Blog
Great Data: Warum Big Data allein nicht reicht: Transformation durch Semantik
Business Intelligence, Data Mining, Big Data – Buzzwords, die einem derzeit die Ohren klingeln lassen. In Newslettern. Auf Konferenzen. In Fachzeitungen und der Tages- und Wochenpresse. In Blogs und auf Twitter. Die Erhöhung geht hin bis zum Vergleich: „Daten sind das neue Öl“. Doch nicht überall wo Big Data drauf steht, ist auch Big Data drin. Und selbst wenn ein Big Data-Projekt den Namen verdient, scheitern doch 44 Prozent der Projekte. Dabei wollen alle nur eins: Daten mit Hilfe der richtigen Technologien so nutzen, dass sie Entscheidungen vereinfachen.
Daten, Daten und nochmals Daten
Wir wiederholen es gerne: Das aktuelle globale Datenvolumen beträgt 2,8 Zettabyte (2.800.000.000.000.000.000.000 Byte). Der Anteil der von Mobilgeräten generierten Daten wird bis Ende 2013 laut SAP 4 Milliarden Terrabyte betragen. Und es werden durch Digitalisierung der Gesellschaft jeden Tag mehr. Weil Unternehmen Prozesse automatisieren und neue Gadgets das Leben immer transparenter machen, verdoppelt sich die globale Datenmenge alle zwei Jahre.
Was mit diesen Daten geschieht? Eine Forschungsgruppe der Carnegie Mellon University versucht den Algorithmus der Finanzmärkte zu knacken. Rolls-Royce optimiert mit Big Data-Analysen die Wartungszeiten seiner Flugzeugmotoren. Ford verbessert seine globale Produktstrategie. Vermarkter nutzen die Informationen für die Werbeausspielung passend zu den Interessen des einzelnen Nutzers.
Spannende Projekte, die allerdings nur der Anfang dessen sind, was eigentlich möglich ist. Laut IDC iView analysieren Unternehmen weniger als 1 Prozent der vorhandenen Daten. Und 44 Prozent aller Big Data-Projekte werden frühzeitig abgebrochen. Und das sind nur die, die nicht schon vornherein abgelehnt werden.
Es fehlt an Wissen, Ressourcen und der richtigen Aufbereitung der Daten. Erst dann lässt sich damit arbeiten. Big Data alleine nützt nichts. Wir brauchen Great Data.
Von Big Data zur Great Data mit semantischen Technologien
In einem mittelgroßen eCommerce Shop kommen beispielsweise pro Monat gut und gerne 10.000 Kundenmeinungen zusammen. Durch Kommentare auf der Webseite, E-Mails, Anrufe im Kundencenter, Facebook oder Twitter. Wer mehr wissen will als „90 Prozent positive Nutzerkommentare“ braucht semantische Technologien.
Semantische Technologien extrahieren Meinung und Themen aus den Daten. Von Text, Video, Audioaufzeichnungen und Bildern. Sie helfen, aus der Vielzahl unterschiedlich komplexer Daten Sinn zu erschließen und im besten Falle automatisierte Entscheidungen zu treffen.
Wie das im großen Stil funktioniert, hat Rayid Ghani, Chef-Wissenschaftler bei der Barack Obama Wahlkampf-Kampagne gezeigt. Anstatt sich auf das Bauchgefühl zu verlassen, analysierten Ghani und sein Team riesige Datenberge. Sie entschieden so, in welche Staaten das meiste Geld für den Wahlkampf investiert werden sollte. Sie legten anhand semantischer Textanalyse die Betreffzeile für Wahlkampfmails fest.
Aber auch Unternehmen nutzen semantische Technologien. Wenn es um Inhalte für Webseiten geht zum Beispiel. In Kombination mit Personalisierungsalgorithmen berechnen Programme, welche Themen zum User passen. Semantische Technologien sorgen dafür, dass das Programm diese Themen in allen redaktionellen Beiträgen erkennt und richtig ausspielt.
Oder in der Auswertung von Nutzerkommentaren. Man kann dank semantischer Technologien herausfinden, ob ein Nutzer das Preis-Leistungsverhältnis eines Produkts super, Qualität durchschnittlich, die Beschreibung im Online-Shop aber irreführend findet. Mit Blick auf nicht nur einen, sondern zehntausende Kommentare aus unterschiedlichen Kanälen hat ein Unternehmen einen deutlichen Erkenntnisvorsprung.
Big Data richtig nutzen
Fakt ist: Big Data ist mehr als ein Hype. Analysieren Unternehmen nicht nur 1 Prozent, sondern vielleicht, 10, 20, 50 Prozent der ihnen zur Verfügung stehenden Datenmengen – man kann erahnen, wie viele Entscheidungen nicht mehr rein intuitiv gefällt würden.
Und trotz alldem sind große Datenmengen eben nur der Rohstoff. Zur Währung werden sie erst durch Menschen, die mit strategischen Fragestellungen an die Daten herantreten. Durch Entscheider, die bereit sind, entsprechende Ressourcen freizusetzen. Durch Developer, die die richtigen Programme beherrschen. Dann wird Big Data zu Great Data – ein kritischer Faktor für den Erfolg eines jeden Unternehmens.