Big Data


Unter Big Data (dt. „große Daten“) versteht man das Zusammenführen von Daten aus verschiedenen Quellen, um einen möglichst umfassenden Datenbestand zu erhalten. Visuelle Analysen können u.a. dabei helfen, diese Datenmengen leichter zu interpretieren. Die Gesamtdatenmenge wird z.B. für noch effizienteres Targeting oder Customer Relationship Management genutzt. Übergeordnetes Ziel beim Zusammentragen von Big Data ist eine Steigerung von Conversions bzw. Umsatz. Die Datenbestände, die als Big Data bezeichnet werden, benötigen entsprechende Speicherkapazitäten, die nicht mehr in Gigabyte gemessen werden können. Allerdings gibt es keine feste Grenze, ab welcher von Big Data gesprochen wird.

600x400-BigData DE-neu.png

Entwicklung[Bearbeiten]

Mit der rasanten Entwicklung von Speichermedien haben sich auch die Möglichkeiten potenziert, noch größere Datenmengen zu analysieren und daraus Profit zu ziehen. Darüber hinaus steigt die Datenmenge weltweit ebenso stark an. Man geht davon aus, dass sich das Datenvolumen weltweit in Zweijahresschritten verdoppelt. Die Ursache hierfür ist wiederum in der steigenden Digitalisierung der Welt zu sehen. Denn während Datenbestände früher manuell gepflegt oder erfasst wurden, übernehmen dies heute Maschinen und schnelle Rechner. Vom Einkauf im Supermarkt über die Buchung einer Reise bis hin zur Bestellung im Restaurant oder der Verwaltung von Krankenkassendaten: alle Schritte werden von Rechnern aufgezeichnet, verwaltet und organisiert.

Big Data ist folglich eine Konsequenz aus einem allgemeinen Trend der Menschheit, immer größere Datenvolumina zu produzieren. Heute wird Big Data sowohl in der Wissenschaft als auch in der Wirtschaft genutzt.

Technische Voraussetzungen[Bearbeiten]

Die Verarbeitung großer Datenmengen setzt viele Einzelschritte voraus. Mit üblicher Technik kann Big Data jedoch nicht mehr effizient verarbeitet werden. Denn das setzt bei der verwendeten Software voraus,

  • dass diese viele Datensätze auf einmal verarbeiten kann
  • dass sie große Datenmengen schnell importieren kann
  • dass sie Datenbestände schnell verfügbar macht
  • dass sie mehrere Datenbankabfragen zugleich bearbeiten kann

Derartige Voraussetzungen erfüllen nicht nur kostenpflichtige Programme, wie beispielsweise NeuroBayes, sondern auch Software wie Hadoop.

Einsatzmöglichkeiten von Big Data[Bearbeiten]

Von Big Data versprechen sich vor allem Großunternehmen entscheidende Vorteile gegenüber Wettbewerbern, die über geringere Datenbestände verfügen. Zugleich lassen sich vielfach Kosten sparen, wenn ganze Betriebsabläufe alleine anhand von automatisiert ausgelesenen Daten gesteuert werden können. Doch auch in der Wissenschaft können völlig neue Auswertungsansätze auf statistischer Basis getestet werden, die nur mit Hilfe von Big Data möglich sind.

Folgende Anwendungsmöglichkeiten sind denkbar und werden in der Praxis genutzt:

  • eine automatisierte und schnelle Marktforschung, die auf Veränderungen unmittelbar reagieren kann
  • Aufdecken von Missbrauch bei Finanztransaktionen
  • umfassende Webanalysen zur Steigerung und Optimierung von Online-Marketing-Maßnahmen
  • umfassende medizinische Diagnostik
  • Steuerung des Energieverbrauchs, z.B. in einem intelligenten Stromnetz
  • erweiterte Möglichkeiten im E-Commerce durch flexibles Up-Selling oder Cross-Selling
  • Rasterfahndung oder Profilerstellung für Geheimdienste oder Polizei

Kritischer Umgang mit großen Datenbeständen[Bearbeiten]

Big Data wird als eine wichtige Komponente im Online Marketing betrachtet. Vor allem große Brands können mit riesigen Datenbeständen arbeiten, die noch mehr Marketing-Potential liefern. Allerdings wird an Big Data häufig auch ähnlich wie beim Targeting kritisiert, dass mit großen Datenmengen hochpräzise Nutzerprofile angelegt werden können. Dadurch bietet Big Data einen großen Eingriff in die Privatsphäre von Usern. Unternehmen, die mit Big Data arbeiten, müssten ihre Kunden bzw. Besucher auf Ihren Websites in den Datenschutzbestimmungen darauf hinweisen, dass Nutzerdaten weiterverarbeitet werden.

Unternehmen wie Google oder andere Suchmaschinenprovider, die sich mit Werbung finanzieren, arbeiten seit Jahren mit Big Data, die sie aus Nutzerdaten und sonstigen verfügbaren Quellen speisen. Die regelmäßigen Debatten um den Datenschutz verdeutlichen das Problemfeld „Big Data“, da dadurch einzelnen Unternehmen zu viel Datenhoheit geboten wird. Aber auch bei anderen Anwendern von Big Data erhöht sich die Gefahr, dass Daten missbräuchlich eingesetzt werden und dieser Missbrauch Bürgern langfristig schadet.

Ein weiterer Kritikpunkt an Big Data besteht darin, dass die Analysemethoden aufgrund der immensen Datenmengen nur auf Algorithmen beruhen und demnach eine sehr technische Ausrichtung haben. Allerdings steht die IT-Branche noch am Anfang bei der Behandlung von riesigen Datenmengen und es sind noch präzisere Auswertungsmethoden zu erwarten.

Nutzen für SEO[Bearbeiten]

Wenn man die Möglichkeiten betrachtet, die Webanalyse-Tools wie Google Analytics liefern, profitieren auch SEOs von Big Data. Denn durch Benchmark-Vergleiche, Keyword-Tools etc. erhalten Suchmaschinenoptimierer Teilergebnisse aus enormen Datenbeständen übersichtlich aufbereitet, um diese für die Optimierung ihrer Projekte zu verwenden. Große Unternehmen wiederum, die ihre Datenbestände zusammenführen, können ebenfalls wichtige Aspekte für SEO-Strategien sowie das Targeting liefern.

Weblinks[Bearbeiten]