Anwendung von Big Data

Gemäss dem BITKOM Präsidiumsmitglied Frank Riemensperger kommt heutzutage „kaum ein Unternehmen [...] ohne Big Data aus“ (Bertsch, 2015), denn Big Data soll, wie im vorherigen Abschnitt definiert, dem Unternehmen wirtschaftliche Vorteile bringen. Dieser wirtschaftliche Nutzen wird durch die Analyse der Daten hervorgebracht. Vor Big Data musste man aufgrund von erstellten Hypothesen genau wissen, wonach man in den Daten sucht, mit Big Data ist das jedoch nicht mehr notwendig (Griesfelder, 2014, S. 64). Denn Big Data „umfasst Methoden zur möglichst automatisierten Erkennung und Nutzung von Mustern, Zusammenhängen und Bedeutungen“ (BITKOM, 2012, S. 21). Griesfelder (2014,

S. 64f.) merkt jedoch an, dass die fachlichen Kompetenzen, um Big Data richtig anwenden zu können, in vielen Unternehmen ein grosses Problem sind. Nicht nur technische, sondern auch fachliche Kompetenzen seien in vielen Unternehmen nicht bzw. nicht zureichend vorhanden. Es reicht nicht aus, Daten zu sammeln und zu analysieren, sondern diese müssen auch nutzbar gemacht werden, d.h. ein Unternehmen muss auch wissen, was es mit den Ergebnissen tun möchte, d.h. welche Massnahmen es daraus zieht. In einer Studie des Fraunhofer-Institut für Intelligente Analyse- und Informationssystem (IAIS) wurde das Potential von Big Data untersucht und es konnten drei Chancen für die Unternehmen identifiziert werden (Wrobel, 2012, S. 42-50):

 Effizienteres Unternehmensmanagement: Dadurch, dass einem Unternehmen viele und auch aktuelle Daten zur Verfügung stehen, wird Monitoring und das Erstellen von Prognosen ermöglicht (Bsp. Monitoring des Lagerbestands, Prognose Personal-kapazitäten usw.).



 Massenindividualisierung: Da nicht nur eigene, sondern auch externe Datenquellen analysiert werden können, wird eine neue Wissensbasis aufgebaut. Dadurch können dem Kunden individuelle und personalisierte Produkte angeboten werden (Bsp.

Individualisierte Zeitschriften, Pauschalreisen oder Ad hoc Gesundheitsberatung).



 Intelligente Produkte: Produkte werden intelligenter, indem komplexe Sensoriken und maschinelles Lernen genutzt werden (Bsp. Geräte mit Selbstwartungsfunktion, autonome Fahrzeuge usw.). Von solchen Produkten profitieren jedoch nicht nur die Unternehmen, sondern auch die Anwender, da dadurch Vorgänge vereinfacht und erleichtert werden können.

Um diese Chancen auch zu verwirklichen und die Analysen durchführen zu können, greifen Unternehmen auf viele Variablen aus diversen Datenquellen zurück. Diese können in drei Bereiche unterteilt werden: Maschinengenerierte Daten, von Menschen generierte Daten oder Geschäftsdaten. Einen Mehrwert bringt vor allem die Kombination dieser Datenquellen.

(Schäfer, Knapp, May & Voss, 2012, S. 20)². Durch Branchenworkshops konnten für die Branchen Finanzen, Telekommunikation und Medien, Marktforschung, Handel sowie Ver-sicherung die wichtigsten Datenquellen zusammengetragen werden (ebd., S. 54ff.). Folgend sollen einige Branchen bzw. Tätigkeitsfelder dargestellt werden.

Ein bekanntes Einsatzfeld von Big Data ist die Marketingbranche. Mit dem Sammeln der Daten und den späteren Auswertungen wird das Kaufverhalten der Kunden analysiert, um so das Kundenverständnis zu verbessern. Dadurch soll es möglich sein, gezielt Kunden auf ihre Bedürfnisse anzusprechen (BITKOM, 2012, S. 35f.). Ein bekanntes Beispiel der

2 Gleiche Studie des IAIS wie Wrobel (2012)

Datensammlung bezüglich Kaufverhalten ist, dass man feststellen kann, ob eine Kundin schwanger ist. Ihr Kaufverhalten ändert sich in der Schwangerschaft und zu wissen, dass eine Kundin schwanger ist kann zum Vorteil gemacht werden, indem spezielle Baby-Angebote zugestellt werden. (Mayer-Schönberger & Cukier, 2013, S. 75) Ein Schweizer Big Data Projekt, welches im Bereich Marketing bzw. Werbevermarktung tätig ist, ist die Kooperation zwischen SRG, Ringier und Swisscom. Mit der Vermarktungsfirma „Admeira“

möchte man die eigenen Medienangebote besser vermarkten.

Auch in der Produktentwicklung kann Big Data genutzt werden. Werden Kundendaten ausgewertet (Bsp. Kundenbewertungen) können Anregungen zum Produkt oder zur Dienstleistung analysiert werden. Dies kann der Verbesserung von Produkten dienen, oder sogar zu neuen Produktideen führen. Eine Produktoptimierung kann durch das Auswerten von Maschinen- und Sensordaten vorgenommen werden. Werden hier Daten aus ver-schiedenen Systemen verknüpft, kann so ein grosser Mehrwert entstehen, jedoch nicht nur in der Produktoptimierung, sondern auch Fehler können so vorhergesehen und vermieden werden. (BITKOM, 2012, S. 37ff.)

Mit der Auswertung der GPS-Daten können Kosten nachhaltig gesenkt und die Zulieferketten ressourcenoptimiert miteinander vernetzt werden. Sind Fahrzeuge mit Geo-Lokalisierung ausgestattet, kann neben der logistischen Überwachung auch das Fahrzeug selber über-wacht werden, so können beispielsweise der Benzinverbrauch und allfällige Motorprobleme rechtzeitig erkannt werden. Durch solche Geo-Daten (auch solche von Smartphones) kann der Verkehr ebenfalls überwacht werden, um Staus vorherzusagen und so Unfälle ver-meiden zu können (BITKOM, 2012, S. 40; Mayer-Schönberger & Cukier, 2013, S. 115). Das Auswerten von Handydaten kann auch zur Bekämpfung von Krankheiten eingesetzt werden.

Mittels Untersuchung von 15 Millionen Handys konnten Big Data Spezialistin Caroline Buckee und ihr Ehemann Nathan Eagle in Kenia Muster für Malariainfektionen erstellen.

Dadurch konnten die Infektionsherde identifiziert und die Krankheit bekämpft werden. (Boué, 2016) Bereits 1854 konnte das Sammeln von Daten dazu beitragen, dass eine Epidemie aufgehalten werden konnte. Der Mediziner John Snow sammelte Daten über die Bewohner und Erkrankten des Londoners Stadtteils Soho, in dem die Cholera ausgebrochen war. Mit dem Anfertigen einer Karte und dem Ergänzen von weiteren Daten konnte er die Quelle der Seuche, eine Wasserpumpe, identifizieren und mit dem Sperren dieser die Seuche beenden.

Heute würde eine Karte von Google Maps genutzt werden, um diese danach mit weiteren Informationen zu ergänzen. Die Daten müssten nicht mehr umständlich mittels Gesprächen herausgefunden werden, sondern es können Daten von Suchanfragen, Trends, Auswertungen von sozialen Netzwerken für die Analysen sein. (Klausnitzer, 2103, S. 13ff) Die obengenannten Beispiele sind im Alltag nicht offensichtlich erkennbar. Bewegt man sich jedoch auf sozialen Netzwerken wie z. Bsp. Facebook, wird die Verbindung der Daten

deutlicher, vor allem im Werbebereich. Suche ich mittels der Suchmaschine Google nach einem Ferienziel und öffne zu einem späteren Zeitpunkt mein Facebook-Account, werden mir Ferienangebote aus genau der zuvor gesuchten Region präsentiert. Damit Unternehmen ihre Kunden zielgerichteter ansprechen und ihre Produkte besser vermarkten können, hat Facebook das Produkt „Topic Data“ lanciert: „Mit Topic Data erhalten Unternehmen Einsicht, welche für das Unternehmen relevante Themen Menschen auf Facebook beschäftigen, wie sich Diskussionen zu einem bestimmten Thema entwickeln und wie Menschen über Unternehmen auf Facebook sprechen“ (Hutter, 2015). Mit den Daten, welche Nutzer auf Plattformen wie eben Facebook preisgeben, kann jedoch noch mehr als nur gezieltes Marketing betrieben werden. Christian Rudder, Gründer des Internetpartnersuchdienstes OKCupid³, hat mittels Daten verschiedener Internetquellen Analysen durchgeführt, um das menschliche Verhalten zu analysieren. Er konnte Verhaltensmuster, Trends, Vorlieben und Ansichten von Menschen feststellen, und dies ganz ohne das Verteilen von Fragebögen oder genauerem Nachfragen. (Rudder, 2016)

Die vorgestellten Beispiele zeigen, dass die Daten, die wir täglich erzeugen, unterschiedlich eingesetzt werden können. In der Dissertation von Stefanie King (2014) werden noch weitere Anwendungsfelder aufgezählt. In einer Publikation von BITKOM (2015) werden zusätzlich noch einige Praxisbeispiele vorgestellt. Doch auch mit dem hier erwähnten Beispielen wird ersichtlich, dass Big Data in unterschiedlichen Branchen eingesetzt wird und daraus wirt-schaftliche sowie als auch gesellwirt-schaftliche Vorteile erzielt werden.