Mit Big Data dem Wettbewerb voraus

Recherchen & Ressourcen

Die Flut an Informationen im digitalen Zeitalter ist enorm. Tagtäglich wird das Internet mit neuen Daten gespeist: Berechnungen zufolge verdoppelt sich alle zwei Jahre das weltweite Datenvolumen. Große Unternehmen wie Google, Facebook, Amazon, JD, IBM oder SAP nutzen diese großen Datenmengen bereits zu ihrem Vorteil aus und profitieren von ihrer Informationshoheit.

Wir schauen uns in diesem Artikel genauer an, was sich hinter dem Begriff Big Data verbirgt:

Was ist Big Data?

Big Data wird zum Wettbewerbsfaktor

Big Data und AI

Beispiele und Anwendungen

Welche Big Data Software gibt es?

Was gibt es beim Datenschutz zu beachten?

Was ist Big Data?

Eine klare Definition von Big Data gibt es nicht. Einfach erklärt, bezeichnet der Begriff riesige Datenmengen, in unstrukturierter und strukturierter Form, die Mensch und Maschine im Sekundentakt produzieren. Mit Hilfe von Datenanalysen können solche großen Datenmengen besser gesammelt und ausgewertet werden. In erster Linie meint Big Data genau das: die Verarbeitung von großen, komplexen und sich schnell ändernden Datenmengen. Der Begriff dient als Sammelbezeichnung für moderne Informationstechnologien im digitalen Zeitalter.

Ab welcher Datenmenge von Big Data die Rede ist, ist nicht klar definiert, denn die Menge an Daten nimmt exponentiell zu. Für mittelständische Unternehmen kann sie etwa zwischen 10 und 99 Terabyte angesetzt werden – das entspricht einem vollständig genutzten Festplattenvolumen von etwa 20 bis 200 Notebooks.

Big Data Analytics erfordert somit große Rechenkapazitäten. Mehrere Netzwerke, die zusammenarbeiten, bilden sogenannte Cluster. Das macht die Auswertung großer Datenmengen effizienter und schneller. Diese Cluster werden von Big Playern wie Microsoft oder IBM genutzt, um Cloud Computing Services anzubieten, beispielsweise die Azure Cloud oder die Industrie 4.0 Lösung Watson.

Die Unternehmer-Filmempfehlung zum Thema Big Data

Der Film Moneyball aus dem Jahr 2011 ist ein anschauliches und unterhaltsames Beispiel für den Einsatz von Daten. Er beruht auf einer wahren Begebenheit und zeigt Billy Beane, den Manager der Oakland Athletics, einem Baseballteam aus der amerikanischen Major League. Mithilfe von Sabremetrics, einer Analytics Software, schafft er es, sein mittelmäßiges Baseballteam bis in die höchsten Ränge der Liga zu bringen.

Big Data wird zum Wettbewerbsfaktor

Der globale wirtschaftliche Wettbewerb gewinnt an Schärfe. Firmen müssen schnell auf das komplexe Marktgeschehen reagieren, ihre Prozesse anpassen – und den Überblick behalten. Big Data, dessen Datenanalyse und das Machine Learning werden somit für kleine und mittlere Unternehmen zunehmend zum Wettbewerbsfaktor.

Deutsche Unternehmen aus dem Mittelstand setzen Big Data Analytics bereits erfolgreich ein. Eine Studie von BearingPoint aus dem März 2021 wertet regelmäßige Befragungen von Entscheider:innen aus der Automobilindustrie aus. Demnach haben 59 Prozent der Befragten bereits Big-Data- und Analytics-Methoden implementiert. Weiterhin sehen die Befragten:

Einsparpotentiale von bis zu 20 Prozent im Bereich des Qualitäts- und Gewährleistungsmanagements durch frühzeitige Erkennung von Qualitätsmängeln
Steigerung des Umsatzpotentials von ebenfalls bis zu 20 Prozent im Bereich Marketing und Vertrieb, besonders in den sozialen Medien
Signifikante Einsparpotentiale in der Produktion

Diverse Studien der Bitkom zeigen, dass deutsche Unternehmen im Bereich der Big-Data-Analyse und -Verwertung führend sind. Eine dieser Studien befragte ebenfalls Führungskräfte, ob Big Data bereits zur Einsparung von Kosten geführt habe. Bereits 2017 beantworteten 19 Prozent diese Frage mit Ja. 2022 sahen 65 Prozent der Unternehmen KI eher oder weit überwiegend als Chance und bereits jedes fünfte Logistikunternehmen setzt sie ein.

Big Data und AI: Das erwartet Unternehmen

Big Data ist auch die Grundlage für künstliche Intelligenz (KI), hinter der sich eigentlich der Begriff Machine Learning (zu Deutsch: maschinelles Lernen) versteckt, denn echte denkende Maschinen sind noch in weiter Ferne. Stattdessen werden sogenannte neuronale Netzwerke mit tausenden Daten gefüttert. Auf deren Grundlage erkennen die Algorithmen dieser Netzwerke Muster, die konkreten Nutzen haben. Beispielsweise können in Echtzeit Nutzergruppen und -segmente definiert oder angepasst, Ähnlichkeiten bei Bildern entdeckt, Videos auf urheberrechtliche Probleme überprüft werden und vieles mehr.

Big Data: Beispiele und Anwendungen für Unternehmen

Daten haben einen großen strategischen Wert. Durch Big-Data-Lösungen können sie in großen Mengen besser ausgewertet und nutzbar gemacht werden. Der erste Anwendungsbereich ist somit die Analyse: Mit Analytics-Software wird nach Mustern gesucht, Datengruppen gebildet, geordnet und gefiltert.

Business Intelligence (BI)

Traditionelle BI-Methoden stoßen bei der Verarbeitung großer und vielfältiger Datenmengen, insbesondere unstrukturierter Daten, an ihre Grenzen. Mittelständische Unternehmen setzen jedoch schon fast standardmäßig BI-Software ein, die in der Lage ist, auch unstrukturierte Daten zu verarbeiten. Dies geht aus einer aktuellen Studie des Beratungs- und Marktanalystenhauses SoftSelect zum Thema Business Intelligence hervor. Mithilfe von Business Analytics lassen sich große Datenmengen auf Muster hin untersuchen und zukünftige Entwicklungen vorhersagen. Das Ziel: betriebliche Prozesse analysieren und die Effizienz steigern.

Marketing

Im Marketing wird Big Data Analytics beispielsweise für das Targeting genutzt, also die zielgerichtete Ansprache von Kundengruppen. Große Datenmengen ermöglicht schnelle Erkenntnisse, um anhand von Informationen gezielte Marketing-Kampagnen zu entwickeln. Mit den entsprechenden Maßnahmen können Sie unter anderem die Bereiche Customer Relationship Management (CRM) – Kundenbindung sowie Neukundengewinnung – und Conversion Rate optimieren.

Kundendaten

Jedes Unternehmen sammelt bereits Daten in digitaler Form. Die größte Menge an Informationen machen dabei Kundendaten aus. Der Pool dieser Informationen wird oft Data Warehouse oder Data Lake genannt. Als Unternehmer:in können Sie Data Analytics nutzen, um die Masse dieser Daten gezielt zu analysieren. So können Sie die Bedürfnisse Ihrer Kund:innen noch besser nachvollziehen und sich einen Wettbewerbsvorteil gegenüber der Konkurrenz verschaffen. Social-Media-Kanäle sind weitere nützliche Quellen der Datengewinnung.

Prozessoptimierung

Ein weiterer wichtiger Bereich für produzierende Betriebe ist die Prozessoptimierung. Für das genauere Controlling können Maschinendaten sowie Daten aus der Maschine-zu-Maschine-Kommunikation analysiert werden. In dieser großen Menge von Produktionsdaten zeigen sich nicht nur Muster, die Ursachen von Qualitätsmängeln transparent machen, sondern die Daten können auch genutzt werden, um Arbeitsbedingungen zu verbessern. Zum Beispiel, indem Schichtbetriebe umgestellt werden, Personal neu organisiert oder der Arbeitsplatz neu strukturiert wird.

Personalpolitik

Auch auf dem Arbeitsmarkt kommt Big Data zum Einsatz – Firmen wie Talent.io, Stepstone, LinkedIn und andere Plattformen nutzen Algorithmen, um die schiere Menge von Arbeitnehmerprofilen auszuwerten. Sie sind eine Möglichkeit, die Tools von Big-Data ohne eigene Infrastruktur zu nutzen. Wer im nächsten Schritt die eigenen Personaldaten einer Analyse unterzieht, wird möglicherweise ungeahnte Potentiale finden, um neue Stellen zu schaffen, Mitarbeiter zu fördern oder gezielt Maßnahmen für die betriebliche Gesundheitsvorsorge zu entwickeln.

Echtzeit-Controlling

Big Data Analytics liefern neue Tools für das interne Controlling und die Bewertung von Managemententscheidungen. Im Controlling wurden schon immer Daten gesammelt. Dort konzentrieren sich die für ein Unternehmen bestimmenden Kennzahlen. Neue Technologien wie Big Data bringen da viele Vorteile, zum Beispiel können die Firmendaten jetzt in Echtzeit analysiert werden, um schneller für unternehmerische Entscheidungen genutzt zu werden. Entscheidende müssen nicht mehr auf die wöchentlichen, monatlichen oder vierteljährlichen Auswertungen warten, sondern haben dank der entsprechenden Analytics relevante Informationen sofort zur Hand.

Big Data Analytics: Womit sollten kleinere Unternehmen beginnen?

Wenn sich kleinere Unternehmen dazu entscheiden, große Datenmengen sinnvoll zu nutzen, müssen sie in Hardware, Software und Know-how investieren. Eine bestehende IT-Abteilung ist dabei definitiv von Vorteil. Darüber hinaus ist es jedoch wichtig zu verstehen, wie Kunden- und Unternehmensdaten effizient ausgewertet werden können. Diese Kunst der Datenanalyse wird als Data Science bezeichnet. Wenn Sie Daten gewinnbringend einsetzen möchten, ist es sinnvoll, Spezialist:innen für Data Science (sogenannte Data Scientists) zu engagieren – entweder als externe Dienstleister oder als festangestellte Mitarbeitende.

Die genauen Anforderungen an Big-Data-Lösungen variieren stark zwischen verschiedenen Branchen. Im Einzelhandel können größe Datenmengen beispielsweise zur Kundenanalyse genutzt werden, während im Anlagenbau die Optimierung von Produktionsprozessen im Vordergrund steht.

Der digitale Reifegrad: Wo steht Ihr Unternehmen?

Stellen Sie sich vor, Sie möchten einen Berg besteigen. Je höher Sie auf dem Berg sind, desto weiter reicht der Blick und desto besser sind Sie auf die kommenden Herausforderungen vorbereitet. Ähnlich verhält es sich mit der digitalen Transformation: Je weiter ein Business auf diesem Weg fortgeschritten ist, desto besser ist es für die Zukunft gerüstet.

Das Digital Maturity Model ist ein hilfreiches Konzept, um den Stand eines Unternehmens auf diesem Weg einzuschätzen. Das gelingt zum Beispiel anhand von Online-Assessments: Unternehmen können sich selbst anhand verschiedener Reifegradstufen einordnen, von Anfängern über Fortgeschrittene bis hin zu Experten. Ist der digitale Reifegrad gering, sind mehr Maßnahmen und Investitionen nötig, um mit der Digitalisierung Schritt zu halten.

Welche Big Data Software gibt es?

Im Bereich Data Software hat sich Apache Hadoop einen Namen gemacht. Apache Hadoop ist eine seit langem genutzte Datenbank-Software. In den Jahren 2008 und 2009 gewann die Open-Source-Software den Terabyte Sort Benchmark Preis. Hadoop konnte unter den getesteten Systemen am schnellsten große Datenmengen sortieren. Weitere Big-Data-Softwares sind NoSQL und SPARK.

Zur Auswertung der dort hinterlegten Daten werden verschiedene Cloud-basierte Services im Internet genutzt, darunter Amazons AWS oder Microsofts Azure Cloud. Bei SAPs HANA für In-Memory-Computing handelt es sich sogar um eine revolutionäre, hardwarebasierte Methode, die es unnötig macht, Daten überhaupt in klassischen Datenbanken speichern zu müssen.

Welche Lösung sich für Ihr Unternehmen am besten eignet, hängt von verschiedenen Faktoren ab. Vergleichen Sie daher vorab am besten das Angebot, um Ihre ideale Anwendung zu finden.

Was gibt es beim Datenschutz zu beachten?

Firmen müssen den Datenschutz von Beginn an mitdenken, wenn sie große Datenmengen nutzen möchten. Das ist unabdinglich, um das Kundenvertrauen zu wahren und rechtliche Folgen zu vermeiden. Die DSGVO stellt hierbei zentrale Anforderungen wie Datensicherheit, Einholung von Einwilligungen und Datenschutz-Folgenabschätzungen. Die wichtigsten Informationen finden Sie bei dem Bundesbeauftragten für den Datenschutz und die Informationsfreiheit (BfDI) und dem European Data Protection Board (EDPB).

Fazit: Ein Ausblick in die nahe Zukunft

Breite Datensammlung und -nutzung gewinnt immer mehr an Bedeutung, denn Daten sind der neue Rohstoff der digitalen Welt. Im Jahr 2025 wird das weltweit generierte Datenvolumen bei etwa 180 Zettabyte liegen, einer unvorstellbar großen Zahl mit vielen Nullen. Die Branche der Data Analytics wächst unaufhörlich und verspricht Anleger:innen lukrative Gewinne bei Investitionen in entsprechende Aktien.

Eine zeitnahe Investition in Big-Data-Technologie kann eine echte Chance für kleine und mittelständische Unternehmen sein. Sie verspricht nicht nur einen baldigen Return on Investment, sondern auch langfristige Kosteneinsparungen, ein geringeres Risiko in Produktionsketten, bei der Personalsuche und in zahlreichen anderen Bereichen.

Big Data ist auch der Nährboden für neue Geschäftsmodelle und bildet die Grundlage für neue Technologien wie etwa die künstliche Intelligenz. Darüber hinaus macht der Einsatz den Weg frei für neue Formen der Analyse wie Predictive Analytics, die Entwicklungen auf dem Markt antizipieren.

Big Data Analytics befreit Sie als Unternehmer:in zwar nicht von wichtigen Entscheidungen, liefert Ihnen aber neue Interpretationsansätze bei der Analyse der Markt- und Unternehmensdaten. Big-Data-Software vereinfacht komplizierte Auswertungsprozesse und stellt Daten in Echtzeit zur Verfügung. Es hilft Ihnen nicht nur, Ihr Business besser zu verstehen, sondern kann Ihnen als mittelständische Unternehmer:in auch entscheidende Wettbewerbsvorteile bringen, wenn Sie international agieren (wollen).