Ein Frosch, den man ins heiße Wasser wirft, versucht sofort der todbringenden Gefahr zu entkommen, während ein im Wasser sitzender Frosch, den man langsam immer höheren Temperaturen aussetzt, nicht reagiert und stirbt. Mit diesem Vergleich ermahnte Teradatas Co-President Hermann Wimmer auf der Kunden- und Partnerkonferenz Universe 2015 in Amsterdam die Unternehmen, sich den Herausforderungen der um sich greifenden Digitalisierung zu stellen und schnell zu reagieren, statt abzuwarten und am Ende womöglich als Verlierer dazustehen.
Als Beispiele, wie rapide sich Märkte ändern können, führte der Teradata-Manager die Internet-Companys Uber und Apple an. Uber schicke sich derzeit an, Mobilität neu zu definieren und das Taxi-Gewerbe vollständig umzukrempeln, und Apple stehe mit den Luxusversionen seiner jüngst vorgestellten Smartwatch plötzlich in Konkurrenz zu renommierten Uhrenfabrikanten wie Rolex. "Firmen müssen heute besser vorbereitet sein, als jemals zuvor", warnte Wimmer mit Blick auf diese Entwicklungen.
- Die Begriffe rund um Big Data
Big Data - was ist das eigentlich? Jeder spricht drüber, jeder versteht etwas anderes darunter. Klicken Sie sich durch unser Glossar mit den wichtigsten und meistgenutzten Begriffen (manche sagen auch "Buzzwords") und verstehen Sie, was damit genau gemeint ist. <br /><br /> <em>zusammengestellt von <a href="http://www.kommunikation-in-sendling.com/" target="_blank">Kriemhilde Klippstätter</a>, freie Autorin und Coach (SE) in München</em> - Ad Targeting
Der Versuch, die Aufmerksamkeit des potenziellen Kunden zu gewinnen, meist durch "passgenaue" Werbung. - Algorithmus
Eine in Software gegossene mathematische Formel mit der ein Datensatz analysiert wird. - Analytics
Mit Hilfe von Software-basierenden Algorithmen und statistischen Methoden werden Daten interpretiert. Dazu benötigt man eine analytische Plattform, die aus Software oder Software plus Hardware besteht und die die Werkzeuge und Rechenpower bereitstellt, um unterschiedliche analytische Abfragen durchführen zu können. Es gibt eine Reihe unterschiedlicher Formen und Einsatzzwecke, die in diesem Glossar näher beschrieben sind. - Automatic Identification and Capture (AIDC)
Jede Methode der automatischen Identifizierung und Datensammlung über eine Gegebenheit und die nachfolgende Speicherung in ein Computersystem. Etwa die Informationen aus einem RFID-Chip, die ein Scanner ausliest. - Behavioral Analytics
Behavioral Analytics nutzt Informationen über das menschliche Verhalten, um die Absichten zu verstehen und zukünftiges Verhalten vorhersehen zu können. - Business Intelligence (BI)
Der generelle Ausdruck für die Identifizierung, Herkunft und Analyse der Daten. - Call Detail Record (CDR) Analyse
Diese enthält Daten, die die Telekommunikationsunternehmen über die Nutzung von Mobilfunkgesprächen – etwa Zeitpunkt und Dauer der Gespräche – sammeln. - Cassandra
Ein verteiltes Datenbank-Verwaltungssystem für sehr große strukturierte Datenbanken („NoSQL“-Datenbanksystem) auf Open-Source-Basis (Apache). - Clickstream Analytics
Bezeichnet die Analyse der Web-Aktivitäten eines Benutzers per Auswertung seiner Klicks auf einer Website. - Competitive Monitoring
Tabellen, in denen die Aktivitäten der Konkurrenz im Web automatisch gespeichert werden. - Complex Event Processing (CEP)
Ein Prozess, bei dem alle Aktivitäten in den Systemen einer Organisation überwacht und analysiert werden. Bei Bedarf kann sofort in Echtzeit reagiert werden. - Data Aggregation
Das Sammeln von Daten aus unterschiedlichen Quellen für die Erstellung eines Berichts oder für eine Analyse. - Data Analytics
Ein Stück Software, mit dem Informationen aus einem Datensatz gezogen werden. Das Ergebnis kann ein Report, ein Status oder eine Aktion sein, die automatisch gestartet wird. - Data Architecture and Design
Legt dar, wie Unternehmensdaten strukturiert sind. Meist erfolgt das in drei Prozessschritten: Begriffliche Abbildung der Geschäftseinheiten, logische Abbildung der Beziehungen innerhalb der Geschäftseinheit sowie die physikalische Konstruktion eines Systems, das die Tätigkeiten unterstützt. - Data Exhaust
Die Daten, die eine Person bei ihrer Internet-Aktivität "nebenbei" erzeugt. - Data Virtualization
Der Prozess der Abstraktion verschiedener Datenquellen durch eine einzige Zugriffsschicht auf die Daten. - Distributed Object
Ein Stück Software, das es erlaubt, mit verteilten Objekten auf einem anderen Computer zusammenzuarbeiten. - De-Identification
Das Entfernen aller Daten, die eine Person mit einer bestimmten Information verbindet. - Distributed Processing
Die Ausführung eines Prozesses über verschiedene per Netzwerk verbundene Computer hinweg. - Drill
Apache Drill ist eine Open-Source-SQL-Suchmaschine für Hadoop- und NoSQL-Datenmanagement-Systeme. - Hadoop
Ein freies, in Java geschriebenes Framework der Apache Foundation für skalierbare, verteilt arbeitende Software in einem Cluster. Es basiert auf dem bekannten MapReduce-Algorithmus der Google Inc. sowie auf Vorschlägen des Google-Dateisystems. - HANA
SAPs Software-und Hardware-Plattform mit In-Memory-Computing für Echtzeitanalysen und große Transaktionsvolumen. - In-Database Analytics
In-Database Analytics bezeichnet die Integration der Analysemethoden in die Datenbank. Der Vorteil ist, dass die Daten für die Auswertung nicht bewegt werden müssen. - In-Memory Database
Jedes Datenbanksystem, das den Hauptspeicher für die Datenspeicherung benutzt. - In-Memory Data Grid (IMDG)
Die verteilte Datenspeicherung im Hauptspeicher vieler Server für schnellen Zugriff und bessere Skalierbarkeit. - Machine-generated Data
Alle Daten, die automatisch von einem Rechenprozess, einer Applikation oder einer nicht-menschlichen Quelle erzeugt werden. - Map/reduce
Ein Verfahren, bei dem ein großes Problem in kleinere aufgeteilt und an verschiedene Rechner im Netz oder Cluster oder an ein Grid aus unterschiedlichen Computern an verschiedenen Standorten ("map") zur Bearbeitung verteilt wird. Die Ergebnisse werden dann gesammelt und in einem (reduzierten) Report dargestellt. Google hat sein Verfahren unter der Marke "MapReduce" schützen lassen. - Mashup
Dabei werden unterschiedliche Datensätze innerhalb einer Applikation so kombiniert, dass das Ergebnis verbessert wird. - NoSQL
Datenbanken, die nicht relational aufgebaut sind und mit denen sich große Datenvolumina handhaben lassen. Sie benötigen keine festgelegten Tabellenschemata und skalieren horizontal. Beispielsweise ist Apache Cassandra eine NoSQL. - Operational Data Store (ODS)
Darin werden Daten aus unterschiedlichen Quellen gesammelt damit noch weitere Operationen ausgeführt werden können, bevor die Daten in ein Data Warehouse exportiert werden. - Pattern Recognition
Die Klassifizierung von automatisch erkannten Mustern. - Predictive Analytics
Diese Form der Analytics nutzt statistische Funktionen in einem oder mehreren Datensätzen, um Trends oder zukünftige Ereignisse vorherzusagen. - Recommendation Engine
Per Algorithmus werden die Kundenbestellungen einer Website analysiert und sofort passende Zusatzprodukte ausgesucht und angeboten. - Risk Analysis
Die Anwendung statistischer Methoden auf einen oder mehrere Datensätze, um das Risiko eines Projekts, einer Handlung oder Entscheidung abschätzen zu können. - Sentiment Analysis
Dabei werden Einträge von Leuten in sozialen Netzwerken über ein Produkt oder ein Unternehmen statisch ausgewertet. - Variable Pricing
Dabei folgt der Kaufpreis eines Produkts dem Angebot und der Nachfrage. Das erfordert die Echtzeit-Überwachung von Konsum und Lagerbestand. - Parallel Data Analysis
Ein analytisches Problem wird in Teilaufgaben aufgebrochen und die Algorithmen werden auf jede Problemkomponente zeitgleich und parallel angewendet. - Query Anal
In diesem Prozess wird eine Suchanfrage optimiert, um das bestmögliche Ergebnis zu erhalten. - Reference Data
Daten, die ein physikalisch oder virtuell vorhandenes Objekt und seine Eigenschaften beschreiben.
Ein wesentlicher Faktor, der die aktuellen Veränderungen maßgeblich antreibt, sind aus Wimmers Sicht Daten. Über Produkte und deren Pricing könnten sich Unternehmen heute kaum mehr im Markt differenzieren. Die Differenzierung gegenüber dem Wettbewerb funktioniere heute über Daten. Das würden immer mehr Unternehmen erkennen. "Die Einsicht, wie wichtig Daten sind, um die Zukunftsfähigkeit der eigenen Firma zu sichern, ist dramatisch gestiegen", konstatierte der Teradata-President.
Unternehmen brauchen Data Scientists
Der Weg zu einer Daten-getriebenen Organisation ist jedoch alles andere als trivial. Wimmer zufolge hänge viel davon ab, wie Daten- und Analytics-begeistert das Management in den einzelnen Unternehmen agiert, und dementsprechend die notwendige Entwicklung einer Datenkultur fördert. Zudem brauche es andere Mitarbeiter in diesem Umfeld, sagte der Teradata-Mann. "Man nennt sie Data Scientists, ich spreche gerne von Data Artists." Wimmer mahnte zudem mehr Freiräume in den Firmen an. Unternehmen benötigten nicht nur Manager, die Prozess-orientiert denken und aufpassen, dass keine Fehler passieren, sondern mehr kreative Mitarbeiter - mehr Künstler. "Rund um Analytics geht es nicht allein um Antworten auf bestimmte Fragen, sondern immer mehr auch darum, überhaupt die nächste Frage zu entdecken."
Und nicht zuletzt benötigten Unternehmen die richtige Daten-Plattform und -Architektur, sagte Wimmer. Vielfach denke man im Management immer noch Silo-orientiert und in der IT-Abteilung Applikations-orientiert. Davon müssten sich die Verantwortlichen verabschieden. "Die Daten müssen im Zentrum stehen", so der Teradata-Manager und verwies im gleichen Atemzug darauf, dass man angesichts der Veränderungen in diesem Umfeld gar nicht mehr darum herumkomme, über neue Datenarchitekturen nachzudenken. Heute lägen so viele unterschiedliche Daten an verschiedensten Standorten. Der Versuch, diese Vielfalt mit bereits bekannten Techniken einzufangen und zu bändigen, werde nicht funktionieren, so die Prämisse des Data-Warehouse-Spezialisten.
Das Teradata-Management setzt an dieser Stelle vor allem auf das Ökosystem rund um die eigenen Data-Warehouse-, Datenbank- und Analytics-Lösungen. "Wir haben in den vergangenen Jahren einen Großteil unserer Entwicklungsaufwendungen in die Integration gesteckt, beispielsweise in die Einbindung von Open-Source-Produkten wie Hadoop", sagte Wimmer. Die Ankündigungen auf der Universe-Konferenz zielen in eine ähnliche Richtung. So ist beispielsweise geplant, das speziell auf Hadoop-Consulting ausgerichtete Service-Portfolio des jüngst übernommenen Unternehmens Think Big, das derzeit noch auf die USA beschränkt ist, künftig auch in Europa und Asien anzubieten.