Marktentwicklung

Die 7 wichtigsten Big-Data-Trends

von - 12.04.2016
Big Data
Foto: Dirk Ercken / Shutterstock.com
Machine Learning, Datenintegration und NoSQL sind nur einige der Entwicklungen bei Big Data. com! professional fasst die sieben wichtigsten Trends zusammen.
Die digitale Transformation ist ohne Big Data nicht denkbar, denn erst die Erkenntnisse, die sich aus den Daten gewinnen lassen, ermöglichen es Unternehmen, agil zu werden. Agilität bedeutet in diesem Zusammenhang zweierlei: Einerseits aufgrund der Datenlage die bestehenden Geschäftsprozesse in einem fortwährenden Prozess zu optimieren, und andererseits Prozesse, die veraltet sind, auszusortieren und durch neue zu ersetzen.
Auch durch die zunehmende Vernetzung wächst die Bedeutung von Big Data – Stichwort Internet der Dinge (IoT). Diese neuen Rahmenbedingungen und die hier gewonnenen Daten eröffnen kreativen Geistern ungeahnte Möglichkeiten für neue Geschäftsmodelle. Das zeigt sich an der wachsenden und erfolgreichen Gründer- und Start-up-Szene.
Mindbreeze, ein Softwarehersteller für Enterprise Search, Big Data und Wissensmanagement, hat Trends ausgemacht, die die aktuellen Marktentwicklungen bei Big Data widerspiegeln.

1. Die Maschine als Assistent

Beim Machine Learning beziehungsweise Deep Learning geht es darum, dass Geräte automatisch Daten sammeln, speichern und analysieren. Dazu werden sie mit einer Art künstlichen Intelligenz (KI) ausgestattet, die es ihnen erlaubt, Informationen in den Daten zu verstehen und semantische Zusammenhänge zu erkennen.
Bernard Marr
Bernard Marr
Founder and CEO, Advanced Performance Institute
Foto: AP Institute
„I see particular growth in real-time data analytics and increasing use of machine-learning algorithms.“
Machine Learning bietet sich besonders für die Analyse riesiger Datenmengen an, denn „bei kleineren Datenbeständen kann man das noch selbst herausfinden“, betont Norbert Wirth, Global Head of Data and Science beim Marktforschungsinstitut GfK.
Machine Learning ist besonders beliebt, wenn es um das Thema Sicherheit geht. So gibt es etwa einige Projekte, die die Sicherheit von Gebäuden mit Hilfe von Machine Learning verbessern sollen. Auch Banken sehen Potenzial im Machine Learning, um beispielsweise das Online-Shopping sicherer zu machen. Dazu beobachten die Systeme alle Transaktionen und versuchen, kriminelle von normalen Mustern zu unterscheiden, um gegebenenfalls einzugreifen.
Verwandte Themen