„Big Data“ ist seit einigen Jahren in aller Munde und das aus gutem Grund. Mit der Verbreitung digitaler Geräte und Touchpoints nimmt auch die Datenmenge zu, die wir jeweils erstellen. Diese Informationen können verwendet werden, um Kunden und Kunden besser zu verstehen, effektivere Entscheidungen zu treffen und unsere Geschäftsabläufe zu verbessern. Aber nur, wenn wir alles verstehen können.

Durch die Auswahl der richtigen Big-Data-Quellen und -Anwendungen können wir unseren Unternehmen einen Wettbewerbsvorteil verschaffen. Dazu müssen wir jedoch die Definition, die Funktionen und die Auswirkungen von Big Data verstehen.

Big Data hat bereits weit verbreitete Anwendungen. Von Netflix-Empfehlungen bis zur Überwachung des Gesundheitswesens werden alle Arten von Vorhersagemodellen gesteuert, die unser tägliches Leben verbessern. Aber je mehr wir davon abhängen, desto mehr müssen wir uns fragen, wie es unser Leben prägt und ob wir uns so sehr darauf verlassen sollten. Obwohl Fortschritte unvermeidlich sind und begrüßt werden müssen, sollte der Beitrag von Big Data nicht daran gemessen werden, wie viele Unternehmen ihn anwenden, sondern daran, wie viel besser es der Gesellschaft insgesamt geht.

Definition von Big Data und seiner Beziehung zur künstlichen Intelligenz (KI)

Big Data ist mehr als nur große Datenmengen. Es wird durch die drei Vs der Datenverwaltung definiert:

  • Volumen: Big Data wird häufig in Terabyte gemessen.
  • Vielfalt: Es kann strukturell unterschiedliche Datensätze wie Text, Bilder, Audio usw. enthalten.
  • Geschwindigkeit: Big Data muss aufgrund der zunehmenden Geschwindigkeit, mit der Daten generiert werden, schnell verarbeitet werden.

Wenn sich das Volumen, die Vielfalt und die Geschwindigkeit von Daten vergrößern, verwandeln sie sich in Big Data und werden zu viel, als dass Menschen ohne Hilfe damit umgehen könnten. Daher nutzen wir künstliche Intelligenz (KI) und maschinelles Lernen, um sie zu analysieren. Während die Begriffe Big Data und AI häufig synonym verwendet werden und beide Hand in Hand gehen, unterscheiden sie sich tatsächlich.

„In vielen Fällen ist es aufgrund der Geschwindigkeit, des Umfangs oder der Komplexität der Daten, die beobachtet, analysiert und bearbeitet werden müssen, einfach nicht mehr möglich, jedes Problem durch menschliche Interaktion oder Intervention zu lösen. Angetrieben von KI-gestützter Automatisierung können Maschinen mit der „Intelligenz“ ausgestattet werden, um die aktuelle Situation zu verstehen, eine Reihe von Optionen anhand der verfügbaren Informationen zu bewerten und dann die beste Aktion oder Reaktion basierend auf der Wahrscheinlichkeit des besten Ergebnisses auszuwählen. ” – Ilan Sade

Einfach ausgedrückt, Big Data versorgt AI mit dem Treibstoff, den es für die Automatisierung benötigt. Aber es gibt Risiken.

„Die Tendenz, zu viele Daten in die KI einzufügen, kann jedoch dazu führen, dass die Qualität der KI-Entscheidung darunter leidet. Daher ist es wichtig, die Vorteile von Big Data und Analysen zu nutzen, um Ihre Daten für die KI vorzubereiten und die Qualität sicherzustellen und zu messen. Lassen Sie sich jedoch nicht durch Hinzufügen von Daten oder Komplexität zu Ihren KI-Projekten mitreißen. Die meisten KI-Projekte, bei denen es sich hauptsächlich um enge Projekte für künstliche Intelligenz handelt, erfordern keine großen Datenmengen, um ihren Wert bereitzustellen. Sie brauchen nur eine gute Datenqualität und eine große Menge an Aufzeichnungen. “ – Christian Ehl

Das Geschäftspotenzial von Big Data ausschöpfen

Bei richtiger Anwendung hilft Big Data Unternehmen dabei, fundiertere und damit bessere Geschäftsentscheidungen zu treffen.

„Einige Beispiele sind die Hyperpersonalisierung eines Einzelhandelserlebnisses, Standortsensoren, mit denen Unternehmen Sendungen effizienter routen können, eine genauere und effektivere Betrugserkennung sowie tragbare Technologien, die detaillierte Informationen darüber liefern, wie sich Mitarbeiter bewegen, heben oder wo sie sich befinden um Verletzungen zu reduzieren und die Sicherheit zu erhöhen. “ – Melvin Greer

Dieser entscheidende Wettbewerbsvorteil wird jedoch nicht ausreichend genutzt, da so viele Unternehmen Schwierigkeiten haben, alle Daten zu sichten und das Signal vom Rauschen zu unterscheiden.

Laut Greer hindern fünf Hauptherausforderungen Unternehmen daran, das volle Potenzial von Big Data auszuschöpfen:

  1. Ressourcen: Datenwissenschaftler sind nicht nur Mangelware, dem aktuellen Pool mangelt es auch an Vielfalt.
  2. Datenaggregation: Es werden ständig Daten erstellt, und es ist eine Herausforderung, diese in allen unterschiedlichen Kanälen zu sammeln und zu sortieren.
  3. Fehlerhafte oder fehlende Daten: Nicht alle Daten sind gut oder vollständig. Datenwissenschaftler müssen wissen, wie sie die irreführenden von den genauen trennen können.
  4. Unfertige Daten: Das Bereinigen von Daten ist zeitaufwändig und kann die Verarbeitung verlangsamen. KI kann dabei helfen.
  5. Wahrheitssucher: Wir sollten nicht davon ausgehen, dass die Datenanalyse eine endgültige Antwort liefert. “Data Science führt zu der Wahrscheinlichkeit, dass etwas stimmt”, schreibt Greer. “Es ist eine subtile, aber wichtige Nuance.”

Die Bewältigung der ersten Herausforderung ist von größter Bedeutung. Die einzige Möglichkeit, die anderen Probleme zu lösen, besteht darin, zunächst das erforderliche Humankapital zu schaffen und ihnen die erforderlichen Werkzeuge zur Verfügung zu stellen.

Der wahre Versprechen von Big Data

Daten sind ein wunderbares Instrument, aber kein Allheilmittel. In der Tat ist „zu viel des Guten“ ein echtes Phänomen.

„In meinen Jahren bei vielen Unternehmen habe ich tatsächlich einige Unternehmen gesehen, die in die Situation geraten sind, nicht genügend Daten zu verwenden. Diese Ereignisse verblassten jedoch im Vergleich zu der Häufigkeit, mit der ich das umgekehrte Problem gesehen habe: Unternehmen, die sich zu stark auf Daten verlassen, bis zu dem Punkt, an dem dies nachteilig war. Die Idee, dass Daten benötigt werden, um eine gute Entscheidung zu treffen, ist destruktiv. “ – Jacqueline Nolis

Um ihren Standpunkt zu verdeutlichen, beschreibt Nolis Coca-Colas Einführung von Cherry Sprite. Was hat die Entscheidung motiviert? Daten. Die Leute fügten Sprite an Selbstbedienungs-Getränkeautomaten „Shots“ mit Kirschgeschmack hinzu. Erzielen Sie also eine Punktzahl für Big Data.

Aber wie Nolis betont, gab es das sehr ähnlich schmeckende Cherry 7UP bereits – und das schon seit den 1980er Jahren. Das Datenteam hätte den neuen Geschmack möglicherweise effizienter entwickeln können, indem es einfach den Gang für alkoholfreie Getränke im örtlichen Lebensmittelgeschäft durchgesehen hätte. Die Lektion: Eine zu starke Abhängigkeit von Daten kann ein Hindernis für vernünftige Entscheidungen sein.

Big Data-Anwendungen: Wann und wie

Woher wissen wir also, wann Big Data für unser Unternehmen eingesetzt werden muss? Diese Entscheidung muss von Fall zu Fall entsprechend den Anforderungen jedes einzelnen Projekts getroffen werden. Die folgenden Richtlinien können dabei helfen, festzustellen, ob es sich um den richtigen Kurs handelt:

  • Betrachten Sie das gewünschte Ergebnis. Wenn Sie einen Konkurrenten einholen möchten, ist eine Investition in etwas, das der Konkurrent bereits getan hat, möglicherweise kein guter Ressourceneinsatz. Es ist möglicherweise besser, das Beispiel als Leitfaden oder Inspiration zu verwenden und die Big-Data-Analyse für kompliziertere Projekte zu reservieren.
  • Wenn Störungen das Ziel sind, können Big Data angewendet werden, um neue Ideen und Hypothesen zu testen und möglicherweise andere Möglichkeiten aufzuzeigen. Aber wir müssen uns vor den Nachteilen hüten: Daten können die Kreativität töten.
  • Wenn eine Geschäftsentscheidung dringend ist, sind die „Daten, die noch analysiert werden“ keine Entschuldigung, um sie zu verzögern. In einer PR-Krise haben wir beispielsweise nicht die Zeit, die verfügbaren Daten für Erkenntnisse oder Leitlinien abzurufen. Wir müssen uns auf unser vorhandenes Wissen über die Krise und unsere Kunden verlassen und sofort handeln.

Natürlich ist Big Data manchmal nicht nur nützlich, sondern auch wichtig. Einige Szenarien erfordern Big-Data-Anwendungen:

  • Um festzustellen, ob eine Strategie wie geplant funktioniert, erzählen nur die Daten die Geschichte. Bevor wir jedoch messen, ob Erfolg erzielt wurde, müssen wir zunächst unsere Metriken festlegen und die Geschäftsregeln definieren, die bestimmen, wie Erfolg aussieht.
  • Big Data kann dabei helfen, Modelle aus riesigen Informationsmengen zu verarbeiten und zu erstellen. Je größer und datenintensiver das Projekt ist, desto größer ist in der Regel die Wahrscheinlichkeit, dass Big Data hilfreich sein kann.

Big Data ist heute vielleicht das Trendthema in der Technologie, aber es ist mehr als ein Schlagwort. Das Potenzial, unser Geschäft und unser Leben langfristig zu verbessern, ist real.

Dieses Potenzial muss jedoch gezielt und zielgerichtet genutzt werden. Big Data ist nicht das Geschäftsäquivalent eines Wundermittels. Wir müssen uns bewusst sein, wo seine Anwendungen helfen können und wo sie überflüssig oder schädlich sind.

In der Tat kann das volle Versprechen von Big Data nur verwirklicht werden, wenn es von durchdachtem menschlichem Fachwissen geleitet wird.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / Who_I_am

Sameer S. Somal, CFA

Sameer S. Somal, CFA, ist CEO und Mitbegründer von Blue Ocean Global Technology. Er hält regelmäßig Vorträge auf Konferenzen zu Online-Reputationsmanagement, Fintech, Suchmaschinenoptimierung, Beziehungskapital, Networking und Ethik. Sameer ist für seine Arbeit bei Blue Ocean Global Technology von grundlegender Bedeutung und leitet die Zusammenarbeit mit einer exklusiven Gruppe von Partnern aus den Bereichen PR, Recht, digitales Marketing und Webentwicklung. Er hilft Kunden beim Aufbau, der Überwachung und der Reparatur ihrer digitalen Präsenz. Somal ist ein veröffentlichter Schriftsteller und Experte für Internet-Diffamierung. In Zusammenarbeit mit der Philadelphia Bar Foundation verfasst er Weiterbildungsprogramme (CLE). Somal ist stolz darauf, im Vorstand des CFA-Instituts für globale Investoren, des College Possible und des R.J. Leonard Foundation, eine Organisation, die sich der Ausbildung, dem Beginn von Karrieren und der persönlichen Betreuung junger Erwachsener widmet, die aus dem Pflegesystem heraus altern. Somal wurde von der All Ladies League und dem Women Economic Forum zum Iconic Leader ernannt, der eine bessere Welt für alle schafft. Er ist auch Mitbegründer von Girl Power Talk.

Pablo A. Ruz Salmones

Pablo A. Ruz Salmones ist Mitbegründer und CEO von Grupo Ya Quedó, einem Unternehmen für Softwareentwicklung und künstliche Intelligenz (KI) mit Sitz in Mexiko-Stadt. Als Computer- und Wirtschaftsingenieur leitet er neue Partnerschaften und Unternehmenskundenbeziehungen bei Grupo Ya Quedó in Nordamerika, Afrika und Indien. Er ist außerdem Marketingdirektor bei Blue Ocean Global Technology. Ruz Salmones hält regelmäßig Vorträge auf globalen Konferenzen zu Themen, die von der Skalierung globaler Unternehmen und E-Commerce bis zur Anwendung und Ethik von AI reichen. Ruz Salmones ist aktives Mitglied von Beta Gamma Sigma, der International Society of Business Leaders (ISoBL), der CCPM (Colegio de Contadores Públicos de México) und der Kapitelorganisator von Hackers / Founders in Mexiko-Stadt. Er hat eine Ethical Leadership-Zertifizierung vom NASBA Center for the Public Trust. Ruz Salmones ist ein veröffentlichter Autor und Technologe, der kürzlich ein Kostensystem zur genauen Bewertung der Datenspeicherung in Cloud-Servern entwickelt hat. Er ist ein lebenslanger Pianist und Komponist sowie ein Konzertkünstler. Ruz Salmones setzt sich unermüdlich dafür ein, eine Welt zu schaffen, in der wir alle alle als das sehen, was wir sind: Menschen.