Die Analyse von großen Datenmengen ermöglicht, Erkenntnisse zu gewinnen. Diese Ergebnisse können als Grundlage für Entscheidungen dienen, z.B. in Bezug auf die strategische Ausrichtung des Unternehmens. So wollen etwa Unternehmen mehr über die Vorlieben ihrer Kunden erfahren, um ihr Sortiment, ihre Werbung etc. daran anzupassen.
Auch Deep Learning (dt. tiefgehendes Lernen) nutzt Big Data: Es handelt sich um eine spezielle Methode der Informationsverarbeitung und einen Teilbereich des maschinellen Lernens. Als Orientierung dient die Funktionsweise eines menschlichen Gehirns: Eine Maschine wird mit großen Datenmengen „gefüttert“, die analysiert und genutzt werden, um die Maschine zu trainieren. Die Maschine ist in der Lage, neue Informationen miteinander zu verknüpfen und kann auf dieser Basis Prognosen erstellen und eigene Entscheidungen treffen. Das Ergebnis ist allerdings immer nur so gut, wie die Daten, von denen die Maschine „gelernt“ hat.
Ein Beispiel hierfür ist etwa ein System zur maschinellen Übersetzung, das in einem Unternehmen durch eingegebene Daten (bereits existierende Übersetzungen) „lernt“, Fachbegriffe richtig zu übersetzen.
Zudem nutzen Behörden und Geheimdienste große Datenmengen, um darin Abweichungen und Auffälligkeiten aufzuspüren, die möglicherweise auf kriminelle oder terroristische Aktivitäten hinweisen. In der Wissenschaft werden mithilfe von großen Datenmengen komplexe Naturphänomene wie der Klimawandel oder das Entstehen von Erdbeben und Epidemien untersucht.
Aber nicht immer wird verantwortungsvoll mit den großen Datenmengen umgegangen. Manche Unternehmen oder Institutionen halten sich nicht an Datenschutzvorschriften, was dazu führt, dass Informationen an die Öffentlichkeit gelangen. Das kann belanglos, in manchen Fällen aber auch gefährlich sein und zu Betrug und Erpressung führen.
Beispiel
2015 wurde das Seitensprungportal Ashley Madison, bei dem Menschen auf der Suche nach einem außerehelichen Abenteuer ein Profil anlegen können, Opfer eines Hackerangriffs. In Folge gelangten Informationen zu den auf dem Portal registrierten Personen in das allen zugängliche Internet. Informationen zu Seitensprüngen von Prominenten und persönliche Informationen wie Kreditkartennummern wurden öffentlich. Zudem wurden Betroffene per E-Mail aufgefordert, Lösegeld zu bezahlen, damit der Lebenspartner oder die Lebenspartnerin nicht von dem Profil auf dem Seitensprungportal erfährt.
Merke
Große Datenmengen können unter anderem zu folgenden Zwecken genutzt werden:
Strategische Ausrichtung von Unternehmen
Deep Learning
Bekämpfung von Kriminalität und Terrorismus
Wissenschaftliche Untersuchung von Naturphänomenen (z. B. Erdbeben und Klimawandel)
widerrechtliche Auswertungen, die Erpressung oder Betrug nach sich ziehen können
Entscheidend sind in Bezug auf Big Data weniger die Daten selbst als vielmehr das, was damit geschieht.
Vor allem Unternehmen profitieren davon, Big Data zu analysieren und auszuwerten. Sowohl bewusst als auch unbewusst generieren und speichern sie heute Unmengen von Daten. Im Folgenden erfahren Sie, welche Möglichkeiten die richtige Analyse von großen Datenmengen Unternehmen im Detail bietet.
Entscheidungsfindung
Indem Unternehmen die im Betrieb anfallenden großen Datenmengen analysieren, können Muster erkannt und Informationen herausgefiltert werden. So können Unternehmen bessere Geschäftsentscheidungen treffen, die den Erfolg des Unternehmens erhöhen. Durch die Auswertung von Maschinendaten kann etwa berechnet werden, in welchen Abständen eine Maschine ausfällt. Das Unternehmen kann mit diesem Wissen die Maschine warten, bevor sie ausfällt. Auch in der Finanz- und Versicherungsbranche wird Big Data genutzt, um Risiken besser kalkulieren zu können.
Beispiel
Frau Schmidt ist 47 Jahre alt und möchte eine private Krankenversicherung abschließen. Bei einem Besuch ihres Versicherungsmaklers ist sie erstaunt über die hohen Kosten und fragt nach. Es stellt sich heraus, dass ihr Anbieter große Datenmengen analysiert, um die individuellen Versicherungskosten besser berechnen zu können. So findet das Unternehmen etwa heraus, welche besonderen Gesundheitsrisiken Frauen in diesem Alter tragen, die wie Frau Schmidt Raucherinnen sind, keine Kinder haben und nie Sport treiben.
Effizienzsteigerung
Wettbewerbsfähigkeit ist für Unternehmen sehr wichtig. Um mit der Konkurrenz mithalten zu können, müssen die Unternehmen Strategien entwerfen, wie sie Kosten sparen können, ohne dass dabei die Leistung beeinträchtigt wird. Große Datenmengen zu analysieren und miteinander zu verbinden hilft dabei.
Beispiel
Haben Sie schon einmal gehört, dass Fahrer des Paketdienstes UPS fast ausschließlich rechts abbiegen?
Der Grund dafür ist, dass UPS mithilfe einer Big-Data-Analyse entdeckt hat, dass auf diese Weise in jedem Jahr rund zehn Millionen Dollar gespart werden können. Bestimmt fragen Sie sich wie das möglich ist: Die Zusammenführung von verschiedenen Datensätzen, etwa Unfallstatistiken, Daten zum Benzinverbrauch etc. hat ergeben, dass die UPS-Fahrzeuge viel seltener an Unfällen beteiligt sind, wenn sie nicht links abbiegen. So kann viel Geld gespart werden, auch wenn die Routen dadurch komplizierter werden.
Vorhersage in der Forschung und Entwicklung
Indem bestehende oder potenzielle Kunden oder Kundinnen ihre Vorliebe in Bezug auf bestimmte Produkte bekannt geben, kann die Forschung Trends erkennen und vorhersagen, passende Marketing- Strategien entwerfen und maßgeschneiderte Produkte entwickeln. Mit den geeigneten Analyseverfahren ist es z. B. auch möglich, die Bruchsicherheit eines Produkts noch während der Entwicklung vorherzusagen.
Beispiel
Ein Betreiber eines Online-Webshops installiert Cookies und Online-Tracking und verfolgt die Bewegungen seiner Besucher. Er kann feststellen, woher die Besucher kommen, welche Produkte sie anklicken, wie oft sie die Seite besuchen etc. Mithilfe dieser Daten kann der Betreiber die Inhalte der Seite und die angebotenen Produkte an die Präferenzen der Besucher anpassen und so seinen Umsatz erhöhen.
Personalisierter Kundenservice
Indem Unternehmen Entscheidungen von Kunden speichern, sind sie in der Lage, ihnen einen auf sie persönlich zugeschnittenen Kundenservice zu bieten.
Wenn etwa eine Nutzerin einen bestimmten Film oder eine bestimmte Serie auf Netflix ansieht, wird dies vom System gespeichert und die Nutzerin erhält beim nächsten Einloggen Empfehlungen, die sich an den bereits gesehenen Filmen oder Serien orientieren. Aber nicht immer stößt dieses personalisierte Angebot auf Gegenliebe:
Beispiel
Als Herr Maier feststellen muss, dass seine alten Bergschuhe nicht mehr zu gebrauchen sind, sucht er auf Google nach „Bergschuhe neu Herren“. Die vielen unterschiedlichen Angebote überfordern ihn, zudem stellt Herr Maier fest, dass viele Produkte nicht in sein Heimatland, Österreich, geliefert werden können. Herr Maier entschließt sich für eine persönliche Beratung in einem Fachgeschäft und kauft auch gleich ein Paar Bergschuhe. Dennoch wird ihm in den kommenden Tagen und Wochen im Internet vermehrt Werbung für Bergschuhe angezeigt, da seine Suchanfrage auf Google gespeichert und analysiert wurde. Herr Maier ist irritiert und fühlt sich beobachtet. Er beschließt, in Zukunft keine Suchanfragen auf Google mehr zu stellen.
Fassen wir noch einmal zusammen:
Merke
Unternehmen haben zahlreiche Möglichkeiten, Big Data zu nutzen, um erfolgreicher zu sein. Dazu zählen:
Entscheidungsfindung:
Die Analyse von Big Data ermöglicht Unternehmen, bessere Geschäftsentscheidungen zu treffen und Risiken besser einzuschätzen.
Effizienzsteigerung:
Daten zu analysieren und miteinander zu verbinden (etwa Wetter- und Staudaten mit Benzinpreisen) hilft Unternehmen, Prozesse effizienter zu gestalten.
Vorhersage im Bereich Forschung und Entwicklung
Mithilfe von Big Data können Vorhersagen im Hinblick auf Trends, Eigenschaften eines Produkts etc. getroffen werden.
Personalisierter Kundenservice
Indem Unternehmen die von Kunden und Kundinnen getroffenen Entscheidungen speichern, können sie ihnen bei ihrem nächsten Besuch einen personalisierten Kundenservice anbieten.
Die Analyse von großen Datenmengen ermöglicht, Erkenntnisse zu gewinnen. Diese Ergebnisse können als Grundlage für Entscheidungen dienen, z.B. in Bezug auf die strategische Ausrichtung des Unternehmens. So wollen etwa Unternehmen mehr über die Vorlieben ihrer Kunden erfahren, um ihr Sortiment, ihre Werbung etc. daran anzupassen.
Auch Deep Learning (dt. tiefgehendes Lernen) nutzt Big Data: Es handelt sich um eine spezielle Methode der Informationsverarbeitung und einen Teilbereich des maschinellen Lernens. Als Orientierung dient die Funktionsweise eines menschlichen Gehirns: Eine Maschine wird mit großen Datenmengen „gefüttert“, die analysiert und genutzt werden, um die Maschine zu trainieren. Die Maschine ist in der Lage, neue Informationen miteinander zu verknüpfen und kann auf dieser Basis Prognosen erstellen und eigene Entscheidungen treffen. Das Ergebnis ist allerdings immer nur so gut, wie die Daten, von denen die Maschine „gelernt“ hat.
Ein Beispiel hierfür ist etwa ein System zur maschinellen Übersetzung, das in einem Unternehmen durch eingegebene Daten (bereits existierende Übersetzungen) „lernt“, Fachbegriffe richtig zu übersetzen.
Zudem nutzen Behörden und Geheimdienste große Datenmengen, um darin Abweichungen und Auffälligkeiten aufzuspüren, die möglicherweise auf kriminelle oder terroristische Aktivitäten hinweisen. In der Wissenschaft werden mithilfe von großen Datenmengen komplexe Naturphänomene wie der Klimawandel oder das Entstehen von Erdbeben und Epidemien untersucht.
Aber nicht immer wird verantwortungsvoll mit den großen Datenmengen umgegangen. Manche Unternehmen oder Institutionen halten sich nicht an Datenschutzvorschriften, was dazu führt, dass Informationen an die Öffentlichkeit gelangen. Das kann belanglos, in manchen Fällen aber auch gefährlich sein und zu Betrug und Erpressung führen.
Beispiel
2015 wurde das Seitensprungportal Ashley Madison, bei dem Menschen auf der Suche nach einem außerehelichen Abenteuer ein Profil anlegen können, Opfer eines Hackerangriffs. In Folge gelangten Informationen zu den auf dem Portal registrierten Personen in das allen zugängliche Internet. Informationen zu Seitensprüngen von Prominenten und persönliche Informationen wie Kreditkartennummern wurden öffentlich. Zudem wurden Betroffene per E-Mail aufgefordert, Lösegeld zu bezahlen, damit der Lebenspartner oder die Lebenspartnerin nicht von dem Profil auf dem Seitensprungportal erfährt.
Merke
Große Datenmengen können unter anderem zu folgenden Zwecken genutzt werden:
Entscheidend sind in Bezug auf Big Data weniger die Daten selbst als vielmehr das, was damit geschieht.
Vor allem Unternehmen profitieren davon, Big Data zu analysieren und auszuwerten. Sowohl bewusst als auch unbewusst generieren und speichern sie heute Unmengen von Daten. Im Folgenden erfahren Sie, welche Möglichkeiten die richtige Analyse von großen Datenmengen Unternehmen im Detail bietet.
Entscheidungsfindung
Indem Unternehmen die im Betrieb anfallenden großen Datenmengen analysieren, können Muster erkannt und Informationen herausgefiltert werden. So können Unternehmen bessere Geschäftsentscheidungen treffen, die den Erfolg des Unternehmens erhöhen. Durch die Auswertung von Maschinendaten kann etwa berechnet werden, in welchen Abständen eine Maschine ausfällt. Das Unternehmen kann mit diesem Wissen die Maschine warten, bevor sie ausfällt. Auch in der Finanz- und Versicherungsbranche wird Big Data genutzt, um Risiken besser kalkulieren zu können.
Beispiel
Frau Schmidt ist 47 Jahre alt und möchte eine private Krankenversicherung abschließen. Bei einem Besuch ihres Versicherungsmaklers ist sie erstaunt über die hohen Kosten und fragt nach. Es stellt sich heraus, dass ihr Anbieter große Datenmengen analysiert, um die individuellen Versicherungskosten besser berechnen zu können. So findet das Unternehmen etwa heraus, welche besonderen Gesundheitsrisiken Frauen in diesem Alter tragen, die wie Frau Schmidt Raucherinnen sind, keine Kinder haben und nie Sport treiben.
Effizienzsteigerung
Wettbewerbsfähigkeit ist für Unternehmen sehr wichtig. Um mit der Konkurrenz mithalten zu können, müssen die Unternehmen Strategien entwerfen, wie sie Kosten sparen können, ohne dass dabei die Leistung beeinträchtigt wird. Große Datenmengen zu analysieren und miteinander zu verbinden hilft dabei.
Beispiel
Haben Sie schon einmal gehört, dass Fahrer des Paketdienstes UPS fast ausschließlich rechts abbiegen?
Der Grund dafür ist, dass UPS mithilfe einer Big-Data-Analyse entdeckt hat, dass auf diese Weise in jedem Jahr rund zehn Millionen Dollar gespart werden können. Bestimmt fragen Sie sich wie das möglich ist: Die Zusammenführung von verschiedenen Datensätzen, etwa Unfallstatistiken, Daten zum Benzinverbrauch etc. hat ergeben, dass die UPS-Fahrzeuge viel seltener an Unfällen beteiligt sind, wenn sie nicht links abbiegen. So kann viel Geld gespart werden, auch wenn die Routen dadurch komplizierter werden.
Vorhersage in der Forschung und Entwicklung
Indem bestehende oder potenzielle Kunden oder Kundinnen ihre Vorliebe in Bezug auf bestimmte Produkte bekannt geben, kann die Forschung Trends erkennen und vorhersagen, passende Marketing- Strategien entwerfen und maßgeschneiderte Produkte entwickeln. Mit den geeigneten Analyseverfahren ist es z. B. auch möglich, die Bruchsicherheit eines Produkts noch während der Entwicklung vorherzusagen.
Beispiel
Ein Betreiber eines Online-Webshops installiert Cookies und Online-Tracking und verfolgt die Bewegungen seiner Besucher. Er kann feststellen, woher die Besucher kommen, welche Produkte sie anklicken, wie oft sie die Seite besuchen etc. Mithilfe dieser Daten kann der Betreiber die Inhalte der Seite und die angebotenen Produkte an die Präferenzen der Besucher anpassen und so seinen Umsatz erhöhen.
Personalisierter Kundenservice
Indem Unternehmen Entscheidungen von Kunden speichern, sind sie in der Lage, ihnen einen auf sie persönlich zugeschnittenen Kundenservice zu bieten.
Wenn etwa eine Nutzerin einen bestimmten Film oder eine bestimmte Serie auf Netflix ansieht, wird dies vom System gespeichert und die Nutzerin erhält beim nächsten Einloggen Empfehlungen, die sich an den bereits gesehenen Filmen oder Serien orientieren. Aber nicht immer stößt dieses personalisierte Angebot auf Gegenliebe:
Beispiel
Als Herr Maier feststellen muss, dass seine alten Bergschuhe nicht mehr zu gebrauchen sind, sucht er auf Google nach „Bergschuhe neu Herren“. Die vielen unterschiedlichen Angebote überfordern ihn, zudem stellt Herr Maier fest, dass viele Produkte nicht in sein Heimatland, Österreich, geliefert werden können. Herr Maier entschließt sich für eine persönliche Beratung in einem Fachgeschäft und kauft auch gleich ein Paar Bergschuhe. Dennoch wird ihm in den kommenden Tagen und Wochen im Internet vermehrt Werbung für Bergschuhe angezeigt, da seine Suchanfrage auf Google gespeichert und analysiert wurde. Herr Maier ist irritiert und fühlt sich beobachtet. Er beschließt, in Zukunft keine Suchanfragen auf Google mehr zu stellen.
Fassen wir noch einmal zusammen:
Merke
Unternehmen haben zahlreiche Möglichkeiten, Big Data zu nutzen, um erfolgreicher zu sein. Dazu zählen:
Die Analyse von Big Data ermöglicht Unternehmen, bessere Geschäftsentscheidungen zu treffen und Risiken besser einzuschätzen.
Daten zu analysieren und miteinander zu verbinden (etwa Wetter- und Staudaten mit Benzinpreisen) hilft Unternehmen, Prozesse effizienter zu gestalten.
Mithilfe von Big Data können Vorhersagen im Hinblick auf Trends, Eigenschaften eines Produkts etc. getroffen werden.
Indem Unternehmen die von Kunden und Kundinnen getroffenen Entscheidungen speichern, können sie ihnen bei ihrem nächsten Besuch einen personalisierten Kundenservice anbieten.
-
Add a note