Big Data & BI-Trends
Internet of Things
Durch das Internet der Dinge (für das Jahr 2020 werden über 20 Millionen angebundene Geräte prognostiziert) strömen massenhaft Daten auf die Netzwerke ein. In ihnen liegt ein wahrer Goldschatz z. B. für Feedback in Produkten, aber auch zur Produktion. Nur Big-Data-Analysemethoden machen es möglich, dieser Datenmengen Herr zu werden. Hierzu gibt es drei Vorgehensweisen: Fast Data, Smart Data und die „langsamen Analysemethoden“.
Cloud-Computing und Big Data
Die Cloud ist die ideale Infrastruktur für Big-Data-Anwendungen. Nicht nur existieren bereits eine Menge von vorgefertigten Applikationen für Big Data, die die unterschiedlichsten Quellen zusammenführen können. Auch für Big-Data-Analysen selbst ist eine Rechenleistung erforderlich, die sich insbesondere kleinere Unternehmen nicht mehr in ihr eigenes Haus stellen wollen. Außerdem ist das Internet selbst eine riesige Big-Data-Anwendung, bei der in Echtzeit Millionen von Nutzerprofilen, Einträgen aus Sozialen Netzwerken und Rückmeldungen aller möglichen Datenquellen zusammengeführt werden können.
Open Source und Big Data gehen Hand in Hand
Herstellerunabhängigkeit erlaubt der Einsatz von Open-Source-Technologien für Big Data. Bekannte Größen sind beispielsweise Hadoop und MongoDB. „Open Source Business Intelligence“ (OSBI)-Software wird sich infolgedessen ebenfalls weiter durchsetzen. Weiterer Vorteil ist die größere Interoperabilität auf Basis der offenen Standards. Gerade auch hinsichtlich der kollaborativen Entwicklungen sorgen die Communitys für schnellere Innovationen und im Falle von Sicherheitslücken für eine schnelle Behebung.
Visualisierung und Self-Service-Business-Analytics
Der Markt für Tools und Technologien zur Datenanalyse, die eine Nutzung erlauben ohne Analyst zu sein, wird enorm zunehmen. Benutzerfreundliche und anwenderorientierte Lösungen, die letztendlich auch in Form von Killer-Apps den Markt erobern, werden für Unternehmen und Mitarbeiter aus dem zukünftigen Alltag nicht mehr wegzudenken sein. Zur Visualisierung werden neben den traditionellen Darstellungen, wie z. B. Säulen-, Balken-, Torten-Diagramme, mehr und mehr auch spezielle Methoden wie Karten, Heat Maps oder sogenannte Tree-Maps eingesetzt.
KI – Kognitives Computing
In Echtzeit mit Menschen und Computersystemen kommunizierende IT-Systeme, die stets selbstlernend Wissen aufnehmen und auf Basis früherer Interaktionen ihren Horizont erweitern. Dementsprechend rational können sie selbstständig Schlüsse ziehen bis hin zur Entscheidungsfindung und uns datenbasierte Entscheidungsgrundlagen liefern. Dies wird die Art und Weise, wie wir dann arbeiten, lernen, agieren und interagieren, grundlegend verändern.
Big Data für Stadtentwicklung und Infrastruktur
Datenlieferant der Zukunft: Für den Bereich der Stadtentwicklung und Infrastruktur beschafft und veredelt er Daten mit echtem Mehrwert. Durch den Einsatz von Sensoren an Pkws und Lkws können z. B. die Vibration, Druck und Wärme gemessen werden, wenn das Auto über eine Brücke fährt. Es können auch direkt an die Brücke Sensoren zur Messung der vorhin genannten Indikatoren positioniert werden. Mittels Beobachtung und Analyse dieser Daten können so frühzeitig Übernutzung und hohe Belastungen entdeckt werden, bevor es zu einem größeren Schaden kommt. Die durch den Datenlieferanten angebotene Sammlung dieser Daten zu kaufen, wird für Städte weitaus günstiger als das Beheben eines nicht vorhergesehenen Schadens.
Big Data und AR als Beispiel für die Messebranche
Augmented Reality und Big Data werden als Informationsmehrwert unser Arbeitsleben beeinflussen – ähnlich wie das Web. Augmented Presentation als Geschäftsmodell: Messestände und Präsentationen spektakulärer und interessanter gestalten, damit die Menge der Informationen von den Interessenten wahrgenommen wird. Dadurch wird es ermöglicht, reale Objekte, die aufgrund ihrer Größe oder Komplexität nicht auf der Messe ausstellbar sind, zu präsentieren, darzustellen und auch interaktiv vorzuführen.
Data-Science-Service-Agenturen
Zukünftig wird dem Mangel an Data-Scientists, der Unternehmen aller Branchen droht, mit Analytics-as-a-Service-Modellen der Data-Science-Agenturen begegnet. Diese bieten modernste Business-Analytics-Tools und entsprechend ausgebildete Mitarbeiter. Gerade für Mittelständler eine attraktive Alternative gegenüber der kostenintensiven Marke „Eigenbau“.
Insur-Tech: Produktindividualisierung via Big Data
Versicherungen könnten Sensordaten aus Fahrzeugen nutzen, um das Risiko eines Schadenfalls zu bestimmen. Hier spielt das so gemessene Fahrverhalten eine wichtige Rolle. Durch die Sammlung der Daten im Auto können die Versicherungen die Prämien erhöhen. Für achtsame Fahrer könnte dies eine finanzielle Erleichterung bedeuten. Die Versicherungsbranche würde sich so von Grund auf verändern. Das Gesamtrisiko wird individualisiert und mithilfe von Daten wie Alter, Geschlecht und vor allem auch Fahrverhalten festgelegt.
Smart-Data-Services für den Handel der Zukunft und Dienstleistungssektor
Standortanalysen: auf Basis netzwerkbasierter oder gerätebasierter Smartphone-Ortung gewonnene Daten mittels Big-Data-Technologien analysieren und aufbereiten. Erste Anfänge finden sich bei Location-based Services. So analysiertes Kundenverhalten in stationären Geschäften, Einkaufszentren oder Showrooms liefert Hinweise zur besseren Produktplatzierung, für Marketingaktionen sowie Markt- und Standortoptimierungen. Diese Technologien sind auch grundsätzlich bei neuen Geschäftsmodellen im Bereich Außendienst und Maintenance / Industrie möglich.
Big Data und Energie
Mittels Smart Data (bzw. Big Analytics) können zentral und dezentral fluktuierende Einspeisungen ausgewertet, kontrolliert und prognostiziert werden und neuen Geschäftsmodellen Raum geben. Den Herausforderungen einer ökonomischen, ökologischen, effizienten und sicheren Energieversorgung kann mittels Big Data begegnet werden. Ein Beispiel hierfür ist das Energiedaten-Start-up Enercast, das ortsbezogene Leistungsprognosen für die Betreiber von Solar- und Windparks anbietet.
Datenmarktplätze
Zukünftige Bereitstellung einer Plattform zur Distribution und Vermarktung veredelter Datenprodukte und Datenservices. Zielgruppe können der stationäre Handel, Unternehmen des E-Commerce und der Verlags- und Medienbranche sein, die ihre Kunden dadurch effektiver und effizienter adressieren können. Auch Unternehmen aus der Finanzwelt, Politik und Industrie bergen als Zielgruppen enorme Potenziale. Zur Monetarisierung bieten sich Lizenzen, gestaffelte Abrechnungsmodelle oder die Erhebung von Vermittlungsgebühren an. Lokationsinformation und -analytics für Einzelhändler. //
Quelle und Textlizenz:
http://winfwiki.wi-fom.de/index.php/Big_Data_und_Augmented_Reality
Lizenzbestimmungen: http://www.gnu.org/licenses/fdl-1.2
 |
Der Text ist unter der Lizenz CC BY-SA 3.0 DE verfügbar. Lizenzbestimmungen: https://creativecommons.org/licenses/by-sa/3.0/de/ |
