Big Data im Business-Intelligence-Umfeld: der Mehrwert moderner Analysemethoden

big data business intelligence

21.02.2023
Florian Deuring

Traditionelle betriebswirtschaftliche Datenanalysen stützen sich auf geringe Datenmengen aus einer überschaubaren Anzahl an Quellen. Seit einigen Jahren hält jedoch Big Data Einzug ins Business-Intelligence-Umfeld, wodurch herkömmliche Analysemethoden an ihre Grenzen stoßen. Warum sich Unternehmen auf diesen Umstand einstellen sollten und was dabei zu beachten ist, zeigt dieser Artikel.

Big Data und Business Intelligence: eine Begriffsdefinition

Wer sich näher mit Big Data und Business Intelligence beschäftigen möchte, sollte zunächst ein Grundverständnis der beiden Begrifflichkeiten aufbauen. Beginnen wir mit Business Intelligence, kurz BI. Der Begriff "Intelligence" darf in diesem Fall nicht wörtlich mit "Intelligenz" übersetzt werden. Vielmehr steht "Intelligence" für die Beschaffung von Informationen. Diese geben einerseits Auskunft über die ablaufenden Prozesse im Unternehmen selbst. Andererseits zeichnen sie ein Bild darüber, wie sich das Unternehmen in einem sich stetig verändernden Markt im Vergleich zu seinen Wettbewerbern positioniert. Insofern kann BI am zutreffendsten mit "Informationsdienst eines Unternehmens" übersetzt werden.

Der zweite wichtige Begriff ist "Big Data". Er bezeichnet eine sehr große Menge an Daten aus verschiedensten Quellen. Die Daten haben nicht nur eine unterschiedliche Herkunft, sondern auch unterschiedliche Strukturen und Formate. Neben Transaktionsdaten zählen beispielsweise auch Sensordaten, Social-Media-Daten und unstrukturierte Daten wie Videos oder Audio-Dateien zu Big Data.

Big Data Analytics: mehr als traditionelle Datenanalyse

Dass Big Data das Business-Intelligence-Umfeld stark verändert, wird beim Vergleich herkömmlicher und neuer Datenanalyse-Methoden deutlich. Denn klassische Analyselösungen, welche im Regelfall auf relationalen Datenbanksystemen basieren, können nur mit verhältnismäßig kleinen Datenvolumina umgehen. Zudem müssen die Datensätze einer vorgegebenen Struktur entsprechen, um überhaupt gespeichert und für Analysen bereitgestellt werden zu können.

Sobald verschiedenartige Daten in größeren Mengen auftreten, stoßen klassische Analysetools an ihre Grenzen. An dieser Stelle beginnt der Einsatz von "Big Data Analytics". Charakteristisch für diesen Ansatz ist jedoch nicht nur die Fähigkeit, große Datenmengen traditionellen Analysen zu unterziehen. Vielmehr werden von modernen Analytics-Lösungen auch Muster und Zusammenhänge innerhalb der Daten aufgedeckt, die bislang im Verborgenen lagen. Und gerade Informationen dieser Art sind es, die Unternehmen einen entscheidenden Vorsprung im Wettbewerb verschaffen können.

Datenqualität nicht vernachlässigen

Bei allen Vorzügen, die Big Data und moderne Business-Intelligence-Lösungen bieten, sollten Unternehmen einen Aspekt nicht vergessen: Bei den enorm großen Datenmengen ist die Sicherstellung der Datenqualität wichtiger denn je. Wer die Qualität seiner Daten nicht verifiziert und mit geeigneten Tools kontinuierlich sichert, erhält falsche Analyseergebnisse und somit ein verzerrtes Bild der Realität. Auf dieser Basis unternehmerische Entscheidungen zu treffen, wäre selbstverständlich suboptimal. Insofern muss "Data Quality" stets Bestandteil von Big-Data-Projekten sein.