Haben Sie gewusst, dass rund 90 Prozent aller Daten, die heute auf der ganzen Welt verfügbar sind, in den vergangenen Jahren generiert wurden? Durch die zahlreichen neuen Informations- und Kommunikationstechnologien ist das Datenvolumen weltweit unglaublich gewachsen und bietet bisher unbekannte Möglichkeiten. Big Data steht für diese Menge von strukturierten und unstrukturierten Daten, die aufgrund ihrer Größe nicht mit herkömmlicher Soft- oder Hardware verarbeitet werden kann.
Diese angesprochenen Datenmengen entstehen unter anderem mit jedem unserer Klicks im Internet. Dabei kann es sich z.B. um einen Einkauf auf Amazon, um eine Suchanfrage an Google, um eine Aktivität in sozialen Netzwerken wie Instagram oder Facebook etc. handeln.
Aber große Datenmengen alleine machen noch kein Big Data. Erst die Analyse und Verarbeitung dieser Datenmengen, z. B. durch ein Unternehmen, zeichnet Big Data aus. 2001 entwarf der Analytiker Doug Lane mit seinem 3-V-Modell eine Definition von Big Data, die bis heute anerkannt ist. Big Data verfügt nach Lane über die folgenden drei Eigenschaften:
Volume (dt. Volumen): Unternehmen sammeln große Datenvolumen aus verschiedenen Quellen. Dazu zählen etwa intelligente Geräte (IoT) wie Mobiltelefone, Videos, Soziale Medien etc. Früher wäre es nicht möglich gewesen, diese großen Datenvolumen zu speichern, heute gibt es zu diesem Zweck
Velocity (dt. Geschwindigkeit): Aktuell werden Unternehmen von Datenströmen in nie da gewesener Geschwindigkeit überflutet, die rasch verarbeitet werden müssen.
Variety (dt. Vielfalt): Die erhobenen Daten sind vielfältig und haben verschiedenste Formate: So können sowohl numerische Daten, die in strukturierter Form vorliegen und in gewöhnlichen Datenbanken gespeichert sind, Teil von Big Data sein, wie auch unstrukturierte Textdokumente, Daten aus Finanztransaktionen oder E-Mails.
Definition
Big Data
…steht für eine große Menge an verfügbaren Daten, die zu einem bestimmten Zweck analysiert und verarbeitet werden. Nach Doug Lane zeichnet sich Big Data durch Volumen, Geschwindigkeit und Vielfalt aus.
Big Data vs. Small Data
Im Gegensatz zu Big Data bezeichnet Small Data (dt. kleine Daten) Daten in einem für Menschen zugänglichen Volumen und Format. Die folgenden Punkte zeigen, wie Big Data von Small Data abgegrenzt werden kann:
Ziele: Small Data wird für ein festgelegtes Ziel genutzt, die Nutzung von Big Data entwickelt sich oftmals
Ort: Small Data wird im Allgemeinen an einem Ort, meist in einer Datei auf dem PC, gespeichert, während Big Data meist auf zahlreiche Dateien auf verschiedenen Servern verteilt ist, die sich in unterschiedlichen Ländern
Datenstruktur: Small Data ist geradlinig strukturiert, wohingegen Big Data unstrukturiert sein kann und viele Dateiformate aus unterschiedlichen Fachrichtungen aufweisen
Datenvorbereitung: An der Vorbereitung von Small Data ist meist nur ein Endnutzer Im Fall von Big Data ist es hingegen oftmals so, dass eine Personengruppe die Daten vorbereitet, diese Daten von einer weiteren Gruppe analysiert werden und schließlich eine dritte Gruppe die Daten nutzt. Jede dieser Gruppen kann andere Ziele verfolgen.
Langlebigkeit: Small Data wird generell nach dem Abschluss eines Projekts eine bestimmte Zeit lang aufbewahrt. Im Fall von Big Data bleiben die Daten aber für unbegrenzte Dauer gespeichert.
Ursprung: Small Data wird innerhalb von kurzer Zeit und in bestimmten Maßeinheiten gespeichert. Big Data hingegen entstammt verschiedenen Orten, Ländern, Unternehmen, Organisationen
Reproduzierbarkeit: Small Data kann generell vollständig reproduziert werden. Big Data stammt hingegen aus so vielen Quellen und liegt in derartig vielen Formen vor, dass eine Reproduktion unmöglich
Qualität: Die Bedeutungen der Daten eines Small Data Datensatzes sind eindeutig, diese Daten können sich daher selbst beschreiben. Big Data hingegen ist viel komplexer und kann auch nicht identifizierbare Informationen enthalten, die keine bestimmte Bedeutung haben. Dadurch kann die Datenqualität gemindert
Analyse: Für die Analyse von Small Data reicht meist ein einzelner Prozess aus, da die Daten aus nur einer Computerdatei analysiert werden. Im Fall von Big Data müssen die Daten hingegen aufwändig extrahiert, geprüft, reduziert etc
Wie Sie an der Unterscheidung zwischen Big Data und Small Data sehen können, ist Big Data im wahrsten Sinne des Wortes oft schwer zu (er)fassen.
Haben Sie gewusst, dass rund 90 Prozent aller Daten, die heute auf der ganzen Welt verfügbar sind, in den vergangenen Jahren generiert wurden? Durch die zahlreichen neuen Informations- und Kommunikationstechnologien ist das Datenvolumen weltweit unglaublich gewachsen und bietet bisher unbekannte Möglichkeiten. Big Data steht für diese Menge von strukturierten und unstrukturierten Daten, die aufgrund ihrer Größe nicht mit herkömmlicher Soft- oder Hardware verarbeitet werden kann.
Diese angesprochenen Datenmengen entstehen unter anderem mit jedem unserer Klicks im Internet. Dabei kann es sich z.B. um einen Einkauf auf Amazon, um eine Suchanfrage an Google, um eine Aktivität in sozialen Netzwerken wie Instagram oder Facebook etc. handeln.
Aber große Datenmengen alleine machen noch kein Big Data. Erst die Analyse und Verarbeitung dieser Datenmengen, z. B. durch ein Unternehmen, zeichnet Big Data aus. 2001 entwarf der Analytiker Doug Lane mit seinem 3-V-Modell eine Definition von Big Data, die bis heute anerkannt ist. Big Data verfügt nach Lane über die folgenden drei Eigenschaften:
Definition
Big Data
…steht für eine große Menge an verfügbaren Daten, die zu einem bestimmten Zweck analysiert und verarbeitet werden. Nach Doug Lane zeichnet sich Big Data durch Volumen, Geschwindigkeit und Vielfalt aus.
Big Data vs. Small Data
Im Gegensatz zu Big Data bezeichnet Small Data (dt. kleine Daten) Daten in einem für Menschen zugänglichen Volumen und Format. Die folgenden Punkte zeigen, wie Big Data von Small Data abgegrenzt werden kann:
Wie Sie an der Unterscheidung zwischen Big Data und Small Data sehen können, ist Big Data im wahrsten Sinne des Wortes oft schwer zu (er)fassen.
-
Add a note