Data

7 min des Lesens

Big Data Basics: Was ist Datenanalyse und wofür ist sie gut?

Geschrieben von

Talent Garden

Don't you want to read? Try listening to the article in audio mode 🎧

Big Data zählt derzeit zu den Top-Trends im Bereich Business Intelligence und Datenanalyse, und trotzdem leiden Unternehmen weiterhin unter einem Mangel an datenbewussten Talenten. Laut dem deutschen Business Application Research Centers geben über die Hälfte der Unternehmen an, dass sie aktiv nach BewerberInnen mit analytischem oder technischem Know-how in der Big-Data-Analyse suchen. Das sind vor allem gute Nachrichten für Tech-AnfängerInnen, deren Wissen und Fähigkeiten von Unternehmen begrüßt werden, die die Vorteile von Big Data nutzen möchten. Wenn dich also der Bereich Datenanalyse interessiert, dann solltest du jetzt definitiv weiterlesen. Im Folgenden werden wir diskutieren, welche Anforderungen an Jobs gestellt werden und welche Fähigkeiten du beherrschen solltest, um eine erfolgreiche Karriere in den Datenwissenschaften zu beginnen. Außerdem verschaffen wir dir einen ersten Überblick über die Basics der Datenanalyse von Big Data.

Was ist Big Data?

Der Begriff "Big Data" bezieht sich auf Daten, die so groß, schnell oder komplex sind, dass es schwierig oder unmöglich ist, sie mit herkömmlichen Methoden zu verarbeiten. Erst Anfang der 2000er-Jahre gewann diese Sparte immer mehr an Dynamik. Zu dieser Zeit formulierte der Branchenanalyst Doug Laney die heute gängige Definition von Big Data als die drei V:

Volume

Unternehmen sammeln Daten aus einer Vielzahl von Quellen, darunter Geschäftstransaktionen, intelligente Geräte (IoT), Industrieanlagen, Videos, soziale Medien und mehr. In der Vergangenheit war das Speichern großer Datenmengen kostspielig gewesen - aber spätestens die Cloud-Lösungen großer Player wie Microsoft oder Amazon haben dieses Problem gelöst.

Velocity

Mit dem Wachstum des Internet der Dinge müssen Daten mit beispielloser Geschwindigkeit verarbeitet werden. RFID-Tags, Sensoren und intelligente Zähler machen es erforderlich, mit diesen Datenströmen nahezu in Echtzeit umzugehen.

Variety

Daten gibt es in allen Formaten - von strukturierten numerischen Daten in herkömmlichen Datenbanken bis hin zu unstrukturierten Textdokumenten, E-Mails, Videos, Audios, Börsentickerdaten und Finanztransaktionen.

Was macht Big Data für Unternehmen so wertvoll?

Bereits seit Anfang des 16. Jahrhunderts weiß man: Wissen ist Macht. Damals wie heute ist nicht entscheidend, wie viele Daten oder Wissen man besitzt, sondern welches neue Wissen sich daraus generieren lässt. Daten lassen sich aus jeder Quelle entnehmen und analysieren. Die so gewonnen Antworten ermöglichen 1) Kostenreduzierungen, 2) Zeitreduzierungen, 3) Entwicklung neuer Produkte und optimierte Angebote sowie 4) intelligente Entscheidungsfindung bei jeglichen Unternehmensfragen. Dabei sind es nicht nur die datenbasierten Erkenntnisse alleine, die Big Data so wertvoll machen, sondern auch die Geschwindigkeit, in der diese Erkenntnisse gewonnen werden. Beispiele gefällig?

Hauptursachen für logistische Fehler, Probleme oder Mängel können heutzutage in Echtzeit berechnet werden. Der Hamburger Hafen ist hierfür ein spannendes Beispiel.
Gutscheine am Point of Sale werden ganz automatisch und individualisiert anhand der Kaufgewohnheiten des jeweiligen Kunden ausgestellt.
Die Neuberechnung ganzer Risikoportfolios kann mittlerweile in wenigen Minuten erfolgen.

An Daten mangelt es schon seit Jahren nicht mehr, auch die notwendigen Softwarelösungen sind vorhanden, doch ohne ausreichend ausgebildete Datenanalysten ist es schwierig, konkrete Handlungsempfehlungen aus den Daten abzuleiten. Kein Wunder also, dass Data Analysts und Data Scientists schon seit Jahren zu den begehrtesten Berufsgruppen auf Karriereplattformen wie LinkedIn zählen.

Was macht ein Data Analyst?

Eine der gebräuchlichsten Definitionen im Internet besagt, dass DatenanalystInnen „Zahlen in Klartext übersetzen“. Ausgehend von unformatierten oder unstrukturierten Daten erstellen sie Analysen, die letztendlich zu besseren Geschäftsentscheidungen führen sollen. Dies könnte bedeuten, herauszufinden, wie man neue Materialien für den Markt kalkuliert, wie man die Transportkosten senkt, Probleme löst, die das Unternehmen Geld kosten, und noch vieles mehr. Basierend auf dem Spezialgebiet gibt es in der Arbeitswelt verschiedene Arten von Datenanalysten, einschließlich BetriebsanalystInnen, MarketinganalystInnen, FinanzanalystInnen, usw. Noch mehr über die Karriere eines Data Analyst erfährst du in unserem Artikel „Wie werde ich Data Analyst“. Darüber hinaus ist allen Typen von Datenanalysten gemein, dass sie sich spezieller Datenaufbereitungtools wie Microsoft Power BI, HubSpot oder Xplenty bedienen.

Kritik an und Vorteile von Big Data

Es ist vielmehr die Geschwindigkeit, in der große Datenmengen zirkulieren als vielmehr ihre schiere Masse, die zu neuen Möglichkeiten, aber auch potenziellem Missbrauch führen kann. Die Vorteile liegen dabei auf der Hand und sind für jeden Gesellschaftsbereich evident.

Vorteile von Big Data

1. Big Data – Analysen sind die Grundlage für Innovationen.

Datenanalyse hilft dabei, KundInnen zu verstehen und gezielt anzusprechen. Sie hilft bei der Optimierung von Geschäftsprozessen und ist mittlerweile das Fundament für eine zufriedenstellende User-Experience im Internet. Prominentester Vertreter ist Amazon, das als eines der ersten Unternehmen sowohl die Wichtigkeit wie auch den gezielten Einsatz von Big Data verstanden hat. Dabei wird das Einkaufserlebnis mit jedem Besuch in Echtzeit optimiert. Nicht von ungefähr werden Produkte vorgeschlagen, die angesehenen oder gar gekauften Produkten entsprechen oder diese perfekt ergänzen. Dieses Modell haben sich auch andere Webshops zum Vorbild gemacht und so empfindet man es heutzutage geradezu als störend, wenn man noch selbst nach passenden Produkten suchen muss, anstatt sie einfach vorgeschlagen zu bekommen.

2. Big Data hilft bei der Verbesserung von Wissenschaft und Forschung.

Jeder Einkauf, jeder Forschungsversuch kann mittels Big Data verknüpft werden und so die Grundlage für neue Entscheidungen und Erkenntnisse sein. Die Forschung hat aus diesem Gebiet eine eigene Wissenschaft gemacht, welche die Stanford University wie folgt beschreibt: In den letzten Jahrzehnten wurden neuartige Methoden zur Erzeugung, Speicherung und Analyse von Daten entwickelt, die zur Entstehung des Bereichs der Datenwissenschaft führten, in dem rechnerische, algorithmische, statistische und mathematische Techniken zur Extrapolation von Wissen aus Big Data zusammengeführt werden.

3. Es verbessert die Gesundheitsversorgung und die öffentliche Gesundheit durch die Verfügbarkeit von Patientenakten.

2015 wurde in Österreich die Gesundheitsakte ELGA eingeführt und der Aufschrei war groß. Doch abseits von der Debatte um Datenschutz ist die Verknüpfung von bisherigen Diagnosen, Medikamentationen und natürlich Behandlungsverläufen extrem hilfreich - besonders dann, wenn eben nicht der/die eigene Hausarzt/-ärztin mit der Behandlung betraut ist. Ein weiterer Vorteil liegt darin, dass Einzelfälle zusammengetragen werden und so zu einem holistischen Verständnis von Krankheitsbildern führen. Das Ergebnis sind deutlich mehr Vergleichsfälle und eine faktenbasiertere Behandlung.

4. Big Data schafft die Möglichkeit, Unternehmensprozesse zu demokratisieren.

Noch nie hatte der Kunde so viel Mitspracherecht. Es ist gemeinhin bekannt, dass unser Kaufverhalten das Sortiment und die Einkaufspolitik von Unternehmen und Dienstleistern bestimmt. Doch geht Big Data weit über das hinaus. Wie in unserem Beispiel von Amazon, ermöglichen unsere Daten ein komplett personalisiertes Einkaufsverhalten. Auch entscheiden sich immer mehr Produzenten dazu, ihre Fans und Follower auf Social Media in Produktentscheidungen mit einzubinden. Vom Chips-Flavour über die Farbauswahl bei neuen Smartphone-Modellen bis hin zu Deutschlands nächstem Superstar – der Mensch partizipiert durch seine Stimme und noch viel mehr durch sein Handeln. Natürlich hat Big Data nicht nur positive Veränderungen mit sich gebracht. In der öffentlichen Diskussion sind vor allem die Datensicherheit, aber auch die Intention der Datenerheber – Stichwort „Überwachungsstaat“ heiß diskutierte Themen:

Kritik an Big Data

1. Big Data Analysis gefährdet die Privatsphäre.

Facebook untersucht in Echtzeit 500 Datenpunkte pro Profil. Das ursprüngliche Ziel, Menschen miteinander zu verbinden, ist vor diesem Hintergrund zwar lobenswert, doch wird es manchmal fast schon gespenstisch. Da lernt man gerade erst eine Person kennen, mit der man noch nie etwas zu tun hatte, und schon wird sie einem als Freund oder Freundin auf Facebook vorgeschlagen. Natürlich hat Facebook vorher um Erlaubnis gefragt, aber hat man wirklich eine Wahl, wenn der gesamte Freundeskreis sich auf einer Social Media Plattform laufend austauscht und selbst wenn man sein Einverständnis zur Nutzung der Daten erteilt hat, können so manche Folgen ungewollt sein. Mit der DSGVO-Regelung hat die EU 2018 den Versuch unternommen, diesem aber auch anderen Problemen entgegenzuwirken. Unternehmen müssen nun ganz ausdrücklich ihre Kunden oder Nutzer darauf hinweisen, wenn Daten gespeichert werden, zu welchem Zweck diese verwendet werden und wie die Datenspeicherung erfolgt. Außerdem darf die Datensammlung nicht an externe Server ausgelagert werden, da sonst die vollständige Kontrolle der Datenströme nicht gewährleistet werden kann. Mit der Unverzichtbarkeit von Datenanalysen wird auch dieses Problem weiter wachsen und auch zukünftig einer der größten Kritikpunkte bleiben.

2. Ist die Sicherheit von sensiblen Daten wirklich gewährleistet?

Wir erinnern uns an die Einführung von ELGA. Oft hieß es, dass vor allem Versicherungen diese Daten nutzen würden, um Risikogruppen zu lokalisieren und Beiträge zu erhöhen. Auch die Pharmaindustrie hat ein großes Interesse an unseren Gesundheitsdaten und das hat in der Regel wenig mit unserem persönlichen Wohlbefinden zu tun. Big Data ist sicherlich nicht der einzige Bereich, der im Zuge der Digitalisierung verwundbar gegenüber Cyberkriminalität und Missbrauch wurden, aber es ist jener Bereich, in dem am meisten Schaden angerichtet werden kann. Nicht zuletzt, weil sich auch staatliche Behörden zunehmend digitalisieren und so große Datenmengen speichern. Hollywood hat sich den extremen Gefahren schon in mehreren Filmen angenommen und eine dauerhaft zufriedenstellende Lösung scheint nicht in Sicht.

3. Big Data ist die Grundlage von maschinellem Lernen und Algorithmen und diese können in vielen Lebensbereichen die soziale Ungleichheit fördern.

Ein weniger dramatisches Beispiel ist der Algorithmus von Tinder. Hier wird mit jeder Entscheidung für oder gegen eine Person die Attraktivität des Profiles gerankt. Dies hat einen riesigen Einfluss darauf, wem man selbst vorgeschlagen wird und welche Vorschläge man erhält. Attraktive Menschen haben also klar einen Vorteil, wenn es darum geht, ebenfalls attraktive Partner zu finden. Doch ist dies vergleichsweise harmlos, wenn man bedenkt, was alles mit Standortdaten möglich ist und wie zum Beispiel China das Monitoring seiner Bevölkerung auf ein neues, standardisiertes Level hebt, von dem die Mächtigen natürlich deutlich mehr profitieren.

4. Die Analyse von großen Datenmengen gewinnt erst mit Zeit an Validität.

Was in der Wissenschaft schon länger Usus ist, führt gerade in der Wirtschaft oftmals zu überstürzten Handlungen. Als zukünftige/r Data AnalystIn solltest du daher nicht nur die reine Datenmenge, sondern auch den Erhebungszeitraum im Auge behalten. Auch wenn das Potenzial von Big Data die Welt nicht nur verändern kann, sondern definitiv wird, sind die Kritikpunkte schwerwiegend. Umso wichtiger ist das Erlernen eines verantwortungsvollen Umgangs mit Daten in einem professionellen Umfeld. Die Talent Garden Innovation School bietet mit seinem berufsbegleitenden Online Program: Business Data Analysis einen perfekten Einstieg in die Welt der Datenanalyse mit garantierten Lernerfolgen. Das Programm ist berufsbegleitend aufgebaut und ideal für Quereinsteiger. Am besten, du schaust einfach vorbei und überzeugst dich selbst!

Alltägliche Beispiele von Big Data

Die Datenanalyse durchdringt mittlerweile alle Lebensbereiche und kaum eine Person kann sich dem entziehen. Aufgrund der schieren Vielfalt an Beispielen wollen wir uns zum Schluss auf 3 Bereiche konzentrieren, die im Alltag stark verbreitet sind. Beispiel 1: Social Media. Laut Statista gab es 2019 2.8 Milliarden Social Media Nutzer weltweit und sie alle generieren laufend Daten in Form von Fotos, Videos und Text. Dabei werden all diese Daten gesammelt und so aufbereitet, dass der zentrale Algorithmus eine optimale Nutzererfahrung ermöglicht. Nicht umsonst heißt es, wer einmal ein Katzenvideo liked, hat bald eine ganze Tierhandlung in seinem Feed. Beispiel 2: Fitness Tracker. Ein weiterer spannender Bereich sind die konstante Auswertung von Gesundheitsdaten via Wearables und Fitness Tracker. Auch ich selbst habe mein Smartphone immer in der Hosentasche, seitdem es meine Schritte zählt, und man wird mit der Zeit ein wenig „obsessed by the numbers“. Dabei werden im Hintergrund die Gesundheitsdaten unzähliger Menschen genutzt, um Tageslimits festzusetzen und die eigenen Gesundheitsdaten in Relation zu setzen. Die Gefahr ist natürlich, dass die Zahlen zum Selbstzweck werden und der Spaß an der Bewegung leidet. Beispiel 3: Fliegen. Das letzte Beispiel kommt vielleicht ein wenig überraschend, aber schon während eines 30-minütigen Fluges sammelt ein Passagierflugzeug über 10 Terabyte an Daten. Erst diese aktuellen Daten ermöglichen eine akkurate Wettervorhersage, wie wir sie heute kennen. Doch nicht nur die Wettervorhersage profitiert von den Flugdaten. Insgesamt 24.000 Messpunkte werten in Echtzeit die Temperatur im Flugzeug genauso aus wie jede Nutzung des Entertainment-Centers oder auch jeden Sonderwunsch bei der Essensausgabe. Beispiele wie diese zeigen, dass kaum mehr ein Wirtschafts- oder Gesellschaftsbereich ohne Big Data auskommt. Wer diese Zahlen deuten kann, wird es nicht nur am Arbeitsmarkt sehr leicht haben, sondern auch in seinem Fachbereich die Zukunft ein klein wenig mitbestimmen. Big Data ist der Top-Trend im Bereich Business Intelligence und trotzdem leiden Unternehmen unter einem Mangel an datenbewussten Talenten. Nütze deine Chance!

Artikel aktualisiert am: 09 August 2023