Anwendungsdomänen und Nutzungsszenarien für Big Data

Big-Data-Lösungen liefern mittels ad-hoc-Analysen sehr schnell Resultate auf der Grundlage großer Datenmengen und leiten durch intelligente Algorithmen bislang verdeckte Zusammenhänge ab oder erstellen Lösungsvorschläge für bislang unerkannte Probleme. Dieser Artikel konzentriert sich auf praktische Anknüpfungspunkte zwischen Endanwenderinnen bzw. Endanwender und dem Phänomen „Big Data“.

Unternehmen befinden sich ständig in einem Wettbewerb um Kundinnen bzw. Kunden und versuchen die Kundenzufriedenheit zu verbessern. Dank Big Data ist dies fundiert und auf der Grundlage von enormen Datensätzen zielgerichtet durchführbar, wobei die Eigenschaften vielseitiger Datenarten genützt werden.

Der Nutzen von Big Data und neue Möglichkeiten

Insgesamt klingt die Nutzung von Big Data natürlich vielversprechend. Zur Anwendung kommt Big Data etwa für eine neuartig-datengestützte Entscheidungsfindung, zur Entwicklung moderner Geschäftsmodelle (bzw. Produkte) und etwa für die Ableitung von Vorhersagen (z.B.: Finanzen, Kundenverhalten, Medien, Wetter) oder um verborgene Zusammenhänge zu erkennen und diese begreifbar zu machen.

Unabhängig vom praktischen Anwendungsszenario ist entscheidend, dass ein Mehrwert aus der Datenanalyse geschöpft und realisiert wird und ein Nutzen für eine Vielzahl von denkbaren Anwendungsfällen gestiftet wird, um neue bzw. innovative Produkte zu erschaffen.

Anwendungsfelder für Big Data Services

Die Verwendung der Berechnungsergebnisse aus „Big Data Systemen“ mittels der gewonnenen Daten ist in den folgenden Domänen etwa als sog. „Datenintegratoren“ bereits Realität:

• Automotive (z.B.: autonome bzw. vernetzte Fahrzeuge, Elektroautos)
• Banking (z.B.: schaffen neuartiger Finanzprodukte, verbessern von Zahlungssystemen)
• Forschung & Entwicklung (z.B.: identifizieren von bisher unentdeckten Zusammenhängen um neues Wissen zu generieren)
• Gesundheitswesen (z.B.: erkennen von Zusammenhängen zwischen Krankheiten)
• Informationstechnologie (z.B.: beschleunigen der technologischen Entwicklung durch neue Erkenntnisse)
• Investitionen und Finanzierungen (z.B.: berücksichtigen komplexer Risikomodelle um Investitionsentscheidungen besser treffen zu können oder aufwerten von bestehenden Geschäftsmodellen durch anreichern mit neu gewonnenen Daten)
• Management bzw. Unternehmensführung (z.B.: ermitteln von Kennzahlen, nutzen von Sensor- oder Log-Daten zur verbesserten Entscheidungsfindung – etwa zur dynamischen Organisation von Produktionsanlagen in innovativen Fabriken; reduzieren von Verschwendung)
• Marketing (z.B.: entwerfen von maßgeschneiderter bzw. bedarfsorientierter Werbung)
• Medien (z.B.: Empfehlungen für Streaming-Inhalte ableiten)
• Öffentlicher Sektor (z.B.: lokalisieren von verdeckten Einsparungspotentialen oder erfassen unsichtbarer, gesellschaftlicher Entwicklungen)
• Retail bzw. Einzelhandel (z.B.: hervorbringen von Einkaufstrends, verstehen von Kund_innen)
• Logistik (z.B.: verbessern von Lieferwegen, erhöhen der Zuverlässigkeit von Lieferzusagen)
• Smart Cities und (digitale) Infrastruktur (z.B.: identifizieren neuer Potentiale für digitale Geschäftsfelder und ableiten von Trends)
• Transport (z.B.: optimieren von Transportnetzwerken oder verbessern der Pünktlichkeit)
• Versicherungen (z.B.: verbessern bestehender Prämienmodelle)
• Werbung (z.B.: zielgerichtete Werbung bzw.)

Die aufgelisteten Anwendungsfelder zeigen, dass umfassende Analysen strukturierter und unstrukturierter Daten die Geschäftsprozesse bzw. die Geschäftsmodelle bereits schon jetzt dank Big Data datengetrieben verbessern können und Werte für unsere Gesellschaft erschaffen.

Die Verwendung von Big Data offenbart großen Nutzen in den gezeigten bzw. bereits bestehenden Anwendungsfeldern, da unterschiedliche Arten von Daten – vorwiegend neuartige Datenarten bzw. Datenkategorien – und bislang unentdeckte Erkenntnisse bzw. verborgene Zusammenhänge sehr rasch nutzbar gemacht werden.

Ferner werden verschiedenartige Datenquellen für Big-Data-Anwendungen ergänzt. Dabei handelt es sich beispielsweise um sog. Sensor- oder Log-Daten, die etwa permanent Daten aus der Planung, der Fertigung oder der Montage mittels Datensammelpunkten abgeleitet werden. Zudem werden externe Quellen wie etwa Wetterdaten oder Inhalte aus Social-Media-Plattformen in den eigenen Entscheidungsfindungsprozess von Unternehmen integriert.

Eine Vielzahl von Unternehmen aus den aufgelisteten Anwendungsfeldern nützt bereits seit Jahren Big-Data-Anwendungen, um etwa die Kundenzufriedenheit kontinuierlich zu steigern.

Unternehmensbeispiele die große Datenmengen verarbeiten und speichern

Große Datensammler im Big-Data-Bereich kommen vorwiegend aus dem Technologiesektor, dem Telekom-Bereich aber auch aus dem Umfeld von Finanzdienstleistungen.

Alleine schon durch ihre Reichweite (z.B.: mehrere Milliarden Nutzerinnen bzw. Nutzer) haben ausgewählte Unternehmen Zugriff auf enorme, globale Datenmengen, um sehr spezifische und immer komplexer werdende Aufgabenstellungen zu bewältigen und die eigenen Services zu stärken:

• Alibaba (u.a. Datenanalysedienste)
• Alphabet/Google (u.a. YouTube)
• Amazon.com (u.a. Amazon Prime Music, Amazon Prime Video, Transaktionsdaten)
• American Express (u.a. Betrugsprävention)
• Apple (u.a. Apple Music, Application Design)
• Facebook (u.a. Instagram, Messenger, Whatsapp)
• Microsoft (u.a. LinkedIn)
• Netflix (u.a. Film-Empfehlung)
• Oracle (u.a. Big-Data-Plattform)
• Twitter (u.a. Trendbeobachtung)
• Verizon Communications (u.a. Tumblr)

Bereits bei der Auswahl eines technischen Dienstleisters haben Sie die Möglichkeit zu prüfen, ob Datenschutz vom Unternehmen beachtet wird oder nicht (z.B.: mittels Internet-Recherche) und so können Sie bereits vorab entscheiden, wem Sie Ihre Daten geben und wem nicht.

Weitere Informationen zu Big Data finden Sie hier:

• Allgemeines zu Big Data
• Big Data und der Datenschutz

Fazit

Big Data ist bereits seit vielen Jahren im praktischen Einsatz und teilweise sehr bekannte digitale Services basieren darauf. Auch künftig sind Anwendungsszenarien denkbar, um etwa Unfallzahlen zu reduzieren oder Transportsysteme intelligent zu verbinden.