Richtig entscheiden mit Big Data

Die Big-Data-Analyse erweitert die bisherigen Möglichkeiten von Business-Intelligence-Verfahren. Die dabei verwendeten Technologien sind auf die Analyse großer Mengen unstrukturierter oder auch nur halb strukturierter Daten in Echtzeit zugeschnitten. Solche Daten werden immer wichtiger, weil etwa Facebook-Posts, Produktrezensionen, Bewertungen in Portalen oder Foreneinträge immer mehr unstrukturierte Daten in die Welt setzen. Dazu kommen neue Mengen von Daten aus mobilen Systemen oder von Sensoren, wie sie im Internet der Dinge verwendet werden.

Eine Big-Data-Analyse durchläuft verschiedene Stufen. Am Anfang steht die Sammlung und Aufbereitung der Daten für die spätere Auswertung. Spezielle Verfahren wie das „Natural Language Processing“ filtern beispielsweise aus Sprachdaten Informationen zu Personen, Plätzen, Ereignissen oder Gegenständen heraus. Tools zur prognostischen Analyse fahnden mit Methoden wie Data Mining und maschinellem Lernen nach statistischen Erkenntnissen und verborgenen Strukturen der Daten. Such- und Visualisierungstools ermöglichen auch den Fachabteilungen die Beteiligung an der Analyse. Am Ende stehen Voraussagen für künftige Entwicklungen, um die richtigen Entscheidungen zu treffen. Das Durchspielen verschiedener Szenarien beurteilt Alternativen, und das Echtzeit-Monitoring von Daten überprüft zusätzlich die zu ergreifenden Maßnahmen.

Praktischer Nutzen von Big-Data-Analysen

Mit solchen Methoden erfahren Unternehmen mehr über ihre Position am Markt und die Akzeptanz ihrer Produkte oder der Konkurrenz. Und sie können die Bedürfnisse der Kunden besser kennenlernen. Das Verhalten von Kunden und ihre Einkaufsmuster vorauszusagen, ist insbesondere für das Marketing von zentraler Bedeutung. Big-Data-Analysen verbessern die Treffergenauigkeit in der Kommunikation mit dem Kunden. Unternehmen erreichen ihre Käufer mit den einschlägigen Marken- oder Produktbotschaften. Wer seinen Kunden besser zuhört, kann auch die tatsächlich nachgefragten Produkte produzieren. Die Produktentwicklung kann etwa Funktionalitäten einführen, wenn Anwender in sozialen Medien oder in Communities danach fragen. Zudem erkennen Marketing-Abteilungen auf diese Weise neue Trends und erschließen auch neue Verkaufsmöglichkeiten.

Diese Verfahren eignen sich für den Einsatz in den verschiedensten Branchen. So nutzen beispielsweise Unternehmen aus den Bereichen Pharma, Gesundheitswesen und Industrie sowie aus dem Banken- und Finanzsektor die Möglichkeiten von Big Data. Banken erkennen etwa durch Big-Data-Analysen Verhaltensmuster beim Kreditkartenbetrug und können Alarm schlagen, wenn solche Muster in der Praxis beobachtet werden. Zwei oder drei kleine Testabbuchungen einer geringen Eurosumme weisen vielleicht auf einen Betrüger hin, der die Funktionsfähigkeit der Daten und die Wachsamkeit des Besitzers zuerst austesten möchte. Gehäufte Zahlungen in Online-Shops, am besten noch von IP-Adressen aus, die zu keinem Bewegungsmuster eines echten Anwenders passen könnten, deuten womöglich auf einen unberechtigten Anwender hin. Verdächtig kann zum Beispiel auch der häufige Einsatz in Hotels oder Reisebüros sein.

Richtige Herangehensweise und Voraussetzungen

Ausgangspunkt für die Analyse großer Datenmengen ist immer eine betriebswirtschaftliche Fragestellung. Unternehmen beginnen am besten mit kleinen Pilotprojekten mit klar umrissenen Aufgabenstellungen. Positive Ergebnisse sind dann bestens dazu geeignet, um auch andere Fachabteilungen von den neuen Analyseverfahren zu überzeugen.

Big-Data-Analysen bringen die besten Ergebnisse, wenn sie mit einer konkreten Frage starten, zum Beispiel: Wie lässt sich der Verkauf von Smartphones mit blauem Gehäuse ankurbeln? Eine Analyse von Forumsbeiträgen, von Verkaufszahlen farbiger Geräte, aber auch anderer Gadgets, Accessoires oder Mode in verschiedenen E-Commerce-Shops oder Befragungen ergeben ein Bild der potentiellen Zielgruppe. Je konkreter, detaillierter und fokussierter die Frage gestellt wird, umso größer ist die Möglichkeit, aussagekräftige Ergebnisse zu erhalten. Big-Data-Analysen helfen dabei, mehr Anhaltspunkte für eine erfolgreiche Geschäftsentscheidung zu finden.

Nicht nur die Wahl der Fragestellung eines Projekts erfolgt nach betriebswirtschaftlichen Kriterien. Auch die Größe und damit die eingesetzten technischen und personellen Ressourcen richten sich nach dem möglichen Return on Investment. Entscheidend ist, wie viele Mehreinnahmen die Beantwortung einer Frage bringt, und nicht, wie viel Technologie finanzierbar oder wünschenswert wäre. Der Anforderungskatalog der einzusetzenden Technologien klingt anspruchsvoll: Die Analyse verlangt nach speziellen Tools zur Datenerfassung und einem dazugehörigen Unterbau bei Servern, Storage und Backup-Systemen. Viele Unternehmen verfügen bereits über einen Großteil der notwendigen Ressourcen, ohne sich dessen bewusst zu sein. Sie müssen diese oft nur punktuell erweitern, um die Anforderungen von Big Data abbilden zu können.

Entscheidend ist der Datenschutz

Die Datenanalyse untersucht Informationen zur Gesamtheit der Verbraucher und will ihr Verhalten vorhersagen. Dazu nutzt sie unter Umständen auch individuelle Daten, etwa wenn sie Kaufhistorien von Kunden, Umfragen, Foreneinträge oder Produktrezensionen zur Auswertung heranzieht. Das bietet Unternehmen nicht nur große Möglichkeiten, sondern bürdet ihnen auch eine enorme Verantwortung zum Schutz der Privatsphäre auf.

In Deutschland gelten strenge Vorgaben beim Datenschutz, die die Erhebung, Verarbeitung und Nutzung von Daten regeln. Wer also Big-Data-Analysen durchführen will, sollte sich daher der Anonymisierung bedienen oder die ausdrückliche Einwilligung des Kunden einholen. Dies erfordert aber klare Bedingungen und legt einem Unternehmen auch langfristige Verpflichtungen auf. Solche Daten dürfen dann auch nur zu den Zwecken benutzt werden, für die die Einwilligung bei ihrer Bereitstellung galt. Unternehmen stehen dann vor der Pflicht, diese Vorgaben einzuhalten. Entsprechende Sicherheitstechniken erlauben es, die Veruntreuung oder den unberechtigten Zugriff auf Firmendaten zu verhindern. (sg)

Autor: Ales Zeman ist Manager Pre-Sales bei Dell Software.