Vor- und Nachteile
Life Profiler
Performatives Rollenspiel als "Live Statistik". Für 15-25 Personen, ab 14 Jahre.
Geheimnisse: Wem verrate ich was? von SIN
Ein Karten-Zuordnungsspiel für Kinder im Vorschulalter, um Informationsweitergabe an fremde Personen zu thematisieren.
Analytica verkündet
In diesem Zukunftsszenario, verkündet das Medienunternehmen "Analytica" allgemeingültige Gesetze. Wie ein derartiges Szanario aussehen kann und ob dieser Zustand für einen selbst positiv oder negativ aufzufassen ist, soll sich nach einer spielerischen Reflexion und Medienanalyse herausstellen.
Scotland Yard Privacy Edition von Guido Brombach
Traditionelles Spielbrett - neue Regeln: wie würde man Mister X heute, in einer Welt mit lückenloser Überwachung, fangen? Ubertickets, Staatstrojaner und die Kommunikation über einen Messenger versuchen, diese Frage zu beantworten.
Filmempfehlungen (PDF)
Big Data mit Filmen unterhaltsam ins Bewusstsein rücken, die z.B. gesellschaftliche, ethische und philosophische Fragestellungen aufgreifen...
Die Big-Data-Formel: Big Data fordert Analyse-Systeme heraus
Viele Firmen beschäftigt derzeit die Frage, wie sie auf die stetig wachsenden Datenmengen und die immer komplexer werdenden Daten in ihren Unternehmen angemessen reagieren können. Schließlich geht es im Zuge von Big Data vor allem darum, aus diesen Daten einen Nutzen für das eigene Business zu ziehen. Das funktioniert allerdings nur, wenn es gelingt, die richtigen Informationen aus Big Data zu gewinnen, um auf dieser Basis die richtigen Entscheidungen zu treffen.
Big Data entwickelt sich damit also zunehmend zu einer zentralen Herausforderung in Sachen Analytics. Um dieser Herausforderung Herr zu werden, müssen die Unternehmen ihre Systeme entsprechend auf Big Data vorbereiten und ausrichten.
Umstellung nicht unterschätzen
Die Umstellung auf ein Big-Data-System ist in der Praxis jedoch nicht zu unterschätzen, da sich die Big-Data-Infrastruktur grundsätzlich von der Infrastruktur eines konventionellen IT-Systems unterscheidet.Während beispielsweise bei herkömmlichen Systemen großer Wert auf die Ausfallsicherheit einzelner Bauelemente gelegt wird, sorgt bei Big Data das gesamte System dafür, dass ausgefallene Knoten automatisch kompensiert werden.
Dies funktioniert dadurch, dass unerledigte Tasks auf frei verfügbare Knoten im System aufgeteilt werden. Diese Herangehensweise ermöglicht den Einsatz handelsüblicher Standardsysteme und macht die ausfallsichere Spezialhardware überflüssig, was sich durchaus auch in den Anschaffungskosten widerspiegelt, da diese Elemente bei Big Data nicht mehr redundant ausgelegt werden müssen. Allerdings haben die Unternehmen im Vorfeld zu prüfen, inwieweit sich handelsübliche Hardware in dem zur Verfügung stehenden Rechenzentrum betreiben lässt.
Die Vorteile von Big Data im digitalen Zeitalter nutzen – so geht’s
Neue Einnahmequellen und Wachstumsmöglichkeiten, danach streben Unternehmen heutzutage. Die Auswertung und Analyse von Daten helfen dabei maßgeblich und werden für Unternehmen immer wichtiger – denn die Ergebnisse einer solchen Analyse sind ein strategisches wertvolles Gut.
Laut der letzten Big Data-Umfrage der Bitkom stehen Big Data Technologien in Deutschland „gerade an der Schwelle sich von einer Nischenanwendung zur Nutzung in die Breite zu entwickeln“. Der Grund liegt in der Digitalisierung der Wirtschaft, die zu einem exponentiellen Wachstum der Datenmengen geführt hat. Die Analyse dieser Daten, die aus einzelnen digitalen Interaktionen entstehen, generiert für Unternehmen einen deutlichen Mehrwert. Dazu gehört auch die Verarbeitung von Omni-Channel Daten, egal ob sie strukturiert oder unstrukturiert sind. Zusätzlich zeichnen sich weitere Einsatzmöglichkeiten durch neue Technologien in den Bereichen Data Lakes, Data Security und Semantik ab.
Das Bewusstsein für den finanziellen Wert der Daten wächst
Online liefert jeder Klick, Kommentar, Suche oder Social-Media Update einen tieferen Einblick in die Bedürfnisse, Vorlieben und das Verhalten von Kunden. Solche Daten, die Cognizant Code HalosTM nennt, sind die digitalen Informationen, die jeden Kunden, jedes Unternehmen und jedes Gerät umgeben. Durch die Analyse dieser Daten können Unternehmen ihre Kunden besser verstehen und so die Bindung durch individuell angepasste Angebote und einer proaktiven Ansprache der Kundenbedürfnisse verstärken. Betrügereien lassen sich verhindern und zukünftige Anforderungen, die die kommenden Wachstumsstrategien fördern, abschätzen.
Um als Unternehmen in Zukunft diesen Erfolg zu gewährleisten und weiterhin gut gerüstet zu sein, empfiehlt es sich ausgefeilte Datenanalyse-Lösungen zu implementieren und ein integriertes Daten-Ökosystem einzusetzen.
Die digitale Transformation nimmt an Fahrt auf
In allen Abteilungen eines Unternehmens sind die digitalen Möglichkeiten präsent. Daher nutzen viele Unternehmen die Vorteile der digitalen Transformation und verwenden ausgewertete Daten, um das Unternehmenswachstum voranzutreiben und Unternehmensprozesse zu verbessern – dieser Trend verbreitet sich zunehmend. Interessante Anwendungsbeispiele hierfür liefern etwa die KFZ-Versicherer.
Versicherer auf der ganzen Welt bieten Fahrern ein Tracking-Gerät (die Blackbox) an, die in Fahrzeugen installiert wird, um Einblicke in die Fahrmuster der Fahrer zu gewinnen. Der Versicherungsbeitrag basiert dann für den einzelnen Fahrer darauf, wie gewissenhaft und sicher er fährt, anstatt auf dem durchschnittlichen Fahrverhalten aller Versicherungsnehmer.
Im Einzelhandel ermöglicht es die Beacon-Technologie durch gezielte Angebote und Dienstleistungen die Kunden direkt anzusprechen. Kunden finden so im Geschäft die gewünschten Produkte leichter und haben zudem einen Echtzeitüberblick über die Verfügbarkeit. Für Einzelhändler ist diese Technologie zu einem wesentlichen Bestandteil geworden, wenn es darum geht neue Käufer zu gewinnen oder Stammkunden zu belohnen. Durch diese gezielten Anreize lässt sich die Kundenbindung vertiefen und das Einkaufserlebnis verbessern.
Bald können diese Technologien auch im Gesundheitswesen eine wichtige Rolle spielen. Dank Wearables und Apps können zum Beispiel Patienten, aber auch Pflegepersonal und Pflegeanbieter, chronische Krankheiten leichter kontrollieren und im Auge behalten. Lebenswichtige Funktionen lassen sich so einfach überwachen und dokumentieren.
Pharmaunternehmen nutzen bereits soziale Plattformen, virtuelle Kommunikation und Kollaboration-Tools, um eine neue Art von Innovations-Ökosystem für Programm-Management, globalen Wissensaustausch und gemeinsame Forschungen zu etablieren, um so alle ihnen zur Verfügung stehenden Daten zu nutzen. Auf der einen Seite ist es das Ziel, das Bewusstsein für Gesundheitsfragen zu fördern und in den Dialog mit Patienten zu treten, auf der anderen Seite die Ergebnisse von klinischen Versuchen durch die Datenanalyse zu verfolgen, zum Beispiel bei Drogenkonsum, diagnostizierten Krankheiten, Zeitspannen zwischen aufeinander folgenden Krankheiten und mehr.
Intelligente Data Lakes entstehen
Immer mehr Organisationen nutzen sogenannte “Data Lakes”, die die traditionelle Art und Weise der Datenspeicherung total verändern: Anstatt die Daten aufwendig für den Datenspeicher zu strukturieren, beherbergt ein Data Lake alle Daten in einer unstrukturierten Form und beschleunigt den kompletten Prozess so auf mehreren Wegen. Unternehmen können dank Data Lakes den Nutzen aus Daten maximieren, müssen aber gleichzeitig ihre IT-Architektur zur Datensammlung und –Analyse durchdenken. Traditionelle Datenspeicher-Ansätze erfordern arbeitsintensive Strukturen. Diese Ansätze sind jedoch nicht für unstrukturierte Daten und sich schnell entwickelnde Umgebungen geeignet. Hier stellt die Suche, Analyse und Integration von Daten einen immer wiederkehrenden Prozess dar, der von extra dafür zuständigen Nutzern durchgeführt werden sollte. Eine Kombination von Daten mit einer intelligenten Analyse erlaubt es Nutzern nun die Bedeutung innerhalb der digitalen Daten, die Personen, Organisationen, Prozesse, Produkte und Dinge umgeben, zu erkennen.
Eine globale Fortune 25-Bank verwendet zum Beispiel heute Data Lakes, um Daten von Verbrauchern, Großhandel, Weblogs, Social Media, Mail-Servern und anderen relevanten Datenquellen aufzunehmen und zu vereinheitlichen. Die aus der Analyse resultierenden Daten liefern tiefgehende Informationen, basierend auf Konsumentenverhalten und Sentiment-Analyse. Die Bank konnte so automatisch die Finanztransaktionen sichten und potentielle Risiken aufdecken. Darüber hinaus konnten so auch neue Produkte schneller auf den Markt gebracht und durch Marketingkampagnen, die auf Netzwerkanalysen und Risikobewertungen beruhten, unterstützt werden.
Ein weltweit führendes Pharmaunternehmen kombinierte Informationen aus öffentlichen Quellen mit kontinuierlich erhobenen, internen Daten, um Erkenntnisse aus Studien von Wettbewerbern und Kunden abzuleiten. Darüber hinaus konnte das Unternehmen durch die Anwendung von maschinellen Sprachverarbeitungsalgorithmen intuitive Visualisierungen für Fachliteratur entwickeln und so schneller relevante Daten finden.
Mehr Daten und mehr Datensicherheit
Die zunehmende Nutzung von Daten geht Hand in Hand mit einem Bedarf nach wirksamer Datensicherheit. Gesetzgeber und Institutionen müssen verbindliche Regelungen einführen. So konstituiert zum Beispiel die EU General Data Protection Regulation (GDPR) strengere Datensicherheitsregeln. Im Bankensektor reformiert Basel III auf ähnliche Art und Weise die Regularien und das Kontroll- und Risikomanagement. Diese Reformen sollen Banken weniger anfällig für Wirtschaftskrisen machen und den Verbraucher schützen.
Eine Reihe von Richtlinien wurde auch zusammen in Form von BCBS 239, dem Baseler Ausschuss für Bankenaufsicht „Grundsätze für eine wirksame Risikodatenaggregation und Risikoberichterstattung“ zusammengestellt, die darauf abzielen es Unternehmen zu ermöglichen, Datenrisiken effizienter zu verwalten. Ab Januar 2016 müssen Unternehmen die BCBS 239-Richtlinien wie zum Beispiel, Vollständigkeit, Aktualität, Anpassungsfähigkeit, Präzision, Klarheit und Nützlichkeit, einhalten. Diese regulatorischen Anforderungen werden auch weiterhin einen Einfluss darauf nehmen, wie Unternehmen ihre Daten verwalten, steuern und nutzen.
Semantik als Technologie
In den letzten Jahren haben Unternehmen wachsendes Interesse an der Kombination von semantischen Technologien und Big Data gezeigt. Semantische Technologien sorgen nicht nur dafür, dass Daten miteinander verbunden sind, sondern spielen zunehmend eine zentrale Rolle, wenn es darum geht die Zeit zu reduzieren, die aufgewendet werden muss um Daten zu finden, integrieren, teilen und zu analysieren.
Ein Beispiel: Wenn jemand in einer Datenbank nach einer Buchliste zum Thema ökologische Gartenarbeit sucht, geben die semantischen Technologien weitere Informationen. Auch der weitere Prozess wird erklärt und Vorschläge, wie zum Beispiel personalisierte Tipps zum umweltfreundlichen Gartendesign mit minimalem Wasserverbrauch, gegeben – das vereinfacht die Suche nach weiterführenden Themen zur Gartenarbeit.
Auch Forschungen verlaufen effizienter, da zusätzliche Informationsquellen und potenzielle wertvolle Daten um den Suchterminus zusammengeführt werden. Ergebnisse von mehreren Studien aus dem Gesundheitswesen und verwandten Themen lassen sich so einfach veranschaulichen, wozu normalerweise eine zeitaufwendige Recherche in unterschiedlichen Datenbanken notwendig wäre.
Unternehmen haben so die Möglichkeit durch Vorteile von semantischen Technologien bei der Datenanalyse, Produktivität und Geschäftsergebnisse nahezu in Echtzeit zu steigern.
Neue Interessengruppen entstehen im digitalen Zeitalter
Heute verbinden immer mehr C-Suite Führungskräfte detaillierte Kenntnisse der Daten mit starkem Geschäftssinn und einem Gespür ihre Wettbewerbsfähigkeit zu steigern. Cognizant erwartet, dass sich die Anzahl der Chief-Data-Officers in allen Branchen weiter erhöht, da das Tätigkeitsfeld eines CDOs nicht mehr nur auf die Analyse von Daten und die Bereitstellungen von Informationen beschränkt ist; sie sollen auch Richtlinien für Innovationen, Datenregulierung und Datensicherheit liefern und Unternehmen bei ihrer Reise der digitalen Transformation begleiten.
Fazit
Die Beispiele haben gezeigt, dass Big Data und die Analyse von Code Halos den Unternehmen heute schon enorme Vorteile bieten. Unternehmen sollten nicht zögern, die Möglichkeiten, die Data Lakes und semantische Technologien heute bieten, zu nutzen, um den Anforderungen im Markt gerecht zu werden und sich einen Wettbewerbsvorteil zu verschaffen.
Karthik Krishnamurthy, Global Business Leader für Enterprise Information Management, Cognizant
Neuer Fachartikel von Cognizant
Noch nicht bereit für DevOps?
3 Vorbereitungsschritte