w26M2
w26M2
w26M2
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1 Management Summary<br />
Einordnung<br />
Dieser Leitfaden ist Bestandteil einer Serie von BITKOM-<br />
Publikationen über Big Data. Der erste Leitfaden mit dem<br />
Titel »Big Data im Praxiseinsatz – Szenarien, Beispiele,<br />
Effekte« erschien 2012. Der zweite Leitfaden über das<br />
»Management von Big-Data-Projekten« folgte zum 1.<br />
Big Data Summit im Juni 2013. Der vorliegende dritte<br />
Leitfaden richtet sich in erster Linie an Entscheidungsträger<br />
aus der Wirtschaft, gibt einen Überblick über die<br />
Big-Data-Technologien und soll so Technologieentscheidungen<br />
erleichtern. Aus Gründen des Umfangs spart der<br />
Leitfaden 3 den Aspekt aus, welche neuen Datenprodukte<br />
und –dienstleistungen rund um Big Data entstehen: Den<br />
Startschuss für den vierten Leitfaden hat der BITKOM im<br />
Januar 2014 gegeben. Die für den Sommer 2014 geplante<br />
Publikation soll an Beispielen aus der Wirtschaft zeigen,<br />
welche neuen Geschäftsmodelle sich bei den Big-Data-<br />
Nutzern herausbilden.<br />
Begriffsbestimmung<br />
Im Leitfaden 1 wurde Big Data als Einsatz großer Datenmengen<br />
aus vielfältigen Quellen mit einer hohen<br />
Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen<br />
Nutzens bezeichnet. Big Data hat vier wesentliche<br />
Facetten:<br />
• Datenmenge (Volume): Immer mehr Organisationen<br />
und Unternehmen verfügen über gigantische Datenberge,<br />
die von einigen Terabytes bis hin zu Größenordnungen<br />
von Petabytes führen.<br />
• Datenvielfalt (Variety): Unternehmen haben sich mit<br />
einer zunehmenden Vielfalt von Datenquellen und<br />
Datenformaten auseinanderzusetzen. Aus immer<br />
mehr Quellen liegen Daten unterschiedlicher Art vor,<br />
die sich grob in unstrukturierte, semistrukturierte<br />
und strukturierte Daten gruppieren lassen. Gelegentlich<br />
wird auch von polystrukturierten Daten gesprochen.<br />
Die unternehmensinternen Daten werden<br />
zunehmend durch externe Daten ergänzt, beispielsweise<br />
aus sozialen Netzwerken.<br />
• Geschwindigkeit (Velocity): Riesige Datenmengen<br />
müssen immer schneller ausgewertet werden, nicht<br />
selten in Echtzeit. Die Verarbeitungsgeschwindigkeit<br />
hat mit dem Datenwachstum Schritt zu halten.<br />
Damit sind folgende Herausforderungen verbunden:<br />
Analysen großer Datenmengen mit Antworten im<br />
Sekundenbereich, Datenverarbeitung in Echtzeit,<br />
Datengenerierung und Übertragung in hoher<br />
Geschwindigkeit.<br />
• Analytics: Analytics umfasst die Methoden zur möglichst<br />
automatisierten Erkennung und Nutzung von<br />
Mustern, Zusammenhängen und Bedeutungen. Zum<br />
Einsatz kommen u.a. statistische Verfahren, Vorhersagemodelle,<br />
Optimierungsalgorithmen, Data Mining,<br />
Text- und Bildanalytik. Bisherige Datenanalyse-Verfahren<br />
werden dadurch erheblich erweitert.<br />
Vielfalt der Technologien<br />
Big Data basiert nicht auf einer singulären Technologie,<br />
sondern ist vielmehr das Resultat des Zusammenwirkens<br />
einer ganzen Reihe von Innovationen in verschiedenen<br />
Gebieten. Insgesamt erlauben diese Fortschritte, aus<br />
immer mehr Daten einen immer höheren betriebswirtschaftlichen<br />
Nutzen zu ziehen. Je nach Anwendungsszenario<br />
können hierbei verschiedene Technologiekonzepte<br />
zum Einsatz kommen. (Kapitel 3)<br />
12