Home » Technologie » Big Data » Entlarvt: sieben Big Data-Mythen

Entlarvt: sieben Big Data-Mythen

Tech Page One

 Entlarvt: sieben Big Data-Mythen

 

1. Big Data ist nicht einfach nur groß.

Gemeinhin wird angenommen, dass Big Data wie der Weltraum in Douglas Adams’ „Per Anhalter durch die Galaxis“ ist – „groß, gigantisch, wahnsinnig riesenhaft“. Dabei definiert sich Big Data nicht nur über die Größe: Es geht darum, wie Unternehmen effektiv mit einer ganzen Reihe verschiedener Datensätze umgehen können – strukturierten SQL-Datenbanken ebenso wie Videos oder auch sozialen Netzwerken. Es geht darum, Informationen aus einer Vielzahl von Quellen miteinander zu verknüpfen.

2. Es geht nicht allein um die Infrastruktur.

Das GIGO (Garbage In, Garbage Out)-Prinzip gilt nach wie vor. Es genügt nicht, die leistungsstärkste Hardware zu haben. Wenn die analysierten Daten nicht korrekt sind oder Sie sogar die falschen Daten analysieren, werden nicht wie von Zauberhand die richtigen Ergebnisse herauskommen.

3. Big Data ist zu wichtig, als dass sich nur die Techniker darum kümmern sollten.

Entlarvt: sieben Big Data-MythenWie im vorherigen Punkt schon angedeutet: Es herrscht die Auffassung, dass es bei der Datenanalyse lediglich um die Auswahl der am besten geeigneten Plattform oder der richtigen Analysetools geht. Es ist jedoch absolut notwendig, dass alle Bereiche des Unternehmens zusammenarbeiten und gemeinsam sicherstellen, dass auch die richtigen Dinge gemessen werden. Die IT-, Marketing- und Finanzabteilungen (sowie alle anderen Stakeholder) sollten entscheiden, welche Informationen wirklich gebraucht werden.

4. Data Warehouses werden nicht mehr benötigt.

Manche glauben, dass Data Warehouses eine überholte Technologie und im Zeitalter von Big Data nicht mehr vonnöten sind. Data Warehouses und Big Data sind jedoch zwei grundsätzlich verschiedene Dinge: Unternehmen, die detaillierte Verlaufsdaten wollen, werden nach wie vor auf ein herkömmliches Data Warehouse angewiesen sein. Außerdem sind nicht immer Echtzeitdaten gefragt. Ein Snapshot enthält unter Umständen nicht alle relevanten Informationen. Manchmal ist es tatsächlich nötig, einen langfristigen Überblick zu haben.

5. Wir leben im Zeitalter des Datenwissenschaftlers.

Nach Meinung der Datenwissenschaftler ist dem so. Schließlich ist die Nachfrage nach ihrem Berufsstand enorm und sie können schwindelerregend hohe Gehälter verlangen. Da auch die Nachfrage nach Big Data-Systemen hoch ist, gibt es keine Anzeichen dafür, dass dieser Trend in naher Zukunft nachlässt.  Das Problem besteht jedoch darin, dass Datenwissenschaftler eine ganze Reihe spezialisierter Kenntnisse haben müssen: Datenbankkenntnisse, Kenntnisse in der mathematischen Analyse, exzellente Programmierkenntnisse (vor allem in Java) und unternehmerisches Verständnis. Solche Allrounder finden sich immer seltener und müssen von ihren Arbeitgebern gut bezahlt werden.

6. Big Data ist Hadoop.

Hadoop ist mit Sicherheit die bekannteste Big Data-Technologie. Doch aufgrund der Komplexität seiner Tools und der Breite des Tool-Angebots kann es sich als schwierig erweisen, einen perfekten Hadoop Experten zu finden. Ein versierter Hadoop Techniker kann mit der Technologie jedoch unzählige Aufgaben ausführen, die dabei helfen können, einen allgemeinen Überblick über die geschäftliche Entwicklung zu erhalten.

Es scheint jedoch auch gerade die Popularität von Hadoop zu sein, die den Eindruck hervorgebracht hat, dass Big Data und Hadoop tatsächlich Synonyme sind. Dabei gibt es im Bereich Datenanalyse zahlreiche Optionen. Apache Spark gewinnt zunehmend an Bedeutung und traditionellere Alternativen wie MapReduce (und seine zahlreichen Derivate) bieten ebenfalls andere Möglichkeiten.

7. Bei Big Data geht es um Maschinenlernen.

Werden wir in Zukunft überhaupt keine menschlichen Mitarbeiter mehr brauchen? Nein, menschliche Intuition und Interpretationsfähigkeit werden immer gefragt sein … zumindest noch für eine geraume Zeit. Vielleicht wird irgendwann der Tag kommen, an dem Roboter die Welt regieren; doch im Moment braucht es für Big Data-Analysen mehr als automatisierte Analysen.

Weitere Informationen zu den Angeboten von Dell in den Bereichen Analyse und Business Intelligence, Datenintegration, Datenverwaltung sowie Dateninfrastruktur finden Sie hier.

 

 

Maxwell Cooter

Maxwell Cooter

Max ist ein freiberuflicher Journalist, der über eine große Bandbreite von IT-Themen schreibt. Er war Gründer und Herausgeber von Cloud Pro, einer der ersten Publikationen, die sich speziell mit der Cloud beschäftigten. Darüber hinaus war er Gründer und Herausgeber von Techworld (IDG) und davor Redakteur bei Network Week. Seine Beiträge wurden in IDG Direct, dem SC Magazine, in Computer Weekly, in Computer Reseller News, dem Internet Magazine, der PC Business World und vielen weiteren Publikationen veröffentlicht. Darüber hinaus trat er bei vielen Konferenzen als Redner auf und hat als Kommentator für die BBC, ITN und den Computer-Fernsehkanal CNBC gearbeitet.

Neueste Beiträge:

 

Tags: Big Data, Technologie