X

Neuste Trends, Tipps, Strategien &
Events rund um das Thema Cloud

Von Big Data profitieren – 5 mal Best Practice zum Nachmachen

Big Data hat Ihr Unternehmen schon, egal wie groß es ist und zu welcher Branche Sie gehören – zumindest nach einer der vielen Definitionen für Big Data: Das sind nämlich Daten, die zu umfangreich oder zu komplex sind, um sie manuell bzw. mit herkömmlicher EDV zu nutzen. Niemand hat ja alle seine Daten komplett im Griff. Und fast alle haben immer mehr Daten; Daten, die immer auch ein Kapital darstellen.

Auf einen Blick: Von Big Data profitieren – 5 mal Best Practice zum Nachmachen

 
Big Data sind ein Kapital für Unternehmen und Organisationen, das meist schon vorhanden ist. 5 Best-Practice-Beispiele, wie sie Gewinn bringen können.

 

Wie Sie vom Kapital großer Datenmengen profitieren, hängt von mehreren Faktoren ab. Zunächst einmal: Bei großen Datenmengen dreht sich alles um Erkenntnisgewinn. Die schiere Masse an Zahlen und Metriken eröffnet schon einmal genügend Reichweite und Umfang, um über … ja, tatsächlich so gut wie alles ein ordentliches Bild zu vermitteln. Prozesse, Kundenverhalten, logistische Probleme – all das kann mit Big Data identifiziert, analysiert und segmentiert werden.

Wenn Ihr Unternehmen dann noch Tools wie Analytics und maschinelles Lernen einsetzt, dann haben Sie alles, was Sie brauchen, um mit datengesteuerten Entscheidungen, olympisch gesprochen, „schneller, höher und stärker“ zu werden.

Das funktioniert durchaus in sehr unterschiedlichen Bereichen. Hier sind fünf  Szenarien aus der Praxis: Diese Beispiele zeigen, wie flexibel und leistungsstark Big Data in verschiedensten Situationen sein können.

 

Gesundheitswesen: Vereinfachung des Managements

Patientendaten werden immer stärker digitalisiert. Damit lassen sich große Datenmengen zur Prozessoptimierung nutzen, und zwar sowohl für das Gesundheitsmanagement als auch für die Patienten. Auf der Management-Seite können diese Daten viele kritische Variablen aufdecken, die sich auf Personal und Logistik auswirken. Zum Beispiel ist es zwar schon selbstverständlich zu wissen, dass die Kälte- und Grippesaison mehr Patientenbesuche erfordert, aber die Identifizierung von Variablen wie Wetter, Nähe zu Urlaubsreisen, Prozentsatz der Patienten mit Grippeschutzimpfungen und weitere individuelle Faktoren können ein umfassenderes Bild liefern.

Mit den Ergebnissen solcher Analysen können Gesundheitseinrichtungen ihre Verwaltung effizienter gestalten, von der Anzahl des Personals bis hin zur Zeit, die für Terminvereinbarungen, Lagerung von Grippeschutzimpfungen und andere saisonale Bedarfe vorgesehen ist. Das alles kommt letztlich den Patienten zugute; sie kriegen mehr Transparenz und besseren Zugang bei der Erfüllung ihrer Bedürfnisse. Gleichzeitig ermöglichen große Datenmengen den Datenwissenschaftlern der Organisation, Modelle zu entwickeln, etwa für Dinge wie Patienten-Memos oder die Identifizierung von Personen mit Risikofaktoren oder solchen, die von neuen medizinischen Forschungsergebnissen profitieren könnten.

 

Banken: Minimierung von Betrug

Betrügerische Aktivitäten sind der Fluch des Bankensektors. Wenn so etwas passiert, raubt das allen Beteiligten wertvolle Zeit und Ressourcen – den Opfern, den Mitarbeitern der Bank und der Stelle, wo die betrügerische Transaktion abgewickelt wurde. Vor allem aber wird das Vertrauen, der wichtigste Pfeiler der ganzen Branche, in Mitleidenschaft gezogen. Und je länger Betrug unentdeckt bleibt, desto gravierender die Folgen. Die bedeutendste Innovation in der Betrugsbekämpfung sind – Big Data!

Im Bankwesen kursieren unzählige Bytes an Informationen – Transaktionen, Metriken, Zahlungen usw. – mit Details zum Nutzerverhalten. Insgesamt liegt hier eine komplette Blaupause für die Verwendung von Geld vor. Mit maschinellem Lernen und Analytik können daraus typische Muster identifiziert werden. Und schon relativ rasch werden Anomalien leichter erkennbar. Damit können Banken betrügerisches Verhalten bereits bei den ersten Anzeichen erkennen und das Risiko minimieren, dass es sich ausbreitet und immer neue Konten befällt.

 

Fertigung: Identifizierung von Engpässen

Fertigungsprozesse umfassen viele bewegliche Teile in verschiedenen Workflows, von der Beschaffung bis zur abschließenden Qualitätskontrolle. Jeder dieser Schritte beinhaltet zahlreiche Variablen: So kann beispielsweise die Beschaffung stocken, wenn es lieferantenseitige Lagerprobleme oder Lieferverzögerungen gibt, oder die Montage macht bei Werkzeug- oder Maschinenausfällen Ärger. Mit digital nachführbaren Metriken für alle diese Schritte und die Heranziehung großer Datenmengen können potenzielle Quellen für derartige Engpässe identifiziert und Gegenmaßnahmen entwickelt werden.

Dabei gibt es sowohl direkte als auch indirekte Lösungsansätze: Eine direkte Verbesserung wäre, dass Big Data aufdecken, dass ein bestimmter Lieferant mit häufigen Lieferproblemen auffällt und/oder Ursache für Qualitätsmängel ist – mit der Folge eines eventuellen Lieferantenwechsels. Ein Beispiel für indirekte Verbesserungen wären Big Data, die den Beschaffungsteams helfen, Wege zur Maximierung von Lieferantenrabatten zu finden, wodurch Budgets für andere Ebenen (z. B. neue Montagemaschinen oder mehr Ressourcen für die Qualitätskontrolle) frei werden.

 

Software: Identifizierung des Benutzerverhaltens

Beim Release neuer Software, sei es ein Videospiel oder eine berufliche Anwendung, wollen Entwickler natürlich darauf hinaus, dass die Funktionen alle ordnungsgemäß und regelmäßig genutzt werden – was erfahrungsgemäß so aber nicht immer passiert. Dann ist die Frage: Welche Features werden wie und warum (nicht) genutzt? Und genau das kann mithilfe von Big Data erklärt werden:  Die Metriken können Daten sammeln, die erkennen, welche Funktionen tatsächlich verwendet werden und wie lange die Benutzer sich damit beschäftigt haben, ob es Fehler oder Ausfälle gab und was sonst noch aktiviert wurde.

Analysetools können diese Daten dann in einzelne Segmente unterteilen, um definitive Einblicke zu gewinnen. Zum Beispiel stürzt vielleicht immer dann eine Software ab, wenn zwei bestimmte Funktionen gleichzeitig aktiv sind. Big Data sammeln solche situativen Metriken, um eine Roadmap für zukünftige Iterationen zu erstellen, bei denen fehlerhafte Funktionen repariert oder z. B. aufgrund mangelnden Benutzerinteresses entfernt werden.

 

Staatliche Stellen: Ressourcenoptimierung

Die öffentliche Verwaltung verfügt regelmäßig schon von Haus aus über massive Datenberge. In der Vergangenheit war das der Stoff für stereotype Witze über die Bürokratie, aber mit der Digitalisierung kann aus dem bisherigen Papierkram der Grundstein für produktive Metriken werden. Die Informationen werden plötzlich dynamisch und flüssig – und in vielen Fällen auch genauer, da z. B. Schreibfehler entfallen.

Damit lässt sich häufig die Auslastung von Ressourcen effizienter gestalten. Big Data können die Entwicklung automatisierter Prozesse ermöglichen und so das Personal effektiver einsetzen helfen. Außerdem eröffnen sie Einblicke in Dinge wie Verkehrsmuster und Energienutzung, Problemerkennung oder Wege zur Verbesserung der Infrastruktur.

 

Big Data sind die Zukunft von fast allem

Die genannten fünf Szenarien stammen aus sehr unterschiedlichen Bereichen, aber sie haben alle eines gemeinsam: Sie zeigen, wie Daten verschiedenste Herausforderungen in den Griff bekommen können. Mit der Weiterentwicklung der Gerätetechnik und der Datenkommunikation wächst das Datenvolumen kontinuierlich: Große Datenmengen erzeugen noch mehr Big Data. Zugleich wächst auch die Leistungsfähigkeit von Analysetools und maschinellem Lernen sowie künstlicher Intelligenz.

Die Vernetzung nimmt exponentiell zu, ebenso die Bedeutung von Big Data für Unternehmen aller Branchen. Was lernen wir daraus? Egal, was Sie tun oder wie Sie es tun – Sie können Big Data in Ihre Prozesse und Workflows integrieren.  Und das ist nicht bloß irgendeine Option, sondern wahrscheinlich die beste Idee, um Ihr Unternehmen zukunftssicher zu machen. Anderenfalls stehen nämlich die Chancen gut, dass die Konkurrenz Ihnen bald weit voraus ist.

Mehr dazu? Die folgenden Links bringen Sie auf den neuesten Stand über Big Data und verwandte Technologien:

•   Was ist Analytik?

•   Was ist Machine Learning?

•   Was ist Datenvisualisierung?

•   Oracle Business Analytics

•   Was ist der Zusammenhang zwischen Big Data und KI?

 

Wenn Sie den Oracle Big Data Blog abonnieren, verpassen Sie keinen Beitrag mehr zu den technologischen Chancen für Ihr Unternehmen.

 

Kontakt:

Ein spannendes Thema, über das ich gerne mit Ihnen spreche, per E-MailLinkedInXing oder Twitter. Sabine Leitner, Sr. Marketing Manager.

Kommentieren

Kommentare ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.