Big Data
Verarbeitung und Analyse riesiger, komplexer Datenmengen, die mit klassischen Datenbanken nicht mehr handhabbar sind.
Big Data beschreibt Datenmengen, die in ihrer Größe, Geschwindigkeit oder Vielfalt die Grenzen klassischer Datenbanken sprengen. Die drei klassischen “V” sind Volume (Menge), Velocity (Geschwindigkeit) und Variety (Vielfalt). Erst spezialisierte Werkzeuge wie Data Warehouses, Spark oder Hadoop können damit sinnvoll arbeiten und aus Rohdaten verwertbare Erkenntnisse machen.
Warum Big Data für KMU oft überbewertet ist
“Big Data” klingt nach Konzern, und oft ist es das auch: Erst ab mehreren Terabyte und Echtzeit-Datenströmen lohnt sich der Aufwand wirklich. Kleine und mittlere Unternehmen haben typischerweise Small Data — ein paar Gigabyte Kundendaten, Rechnungen, Website-Statistiken — und profitieren mehr von sauberen Prozessen und einem ordentlichen Dashboard als von einem Big-Data-Stack. Wenn ein Anbieter Ihnen “Big Data für KMU” verkaufen will, fragen Sie zuerst, welches Problem damit gelöst wird.
Wo Big Data für KMU trotzdem Sinn ergibt
Im Handel und im Handwerk kann eine historische Auswertung mehrerer Jahre Umsatzprognosen, Nachfragemuster und Lagerbestandsoptimierung ermöglichen — das ist technisch Big Data im Kleinformat und lässt sich mit Tools wie BigQuery, Snowflake oder sogar PostgreSQL sehr schlank umsetzen. In der Industrie liefern IoT-Sensoren aus Maschinen einen Datenstrom, der für Predictive Maintenance ausgewertet wird — ein typischer Big-Data-Anwendungsfall, der Stillstände und Reparaturkosten drastisch senkt.
Verwandte Themen
- Data Warehouse — strukturierte Analyse-Datenbank
- Business Intelligence — Dashboards und Reporting
- Machine Learning — Muster in Daten erkennen
Big Data bei webAION
Diese passenden Services nutzen das Konzept von Big Data in der Praxis: