Home » Technologie » Wie Sie aus Big Data großen Nutzen ziehen

Wie Sie aus Big Data großen Nutzen ziehen

Tech Page One

Wie Sie aus Big Data großen Nutzen ziehen

How to transform Big Data into big results 747x325

 

Die IT-Welt erfindet ständig nervige technische Modewörter, oftmals von Marketingteams geschaffen, sodass sich IT-Abteilungen fragen, ob die Begrifflichkeiten überhaupt Substanz haben.

Big Data ist ein solcher Begriff: Er hat etwas Beruhigendes an sich und vermittelt ein gutes und wohliges Gefühl. Tatsächlich ist der Wohlfühlcharakter ziemlich irreführend, denn wir reden hier von knallharten und nervenaufreibenden geschäftspolitischen Entscheidungsprozessen.

Damit Unternehmen wirklich einen Geschäftsvorteil haben, müssen sie davon überzeugt werden, dass Big Data mehr als nur ein Hype ist. Ganz zu Beginn sah es so aus, als würden Organisationen nicht in die Technologie investieren. Aber das hat sich mittlerweile geändert. Es war ein langwieriger Prozess.

Investitionen in Big Data

Wie Frank Buytendijk von Gartner (in einem Bericht vom Oktober 2015) feststellt, lenkt der Hype von dem ab, was wirklich vor sich geht. „Während jeder über Big Data spricht, wird das Konzept stillschweigend in jeder Branche und Geschäftsfunktion eingeführt. Einer aktuellen Erhebung von Gartner zufolge sind 64 Prozent der Befragten bereit, in Big Data zu investieren oder planen, es in den nächsten 12 bis 24 Monaten zu tun.”

Bei zwei Dritteln an Unternehmen, die diesen Weg verfolgen, gibt es einen guten Grund anzunehmen, dass sich diese Technologie etablieren wird. Doch es ist immer noch unklar, was Big Data überhaupt bedeutet ‒ es ist ein Begriff, der nach wie vor Kopfschütteln auslöst.

Mit Big Data gibt es dasselbe Problem, wie zu Beginn mit Cloud-Computing: Es gibt keine Standarddefinition für diese Technologie. Leicht könnte man meinen, es wäre ein anderer Name für große Datensätze, aber das ist alles in allem zu oberflächlich. Eine treffendere Definition wäre „Erfassung und Analyse von einem gemischten Satz strukturierter und unstrukturierter Daten zur Entwicklung einer kohäsiven Geschäftsstrategie”.  Es ist die Kombination aus Verkaufszahlen, Kommentaren in Sozialen Medien und YouTube-Clips, die insgesamt präzisere Ergebnisse liefert.

Die drei Vs

Englischsprachige Menschen, die Big Data erklären wollen, benutzen die Phrase „die 3 Vs“, um das Prinzip zu beschreiben. „V“ steht für „velocity“, „variety“ und „volume“ (Geschwindigkeit, Vielfalt und Menge) – mit anderen Worten, die Geschwindigkeit, mit der die Daten aufgerufen und abgefragt werden können; die verschiedenen Arten von Daten, die untersucht werden; und die Größe der Datenbank. Einige fügen noch ein viertes Element hinzu: „veracity“ (Sinnhaftigkeit und Vertrauenswürdigkeit von Daten). Tatsächlich sollte es selbstverständlich sein, dass Ihre Daten ordnungsgemäß sind, da jeder, der mit falschen Angaben zu tun hat, Probleme bekommt. Egal um welche Daten es sich dabei handelt.

Für Unternehmen entstehen Vorteile, sobald das Internet der Dinge ins Spiel kommt. Der wachsende Anstieg von vernetzten Geräten wird eine überwältigende Masse an sowohl strukturierter als auch unstrukturierter Daten produzieren. Dies ist nicht nur ein Problem für bestimmte Industriezweige – wobei einige Branchen mehr betroffen sein werden als andere -, sondern eines, das jede Organisation betrifft, die mit großen Datenmengen umgehen muss.  Diese müssen nicht zwangsläufig von Kunden stammen. Kommunalbehörden zum Beispiel sammeln mehr und mehr Daten über ihre Bürger, um lokale Dienstleistungen zu verbessern.

Mit Healthcare Analytics arbeiten

How to transform Big Data into big results 350x250Ein Beispiel dafür, wie sich die Welt wandeln wird, ist das Gesundheitswesen. Vernetzte Geräte haben die Art und Weise verändert, wie das Gesundheitswesen funktioniert und arbeitet ‒ und wie Daten verwaltet werden.

Eines der Hauptprobleme von Ärzten ist die Tendenz von Patienten, nicht ganz aufrichtig zu sein, wenn es um Themen wie Alkoholkonsum und Sport geht. Die Devise lautete immer, alle Angaben zu verdoppeln, die der Patient zum Alkoholkonsum machte. Die Einführung tragbarer Geräte hat all dies verändert: Ärzte können nun kontrollieren, wie viel getrunken wurde, wie viele Schritte gemacht wurden und so weiter.

Und nicht nur das. Manche Geräte können genutzt werden, um nicht vom Patienten selbst verschuldete Erkrankungen zu überwachen ‒ zum Beispiel um die Herzfrequenz oder den Blutzucker zu messen.  Andere Geräte können sagen, ob ein Patient seine Medikamente eingenommen hat oder nicht. Sie alle liefern wichtigen Informationen.

Die wirkliche Leistung wird erbracht, wenn die Informationen dieser unterschiedlichen Überwachungsgeräte mit einer Vielzahl medizinischer Untersuchungen kombiniert werden, die im Zuge der regelmäßigen Vorsorge durchgeführt wurden: Röntgen oder Bluttests zum Beispiel.  Alle diese Aufzeichnungen können gebündelt werden und bilden verlässlich den Gesundheitszustand eines Menschen ab.

Trotzdem gibt es ein Problem mit diesen Informationen. Denn der Großteil der Daten wird in Arztpraxen gesammelt, was den Austausch erschwert.  Hier das Beispiel aus dem Lehrbuch, inwiefern Big Data helfen kann: Daten können von einer Vielzahl von Geräten in unterschiedlichen Formaten abgerufen werden. Sie geben Medizinern zahlreiche Hinweise für Forschungszwecke oder liefern Gesundheitsmanagern Aufschluss darüber, auf welche Aspekte sie ihre individuellen Dienstleistungen konzentrieren sollten.

Eine der Branchen, die Big Data bereits viel nutzt, ist der Einzelhandel. Alle großen Supermarktketten würden gern wissen, was ihre Kunden kaufen, und vor allem was sie kaufen werden.  Entscheidungen werden wiederum nicht nur nach Verkaufszahlen getroffen, sondern es werden die Sozialen Medien verfolgt und sogar Videokameras eingesetzt, die aufzeichnen, wie Kunden die Waren betrachten.  Indem Einzelhandelsunternehmen mehr Daten über Kunden gewinnen, sind sie in der Lage, fundiertere Entscheidungen zu treffen, wenn sie Waren kaufen, präsentieren und bewerben. Laut McKinsey sind Organisationen, die auf Daten basierende Entscheidungen treffen, um fünf Prozent produktiver und um sechs Prozent profitabler als Konkurrenzunternehmen, die dies nicht tun.

Aber Big Data ist mehr als nur ein Mittel zur besseren Entscheidungsfindung in Organisationen.  Laut Gartners Analyst Frank Buytendijk konzentrieren sich weniger als die Hälfte der Big Data-Projekte auf die Entscheidungsfindung; die meisten helfen Unternehmen dabei, neue Prozesse zu prüfen. Diese beinhalten das Arbeiten an folgenden Aspekten:

  • Marketing und Umsatzwachstum
  • Operative und finanzielle Leistungsverbesserung
  • Risiko- und Compliance-Management
  • Neue Produkt- und Service-Innovationen
  • Direkte/indirekte Daten-Monetisierung

Durch Big Data entstehen also viele Vorteile. Deshalb stellt sich die wichtige Frage:Wie bereitet sich ein Unternehmen darauf vor?

Es beginnt immer mit dem Rechenzentrum. Zuerst müssen Sie entscheiden, ob Sie sich für einen Cloud-basierten Ansatz entscheiden möchten. Beachten Sie dabei, dass Sie mit immer größeren Datenmengen umgehen werden und Ihr System dem gewachsen sein muss. Eine öffentliche Cloud-Bereitstellung ist besser skalierbar und kann Spitzenwerte leichter verarbeiten. Sollten Sie bei einer öffentlichen Cloud jedoch Bedenken in Bezug auf die Sicherheit haben, kann ein Hybrid-Ansatz die beste Lösung sein.

Es wird bestimmt erforderlich sein, die Speicherkapazität des Unternehmens laufend zu vergrößern, da die Datenmengen wachsen werden.  Cisco schätzt, dass die durch IoE-Geräte erzeugte Datenmenge 269 Mal größer sein wird als die Datenmenge, die von Endverbraucher-Geräten an Datenzentralen übertragen wird. Das bedeutet, dass die Datenmenge 49 Mal größer sein wir als der gesamte Datenverkehr in Rechenzentren bis zum Jahr 2019. Das Unternehmen sagt außerdem voraus, dass der Datenfluss dieser Geräte bis 2019 auf 507,5 ZB ansteigt, verglichen mit 134,5 ZB im Jahr 2014.

Dementsprechend müssen Sie sich zuerst um die Infrastruktur kümmern: Sie sollten die Rechen-, Speicher- und Netzwerkkapazitäten innerhalb Ihrer Organisation erhöhen. Aber das ist nur ein Teil der Vorbereitungen für die Implementierung von Big Data. Es ist auch erforderlich, Ihre Software zu aktualisieren, um den Wandel zu stemmen.

Sie werden drei wichtige Bereiche überprüfen müssen: erweiterte Analysen, Datenintegration und Datenmanagement.

Erweiterte Analysen

Dies ist der Kern der Implementierung von Big Data. Durch den Einsatz von fortschrittlicher Analyse-Software können Sie Kundenvorlieben erkennen und Verhalten vorausahnen. Hier sind Fragen der Sicherheit zu bedenken, da Sie die Software auch nutzen können, um Transaktionsmuster zu erkennen, die auf Betrug hinweisen.

Datenintegration

In diesem Bereich geht es darum, die vielen verschiedenen Datenquellen anzugehen und sie zusammenzubringen. Wenn Unternehmen im Gesundheitswesen Notizen von Ärzten mit Daten von gekoppelten Geräten verbinden, oder wenn ein Kaufhaus Verkaufsdaten in den Social-Media-Chat und in Videomaterial integriert ‒ hier überall haben wir es mit Daten zu tun, die analysiert werden können. Bei dieser Integration sollte außerdem die Tatsache berücksichtigt werden, dass Daten aus On-Premise- und Cloud-Implementierungen genutzt werden können. Es ist nicht nur notwendig, Daten aus einer Vielzahl von Quellen zu verwenden, sondern die Integration muss auch schnell geschehen – Geschwindigkeit ist eines der wichtigsten Merkmale im Umgang mit Big Data. Je schneller ein Unternehmen Informationen erhält, desto schneller kann es darauf reagieren.

Datenmanagement

Per Definition produzieren Big Data-Systeme eine Menge Daten, und es müssen stabile Systeme vorhanden sein, um die von Ihrem System erzeugten Daten zu speichern, zu sichern und Backups zu erstellen. Dies muss auf kosteneffektive Weise geschehen. Die Kosten für die Verwaltung sollen nicht die finanziellen Vorteile überwiegen.

Datenlager – es steckt noch Leben in der Technologie

Manche vertreten die Ansicht, dass Unternehmen durch das Aufkommen von Big Data kein Datenlager mehr brauchen.  Dies ist irreführend: Es ist effektiver, auf ein bestehendes Datenlager aufzubauen, anstatt die Investitionen in die vorhandene Technologie zu verlieren.  Dell und Microsoft haben beispielsweise zusammen daran gearbeitet, eine Datenlager Fast-Track-Solution zu erstellen, um es Unternehmen zu erleichtern, ihre bestehenden Investitionen in diesem Bereich zu nutzen.

So haben Unternehmen viele Möglichkeiten, Big Data-Analysen in ihre Unternehmensumgebungen einzuführen. Es stellt sich jedoch die vorrangige Frage, ob eine solche Investition es wert ist?

Die Sicht des Kunden

Die Verwendung von Big Data kann buchstäblich über Leben und Tod entscheiden.  Die Krankenhäuser und Kliniken der University of Iowa (UI) nutzen die Technologie, um in Echtzeit Vorhersagen über die Wahrscheinlichkeit einer postoperativen Wundinfektion eines Patienten zu machen. Durch informierte Entscheidungen darüber, wer für solche Infektionen anfällig war, konnten Chirurgen die Infektionsraten um 58 Prozent reduzieren.

Das Auftreten von Infektionen nach chirurgischen Eingriffen mag an das Viktorianische Zeitalter erinnern, ist aber nach wie vor ein ernstes Problem. Denn sie verursachen langfristige Krankenhausaufenthalte und können manchmal tragischerweise zum Tod führen.

Der Direktor der Abteilung für Magen-Darm-, minimal-invasive und bariartrische Chirurgie, Dr. John Cromwell, sagte voraus, dass ein hoher Prozentsatz der Infektionen nach chirurgischen Eingriffen durch den Einsatz von Vorhersageanalysen vermeidbar wären.

Das hatte den zweifachen Effekt, dass nicht nur Leben gerettet, sondern auch die Kosten reduziert werden konnten. Das Krankenhaus berechnete, dass nach der Operation auftretende Infektionen das Gesundheitswesen 10 Milliarden Dollar im Jahr kosten.  Die Implementierung von Vorhersageanalysen in Echtzeit hat diese Kosten erheblich reduziert.

„Mit diesen Werkzeugen und anderen Methoden konnten wir Infektionen nach chirurgischen Eingriffen um 58 Prozent reduzieren“, so Cromwell. „Das ist ein revolutionäres Konzept in der Magen-Darm-Chirurgie.“

Um dies möglich zu machen, hat das medizinische Team einen neuen Ansatz erarbeitet und Daten genauer betrachtet, die normalerweise nicht als für den Genesungsprozess relevant erachtet werden. „Wir können auf Informationen aus elektronischen Patientenakten (EMR) und auf andere Unternehmensquellen zugreifen, einschließlich Echtzeit-Daten aus dem Operationssaal, um zu bestimmen, ob Patienten vielleicht nach der Operation eine Infektion bekommen“, ergänzt Cromwell.  „Dadurch können wir die Art von Pflege modifizieren und individuell anpassen, welche wir im OP-Saal bieten.“

Diese Änderung des Schwerpunkts hatte eine Änderung der zugrunde liegenden Infrastruktur zur Folge. Das medizinische Team wird mehr Rechenleistung und neue analytische Werkzeuge benötigen.   Jose Maria Monestina, Senior-Anwendungsentwickler der UI Krankenhäuser und Kliniken, zeichnete für die Implementierung dieser Technologie verantwortlich.

Er hatte keine einfache Aufgabe, da die Daten auf einer Vielzahl unterschiedlicher Systeme aufgezeichnet und in verschiedenen Datenbanken gespeichert waren. Monestina brachte alle diese Daten in eine gemeinsame Datenbank mit integrierten Analysetools. „Durch diesen Prozess konnten wir Vorhersageanalysen in einer Echtzeit-Umgebung durchführen, um die Gesundheitsversorgung zu verbessern und Kosten zu senken“, so Monestina.

Das Problem bei diesem Ansatz war, dass die im Krankenhaus vorhandene Infrastruktur nicht die erhöhten Datenmengen unterstützte, die das medizinische Team jetzt verwendete – weder was die Speicherung, noch die Bereitstellung für die Klinikärzte betraf.  Das Krankenhaus musste deshalb auf ein leistungsfähigeres System upgraden, das mit der bestehenden IT-Architektur kompatibel war.

Dell hat dies erreicht und dabei die Arbeitsweise des Teams verändert. Es nutzt nun eine Analyse-Plattform, die die Daten zusammenfasst, für die Modellierung vorbereitet und dann das Modell implementiert. „Es ist ein ganzheitliche Lösung“, erklärt Monestina. „Sie können das Datenmodell auf einem Server speichern und es dann wieder verwenden. Und sie können die Datenmodelle mit verschiedenen Personen innerhalb Ihrer Forschungsgruppe teilen.“ Ein wesentlicher Aspekt dieser Implementierung ist die Gewährleistung der Mobilität. „Sie sind nicht an einen bestimmten PC oder Server gebunden. Sie können diese Modelle mit einer mobilen Anwendung oder einen Web-Browser ausführen und auf die Ergebnisse zugreifen.“

Alles hat sich geändert. Das OP-Team kann jetzt mehr als nur unterschiedliche Daten (EMR, Daten zur Anmeldung und Patientenzufriedenheit) analysieren. Das Team ist auch in der Lage, Patientendaten in Echtzeit im OP zu integrieren, um datenbasierte Entscheidungen über die individuelle Behandlung zu treffen.

„Big Data und Vorhersageanalysen verändern praktisch jeden Bereich der Patientenversorgung“, meint Cromwell. „Wir sehen so viele andere Bereiche, in denen dies nützlich sein könnte, nicht nur die Arzneimittellieferung, die Volksgesundheit und die Patientenverwaltung, sondern jeden anderen medizinischen Aspekt, der es uns ermöglicht, qualitativ hochwertige Gesundheitsversorgung bieten zu können.“

Um mehr über das Potenzial von Big Data zu erfahren, klicken 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: Technologie