Businessbegriffe gelangen selten auf diese Liste, und technische, deren Bedeutung 99 Prozent der normalen Zeitungsleser nicht kennen, schon gar nicht.

Doch Big Data hat es geschafft: Unter den "Wörtern des Jahres 2013", zusammengestellt von der altehrwürdigen Gesellschaft für Deutsche Sprache, landete das schwammige Buzz-Word auf Platz 5, umgeben von den Begriffen GroKo, Protz-Bischof, Generation Sandsack, Ausländermaut, falsche Neun und einigen anderen.

Was uns das sagt? Möglicherweise dass ein Begriff gerade dann inflationär verwendet wird und entsprechende Aufmerksamkeit erregt, wenn seine exakte Bedeutung und konkrete Anwendungsszenarien noch unklar sind. Ursache dieser Unklarheit ist nicht, dass die Verwender des Begriffs sich nicht auskennen, sondern dass er einfach schwammig ist. Am häufigsten verwendet wird "Big Data" für die Analyse des Verhaltens der Nutzer von was auch immer auf Basis der Auswertung großer Datenmengen.

Erfolgsgeschichten sind selten

Solche Analysen gibt es schon mindestens zehn Jahre länger als den Begriff. Allerdings sind heute die technischen Möglichkeiten der Datenauswertung durch massenhaft und preiswert verfügbare Rechenleistung drastisch gewachsen. Außerdem braucht in Zeiten von Hadoop-Clustern nicht jeder, der Analysen will, selbst entsprechende Kapazitäten vorzuhalten.

Spätestens hier stellt sich die Frage, warum es zwar eine Allgegenwärtigkeit des Begriffs in Meetings und Medien gibt, aber kaum aktuelle, konkrete, spannende Erfolgsgeschichten - abgesehen von den üblichen Verdächtigen Netflix, Amazon etc.?

Um Erfolgsgeschichten zu schreiben, müssten Unternehmen sich überlegen, was sie wollen und die Voraussetzungen schaffen.

Die meisten Unternehmen, schrieb Anfang Juli Autor Jeremy Levy auf techcrunch, sitzen aber schlicht auf einem großen Haufen von Datenschrott. Laut einer Untersuchung von Experian, einem Anbieter von Software zur Analyse von Datenqualität, schlagen sich 88 Prozent aller Unternehmen mit schlechter Datenqualität herum und verlieren dadurch bis zu 12 Prozent ihres Umsatzes.

Daten-Schleppnetze mit unermesslich viel Müll

Die zentrale Ursache dieses Problems ist eine historische: Datenbestände sind - zwangsläufig - über die Jahre immer mehr angewachsen und wurden dabei ebenso unvermeidlich in den unterschiedlichsten Formaten und Programmen abgelegt.

Und als vor einigen Jahren die Gerüchte über den nächsten Goldrausch die Runde machten, die Verheißung, möglichst viele Daten führten zwangsläuft zu hohen Gewinnen, da ging die Sammelwut richtig los.

Aber - wie Jeremy Levy so schön formuliert hat - statt mit der Harpune gezielt auf Schmackhaftes zu zielen, zogen die Unternehmen riesige Daten-Schleppnetze hinter sich her, in denen sich unermesslich viel Müll verfing.

Um das Wenige, das davon brauchbar ist, herauszufiltern, mussten anschließend Data Scientist-Teams gebildet werden, die ihre Zeit damit verbrachten, zu sichten, zu reinigen und zu strukturieren, und das nicht selten mit manuellen bis semi-automatischen Mitteln.

Daten aussortieren ist die Hauptbeschäftigung

Wie sagte doch DJ Patil, oberster Data Scientist des Weißen Hauses einmal: "Daten sind nun mal chaotisch, und das Aussortieren wird immer 80 Prozent der Beschäftigung mit ihnen ausmachen. Anders gesagt: Daten sind ein Problem."

Und dabei suchen Unternehmen darin doch das genaue Gegenteil, nämlich Lösungen. Aber weil sie nicht wissen, wie sie sonst dorthin gelangen sollen, kaufen sie sackweise Tools, multifunktionale Macheten sozusagen, mit denen sich hoffentlich eine Schneise durch den Datendschungel schlagen lässt.