Unter Big Data versteht man große Datenmengen, die mit herkömmlicher Soft- oder Hardware nicht mehr verarbeitet werden können, und deren Verarbeitung und Analyse zu einem bestimmten Zweck geschieht. Im Gegensatz zu Big Data bezeichnet Small Data Daten, die aufgrund ihres Volumens und ihres Formats für den Menschen zugänglich sind.
Auf diese großen Datenmengen stoßen wir in ganz alltäglichen Situationen, etwa beim Surfen in sozialen Medien oder bei einer Suchanfrage auf Google. Zur besseren Definition von Big Data entwarf der Analytiker Doug Lane das 3-V-Modell, das besagt, dass sich Big Data durch Volumen, Geschwindigkeit und Vielfalt auszeichnet.
Große Datenmengen können unter anderem zur besseren strategischen Ausrichtung von Unternehmen, für Deep-Learning-Systeme, zur Bekämpfung von Kriminalität und Terrorismus, zur wissenschaftlichen Untersuchung von Naturphänomenen (z. B. Erdbeben und Klimawandel), aber auch für widerrechtliche Auswertungen genutzt werden, die Erpressung oder Betrug nach sich ziehen können. Entscheidend sind daher weniger die großen Datenmengen selbst, sondern das, was damit geschieht.
Unternehmen können Big Data nutzen, um ihren Geschäftserfolg zu steigern. Unter anderem ermöglicht Big Data Analytics, bessere Geschäftsentscheidungen zu treffen und Risiken mit größerer Treffsicherheit einzuschätzen. Zudem kann die Effizienz von Unternehmensprozessen gesteigert werden, wenn Daten analysiert, ausgewertet und miteinander verbunden werden. Big Data hilft Unternehmen dabei, im Bereich Forschung und Entwicklung Vorhersagen bezüglich der Trends, Eigenschaften eines Produkts etc. treffen. Schließlich können die aus Big Data gewonnenen Erkenntnisse auch dazu genutzt werden, einen personalisierten Kundenservice anzubieten.
Damit die Analyse von Big Data erfolgreich ist, sind eine passende Big-Data-Strategie, eine geeignete Unternehmenskultur, Personal mit dem erforderlichen Know-how, eine leistungsfähige Technologie und nicht zuletzt eine geeignete Datenschutzstrategie erforderlich. Aber Big Data zu analysieren und zu verarbeiten bietet nicht nur Möglichkeiten und Chancen, sondern birgt auch Herausforderungen und Risiken.
Eine wesentliche Herausforderung für Unternehmen besteht darin, die Datensicherheit zu gewährleisten und die Datenschutz-Grundverordnung einzuhalten. Zudem ist es für Unternehmen oftmals schwierig, geeignetes Fachpersonal zu finden und zu halten, das mit der komplexen Big-Data- Technologie umgehen kann. Auch sind Big-Data-Projekte mit hohen Kosten verbunden und die Datenqualität ist oftmals mangelhaft. Zu guter Letzt müssen aus den Ergebnissen der Datenanalyse die richtigen Schlüsse gezogen und die richtigen Entscheidungen abgeleitet werden.
Unter Big Data versteht man große Datenmengen, die mit herkömmlicher Soft- oder Hardware nicht mehr verarbeitet werden können, und deren Verarbeitung und Analyse zu einem bestimmten Zweck geschieht. Im Gegensatz zu Big Data bezeichnet Small Data Daten, die aufgrund ihres Volumens und ihres Formats für den Menschen zugänglich sind.
Auf diese großen Datenmengen stoßen wir in ganz alltäglichen Situationen, etwa beim Surfen in sozialen Medien oder bei einer Suchanfrage auf Google. Zur besseren Definition von Big Data entwarf der Analytiker Doug Lane das 3-V-Modell, das besagt, dass sich Big Data durch Volumen, Geschwindigkeit und Vielfalt auszeichnet.
Große Datenmengen können unter anderem zur besseren strategischen Ausrichtung von Unternehmen, für Deep-Learning-Systeme, zur Bekämpfung von Kriminalität und Terrorismus, zur wissenschaftlichen Untersuchung von Naturphänomenen (z. B. Erdbeben und Klimawandel), aber auch für widerrechtliche Auswertungen genutzt werden, die Erpressung oder Betrug nach sich ziehen können. Entscheidend sind daher weniger die großen Datenmengen selbst, sondern das, was damit geschieht.
Unternehmen können Big Data nutzen, um ihren Geschäftserfolg zu steigern. Unter anderem ermöglicht Big Data Analytics, bessere Geschäftsentscheidungen zu treffen und Risiken mit größerer Treffsicherheit einzuschätzen. Zudem kann die Effizienz von Unternehmensprozessen gesteigert werden, wenn Daten analysiert, ausgewertet und miteinander verbunden werden. Big Data hilft Unternehmen dabei, im Bereich Forschung und Entwicklung Vorhersagen bezüglich der Trends, Eigenschaften eines Produkts etc. treffen. Schließlich können die aus Big Data gewonnenen Erkenntnisse auch dazu genutzt werden, einen personalisierten Kundenservice anzubieten.
Damit die Analyse von Big Data erfolgreich ist, sind eine passende Big-Data-Strategie, eine geeignete Unternehmenskultur, Personal mit dem erforderlichen Know-how, eine leistungsfähige Technologie und nicht zuletzt eine geeignete Datenschutzstrategie erforderlich. Aber Big Data zu analysieren und zu verarbeiten bietet nicht nur Möglichkeiten und Chancen, sondern birgt auch Herausforderungen und Risiken.
Eine wesentliche Herausforderung für Unternehmen besteht darin, die Datensicherheit zu gewährleisten und die Datenschutz-Grundverordnung einzuhalten. Zudem ist es für Unternehmen oftmals schwierig, geeignetes Fachpersonal zu finden und zu halten, das mit der komplexen Big-Data- Technologie umgehen kann. Auch sind Big-Data-Projekte mit hohen Kosten verbunden und die Datenqualität ist oftmals mangelhaft. Zu guter Letzt müssen aus den Ergebnissen der Datenanalyse die richtigen Schlüsse gezogen und die richtigen Entscheidungen abgeleitet werden.
-
Add a note