Finden Sie Ihren Big Data Spezialisten

Wissenswertes & Hintergrundinformationen zu Big Data

Um was geht es bei Big Data?

Schon längst bewegt man sich in Größen jenseits der Vorstellungskraft eines Menschen. Und auch der Dynamik des exponentiellen Wachstums von Massendaten scheinen keine Grenzen zu kennen. So gehen aktuell Experten davon aus, dass sich die Menge verfügbarer Daten weltweit im Zwei-Jahres-Schritt verdoppelt, im Jahre 2020 sollen bereits knapp 45 Zettabytes (44.000.000.000 Terrabytes) gespeichert und verfügbar sein. Keine Frage, Big Data ist eines der zentralen Themen von Gegenwart und Zukunft, das auch immer mehr IT-Selbstständige beschäftigt.

Wenn riesige, meist unstrukturierte Datenmengen nicht mehr mit der herkömmlichen Datenverarbeitung organisiert und ausgewertet werden können, spricht man von Big Data. Der Begriff umfasst zudem IT-Lösungen und Systeme, die zum Sammeln und Auswerten der Daten verwendet werden. Noch weiter gefasst wird Big Data als Sammelbegriff für Technologien, die nicht nur eine neue Ära der digitalen Kommunikation vorantreiben, sondern auch einen einschneidenden Wandel im sozialen Gefüge der internationalen Gemeinschaft herbeiführen.

Für die Wirtschaft ist Big Data eine Schlüsseltechnologie für die digitale Transformation. Die Experten sind sich darin einig, dass für Unternehmen ein zunehmender Erfolgsfaktor die Fähigkeit sein wird, Daten zu gewinnen und vor allem auszuwerten und zu nutzen. 

In den Fokus der Öffentlichkeit rückte Big Data in besonderer Weise 2016 beim Volksentscheid zum Austritt Großbritanniens aus der EU („Brexit“) und den Präsidentschaftswahlen in den USA: beide Male wurde von den späteren Gewinnern die Firma Cambridge Analytica beauftragt, personenbezogene, meist im Internet gewonnene Daten zu erheben, auszuwerten und zusammen mit Methoden der Psychometrik bei der Werbung um Stimmen anzuwenden.

 

Charakteristika von Big Data

Der Begriff Big Data, zuweilen auch Massendaten genannt, bezieht sich im Kern auf riesige Datenmengen, die für die herkömmliche Datenverarbeitung

• zu groß,
• zu komplex,
• zu schnelllebig und
• zu schwach strukturiert sind.

Neben der Sammlung, Organisation und Auswertung von riesigen, exponentiell wachsenden Datenmengen gehört bei Big Data ein besonderes Augenmerk auch der Sicherstellung der Datenqualität sowie der unternehmerische Mehrwert. Die Datenquellen sind dabei unterschiedlichster Art: Neben der Datengewinnung aus Industrie und Wissenschaft gehören zu den weltweiten Haupterzeugern vor allem privater Daten zweifellos die Protokolle von Telekommunikationsverbindungen und Web-Zugriffen sowie Verbraucherdaten aus Finanzindustrie, Energiesektor und Gesundheitswesen.

Navigationssysteme, Fitness- und Gesundheitsarmbänder, Smart Home und Smart Meter im Haus, Social Media, Onlineshops, Smartphones und vieles mehr – Big Data ist überall. Und damit natürlich auch die Herausforderung, wie man einerseits mit privaten Daten umgeht und andererseits von Seiten der User verhindert, dass persönliche Informationen ohne eigene Zustimmung genutzt bzw. öffentlich gemacht werden. Stichwort: Die Anonymisierung der Daten.

 

Big Data in der Praxis

Die Anwendungsgebiete und Nutzen von Big Data liegen nahe, denn Daten sind der Grundstoff für viele Prozesse und Anwendungen über alle Branchen hinweg samt Forschung, Politik und staatliche Stellen (u.a. bei der Kriminalistik und Terrorismusbekämpfung). Entwicklung, Produktion, Marketing, Vertrieb, Service und Strategie – überall werden riesige Datenmengen erfasst und entsprechende digitale Methoden genutzt, um aktuelle Problem- und Fragestellungen ebenso zu beantworten wie künftige Herausforderungen und Trends.

Das trifft auf ein Kraftwerk ebenso zu wie auf Suchmaschinen wie Google oder Internet-Versandhändler wie Amazon: Beim einen geht es um Effizienz und Sicherheit, beim anderen um bestmögliche Kundenansprache – stets geht es dabei aber um Big Data. Mit der technischen Entwicklung wachsen Möglichkeiten und Bedeutung von Big Data und damit auch von Business Intelligence (BI). Je leistungsstärker und ausgefeilter Speicher- und Rechentechnologien werden, desto massentauglicher wird Big Data. Die Erweiterung der herkömmlichen BI-Plattformen mit Big Data ermöglicht es, unstrukturierte Daten aus Quellen wie Social Media, Blogs und mit dem „Internet der Dinge“ verbundenen Geräten zu nutzen und eine 360 Grad-Sicht auf Kundenprofile zu erhalten.

 

Big Data: ein weites Feld für Data Scientists

IT-Experten und IT-Freelancer mit den nötigen Skills, um Big Data zu nutzen, sind heiß begehrt. Als Data Scientists (u. a. bietet die Hochschule der Medien in Stuttgart eine berufsbegleitende Weiterbildung "Data Science and Business Analytics" an) sind sie ausgewiesene Experten in der Datenanalyse. So komplex und vielschichtig das Thema Big Data ist, so vielfältig ist das Spektrum ihrer Kenntnisse, die meist mehrere Fachbereiche umspannen.

Data Scientiests bringen meist mehrere, wenn nicht sogar alle folgende Skills mit. Sie besitzen Kenntnisse in:

• Programmiersprachen wie Python, Java, R und C++. Apache Hadoop, das wichtigste (Open Source-)Framework für Big Data, basiert auf Java!
• Datenstrukturen und Algorithmen wie binäre Suchbäume oder Hashtabellen.
• Datenbanken wie NoSQL-Datenbanken wie Cassandra, HBase oder MongoDB mit denen sich auch unstrukturierte Daten speichern lassen.
• Mathematische und statistische Grundlagen mit entsprechenden Softwarelösungen wie SAS, Matlab oder SPSS.
• Datenvisualisierung mit Säulen-, Balken oder Torten-Diagramm oder Heat Maps oder Tree Maps (Tools zur Visualisierung: tableau, dygraphs etc.).
   

Dazu verfügen Data Scientiests über

• ausgeprägte Kommunikationsfähigkeiten um die Ergebnisse zu vermitteln,
• einen langen Atem, viel Gespür für Zusammenhänge und Lernfähigkeit bzw. Neugierde, denn in kaum einem anderen Bereich gibt es so viele neue technische Entwicklungen wie rund um das Sammeln und Auswerten von Daten. Sorgten in den zurückliegenden Jahren Themen wie Hadoop, Data Lakes und In-memory-Computing für Schlagzeilen, ist es aktuell die Künstliche Intelligenz (KI), die rund um Big Data, Smart Data und Analytics für Furore sorgt.

Schließlich: Man unterscheidet zwischen fünf Typen von Data Scientiests:

1. Business Developer entwickeln u. a. erste Fragestellungen.
2. Data Analysts bewerten die Aussagekraft der Daten.
3. Data Manager optimieren die Qualität der Daten.
4. Application Developer setzten die Plattform auf, auf der die Daten integriert und die Anwendungen entwickelt und installiert werden.
5. Security Manager setzten den Datenschutz organisatorisch und technisch um.