Die 7 wichtigsten Big-Data-Trends

Daten visualisieren, Diagnostik & Datenbanken

von - 12.04.2016

5. Bilder gegen Komplexität

Die Arbeit mit Daten kann ab einer gewissen Menge sehr komplex werden. Besonders wenn die Daten nicht strukturiert sind und aus vielfältigen Quellen stammen, ist es schwierig, sinnvolle Verknüpfungen herzu­stellen.
Um hier Erkenntnisse aus den Daten zu ziehen, sind Programme von Vorteil, die die Daten visuell aufbereiten. Dadurch lassen sich vielschichtige Themen schneller als bisher erfassen oder auch Kunden besser kennenlernen – angefangen beim Helikopterüberblick bis hin zur Detailanalyse.
Jeremy Waite
Jeremy Waite
Head of Digital Strategy for Salesforce Marketing Cloud EMEA
Foto: Salesforce
„In 2016 – I hope to see those same executives not just looking towards how they can capture as much commercial value from that information as possible, but how they can create the best experiences for their customers.”
Die Werkzeuge für die Analyse sollten einfach und selbst­erklärend sein, damit auch Nichtspezialisten damit zurechtkommen und ohne IT-Fachpersonal in gewissen Grenzen Anpassungen vornehmen können.

6. Welt als Datensatz

Wie erwähnt ist eine Domäne für Big Data die Produktion – Stichwort Industrie 4.0.
In diesem Zusammenhang ist immer wieder von Smart Factories die Rede – Fabriken, in denen möglichst viele Komponenten miteinander vernetzt sind und untereinander Daten austauschen. Dadurch ist es möglich, einen hohen Automatisierungsgrad zu erreichen und dabei die zur Verfügung stehenden Ressourcen optimal und damit kosteneffizient zu nutzen. Das führt unter anderem dazu, dass die Umsetzung individueller Kunden­wünsche zu den Kosten einer Großserienproduktion in greifbare Nähe gerückt ist.
Garmin Vivosmart HR
Self-Tracking: Die Daten von Fitness-Trackern wie dem hier abgebildeten Garmin Vivosmart HR wecken Begehrlichkeiten bei Krankenkassen.
(Quelle: Garmin )
Doch Big Data macht nicht Halt bei der Produktion. Vielmehr gewinnt Big Data auch in anderen Bereichen des Lebens deutlich an Einfluss. Ein Beispiel ist etwa sie Gesundheitsbranche. Hier wurde Big Data bislang hauptsächlich in Forschung und Diagnostik eingesetzt – etwa bei der Krebsbekämpfung.
Doch mit dem Einzug der Wearables – allen voran die Smart-Watches und Fitness-Tracker – dringt Big Data in die Welt des Einzelnen vor – Stichwort Self-Tracking. Die so generierten Daten wecken unter anderem Begehrlichkeiten bei Krankenkassen. So hat beispielsweise der Versicherer Generali angekündigt, gegen Preisgabe der Gesundheitsdaten günstigere Tarife anzubieten. Dabei sollen nach Angaben des Versicherers die sportlichen Aktivitäten und Konsumgewohnheiten des Versicherten per App gemessen werden – alles im Einklang mit dem deutschen Datenschutz.

7. NoSQL auf der Überholspur

Bei Big Data stammen die Daten in der Regel aus unterschiedlichen Quellen – aus Sensoren in Maschinen, Autos oder Wearables, aus sozialen Netzwerken oder E-Mails. Für diese Daten sind die klassischen relationalen Datenbanken ungeeignet. Mehr Spielraum für die Verarbeitung und Speicherung unstrukturierter Daten bieten NoSQL-Datenbanken. Sie gewinnen daher an Bedeutung für die Geschäftsstrategie eines Unternehmens, das sich digital transformiert.
Diese Entwicklung spiegelt sich auch im aktuellen Magic Quadrant for Operational Database Management Systems wider, den das Marktforschungsunternehmens Gartner 2015 veröffentlicht hat. Waren hier bislang Oracle, IBM, Microsoft und SAP als Leader geführt, so sind jetzt auch die No-SQL-Anbieter Mongo­DB, DataStax, Re­-dis Labs und MarkLogic mit dabei.
Verwandte Themen