Einführung

Big Data ist ein großer Name und eine große Natur. Es ist ein technologisches Schlagwort, das nicht in absehbarer Zeit verschwinden wird. ABI Research geht davon aus, dass die weltweiten Ausgaben für Big Data im Jahr 2013 31 Mrd. USD (rund 20,8 Mrd. GBP oder 40,2 Mrd. AU $) überschritten haben und im Jahr 2018 114 Mrd. USD (rund 76,6 Mrd. GBP) erreichen werden Dennoch gibt es viele, die sich immer noch darüber wundern, was Big Data eigentlich ist und warum es sich in nur drei Jahren lohnen könnte, die Augen zu bewässern.

Zurück Seite 1 von 6 Weiter Zurück Seite 1 von 6 Weiter

1. Was ist das??

Es ist rein und einfach ein Begriff, um die riesigen Datenmengen zu beschreiben, die durch die digitalen Prozesse und den Austausch sozialer Medien erzeugt werden, die derzeit im Minutentakt mit jedem Eimer steigen. Dabei handelt es sich um einen Mischmasch aus strukturierten, halbstrukturierten und unstrukturierten Daten, der nicht von regulären Datenbanken oder Software verarbeitet werden kann und stattdessen durch spezifische Analyseprogramme geleitet werden muss.

Die Verarbeitung von Big Data ist bereits ein großes Geschäft, und das Fehlen von Fähigkeiten, um die Analyse richtig zu nutzen, um umsetzbare Erkenntnisse zu entschlüsseln, ist immer noch ein sehr reales Problem, auch wenn wir einigermaßen weit sind, wenn man versteht, was Big Data ist.

Zurück Seite 2 von 6 Weiter Zurück Seite 2 von 6 Weiter

2. Feste Analytik ist der Schlüssel

Um aus Big Data einen beliebigen geschäftlichen Vorteil zu ziehen, müssen Sie über solide Analysen verfügen und über die erforderlichen Fähigkeiten verfügen. Ein erfolgreiches Analysemodell bedeutet, dass Ihr Unternehmen neue Korrelationen finden kann, um Probleme zu lösen, Trends zu erkennen und im Wesentlichen mehr Geld zu verdienen.

Eine kurze Analyse der Big-Data-Analyse wurde von Michael Watson von Supply Chain Quarterly gegeben, in dem er schrieb, dass es drei verschiedene Arten von Analysen gibt: deskriptiv, vorhersagend und vorschriftsmäßig. Deskriptiv präsentiert Daten so, dass Sie wissen, was an dem Ort passiert, aus dem die Daten abgerufen werden. Predictive beschreibt, wie Sie Daten übernehmen und bessere Vorhersagen treffen können. Unterdessen gibt es präskriptive Bedenken hinsichtlich der Verwendung von Daten in Kombination mit den nachfolgenden Vorhersagen, um Maßnahmen zur Verbesserung des Geschäfts zu ergreifen.

Diese zu vereinen und die richtigen Fragen zu Beginn des gesamten Analyseprozesses zu stellen, ist der Schlüssel, um sicherzustellen, dass Ihr Modell funktioniert und die gewünschten Ergebnisse liefert.

Zurück Seite 3 von 6 Weiter Zurück Seite 3 von 6 Weiter

3. Das Internet der Dinge trägt viel dazu bei

Ob Sie es glauben oder nicht, Gartner hat einen Hype-Zyklus für aufstrebende Technologien, und nachdem 2013 der Tabellenführer an der Spitze stand, ist Big Data hinter einem der technologischen Schlüsselwörter des Augenblicks - dem Internet der Dinge - zurückgefallen. Obwohl dies der Fall ist, hat Big Data große Vorteile, wenn es um das IoT geht.

Ciscos konservative Schätzung für das IoT gibt an, dass die Anzahl der verbundenen Geräte bis 2018 21 Milliarden erreichen wird, und die schlechte Nachricht für alle unvorbereiteten Firmen ist, dass es Zettabyte auf Zettabyte an Daten geben wird, um den Überblick zu behalten. Es ist immer noch eine große Herausforderung, all diese Daten zu verstehen. Die Qualifikationslücke, auf die wir in der nächsten Folie stoßen werden, hat das Potenzial, den Erfolg der gesammelten Daten zu verbessern oder zu brechen diese Dinge".

Zurück Seite 4 von 6 Weiter Zurück Seite 4 von 6 Weiter

4. Es gibt immer noch eine große Kompetenzlücke

Datenwissenschaftler haben die Aufgabe, mit den angebotenen Datensätzen umzugehen und daraus Erkenntnisse zu gewinnen. Für jeden, der eine Karriere beginnen möchte, ist die Nachricht gut: Die Qualifikationslücke für Datenwissenschaftler ist derzeit riesig. Untersuchungen von Gartner haben ergeben, dass 85% der Unternehmen, die auf der Fortune-500-Liste stehen, die Daten 2015 nicht effektiv nutzen können. Die Entscheidung, wie diese Lücke zu schließen ist, ist für Unternehmen entscheidend, um die Vorteile von Big Data zu nutzen.

Inzwischen führte Accenture ein jahrelanges Forschungsprojekt zu Data Scientists durch und stellte fest, dass die Vereinigten Staaten bis 2015 rund 39.000 neue Arbeitsplätze für analytische Experten schaffen werden, tatsächlich aber nur in der Lage sein werden, Kandidaten 23% dieser Aufgaben zuzuweisen.

Ein einfacher Weg, um die Lücken zu füllen, ist natürlich das Training und die Förderung von innen, obwohl dies von der richtigen Ausbildung und dem "richtigen" Personal in der Organisation abhängt. Der andere Weg ist die Bildung.

Eine solche Bildungseinrichtung, die zu helfen versucht, ist die European Data Science Academy, eine Online-Plattform für die Ausbildung von Datenwissenschaftlern in ganz Europa. Sie macht geltend, dass die Nachfrage nach Fachleuten, die über Kenntnisse im Umgang mit Big Data verfügen, bis 2020 um 160% steigen wird, und dass sich die EU bereits eine Investition in Höhe von 2,9 Mio. EUR (2,2 Mio. USD) für die Durchführung einer Reihe von Kursen gesichert hat Ende 2015 auf den Weg. Weitere Projekte wie diese sind ebenfalls in der Pipeline und sie können nur dazu beitragen, das Defizit zu beheben.

Zurück Seite 5 von 6 Weiter Zurück Seite 5 von 6 Weiter

5. Rich-Daten könnten noch wichtiger sein

Dr. Rado Kotorov, Chief Innovation Officer bei Information Builders, drückte es gut aus, als er den Unterschied zwischen Big Data und Rich Data als den Unterschied zwischen Rohöl und raffiniertem Öl beschrieb. In Laien ausgedrückt, reichen Daten aus, wenn Daten aus verschiedenen Systemen kombiniert und in einen Kontext gestellt werden, so dass sie zu einem praktischen Vorschlag für Unternehmen und Einzelpersonen werden.

Sie löst eine der Hauptbeschwerden, die sich auf Big Data beziehen, dahingehend, dass die erzeugten unstrukturierten Daten nicht ausreichend detailliert genug sind, verglichen mit dem Umfang der kontextabhängigen Daten, die mit umfangreichen Daten möglich sind. Die Tatsache, dass umfangreiche Daten große Daten benötigen, um existieren zu können, bedeutet, dass große Daten niemals verschwinden werden. Für höhere Erkenntnisse und Vorteile müssen jedoch reichhaltige Daten ein Teil des Bildes sein.

Eine der größten Bedenken hinsichtlich Rich Data wird jedoch letztendlich sein, dass sie detaillierter ist und als solches ein Risiko für die Privatsphäre der Verbraucher darstellen könnte, dass unstrukturierte Big Data möglicherweise nicht dazu in der Lage sind. Dies könnte sich in einer Situation ergeben, in der die Verbraucher noch mehr von ihren persönlichen Daten geschützt werden und sich weniger für die Unternehmen entscheiden, die danach fragen, und sie vielleicht sogar als Verhandlungsinstrument für die Zukunft einsetzen.

"In der Zukunft können sich die Leute dafür entscheiden, die von ihnen erstellten Informationen zu kontrollieren und diese dann an die Unternehmen zu monetarisieren - dies kann in Form von niedrigeren Rechnungen oder besseren Servicequalität bei einem Anbieter erfolgen", gestand Matt Pfeil, Chief Customer Officer bei DataStax.

Zurück Seite 6 von 6 Weiter Zurück Seite 6 von 6 Weiter
Anteile