Big Data – Fluch oder Segen?
November 13, 2015
Aus dem Unterricht des CAS Disruptive Technologies berichten Philippe Haller und Dani Schwarzl:
Big Data ist eines der Schlagwörter der Stunde. Doch was genau ist Big Data überhaupt? Dieser Frage sind wir am Samstag, 17. Oktober zusammen mit Dozent Harro M. Wiersma nachgegangen. Hier die wichtigsten Erkenntnisse und Gedanken des Tages:
Bei Big Data denken die meisten zuerst an grosse Rechenzentren und Datenbanken. Big Data ist aber keine Technologie, sondern ein Geschäftsmodell. Das Thema erfordert von Firmen eine veränderte Denkweise im Umgang mit Daten. Die wichtigsten Fragen, welche in diesem Zusammenhang gestellt werden müssen, sind:
- Welche Daten haben wir?
- Was wollen wir damit machen?
- Was ist die Problemstellung?
- Welche Daten müssen wir in Zukunft zusätzlich erheben?
- Wie können wir einen Added Value für den Nutzer bzw. die Nutzerin erzielen?
Was ist Big Data?
Eine mögliche Definition von Big Data im herkömmlichen Sinn könnte folgendermassen lauten:
Der Ausdruck Big Data bezieht sich auf eine Ansammlung von Datensätzen, die zu gross und zu komplex ist, um sie mit herkömmlichen Datenbanken und Werkzeugen zu verarbeiten. Aufgrund dieser riesigen Datenmengen ist Big Data schwierig zu erfassen, zu speichern, zu analysieren, zu teilen und zu visualisieren.
Dank technisch immer ausgereifteren und günstigeren Möglichkeiten, diese Daten zu erfassen, gewinnt Big Data zunehmend an Relevanz. Technologien, Geräte oder Anwendungen, welche Daten erheben können, sind u.a. Mobiltelefone, Apps, Tracking Systeme (GPS), RFID (radio-frequency identification), Sensor-Netzwerke, Soziale Netzwerke, Internetsuche, Videoarchive, Wearables, E-Commerce, etc. Werden die verschiedenen Daten miteinander verknüpft oder mit zusätzlichen Daten angereichert, können daraus Profile einzelner Nutzerinnen und Nutzer erstellt oder Markttrends abgelesen werden.
Ein Anwendungsbeispiel ist das Messen von Menschenströmen an Grossveranstaltungen mittels Auswertungen von Handy-Signalen der Telco-Provider. Diese Daten sind nützlich für Polizei und Sanität bei der Einsatz- und Ressourcenplanung. Bewegungs-Trackings mittels Kameras in Läden helfen, die Warenpräsentation bzw. das Einkaufserlebnis des Kunden zu optimieren.
Auch das Internet of Things, welches Geräte mit dem Internet sowie untereinander verbindet und dem in den nächsten Jahren starke Wachstumszahlen vorausgesagt werden, ist eine riesige Datenquelle für Hersteller und Betreiber solcher Lösungen. Diese begründen ihre Sammelwut mit einem perfekt auf die Kundin abgestimmten Produkt oder Erlebnis. Die Themen Datensicherheit und Privatsphäre werden in Zukunft aber sicher noch stärker in den Fokus der Diskussionen um Big Data rücken, als sie es ohnehin schon sind. In diesem Zusammenhang bewahrheitet sich einmal mehr die Aussage: “Wenn das Produkt gratis ist, ist der Nutzer das Produkt“.
Wer hat unsere Daten?
In Gruppen haben wir Firmen oder öffentliche Institutionen evaluiert, die im Besitz von Daten von uns allen sind. Hier eine nicht abschliessende Übersicht:
- Krankenkassen (Gesundheitsdaten)
- Ärzte, Spitäler (Krankheitsverläufe)
- Telco-Anbieter wie Swisscom, Orange, Salt (Bewegungsdaten, evtl. Internetdaten)
- Coop, Migros (Kaufverhalten)
- Bank (Transaktionen, Einkommen, Besitzverhältnisse, Schulden)
- Kreditkarteninstitute (Transaktionen)
- Autogarage (Fahrverhalten)
- Social Networks (think about it?!)
- SBB (online gekaufte Tickets, Streckenabonnements, 1./2. Klasse)
- Reisebüro (getätigte und bereits gebuchte Reisen)
- Airlines (getätigte und gebuchte Flüge, Bonus-Programm; wenn Flug via Kreditkarte bezahlt wird, gehen Flugdaten an Kreditkarten-Institut)
- Hotels (für Customer Experience)
- Versicherungen (Vermögensverhältnisse, Wohnsituation)
- Steueramt (Einkommen, Vermögen, familiäre Situation)
- Arbeitgeber (Personaldaten)
- Energie-Provider (Energieverbrauch, Wasserverbrauch)
- Netflix (Sehgewohnheiten)
- Spotify (Hörgewohnheiten)
- Google (was wissen die nicht?)
- Apple (Kreditkarte, abgewickelte Käufte, Cloud-Inhalte)
Ziemlich erschreckend, wenn man sich das so überlegt. Es gilt allerdings zu bedenken, dass momentan noch viel mehr Daten gesammelt als ausgewertet werden (können). Gemäss einem Forbes-Artikel von Brent Dykes werden heute nur ca. 0.5 % sämtlicher gesammelter Daten auch analysiert. Ausserdem sind nicht alle Daten, welche gesammelt werden, auch brauchbar bzw. wertvoll. Nebst Personaldaten wie Name, Alter, Geschlecht sind z.B. Informationen über Verhalten und Vorlieben eines Kunden bzw. einer Kundin sehr interessant, da sie sie sich unter Umständen monetarisieren lassen. Der grosse Rest (z.B. gelikte Fotos auf Social Media) gehört in die Kategorie “White Noise” und wird aussortiert.
Wie kann ich Big Data vermeiden?
- alles bar bezahlen
- nie online gehen
- kein Telefon benutzen, weder Handy noch Festnetz
- keine Kundenkarten wie Kumulus oder Supercard etc. benutzen
- nicht zum Arzt gehen und sich keine Rezepte ausstellen lassen
- generell nicht aus dem Haus gehen
Hört sich nicht gerade nach einem einfach praktikablen Szenario an.
Was macht Big Data erfolgreich?
Die kritischen Erfolgsfaktoren von Big Data lassen sich in den 5 Vs zusammenfassen:
- Volume – vom Gigabyte zum Exabyte
- Velocity – erhöhte Geschwindigkeit der Verwendung und Verarbeitung von Daten, von Stunden zu Millisekunden
- Variety – Strukturierungsgrad der Daten
- Value – Wertigkeit der Daten, Daten vs. Informationen vs. Added Value
- Veracity – Glaubwürdigkeit + Aktualität/Gültigkeit der Daten
Diese entscheiden letztendlich über den Erfolg eines Big Data Projekts. Ein solches wird in folgende Phasen aufgeteilt:
- Definition der Problemstellung: Was soll ermittelt werden und wozu?
- Analyse der Daten: Welche Daten stehen zur Verfügung oder können gesammelt werden?
- Verarbeitung der Daten: Wie können Daten aus unterschiedlichen Quellen miteinander verknüpft werden?
- Modellbau: Anwendung des optimalen Modells
- Testing
- Implementierung
Obwohl für die Umsetzung eines solchen Projekts viel Technik und modernste Technologie notwendig sein kann, ist nochmals darauf hinzuweisen, dass Big Data vor allem eine Haltung bzw. ein Geschäftsmodell ist und die Technologie vor allem Mittel zum Zweck.
Selbstverständlich wurde auch während dieser Lektionen hart gearbeitet und der gelernte Stoff unmittelbar in Gruppenarbeiten zur Festigung angewandt. Im “Hospital Case” ging es darum, aufzuzeigen, wie acht Spitäler aus einer Region mittels Big Data ihre Zusammenarbeit optimieren, voneinander lernen und ihre Services verbessern könnten.
Fazit
Big Data erfordert eine neue Denkweise und verbesserte Zusammenarbeit von IT und Business. Ausserdem ermöglicht Big Data eine viel genauere Kundensegmentation, aus welcher massgeschneiderte Produkte und Services abgeleitet werden können, was zu einem erheblichen Konkurrenzvorteil führt. Hochentwickelte Analysen ermöglichen es zudem, Risken zu minimiern und fundierte Entscheidungen zu fällen. Neben all den Vorteilen für Firmen bzw. Sammler von Big Data dürfen aber der Umgang mit Daten und die Datensicherheit nicht vernachlässigt werden.