Die Analyse großer Datenmengen ist nur ein Teil dessen, was die Big Data Analyse von früheren Datenanalysen unterscheidet. Es gibt Daten und dann gibt es Big Data. Hier finden Sie heraus, welche anderen Faktoren gelten und wo die Unterschiede liegen.

Was ist Big Data?

Big Data bezieht sich im Allgemeinen auf Datensätze, die so umfangreich und komplex sind, dass traditionelle Datenverarbeitungssoftwareprodukte nicht in der Lage sind, Daten innerhalb einer angemessenen Zeitspanne abzurufen, zu verwalten und zu verarbeiten. Diese großen Datensätze können strukturierte, unstrukturierte und teilstrukturierte Daten beinhalten, die jeweils überschrieben werden können, um einen besseren Informationsgehalt zu erhalten. Ab welcher Datenmenge ist eigentlich von „Big Data“ die Rede? Diese Frage ist nicht eindeutig zu beantworten. In der Regel geht es aber um mehrere Petabyte, bei den größten Projekten sogar um Exabyte.

Big Data charakterisiert sich durch 5 Typen:

1. Volumen – Erstellt einen Plan für die Menge der Daten, die im Einsatz sein werden und wie und wo sie gespeichert werden.
2. Variety – Identifiziert alle Arten von Daten in einem Ecosystem und wählt die richtigen Werkzeuge für deren Verarbeitung aus.
3. Velocity – Geschwindigkeit ist in modernen Unternehmen von entscheidender Bedeutung. Erforscht und implementiert die richtigen Technologien, um sicherzustellen, dass das große Datenbild so zeitnah wie möglich erstellt wird.
4. Veracity – Sehr wichtig und stellt sicher, dass die Daten korrekt und sauber sind.
5. Value – Nicht alle gesammelten Informationen sind gleich wichtig. Daher ist es von Bedeutung, dass eine Big Data-Umgebung aufgebaut wird, welche die Geschäftsanalytik versteht.

Die Datensammlung der Big Data kann aus Quellen wie Websites, Social Media, Desktop- und mobilen Anwendungen, wissenschaftlichen Experimenten und – zunehmend – aus Sensoren und anderen Geräten bis hin zum Internet der Dinge (IoT) stammen.