Wenn die Goldgräberstimmung taub macht – Oder warum es nichts hilft, nur auf Daten-Buzzwords zu hören

Blog

Kategorien

Daten sind wichtig. Das ist mittlerweile nahezu jedem Unternehmen klar. So ist es auch wenig verwunderlich, dass die Datenwirtschaft einen Boom erlebt, der seinesgleichen sucht. Doch rund um das Grundthema Daten sind in den vergangenen Jahren zahlreiche Buzzwords ins Spiel gekommen, die von Beratern und Analysten nur allzu gerne verwendet werden.

Big Data, Fast Data, Small Data, Dark Data – „der Hype um die datengetriebene Wirtschaft spült immer mehr Buzzwords in die Diskussion“ schreibt die Computerwoche im Artikel "Diese Data Buzzwords sollten Sie kennen". In Marketing-Broschüren, Studien oder „Analyst Views“ würde die Branche in einen Fachjargon verfallen, der mit neuen Begriffen gespickt und selbst für Insider manchmal kaum noch verständlich sei. Eines hätten die Buzzwords aber alle gemeinsam: Eine klare Definition fehle.

Klare Definitionen fehlen

Etwa beim Buzzword „Fast Data“. Damit sind allgemein Daten gemeint, deren Nutzwert mit der Zeit abnimmt. Beispielsweise Twitter Feeds oder auch Streaming Data, die in Echtzeit erfasst und ausgewertet werden müssen. Mittels Fast-Data-Analysen könnten Entscheidungen unmittelbar getroffen oder Reaktionen angestoßen werden. Im Finanzsektor würden sich etwa Trader auf komplexe Algorithmen für Realtime-Analysen verlassen, auch der Hochfrequenzhandel würde ohne Fast Data nicht funktionieren.

Das Quasi-Gegenteil ist „Slow Data“. Dabei handelt es sich um Daten, die in geringerem Tempo entstehen und in der Regel keine unmittelbare Analyse erfordern. Etwa ein Monitoring-System für Meeresgezeiten. In den meisten Fällen bedürfe es dabei keiner Realtime-Updates. „Gelagert“ würden Daten dieser Kategorie entsprechend eher in einem Data Lake für eine spätere Batch-Verarbeitung.

Daten nutzen

Wer Big Data wörtlich nehme und Datenanalysen in großem Stil für sein Unternehmen nutzen wolle, müsse zudem eine Menge Hürden nehmen, betont die Computerwoche im Artikel „Wie große Analytics-Projekte gelingen“. Der Zugang zu wichtigen Daten, eine leistungsstarke Infrastruktur und nicht zuletzt die Benutzerakzeptanz seien oft erfolgsentscheidend. Besonders zu schaffen mache Unternehmen zudem der Zugang zu wichtigen Daten, der Bedarf an leistungsstärkeren IT-Ressourcen und die Akzeptanz der Benutzer.