Daten sind ‘nur’ Daten

Gerade in dem Moment, in dem das Schlagwort Big Data im Bewusstsein vieler Entscheider und in den Vorstandsetagen angekommen ist, muss heute eindeutig festgestellt werden: Big Data ist tot.

(Bild: ©Akela999/pixabay.com)

Auch bei der Data-Science-Beratung Alexander Thamm geht es in den Projekten um etwas Anderes: Für das Unternehmen sind Big Data, Small Data, Little Data, Fast Data oder Smart Data einfach nur Daten – also ‘Just Data’. Die erfolgskritischen Faktoren für die Nutzung von Daten sind unabhängig von deren Menge, Struktur und Geschwindigkeit – es gehe darum, aus Daten echten Mehrwert zu schaffen.

Erfolgreiche Projekte ohne Big Data

Dass Data-Science-Projekte ohne Big Data erfolgreich sein können, erfährt das Unternehmen in der Praxis: Etwa am Beispiel eines Premium-Autoherstellers, der mit der Aufgabe an das Beratungsunternehmen herantrat, die Wiederkaufsquote im Leasing-Bereich zu steigern. Dadurch stand man bei Alexander Thamm vor der Herausforderung, den Zeitpunkt des Wiederkaufs vorherzusagen. Das Problem, vor dem die Autohändler bislang standen, war, dass die Kundenansprache oft zum falschen Zeitpunkt erfolgte. Um die Genauigkeit bei der Prognose zu steigern, wurde nicht einfach die Datenmenge erhöht. Bei der Analyse fiel vielmehr auf, dass die Datenbasis selbst für die Ungenauigkeit der Vorhersagen verantwortlich war. Das Modell, das auf Diagnose- und Fahrzeugdaten basierte, führte nicht nur dazu, dass der Hersteller 25 Prozent der nicht plausiblen Eingaben korrigieren und diese Kunden zum richtigen Zeitpunkt ansprechen konnte. Im gleichen Zuge konnten auch unzuverlässige Händler identifiziert und deren Prozesse anhand von Best-Practice-Methoden der Top-Händler nachhaltig verbessert werden. Ein Fall der zeigt, dass die Prognosegüte nicht von der Menge der Daten abhängig ist. Just Data bedeutet, dass vor allem die richtigen Daten in die Analyse einbezogen werden müssen. Der Begriff Big Data kam in einer Zeit auf, in der es immer schwieriger wurde, die exponentiell wachsende Datenmenge mit der damals verfügbaren Hardware zu verarbeiten. Dabei umfasste das Phänomen von Beginn an mehr als die reine Datenmenge. Vielmehr wurde damit ein ganzes Ökosystem bezeichnet.

Was macht Big Data aus?

Wie bereits erwähnt, ging es bei Big Data nie wirklich um die größtmögliche Datenmenge. Vielmehr ging es darum, die für den jeweiligen Anwendungsfall relevanten Daten auszuwählen, zu bereinigen und mit entsprechenden Methoden auszuwerten. In vielen Fällen verfügen Unternehmen vor allem deswegen über große Datenmengen, weil sie um jeden Preis Daten sammeln. Das Resultat sind gigantische Data Lakes, in denen die Unternehmen alle möglichen strukturierten und unstrukturierten Daten sammeln. Die Konzentration auf die Datenmenge verstellt jedoch oft den Blick auf den Wesenskern von Big-Data-Projekten: Den analytischen Umgang mit Daten. Wer sich dieser, auf ihr Wesentliches reduzierten Aufgabe widmet, wird sehr schnell merken, dass die erfolgskritischen Faktoren für solche Projekte nicht ausschließlich technologischer Natur sind. Um Daten in wertvolle Informationen zu verwandeln, benötigten Unternehmen auch ein entsprechendes Mindset, das die gesamte Unternehmenskultur betrifft.

Datum:23. November 2017

Autoren:mst/ Alexander Thamm GmbH

Themen: Fachartikel, Technik

Webseite: www.alexanderthamm.com

Downloads: