DirectFocus
Publiziert: 7. Februar 2013
 
Big Data – Datenschürfen in Echtzeit
Wenn Apps wie «Nike+» die Fitness und «Mind Wave» unseren Schlaf verbessern, das Navigationsgerät Verkehrsprognosen liefert oder wir dank Amazon-Empfehlungen smarter einkaufen, sind Big Data im Spiel. Das weltweit anfallende Datenvolumen verdoppelt sich aktuell etwa alle 18 Monate. Viele Unternehmen möchten das Wissen nutzen und suchen nach Ansätzen, mit denen sie dem Datenvolumen, dem schnellen Veralten und der Vielfalt von Datenquellen Herr werden können.

 

Was ist Big Data – eine Definition
Big Data ist ein Trend-Schlagwort. Der Begriff bezeichnet die Analyse grosser Datenmengen aus vielfältigen Quellen in hoher Geschwindigkeit mit dem Ziel, wirtschaftlichen Nutzen zu erzeugen. Getrieben wird Big Data durch das zunehmend maschinelle Erzeugen von Daten. Grosse Datenvolumen fallen heute nicht nur in Marketing, Vertrieb und Kundendienst (Social Media) an, sondern auch in der Produktentwicklung, Produktion, Distribution und Logistik sowie beim Finanz- und Risiko-Controlling.
Die Herausforderungen liegen darin,
  1. relevante Daten aus grossen Datenvolumen mit geringer Informationsdichte und aus strukturierten wie auch aus unstrukturierten bestehenden Daten zu ermitteln und auszuwerten -> Volumen
  2. dies möglichst schnell, im Idealfall in Echtzeit, zu tun, um möglichst nützliche Informationen zu generieren -> Geschwindigkeit
  3. dabei eine Vielzahl von Quellen mit unterschiedlichen Datenformaten und -strukturen einzubeziehen, um einen möglichst umfassenden Marktblick zu erhalten (z.B. Kunden- und ERP-Datenbanken, soziale Netzwerke, Augmented Reality, Diskussionsforen, Blogs, Call-Center-Aufzeichnungen, Fotos, Customer-Journey-Analysen usw.) -> Vielfalt

Daten integrieren – ja oder nein?

Eine komplette Integration von grossen Datenmengen hat weit reichende, teure Folgen für Unternehmen, weshalb es sich nicht immer lohnt, unstrukturierte Daten überhaupt ins Haus zu holen. Die entscheidende Frage lautet: Sind wir tatsächlich in der Lage, aus den Daten auch relevante Handlungen abzuleiten? Grundsätzlich gibt es drei Möglichkeiten, mit Big Data umzugehen:
  • die Daten ausserhalb des Unternehmens lassen (z.B. indem Performance-Daten in Echtzeit analysiert werden, ohne sie zu speichern – beispielsweise um Cluster und Konsumtypen zu bilden oder kontrollierte Experimente durchzuführen)
  • die Daten in die bestehende Datenbank integrieren
  • im eigenen Unternehmen parallel eine Datenbank aufbauen

Targeting als Alternative zu Big Data
Unternehmen wie Zalando wählen die erste Möglichkeit und setzen auf Targeting (siehe dazu unseren Beitrag «Banner – dem Nutzer auf der Spur»). Heute ist es möglich, das Surfverhalten der Nutzer mit Cookies und anderen Online-Tracking-Systemen zu verfolgen und in Echtzeit mit Marktforschungsdaten, z.B. von Nielsen abzugleichen. Aus dem identifizierten Verhalten können sofort passgenaue Angebote erstellt und dem Nutzer via Banner angezeigt werden.

Nutzen von Big Data
Mit Big-Data-Projekten in Kombination mit analytischem Marketing lassen sich Wettbewerbsvorteile erarbeiten, Einsparungspotenziale erkennen oder sogar neue Geschäftsfelder entdecken.
  • Big Data schafft Transparenz und erlaubt dem Marketing eine 360-Grad-Marktsicht.
  • Es ermöglicht, bisher unentdeckte Trends und neue Geschäftschancen aufzuspüren.
  • Laut aktuellen Studien steigen durch den Einsatz von Big-Data-Analysen Umsatz und Gewinn an, und Risiken und Kosten lassen sich minimieren.
  • Big-Data-Verfahren überführen unstrukturierte Daten automatisiert in eine strukturierte Form, wodurch quantitative und qualitative Analysen in Echtzeit ermöglicht und somit die Grundlagen für Management-Entscheidungen erweitert werden.
  • Unternehmen können mit Big Data schneller auf Marktveränderungen reagieren, beispielsweise indem sie Social-Media-Analysen durchführen und Sensordaten von Produkten auswerten.

Nutzen und Nachteile von Big Data
Pro Contra
  • Kosteneinsparung in Geschäftsprozessen
  • Kosteneinsparung in der IT
  • Wettbewerbsvorteile
  • Mehr Umsatz durch Big-Data-bezogene Geschäftsmodelle

  • Sicherheitsbedenken
  • Datenschutzbedenken
  • Technische Herausforderungen (Integration, Schnittstellen)
  • Operationale Risiken
  • Fehlende Relevanz für das eigene Geschäftsmodell
  • Zu geringe Datenvolumina vorhanden

Quelle: Big Data Analytics in Deutschland 2012, IDC/SAS Institute

Erfolgsfaktoren für Big-Data-Projekte

Der Umgang mit Big Data verlangt
  • neue, schnelle Entscheidungswege und ein agiles Business-Process-Management, damit man die Entscheide auch schnell implementieren kann
  • eine Datenstrategie, die den Rahmen für die Organisation, Architektur, Analyse, Präsentation und das Management der Daten liefert, den Umgang mit den riesigen Datenmengen und den Einsatz der richtigen Tools und Konzepte regelt
  • neue Kompetenzen, um Big-Data-Projekte umsetzen zu können

«Daten eines Unternehmens sind immer nur so gut wie die Erkenntnisse, die sich daraus ableiten lassen.»
Paul Kent, Vice President of Big Data bei SAS

Aktuelle Studien
  • Für die Studie «Analytics: Big Data in der Praxis» von IBM und der Said Business School an der Universität Oxford wurden 1144 Business- und IT-Experten aus 95 Ländern und 26 Branchen zu Bedeutung und Stadium von Big-Data-Projekten in ihren Unternehmen befragt. Wichtigstes Ziel sei die Schaffung von mehr Kundennähe (49 Prozent), indem Verhaltensmuster, Stimmungen und Vorlieben von Kunden besser erkannt werden könnten. Dazu würden vor allem interne Datenquellen mit strukturierten Daten verwendet. 43 Prozent griffen auch auf Social-Media-Daten zu.
  • Auch The Economist hat im Auftrag von SAS die Bedeutung von Big Data in Unternehmen untersucht. Dazu wurden im März 2012 752 Führungskräfte aus Westeuropa, Nord- und Südamerika, Asien, dem mittleren Osten und Afrika befragt. Die Studie «Big data – Lessons from the leaders» (PDF, 1 MB) zeigt unter anderem, dass Unternehmen, die eine klar definierte Strategie im Umgang mit Big Data haben, wirtschaftlich erfolgreicher sind. Des Weiteren kommen die Autoren zum Schluss, dass Talente genau so wichtig sind wie die Technologie.
  • Die Studie «Big Data for Small Budgets» der Aberdeen Group nennt vier Schlüsseltechnologien, mit denen auch kleinere Unternehmen von Big Data profitieren. Die Analysten fanden heraus, dass sich der operative Gewinn bei Unternehmen, die sich intensiv mit der strukturierten Auswertung von Big Data befassen, um durcschnittelich 12 Prozent gesteigert hat.

«Daten sind nun einmal die neue Währung und man muss den Kunden dazu bringen, in dieser Währung auch zahlen zu wollen.»
Thomas Tachilzik, Geschäftsführer Tachilzik Consulting Bonn gegenüber Akquisa (1|2013).

Fazit
Die Bedeutung von Daten als Faktor der Wertschöpfung nimmt zu. In der digitalen Welt sind sie der vierte Produktionsfaktor neben Kapital, Arbeitskraft und Rohstoffen. Gartner rechnet weltweit bis 2015 mit 4,4 Millionen zusätzlichen IT-Jobs rund um das Thema Big Data. Und das McKinsey Global Institute schätzt, dass ein Händler mit Big-Data-Analysen seine Marge um bis zu 60 Prozent steigern kann. Trotzdem gibt es Zweifel am Verhältnis von Nutzen und Ertrag. Zudem sind die Big-Data-Szenarien den Datenschützern ein Dorn im Auge. Bevor externe Daten analysiert und allenfalls ins eigene CRM integriert werden, empfiehlt es sich deshalb, den eigenen Datenschatz zu durchleuchten und die Erkenntnisse daraus für die Marktbearbeitung und für Managemententscheide zu nutzen.


Weitere Beiträge zum Thema Customer Journey:
 
Newsletter abonnieren
Diesen Artikel mit Freunden teilen: Diesen Artikel auf Ihrem Twitter-Profil publizieren. Diesen Artikel auf Ihrem Facebook-Profil publizieren. Diesen Artikel Ihren XING-Kontakten zeigen.

Impressum | Rechtlicher Hinweis

Copyright Post CH AG - Für weitere Auskünfte nehmen Sie mit uns Kontakt auf.