Big Data

In der Tiefe liegt die Kraft

Wirtschaft und Wissenschaft schwimmen in einem Ozean von Daten. Immer mehr Informationen werden gesammelt und aufwändig ausgewertet. Solche Massendaten-Analysen können helfen, komplexe Aufgaben noch besser zu lösen. Die Riesenkräfte aus dem Datenmeer richtig zu nutzen, ist eine Kunst.

Auf Inspiration allein verlässt sich die Unterhaltungsindustrie schon lange nicht mehr. Bei großen Hollywood-Filmproduktionen betreiben die Studios fleißig Marktforschung. Dank Big Data lassen sich Publikumsrenner jetzt noch genauer kalkulieren. Ein gutes Beispiel dafür ist die vom Internetdienst Netflix produzierte Erfolgsserie „House of Cards“. Im Vergleich zu traditionellen Fernsehsendern kann Netflix das Verhalten der Zuschauer viel genauer auswerten. Wenn jemand eine Szene noch einmal ansieht, wenn er auf Pause drückt oder die Staffel nicht bis zum Ende verfolgt – all das können Informationen sein, aus denen die Produzenten für weitere Staffeln lernen können. Netflix kombiniert die Nutzungsdaten mit zusätzlichen Faktoren, etwa mit Beliebtheitswerten der Darsteller. Handlung und Besetzung einer Serie sind nicht länger nur die Sache von Kreativen, sondern auch das Ergebnis eines Algorithmus.


Gesundheitswächter am Handgelenk

Riesige Datenmengen versprechen auch Fortschritte im Gesundheitswesen. Big Data kann helfen, Krankheiten besser zu verstehen, individuelle Risiken früher zu erkennen und entsprechend zu behandeln. Eine regelrechte Flut an medizinischen Informationen erzeugen Wearables: digitale Geräte mit Sensoren, die man am Körper trägt, etwa Fitness-Armbänder. Verknüpft mit entsprechenden Apps lassen sich zum Beispiel Aktivität, Ruhephasen und Ernährungsweise dokumentieren. Verknüpft man diese Informationen mit Patientendaten, erfährt man mehr darüber, wie Krankheiten entstehen.


Datenhunger als Compliance-Thema

Das eben beschriebene Beispiel macht verständlich, warum Datenschützer gewisse Big-Data-Anwendungen kritisch sehen. Für Unternehmen kann die Massendatenanalyse zum Compliance-Thema werden. Unternehmen, die in der Europäischen Union aktiv sind, müssen sich bald an strengere Regeln halten: Im Mai 2018 wird eine neue EU-Datenschutz-Grundverordnung verbindlich. Sie verpflichtet Firmen unter anderem, genau zu dokumentieren, wie und warum sie personenbezogene Daten verarbeiten und wie sie diese vor unerlaubtem Zugriff schützen. Big-Data-Anwender brauchen geeignete Technologien, um mit der Masse an Informationen angemessen umzugehen und sie abzusichern. Auch wichtige Schnittstellen sind dabei zu beachten, etwa die Cloud oder mobile Endgeräte.


Informationen richtig verstehen

So weit die technische Seite. Big Data stellt Unternehmen aber auch vor strategische und fachliche Herausforderungen. Große Analysen sollten nur dort einsetzt werden, wo sie wirklich einen Nutzen versprechen. Denn die Masse an verfügbaren Daten und deren Anwendungsmöglichkeiten sind so groß, dass man leicht den Fokus verliert und Geld verbrennt. Geht es an die Umsetzung, müssen die verfügbaren Daten richtig verstanden und sinnvoll aufbereitet werden. In einer Datenbasis können sich zum Beispiel redundante, veraltete oder nichtssagende Informationen befinden, sogenannte ROT-Daten (redundant, obsolete, trivial).


Daten clever verknüpfen

Die Königsdisziplin besteht darin, zuverlässige Datenmodelle zu entwickeln. Sie müssen tatsächlich bessere Entscheidungsgrundlagen liefern. Hier ein fiktives Beispiel: Ein Online-Optiker will Besucher auf seine Seite locken, die an teuren Sonnenbrillen interessiert sind. Ausschließlich diese Zielgruppe möchte er mit Werbung ansprechen. Dazu wertet der Händler zunächst die Internet-Suchanfragen der Nutzer aus. Ein beauftragter Daten-Analyst findet noch mehr heraus: Besonders zahlungskräftige Kunden sind über 35 Jahre alt, reisen mehr als 10.000 Kilometer jährlich und posten jeden Winter neue Urlaubsfotos vom Meer. Er schlägt vor, diese Informationen aus verschiedenen Quellen mit den Suchanfragen zu verknüpfen, um so potenzielle Premiumkunden besser zu erreichen.

Auch wenn dieses Beispiel konstruiert ist: Es zeigt, wie aufwändig selbst einfach klingende Analysen werden können. Meist müssen Unternehmen die notwendige Expertise erst aufbauen oder Spezialisten hinzuziehen. Nur dann wird aus Big Data auch ein Big Business.