w26M2

1 Management Summary
Einordnung
Dieser Leitfaden ist Bestandteil einer Serie von BITKOM-
Publikationen über Big Data. Der erste Leitfaden mit dem
Titel »Big Data im Praxiseinsatz – Szenarien, Beispiele,
Effekte« erschien 2012. Der zweite Leitfaden über das
»Management von Big-Data-Projekten« folgte zum 1.
Big Data Summit im Juni 2013. Der vorliegende dritte
Leitfaden richtet sich in erster Linie an Entscheidungsträger
aus der Wirtschaft, gibt einen Überblick über die
Big-Data-Technologien und soll so Technologieentscheidungen
erleichtern. Aus Gründen des Umfangs spart der
Leitfaden 3 den Aspekt aus, welche neuen Datenprodukte
und –dienstleistungen rund um Big Data entstehen: Den
Startschuss für den vierten Leitfaden hat der BITKOM im
Januar 2014 gegeben. Die für den Sommer 2014 geplante
Publikation soll an Beispielen aus der Wirtschaft zeigen,
welche neuen Geschäftsmodelle sich bei den Big-Data-
Nutzern herausbilden.
Begriffsbestimmung
Im Leitfaden 1 wurde Big Data als Einsatz großer Datenmengen
aus vielfältigen Quellen mit einer hohen
Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen
Nutzens bezeichnet. Big Data hat vier wesentliche
Facetten:
• Datenmenge (Volume): Immer mehr Organisationen
und Unternehmen verfügen über gigantische Datenberge,
die von einigen Terabytes bis hin zu Größenordnungen
von Petabytes führen.
• Datenvielfalt (Variety): Unternehmen haben sich mit
einer zunehmenden Vielfalt von Datenquellen und
Datenformaten auseinanderzusetzen. Aus immer
mehr Quellen liegen Daten unterschiedlicher Art vor,
die sich grob in unstrukturierte, semistrukturierte
und strukturierte Daten gruppieren lassen. Gelegentlich
wird auch von polystrukturierten Daten gesprochen.
Die unternehmensinternen Daten werden
zunehmend durch externe Daten ergänzt, beispielsweise
aus sozialen Netzwerken.
• Geschwindigkeit (Velocity): Riesige Datenmengen
müssen immer schneller ausgewertet werden, nicht
selten in Echtzeit. Die Verarbeitungsgeschwindigkeit
hat mit dem Datenwachstum Schritt zu halten.
Damit sind folgende Herausforderungen verbunden:
Analysen großer Datenmengen mit Antworten im
Sekundenbereich, Datenverarbeitung in Echtzeit,
Datengenerierung und Übertragung in hoher
Geschwindigkeit.
• Analytics: Analytics umfasst die Methoden zur möglichst
automatisierten Erkennung und Nutzung von
Mustern, Zusammenhängen und Bedeutungen. Zum
Einsatz kommen u.a. statistische Verfahren, Vorhersagemodelle,
Optimierungsalgorithmen, Data Mining,
Text- und Bildanalytik. Bisherige Datenanalyse-Verfahren
werden dadurch erheblich erweitert.
Vielfalt der Technologien
Big Data basiert nicht auf einer singulären Technologie,
sondern ist vielmehr das Resultat des Zusammenwirkens
einer ganzen Reihe von Innovationen in verschiedenen
Gebieten. Insgesamt erlauben diese Fortschritte, aus
immer mehr Daten einen immer höheren betriebswirtschaftlichen
Nutzen zu ziehen. Je nach Anwendungsszenario
können hierbei verschiedene Technologiekonzepte
zum Einsatz kommen. (Kapitel 3)
12