w26M2

Big-Data-Technologien – Wissen für Entscheider
• 4.3
Analytische Verarbeitung
Die beiden vorhergehenden Abschnitte des Kapitels 4
haben Technologien vorgestellt, mit denen Daten erfasst,
gespeichert und für die Verarbeitung vorbereitet werden.
Der Abschnitt 4.3 befasst sich mit der Kernaufgabe von
Big Data – der Gewinnung geschäftsrelevanter Erkenntnisse.
Dafür werden wichtige Werkzeuge beschrieben,
die sich zum großen Teil direkt am Einsatzszenario sowie
am Datentyp orientieren.
4.3.1 Orts- und raumbezogene
Datenanalyse
Durch die Verfügbarkeit von Geodaten im großen
Maßstab sind Big-Data-Technologien mit effizienten
Algorithmen gefragt, die auch große Datenmengen in
kurzer Zeit analysieren können. Hier bringen analytische,
relationale Datenbanksysteme bereits Funktionen mit, die
in Standard-SQL eingebettet sind. So lassen sich komplexe
geo-basierte Anfragen 67 mit Standardwerkzeugen auf
großen Datenmengen durchführen. Gerade die Möglichkeit,
einen Index in einer relationalen Datenbank auch auf
der Ortsdimension anzulegen, erlaubt einen effizienten
Umgang mit großen Datenmengen.
4.3.2 Web Analytics
Viele Daten weisen einen Ortsbezug auf. Neue Sichten auf
Daten erlauben auch Geo-Informationssysteme (GIS). Die
schnell steigenden Nutzerzahlen von Smartphones und
Digitalkameras bieten die Grundlage, dass heutzutage
viele Informationen zusammen mit GPS-Koordinaten
erhoben werden. So sind z. B. im Handel Analysen unter
Einbeziehung der räumlichen Dimension seit vielen
Jahren Standard zur Bewertung neuer Standorte. In
die Absatzprognosen für einzelne Artikel gehen Wettermodelle
ebenso ein wie die Einwohnerverteilungen
bestimmter Einkommensklassen. Versicherungen ermitteln
anhand von Geolokationen zusammen mit Überflutungsmodellen
die Schadensrisiken von Immobilien.
Mit Big-Data-Methoden werden nun auch anderen Daten,
die lediglich implizit über einen Ortsbezug verfügen,
mit Geoinformationen verknüpft. So werden Texte nach
Orten, Straßen, Restaurants usw. durchsucht. Dieses
Beispiel verdeutlicht, wie mit Big-Data-Ansätzen unterschiedliche
externe Daten mit internen Daten eines
Unternehmens über die Dimension »Ort« in Beziehung
gesetzt werden, um neuartige Datenprodukte zu
schaffen.
Web Analytics umfasst die Messung, die Erfassung, die
Analyse und das Reporting von Daten, die es erlauben,
eine Webpräsenz zu optimieren. Führende Online-Händler
experimentieren täglich auf ihren Seiten: Sie wollen herausfinden,
ob mehr oder weniger große Änderungen 68 zu
gewünschten Kundenreaktionen führen.
Viele Unternehmen analysieren routinemäßig die »Conversion
Rate« einer Seite, die Anzahl der Klicks auf einer
Seite, die Suchbegriffe, die zum Besuch der Seite geführt
haben, sowie weitere Kennzahlen. 69 Mit Big-Data-Methoden
lassen sich aus diesen Daten Erkenntnisse ziehen, die
den Wert einer Darstellung von Kennzahlen in Form von
Reports bei weitem übertreffen.
Marktführer analysieren komplette Pfade von Benutzern
durch die verschiedenen Seiten und optimieren damit
die Webpräsenz als Ganzes. Da jeden Tag neue Artikel in
einen Webshop eingestellt werden, können sich die Fragegestellungen
von einem Tag auf den anderen ändern und
erweitern. Jeder neue Artikel kann auch neue Eigenschaften
erzeugen, die vom Shopsystem protokolliert werden.
Es ist nahzu unmöglich, eine solche Dynamik in einem
Datenmodell zu erfassen. Vielmehr sollten durch Methoden
des Late Bindings (vgl. Abschnitt 5.9) den Daten
erst zur Laufzeit einer Analyse eine gewisse Struktur
67
Umkreissuche, Ermittlung der Schnittmenge von Objekten usw.
68
Darstellungsgröße von Produktbildern, Anordnung und Beschriftung von Navigationselementen innerhalb der Seite etc.
69
Solche Services werden von vielen Anbietern als Cloud-Lösung offeriert.
57