Übersicht

1. Definition: Was ist Big Data?
2. Was lernen Unternehmen aus Datenanalysen?
3. Warum lohnt sich Big Data Analytics für den Mittelstand?
4. Welche Einsatzmöglichkeiten für Big Data gibt es?
5. Welche Rolle spielt Big Data im Personalmanagement?
6. Welche Möglichkeiten bietet Big Data im Kundenservice?
7. Was bietet Big Data der Unternehmenskommunikation?
8. Was macht ein Data Scientist?

1. Definition: Was ist Big Data?

Der Begriff Big Data steht für große Datenbestände. Diese enthalten Informationen, die sich teils in Echtzeit verändern und aus unterschiedlichen Formaten und Quellen zusammensetzen.
Per Definition hat Big Data seinen Ursprung beispielsweise in der Wirtschaft. In Bereichen wie dem Internet der Dinge, der Industrie 4.0, im Mobilfunk, in der Finanzindustrie, im Energiesektor oder Gesundheitswesen fallen jeden Tag enorme Datenmengen an. Darüber hinaus tragen aber auch digitale Technologien selbst dazu bei, dass die Informationsmenge zunimmt: Wer über soziale Medien kommuniziert, Kredit- und Kundenkarten einsetzt, elektronische Assistenzgeräte wie Navigationssysteme oder Überwachungskameras nutzt, produziert laufend Daten.

Tendenz stark steigend: Laut einer Prognose des IT-Analystenhauses IDC wird sich das weltweite Informationsvolumen von 2013 bis 2020 im Zweijahrestakt verdoppelt haben. Das heißt: Pro Jahr soll die Menge an Daten um 40 Prozent wachsen. 44.000.000.000.000.000 Megabyte (oder 44 Zettabyte) sollen demnach bis 2020 aufgelaufen sein – produziert von Maschinen, Sensoren, Unternehmen und Verbrauchern. Nach Schätzungen des IDC produziert jede Person im Schnitt zwei Megabyte Daten pro Minute.

Unternehmen sammeln Daten in Datenbanken, um sie mit statistischen Methoden auszuwerten. So lassen sich Zusammenhänge erkennen, die sich ökonomisch nutzen lassen. Und: Dass diejenigen Unternehmen einen Wettbewerbsvorteil haben, die aus Daten lernen, fand das Harvard Business Magazine heraus: Laut Management-Magazin arbeiten Unternehmen, die zum führenden Drittel ihrer Branche gehören und sich selbst als datengetrieben beschreiben, durchschnittlich um fünf Prozent produktiver und um sechs Prozent profitabler als Wettbewerber.

2. Was lernen Unternehmen aus Datenanalysen?

Die Bedeutung von Data Science, Data Mining und Big Data Analytics steigt, denn aus großen Datenmengen kann nur der viel lernen, der sie intelligent analysiert. So verarbeiten beispielsweise Unternehmen, aber auch politische und gesellschaftliche Organisationen große Datenmengen. Ihr Ziel: mehr lernen über das Verhalten und die Erwartungen ihrer Kunden, über Entwicklungen ihrer Branche oder den politischen und gesellschaftlichen Kontext. Datenanalysen helfen, Antworten auf folgende, für jedes Unternehmen zentrale Fragen zu finden:

• Wie lässt sich der Kundenwert steigern?
• Wie können wir das Kundenerlebnis besser managen?
• Wie können Unternehmen agiler auf Marktanforderungen reagieren und Potenziale entdecken?
• Wie können Firmen schneller entscheiden?
• Wie lassen sich Ausgaben reduzieren und die Effizienz steigern?

Zu den Daten, die sich betriebswirtschaftlich auswerten lassen, gehören zum Beispiel Nutzerstatistiken zu Produkten, Marktzahlen, aber auch Gesundheits- oder Geodaten. Um Datenanalysen durchführen zu können, sind besondere Software und leistungsstarke Technologien wie etwa das Cloud Computing nötig.

Die Bedeutung von Data Science, Data Mining und Big Data Analytics nimmt für Unternehmen immer mehr zu. Die Bedeutung von Data Science, Data Mining und Big Data Analytics nimmt für Unternehmen immer mehr zu. (© 2017 shutterstock / Rawpixel)

3. Warum lohnt sich Big Data Analytics für den Mittelstand?

Big Data ist laut Digitalverband Bitkom auch im Mittelstand auf dem Vormarsch. Waren es im Jahr 2014 erst 23 Prozent, die Technologien zum Sammeln und Auswerten großer Datenmengen nutzten, setzte 2016 bereits jedes dritte Unternehmen auf diese Möglichkeit.

Von den Prognosen profitieren gerade auch kleine und mittlere Unternehmen. Denn solche datengetriebenen Analysen setzen betriebswirtschaftliche Potenziale frei. Laut einer Studie des Fraunhofer-Instituts für intelligente Analyse- und Informationssysteme befördern sie sogar das Innovationspotenzial von Unternehmen.

„Wer hier nicht mitzieht, wird auf Dauer in diesem Wettbewerb nicht überlebensfähig sein.“
Michael Feindt, Chief Scientific Advisor von Blue Yonder

Demnach lassen sich drei zentrale Chancen für kleine und mittlere Unternehmen herausarbeiten, die sich durch den Einsatz von Datenanalysen ergeben:

• Effizienter führen
• Dienstleistungen und Produkte stärker individualisieren
• „Denkende“ Produkte und intelligente Services entwickeln

Selbst Bundeskanzlerin Angela Merkel hat – zum Beispiel auf dem Digital-Gipfel 2017 in Ludwigshafen – die Wertschöpfungsmöglichkeiten für Unternehmen herausgestellt, die intelligente Analysen umfangreicher Daten bieten – auch und gerade im Mittelstand. „Wer hier nicht mitzieht, wird auf Dauer in diesem Wettbewerb nicht überlebensfähig sein“, sagt Michael Feindt, Chief Scientific Advisor von Blue Yonder.

4. Welche Einsatzmöglichkeiten für Big Data gibt es?

Mit am häufigsten sind Big-Data-Anwendungen in Marketing und Vertrieb: Händler nutzen solche Datenanalysen etwa, um ihren Absatz zu prognostizieren oder Preise zu optimieren. Buchhaltung und Controlling können Zahlen wesentlich schneller bereitstellen, um Entscheidungen zu unterstützen. Oder in der Finanzbranche: Hier ist es möglich, Risiken zu minimieren und Betrugsversuche zu verhindern. Um Kriminellen das Handwerk zu legen, lassen sich Kunden- und Transaktionsdaten gezielt analysieren. Wer Sensordaten auswertet, die in der Produktionsstraße einer Fabrik anfallen, kann die Wartung von Maschinen optimieren.

Mediziner werten umfangreiche Krebsstudien aus und entdecken in relativ kurzer Zeit Hinweise auf Krankheitsursachen und -verläufe, die sie ohne digitale Analysetools nicht so schnell oder gar nicht entdeckt hätten. Telekommunikationsprovider analysieren Netzdaten und Verkehrsmuster, um die Service-Qualität zu verbessern und Bandbreiten zu optimieren. Unternehmen im Transport- und Logistikbereich beschleunigen Lieferprozesse und optimieren Touren.

Um Kunden zu binden und Folgekäufe anzustoßen, unterstützen Big-Data-Analysen den Kundenservice. Was denkt die Gesellschaft? Mit welchen Botschaften sind Zielgruppen zu beeinflussen? Kommunikationsprofis entwickeln Maßnahmen auf Basis von Datenanalysen. Auch im Human Resource Management lassen sich Personalressourcen optimal planen wie auch zukünftiger Bedarf prognostizieren – dank Big Data.

Für Big Data gibt es durch alle Branchen hinweg vielfältige Einsatzmöglichkeiten. Für Big Data gibt es durch alle Branchen hinweg vielfältige Einsatzmöglichkeiten. (© 2017 shutterstock / chombosan)

5. Welche Rolle spielt Big Data im Personalmanagement?

Welche Fachkräfte sind noch zu haben? Wie teuer ist es, sie von der Konkurrenz abzuwerben? Auch im Personalmanagement hält Big Data Einzug. Eine Studie des Digitalverbands Bitkom und des Businessnetzwerks LinkedIn aus dem Jahr 2015 sagt: Nur jedes zehnte deutsche Unternehmen setzt Datenanalysen ein, um Personalprozesse zu optimieren. Dabei bietet Big Data gerade in der Personalabteilung einer Firma zahlreiche Anwendungen mit großem Potenzial. In Frankreich etwa nutzt die Bahngesellschaft SNCF Datenanalysen, um Personalressourcen, Gehaltskosten und Arbeitsaufkommen vorherzusagen. Dazu hat SNCF unterschiedliche Datensilos im Unternehmen aufgebrochen und so miteinander verknüpft, dass sie nun Engpässe vorhersagen und rechtzeitig vorsorgen kann.

Die Umfrage von Bitkom und LinkedIn zeigt auch: Je größer Unternehmen sind, desto aufgeschlossener stehen sie Big-Data-Technologien im Personalmanagement gegenüber. Kleine Firmen dagegen sehen datenschutzrechtliche Bestimmungen oder hohe IT-Anforderungen als Hürden, die gegen eine intensiven Big-Data-Nutzung auch im HR-Bereich sprechen.

6. Welche Möglichkeiten bietet Big Data im Kundenservice?

„Kunden möchten, dass man sie kennt, aber nicht in- und auswendig.“
Jeremy Cox, Analyst bei Ovum

Kunden schätzen einen personalisierten Service mit individuellen Angeboten. Analysen von Transaktionsdaten ermöglichen es Anbietern, jeden Kunden persönlich anzusprechen. Das erhöht die Chance, Interessenten langfristig zu binden und Folgekäufe anzustoßen. Aber: Wer seinen Kundenservice mit Big Data auf Vordermann bringt, sollte wissen: Kunden erwarten zwar, dass man sie kennt – aber eben nicht in- und auswendig, sagt Jeremy Cox, Analyst bei Ovum. Das Beratungsunternehmen hatte Mitte 2015 gemeinsam mit den Marktforschern von Verint und Opinium 18.000 Verbraucher weltweit zu ihrem Konsumverhalten befragt.

Beispiel aus der Praxis: Das Berliner Startup Implisense hat eine Big-Data-Lösung erarbeitet, die in der Lage ist, Kunden maßgeschneidert anzusprechen. Dazu haben die Gründer des Unternehmens ein selbst lernendes System entwickelt, das aus vielen Datenquellen errechnet, welche Kunden sich für bestimmte Produkte, Dienste oder Lösungen interessieren. Das Verfahren ist zudem in der Lage, mathematisch zu prognostizieren, wie sich das Interesse der Kunden im Laufe der Zeit verändern wird. „Damit können Vertriebler in nur einem Drittel der üblichen Bearbeitungszeit bereits zwei Drittel der relevanten Kunden ansprechen“, sagt Andreas Schäfer, Geschäftsführer von Implisense. „Anders ausgedrückt: Mit unserer Lösung können wir die Produktivität im Direktvertrieb unserer Kunden verdoppeln.“

Kunden schätzen einen personalisierten Service mit individuellen Angeboten. Big Data macht das möglich. Kunden schätzen einen personalisierten Service mit individuellen Angeboten. Big Data macht das möglich. (© 2017 shutterstock / Zapp2Photo)

7. Was bietet Big Data der Unternehmenskommunikation?

Kommunikationsprofis sind sich einig: Die Analyse großer Datensammlungen wird wichtiger als Ausgangsbasis für wichtige Entscheidungen. Das bestätigt der European Communication Monitor (ECM) 2016: Rund 72 Prozent der mehr als 2.700 befragten Kommunikationsexperten aus 43 Ländern sind der Ansicht, dass der Bereich Big Data künftig an Relevanz für die Unternehmenskommunikation gewinnen wird. 23 Prozent halten die Nutzung von Big Data sogar für eines der drei wichtigsten Themen bis 2018. Gleichzeitig zeigt sich aber auch, dass viele Profis die Möglichkeiten noch nicht nutzen, die die großen Datenmengen für die Kommunikation bieten: Nur 21 Prozent der Organisationen haben diesbezüglich bereits Aktivitäten gestartet.

 

 

8. Was macht ein Data Scientist?

Daten erhalten ihren Wert nicht als undefinierbare Masse. Sondern durch intelligentes Auswerten und Interpretieren. Für die entsprechenden Experten auf diesem Gebiet gibt es seit Anfang des Jahrtausends ein eigenes Berufsbild – den Datenwissenschaftler oder Data Scientist. Diese Data-Science-Experten sammeln Daten aus unterschiedlichen Quellen – intern wie extern, kombinieren sie intelligent und entlocken ihnen so Sinn. Dank datenbasierter Prognosen und Statistiken lassen sich Entscheidungen beschleunigen, das Kundenverhalten vorhersagen oder die Entwicklung von Produkten optimieren. Über welche Kernkompetenzen ein Data Scientist verfügen sollte:

• Fachwissen in Mathematik und Informatik
• Kenntnisse in Programmiersprachen mit Big-Data-Bezug (beispielsweise Python)
• Neugierde und Kreativität im Umgang mit spezifischen Fragestellungen
• Kommunikations- und Präsentationsfähigkeiten

Data-Scientists werden gesucht. Laut aktueller Umfragen des Beratungshauses Sopra Steria Consulting sind sich 90 Prozent aller Unternehmenslenker bewusst, welchen Einfluss Datenanalysen auf die eigene wirtschaftliche Performance haben. Aber: Bis dato haben nur 28 Prozent der Firmen Data-Science-Initiativen vorzuweisen. Der Grund: Die Mitarbeiter mit der benötigten Expertise fehlen. Sopra Steria Consulting hatte 2016 branchenübergreifend mehr als 200 Vorstände und Führungskräfte aus Unternehmen mit mehr als 500 Mitarbeitern zum Thema Data Science befragt.