interessanterweise haben wir es hier mit Größenordnungen zutun, die sich nur die wenigsten vorstellen können. Diese Datenmengen lassen sich durch neue technische Möglichkeiten immer schneller und besser nutzen Artificial Intelligence (AI), auch durch die selbstlernenden maschinellen Systeme. Schnell zeigt sich, dass Big Data und AI perfekt zueinander passen und es deutlich wird, dass beides nicht nur dazu geeignet ist, bestehende Strukturen zu optimieren, sondern auch grundsätzlich neue Anwendungen, Dienstleistungen, Geschäftsmodelle und Produkte ermöglicht. Hier muss allen Beteiligten klar sein, dass es natürlich sowohl Chancen als auch Risiken in Bezug zu Big Data und AI gibt, die verstanden und aufgezeigt werden müssen. Es ist das neue Zeitalter von Big Data, Data Analytics und der digitalen Wirtschaft.

In dieser Artikelreihe Big Data und AI wollen wir uns intensiv mit beiden Themen beschäftigen, gleichwohl keine abschließenden Aussagen getätigt werden können – denn Big Data und AI sind sehr schnelllebige Themen. Nichtsdestotrotz halten wir es für sinnvoll, über beide Themen zu diskutieren und möchten mit diesem Beitrag vielfältige Diskus-sionen fördern. Ziel ist es, dabei zu helfen, die potenziellen Auswirkungen von Daten und Analysen zu verstehen, und dadurch mehr Klarheit über die Möglichkeiten der Technologie und die damit ver-bundenen Möglichkeiten schaffen. Des Weiteren wollen wir helfen, die Kräfte zu verstehen, die die Weltwirtschaft verändern, um sich auf die nächste Wachstumswelle vorzubereiten.

Abb.1, Quelle: de.statista.com, jährliches Datenaufkommen bis 2025 (in Zettabyte)



In heimischen Computern und Notebooks sind normalerweise Festplatten mit einer Kapazität zwischen 1 und 3 Terabyte (TByte). 1 Terrabyte sind 1000 Gigabyte (GB). Geht man von der Grundgröße, den sogenannten Byte aus, so sind 1 TByte 1012 Bytes. Geht man nun von einigen Statistiken bezüglich der Datenmenge bis 2025 aus, so vervielfacht sich diese auf ungefähr 163 Zettabyte, d.h. 1021 Bytes.

In den letzten Jahren hat die Datenwissenschaft vor allem an den Grenzen des maschinellen Lernens und des tiefen Lernens schnelle Fortschritte gemacht. Unternehmen verfügen jetzt über eine Fülle von Rohdaten in Kombination mit leistungsstarken und ausgereiften Analysetools, um Erkenntnisse zu gewinnen, die die Betriebsleistung verbessern und neue Marktchancen eröffnen. Am tiefsten müssen ihre Entscheidungen nicht mehr im Dunkeln oder auf Bauchinstinkt getroffen werden; Sie können auf Beweisen, Experimenten und genaueren Vorhersagen basieren. Wenn wir eine Bestandsaufnahme der Fortschritte machen, die in den letzten Jahren gemacht wurden, sehen wir, dass Unternehmen große Einsätze in Daten und Analysen setzen. Die Anpassung an ein Zeitalter datenorientierter Entscheidungsfindung hat sich jedoch nicht immer als einfache Angelegenheit für Menschen oder Organisationen erwiesen. Viele haben Schwierigkeiten, Talente, Geschäftsprozesse und organisatorische Anstrengungen zu entwickeln, um einen echten Nutzen aus der Analyse zu ziehen. Dies wird immer dringlicher, da analytisches Können zunehmend die Grundlage für den Wettbewerb in der Industrie bildet und die Führungskräfte große Vorteile mitbringen. Mittlerweile macht die Technologie selbst große Fortschritte – und die nächste Generation von Technologien verspricht, noch schwieriger zu sein. Maschinelles Lernen und Tiefenlernfähigkeiten haben eine enorme Vielfalt an Anwendungen, die tief in die Wirtschaftsbereiche hineinreichen, die bisher weitgehend am Rande der Gesellschaft standen.

Schaut man sich die verschiedenen (Unternehmensbereiche) der Big Data-Landschaft an, so kann man folgende Einteilung vornehmen:

  • Data Sources & Ingestion
  • Data Lake & Processing
  • Data Warehouse & Analytics
  • User Interface (Data Science, Interactive Analysis, Reporting & Dashboards)

In Abbildung 2 wird eine genauere Einteilung der verschiedenen Unterkategorien der Big Data-Landschaft von 2018 dargestellt. Man erkennt zum einen die Verflechtung der einzelnen Teilgebiete, zum anderen aber auch die Vielfalt des Oberbegriffs Big Data. Interessant wird dabei die theoretische als auch praktische Entwicklung und Umsetzung einzelner Gebiete wie Algorithms, Micro Analytics Services, Data Workflow oder Massive Parallelization sein, sowohl für die involvierten Unternehmen als auch (End-)Kunden bzw. User.

Abb. 2: Quelle: Big Data Landscape 2018, QAware GmbH


Natürlich spielt Big Data auch in anderen Bereichen der Wirtschaft eine Rolle:

  • Bildung: u.a. Universitäten: Wie werden Daten verwendet, um Studenten bei der Auswahl und dem Abschluss von Uni-versitätslehrgängen zu unterstützen, und insbesondere, wie frühzeitig diejenigen Studenten identifiziert werden, die Schwierigkeiten haben, um ihnen zu helfen und die Abwanderungsraten zu senken
  • Gesundheitswesen: u.a. Lösungen für das Wohlbefinden in Städten; Nutzung klinischer Gesundheitsdaten für die Vorhersage, Prävention und personalisierte Medizin; Verwendung von Daten rund um Genomics und andere „Omics“
  • Wirtschaft und Finanzen: u.a. Verwendung von mehr und besseren Daten, um die Entscheidungsfindung, z.B. bei der Kreditvergabe, zu verbessern
  • Sozial- und Geisteswissenschaften: u.a. Verwendung von Daten und KI, um die öffentlichen Dienste zu verbessern und bessere Entscheidungen zu treffen; Herausforderungen, die sicherstellen, dass der Entscheidungsprozess dokumentiert und verstanden werden kann und voll verantwortlich ist
  • Intelligente Städte: u.a. Verbesserung der Lebensqualität der Menschen in Städten, indem sie Daten aus einer Vielzahl von Quellen verwendete, um beispielsweise Energieverbrauchsmuster, Mobilitätsmuster und Mobilitätshindernisse zu verstehen

Darüber hinaus wurden zwei Querschnitts-themen identifiziert, die für alle Themen relevant waren: Cybersicherheit und Ethik; Analytik.

Der Schlüssel zum Erfolg mit Big Data

Besonders in Bezug auf die Gründung bzw. Entwicklung von Start-Ups (u.a. im Bereich Software & Analytics) ist es unabdingbar, sich gewisse Fähigkeiten anzueignen bzw. anzuwenden. Auch für den weiteren Erfolg des Unternehmens sind diese Fähigkeiten von größter Bedeutung. Unternehmen müssen große Änderungen vornehmen, um Big Data zu beherrschen. Traditionelle Unternehmen kön-nen für neue Marktteilnehmer anfällig sein. Und es kristallisieren sich sechs Fähigkeiten heraus, durch deren Aufbau sich das Potenzial von Big Data voll ausschöpfen lässt – schneller als gedacht und schneller als die Konkurrenz:

  • Erkennen von Möglichkeiten: innovativsten Anwendungen wahr-scheinlich nicht sofort ersichtlich
  • Vertrauen aufbauen: Unternehmen können Ängste der Verbraucher reduzieren → besserer Zugriff auf Daten
  • Technische Grundlagen schaffen: neue Technologien und Fertigkeiten → flexiblere und kostengünstigere Datenplattformen
  • Gestaltung der Organisation: enge Koordinierung von Geschäfts- und Technologieexperten verbindet Daten-plattformen mit Geschäftszielen
  • Teilnahme an Big-Data Ökosystemen: wo passen sie in das Netzwerk neuer Ökosysteme, die entstehen, wenn Branchengrenzen verschwimmen
  • Beziehungen funktionieren lassen: Alle Partner sollten Anreize und Möglichkeiten haben

Es ist kein Geheimnis, dass Big Data ein enormes Potenzial für Unternehmen bietet. Jede C-Suite dem Planeten versteht das Versprechen. Weniger verstanden – und noch viel weniger in die Praxis umgesetzt – sind die Schritte, die Unternehmen ergreifen müssen, um dieses Potenzial auszuschöpfen. Trotz ihrer berechtigten Begeisterung für Big Data besteht die Gefahr, dass zu viele Unternehmen ihr enormes Potenzial auf den Tisch legen – oder, schlimmer noch, es an Konkurrenten abgeben. Big Data hat die Art und Weise, wie Daten erfasst, analysiert, gespeichert und verwendet werden, um einiges verändern. Lösungen können flexibler, skalierbarer und kos-tengünstiger als je zuvor sein. Anstatt einmalige Systeme zu entwickeln, die auf spezifische Probleme für bestimmte Geschäftseinheiten ausgerichtet sind, können Unternehmen eine gemeinsame Plattform einrichten, die von den verschiedenen Unternehmensbereichen auf unterschiedliche Weise genutzt wird. Alle Arten von Daten – strukturiert und unstrukturiert, intern und extern – können eingebunden werden.

Big Data erfordert viel Veränderung

Die Unternehmen müssen überdenken, wie sie auf Informationen zugreifen und diese schützen, wie sie mit Verbrauchern mit wichtigen Daten interagieren und wie sie neue Fähigkeiten und Technologien nutzen. Sie müssen neue Partnerschaften, neue Organisationsstrukturen und sogar neue Denkweisen annehmen. Für viele Unternehmen wird die Herausforderung von Big Data so groß wie die Auszahlung sein.

Technische Grundlagen schaffen und Organisation gestalten sind elementar. Technische Plattformen, die schnell, skalierbar und flexibel genug sind, um verschiedene Arten von Anwendungen zu bedienen, sind von entscheidender Bedeutung. Ebenso sind die oben genannten Fähigkeiten erforderlich, um sie aufzubauen und zu verwalten. Im Allgemeinen erweisen sich diese neuen Plattformen als bemerkenswert kostengünstig, indem sie Standardhardware verwenden und Cloud-basierte und Open-Source-Technologien einsetzen, die Big Data unterstützen. Aufgrund ihrer Allzwecknähe befinden sie sich häufig außerhalb einzelner Geschäftseinheiten. Daher ist es wichtig, sie an diese Unternehmen und ihre Ziele, Prioritäten und Fachkenntnisse zu knüpfen. Unternehmen müssen auch die Erkenntnisse, die sie aus Big Data gewinnen, einsetzen, um sie in betriebliche Prozesse oder nahezu in Echtzeit einzubetten.

Geschwindigkeit und Flexibilität sind für die Erstellung von Big-Data-Anwendungen entschei-dend. Kurze Zyklen, iterative Entwicklung und häufige Piloten sollten die Regel sein. Risikobereitschaft sollte gefördert werden; Fehler, akzeptiert. Big Data ist noch weitgehend unerforscht, und selbst Enttäuschungen – oder zumindest sorgfältig analysierte Enttäuschungen – können ein guter Lehrer sein.

Förderung der Zusammenarbeit zwischen Daten- und Geschäftsexperten. Das breite Spektrum an Fachwissen, das zur Identifizierung und Entwicklung von Anwendungen benötigt wird, wird selten von einer Einzelperson besessen. Es ist daher wichtig, starke Verbindungen zwischen Fachleuten herzustellen, die wahrscheinlich sehr unterschiedliche Hintergründe haben und wenig Erfahrung im Umgang miteinander haben. Der häufige Dialog und die ständige Zusammenarbeit werden den interdisziplinären Teams dabei helfen, die wichtigsten geschäftlichen Probleme und Chancen zu erkennen und zu priorisieren.

In der nächsten Ausgabe der Artikelreihe Big Data beschäftigen wir uns weiter mit dem Thema Big Data. Über ihre Meinungen oder ideenreiche Diskussionen sowie Kritik freue ich mich sehr!

Bis bald und herzliche Grüße aus Frankfurt!

 

 

Portrait

Daniel Joseph

Practice Lead Germany
Technology, Data, Digital, Strategy & Change

Morgan Philips Executive Search Germany

 

 

Quellen:

  • Data Analytics, 2015, Dr. F. Moser, R. Dunkerbeck, V.Ossendoth, EY
  • Big Data – Changing the way businesses compete and operate, April 2014, P. van Kessel, J. Layman, J. Blackmore, I. Burnet, Y. Azuma, EY
  • Enabling Big Data – Building the capa-bilities that really matter, Mai 2014, R. Agarwal, E.Baltassis, J. Brock, J. Platt, BCG
  • The Trust Advantage – How to win with Big Data, November 2013, J. Rose, C. Barton, R. Souza, J. Platt, BCG
  • Big Data trifft auf künstliche Intelligenz – Herausforderungen und Implikationen für Aufsicht und Regulierung von Finanzdienstleistungen, BaFin
Email to someoneTweet about this on TwitterShare on FacebookShare on LinkedIn

Es kann nicht mehr kommentiert werden.