Oh Snap!

Please turnoff your ad blocking mode for viewing your site content

img
Home / Technologie / Überblick über die technologischen Aspekte von Big Data Analytics

Überblick über die technologischen Aspekte von Big Data Analytics

/
/
/
15 Views

Um die Datenbestände in Unternehmen für Entscheidungen nutzen zu können, ist der Einsatz verschiedener Technologien notwendig. Die Erfassung, Integration und Analyse von Big Data erfordert dazu neue Verfahren (Schermann et al., 2014). Im Mittelpunkt des Interesses stehen die „Entwicklung und Anwendung komplexer statistischer Algorithmen, Verfahren des maschinellen Lernens, der linearen Algebra, Signalverarbeitung sowie des Data-Minings, Text-Minings, Graph-Minings, Video-Minings und der visuellen Analyse“ (Schermann et al., 2014, S. 2). Da die Einordnung von Big Data in bestehende Technologien kontrovers diskutiert wird, soll dieser Abschnitt ein grundlegendes Verständnis vermitteln.

Der Begriff Business Intelligence taucht häufiger zusammen mit Big Data auf und bietet sich für einen Vergleich an, da das Konzept in zahlreichen Unternehmen weit verbreitet ist. Business Intelligence wird als ein integrierter, auf das Unternehmen bezogener IT-basierter Gesamtansatz zur betrieblichen Entscheidungsunterstützung definiert (Grünwald & Taubner, 2009). Obwohl zahlreiche Definitionen von Business Intelligence sehr umfassend sind, wird der Begriff von Experten innerhalb eines abgegrenzten Rahmens eingesetzt. Dabei umfasst Business Intelligence Möglichkeiten und Fähigkeiten wie „Extract, Transform and Load“ (ETL), Data Warehousing, „Online Analytical Processing“ (OLAP) oder Reporting (Davenport, 2006).

Ein Hauptunterscheidungsmerkmal zwischen Anwendungen für Big Data und Business Intelligence lässt sich in der Ausrichtung auf die gesammelten und verarbeiteten Daten ausmachen. Business Intelligence ist auf konsistente, strukturierte und beständige Daten ausgerichtet, während Big Data-Anwendungen ebenso für unstrukturierte und möglicherweise nicht konsistente Daten optimiert sind. Aus diesem Grund basieren Business-Intelligence-Lösungen auf traditionellen Datenbanksystemen wie relationalen Datenbanken, wohingegen Big-Data-Lösungen durch neue Konzepte wie zum Beispiel NoSQL (Not Only SQL) oder das Hadoop Framework unterstützt werden (Klein, Tran-Gia & Hartmann, 2013).

Ein weiterer Unterschied zwischen Anwendungen für Big Data und traditionellen Business-Intelligence-Lösungen liegt in den Fragen, welche die beiden Konzepte zu beantworten versuchen. Business Intelligence konzentriert sich auf die Verwendung von einheitlichen Sets und Metriken, um die Leistung eines Unternehmens in der Vergangenheit zu messen (Debortoli, Müller & Brocke, 2014, S. 317). Damit können wohldefinierte Fragen, zum Beispiel nach den Verkaufszahlen in einer bestimmten Region, beantwortet werden (Debortoli, Müller & Brocke, 2014, S. 316). Im Gegensatz dazu „konzentrieren sich Big-Data-Anwendungen auf das Aufsuchen, Entdecken und Vorhersagen.“ (Debortoli, Müller & Brocke, 2014, S. 317).

Nach Chen, Chiang und Storey (2012) ist Big Data Analytics trotz der Unterschiede mit Business Intelligence verwandt. Die Autoren argumentieren, dass Big Data Analytics keine Revolution ist, sondern als eine Evolution verstanden werden kann. Somit ist Big Data Analytics nicht als Nachfolger bestehender analytischer Systeme zu verstehen, sondern als eine Ergänzung zu den bisher vielfach eingesetzten Datenverarbeitungsverfahren. Durch die für Big Data charakteristischen Datenbestände werden veränderte Anforderungen an die etablierten, traditionellen Systeme gestellt. Das ermöglicht eine gezielte Entwicklung von komplementären Technologien, die auf die speziellen Herausforderungen von Big Data ausgerichtet sind. Konzepte wie NoSQL und Hadoop zeigen Wege und Möglichkeiten auf, mit den unstrukturierten und großen Datenmengen effizienter umgehen zu können (Klein, Tran-Gia & Hartmann, 2013).

Bildquelle: Pexels

  • Facebook
  • Twitter
  • Google+
  • Linkedin
  • Pinterest

1 Comments

Leave a Comment

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

It is main inner container footer text