Big Data – Überblick und Online Marketing Business Case

Der Ursprung und die erstmalige Verwendung des Begriffes „Big Data“ sind nicht eindeutig klar. Auch Definitionen gibt es viele. Gemeinsam sind fast allen Definitionen jedoch vier Problemdimensionen (vgl. Abbildung 1): a. die zunehmende Menge (~ Volume) von Daten, b) die ansteigende Geschwindigkeit (~ Velocity) mit der Daten erzeugt werden, c) die steigende Vielfalt (~ Variety) der erzeugten Daten sowie d) die effiziente Auswertung schnell wachsender, heterogener Daten (~ Big Calculations). Somit gilt:

*****

Big Data bezeichnet schnell wachsende und sehr heterogene Datenbestände,

die zu groß oder zu komplex sind oder sich zu schnell ändern, um sie mit

herkömmlichen Methoden und Tools der Datenverarbeitung und -analyse auszuwerten.

*****

Technologien

In den letzten Jahren wurden neue Softwarelösungen entwickelt, die den Umgang mit Big Data möglich machen. Eine besondere Rolle kommt hierbei den In-Memory-Datenbanken (~ Hauptspeicherdatenbanken) wie SAP Hana zu, aber auch der so genannte MapReduce-Ansatz spielt eine gewichtige Rolle.

Eine In-Memory-Datenbank ist ein Datenbanksystem, das den Hauptspeicher (~ Arbeitsspeicher) eines Computers als Datenspeicher nutzt. Damit unterscheidet es sich von herkömmlichen Datenbanksystemen, die zu diesem Zweck Festplattenlaufwerke verwenden. Der entscheidende Vorteil im Kontext Big Data: Arbeitsspeicher bietet wesentlich höhere Zugriffsgeschwindigkeiten auf Daten als Festplattenlaufwerke und auch die Algorithmen für den Zugriff auf vorhandene Daten sind einfacher. In-Memory-Datenbanken sind also schneller und ihre Zugriffszeiten sind besser vorhersagbar als die von herkömmlichen Datenbanksystemen. Anders gesagt: Eine effiziente Verarbeitung großer Datenbestände wird möglich.

MapReduce ist ein ursprünglich von Google entwickeltes Programmiermodell für Berechnungen über große Datenmengen. Das Ziel: Die Parallelisierung von Berechnungen auf mehreren (vielen) Rechnern. Bei sehr großen Datenbeständen ist eine solche Parallelisierung zwingend notwendig, weil die Verarbeitung großer Datenbestände auf einem einzelnen Rechnersystem nicht effizient durchgeführt werden kann.

Daten im Mittelstand – Eine Bestandsaufnahme

Deloitte hat in einer Studie [2] den Umgang des deutschen Mittelstandes mit Big Data allgemein und mit Datenanalysen im Speziellen analysiert. Wesentliche Ergebnisse sind:

• Angestellte Manager treffen rationale, Eigentümer von Unternehmen dagegen oft eher intuitive Entscheidungen. CEOs/CFOs zeigen v.a. analytische Entscheidungsmuster auf.
• 87% der Unternehmen beobachten eine steigende Datenmenge.
• 77% der Unternehmen beobachten einen stärkeren Entscheidungsdruck.
• Zwar halten mehr als 70% halten ihre Daten quantitativ und qualitativ für ausreichend. 40% der Unternehmen sehen aber mangelnde Datenübersichtlichkeit als Problem.
• 2/3 der Unternehmen verfügen über eine integrierte IT-Gesamtlösung für Datenanalysen.

Online Marketing Business Case

Grundsätzlich muss angemerkt werden, dass sich Anwendungsmöglichkeiten v.a. durch die integrierte und kombinierte Analyse verfügbarer Daten ergeben.

Folgende Anwendungsmöglichkeiten existieren z. B. im Online Marketing:

1. Optimierung der Customer Journey (One-to-One-Retailing, Personalisierung)
2. Identifizierung & Analyse von Nachfragetrends (Marktmonitoring)
3. Optimierung von Up-Selling- & Cross-Selling-Potentialen (Online & Offline)
4. Optimierung des E-Mail-Marketing (Personalisierung, Individualisierung)
5. Optimierung der Preisgestaltung (Steuerung von Aktionen, Kampagnen)
6. Optimierung von Webseiten (Personalisierung, Individualisierung)
7. Optimierung von Service-Prozessen (Erkennung kritischer Kunden)

Aus der steigenden Anzahl an Marketingkanälen ergibt sich auch eine Zunahme der generierten Daten, die künftig verwaltet, analysiert und genutzt werden sollen. Typische Datenquellen für Anwendungsmöglichkeiten im Marketing sind: Online-Käufe, Webseitenbesuche, Umfragen, Rückmeldungen aus/auf Mailings und Newsletter sowie Informationen aus dem Internet/Social Web.

Interessant: Laut einer Studie von Forbes Insights [3] aus 2013 sind Marketingfachleute der Meinung, dass sie Big Data bereits optimal einsetzen, obwohl das Gegenteil der Fall ist. Die Mehrheit aller Marketingspezialisten in Unternehmen gab an, Daten bei marketingrelevanten Entscheidungen regelmäßig bzw. immer optimal einzusetzen. Nichtsdestotrotz setzte lediglich eines von 10 Unternehmen Big Data in mehr als der Hälfte seiner Werbe- und Marketingstrategien ein.

Fazit & Empfehlungen

• Für Unternehmen existieren erhebliche Potentiale durch Big Data. Perspektivisch interessant ist v.a. die Individualisierung der Kundenbeziehungen durch ein besseres Kundenverständnis. Letzteres wird möglich v.a. durch eine intelligente, datengestützte Kundenansprache und Kundenbindung.
• Um die Potentiale von Big Data zu nutzen, benötigen Unternehmen eine spezifische Datenarchitektur. Ausgangspunkt ist dabei die Frage, welche sowohl internen als auch externen Daten wie (v.a. intelligenter) verarbeitet werden können. Denn: Daten müssen in passender Form vorliegen. Probleme dabei: Große Datenmengen müssen nicht zwingend und sofort qualitativ bessere Daten sein und auch nicht alle Daten sind gleichermaßen wertvoll bzw. hilfreich. Ebenfalls in diesem Kontext zu beachten: "Was?" und "Warum?" sind zwei verschiedene Fragen, d.h. Datenauswertungen hängen immer von der konkreten Fragestellung ab.
• Der Weg ist das Ziel, d.h. die Migration von strukturierten Unternehmensdaten zu unstrukturierten und strukturierten Massendaten aus beliebigen Quellen ist zunächst wichtiger als Lösungen zur Datenverarbeitung. Anders gesagt: Im Fokus sollten zunächst Tools stehen, mit denen Unternehmen die Gültigkeit und den Wahrheitsgehalt von vorhandenen großen Datenmengen prüfen können, um den daraus zu gewinnenden Informationen vertrauen zu können.
• Um Big Data Potentiale zu nutzen, müssen v.a. in Fachabteilungen mittel- und langfristig grundlegende Big Data Kompetenzen aufgebaut werden. Die IT ist nicht der Treiber.
• Ethische Grundsätze müssen explizit berücksichtigt und betont werden: „Privacy by Design“ ist für Unternehmen nachhaltiger Wettbewerbsvorteil, kein kurzfristiger Nachteil. Nur weil Daten verfügbar sind, ist die Auswertung nicht zwingend ethisch vertretbar.

[1] Angelehnt an: BITKOM Big Data Leitfaden, 2012. BITKOM AK Big Data.

[2] Quelle: Deloitte. „Data Analytics im Mittelstand – Die Evolution der Entscheidungsfindung“

[3] Quelle: Forbes Insights. „The Big Potential of Big Data: A Field Guide for CMOs“