Big Data – Wandel, Zukunft oder Gefahr? Die Macht der Informationen

Das Netz befindet sich im radikalen Wandel. Es vollzieht Entwicklungsschritt Nummer 3. Nach dem Mitmachweb 2.0 sind wir als Anbieter und Kunden nun Teil eines enormen Datennetzwerks und somit selbst Teil dieses Wandels: Egal ob im privaten Zuhause, im öffentlichen Raum oder im kommerziellen Gewerbe – zu jeder Zeit produziert jede unserer Reaktionen eine Handvoll Informationen. Wertvolle Informationen. Daten, die sich rasant zu einem riesigen Berg formen. Ob beim Surfen im Internet, beim Online-Shopping, bei der Nutzung internetfähiger Gadgets (Stichwort: Internet of Things/Internet der Dinge), bei der Auskunft am Telefon oder der Eingabe persönlicher Informationen. Die Datenmenge, die wir bewusst und unbewusst liefern, ist gigantisch! Und sie wächst von Minute zu Minute. Mit Big Data hat dieses Phänomen einen Namen gefunden.

Informationen sind Macht! Diese These ist weder gewagt, noch ist sie neu. Bereits seit Jahrhunderten wissen die Menschen: Wer Wissen hat, wer Informationen sein Eigen nennt, der hat Macht. Weiß man Informationen richtig für sich zu nutzen, stürzen selbst die Größten. Im Zuge der digitalen Revolution vergrößerte sich auch die Datenmenge in den letzten Jahren kontinuierlich. Die Flut wird zu einem Tsunami, wie manche Netzexperten bereits titeln. Dabei scheint sich die Bevölkerung wieder zu teilen. Stehen auf der einen Seite jene Pioniere und Wegbereiter, die den Prozess des digitalen Wandels maßgeblich vorantreiben und ebensolche glühenden Verfechter der neuen „Sammelwut“ sind, gibt es auf der anderen Seite Menschen, die weder um die Bedeutung noch um den Einfluss und Nutzen von Big Data wissen. Doch auch ihre Daten werden gesammelt und verwertet. Lediglich 14 Prozent der Bundesbürger wissen, was mit „Big Data“ eigentlich gemeint ist. Dafür, dass von nahezu 100 Prozent Informationen „in“ Big Data befinden, ist das eine ziemlich ernüchternde Zahl.

Big Data als Milliardenmarkt

Anlässlich dieser Zahlen versuchte der Senior Advisor bei der Experton Group, Carlo Velten, kürzlich den Begriff „Big Data“ etwas einzugrenzen, um ihn damit etwas konkreter, handfester machen zu können: „Big Data beschreibt die industrielle Revolution der Daten.“ Gemeint sei damit die Wandlung von Daten als unzusammenhängende Menge hin zu Daten als Produkt. Und was geschieht in der Regel mit Produkten? Mit ihnen kann gehandelt und Geld verdient werden. Initiatoren des eingangs beschriebenen enormen Wachsens immer neuer Datenmengen sind laut Velten vor allem die Fortschritte in den Bereichen Mobile Apps, Cloud Computing, SaaS und Social Media. Im Alltag verstärkt sich die Nutzung des Internets per Smartphone und Tablet, soziale Netzwerke sind beliebt und vielfältig wie nie zuvor, und dank der Fortschritte im IoT vernetzen sich Geräte, Fahrzeuge und Maschinen zu einem dichten Datennetz.

So ist es nur logisch, dass der Weltmarkt für Big Data im rasanten Tempo anwächst. Laut Bitkom, welcher sich auf Berechnungen des IT-Marktforschungs- und Beratungsunternehmens Crisp Research beruft, stieg der weltweite Umsatz mit entsprechenden Diensten und Produkten 2014 auf knapp 73,5 Milliarden Euro. Das macht ein Plus von 66 Prozent zum Vorjahr. Gemessen am errechneten Fünf-Jahres-Zeitraum (seit 2011) ergeben sich für 2016 Zahlen von 161 Milliarden Euro – der siebenfache Marktumsatz (2011: 23,6 Milliarden Euro).

Alles auf Anfang: Worum geht es bei Big Data?

Wir wollen noch einmal an Carlo Veltens Worte anknüpfen und den Begriff Big Data konkretisieren. Worum handelt es sich dabei genau? Experten beschreiben damit im Wesentlichen zwei Kernpunkte: zum einen den bereits angesprochenen wachsenden Berg anfallender Daten, der tagtäglich von jedem Menschen produziert wird, und zum anderen fallen unter den Deckmantel Big Data auch jene IT-Systeme und -Lösungen, welche Unternehmen dabei helfen sollen, mit dieser Informationsflut fertig zu werden und sie entsprechend ihrer Ziele zu verwenden. Big Data wird als Möglichkeit verstanden, große Datenmengen unterschiedlichster Ursprünge in hoher Geschwindigkeit auszuwerten. Dabei spielen Datenbanken, linguistische Analysen und neue Visualisierungstools eine tragende Rolle. Unter Verwendung leistungsstarker Rechner, ausgebauter Breitbandnetze und schier unbegrenzter Speichermöglichkeiten entstehen passgenaue Anwendungen für die Bedürfnisse jedes Unternehmens.

Für Unternehmen: Big Data als Wettbewerbsvorteil

Marketer sind sicherlich nicht allzu sehr daran interessiert, die Hintergründe und Ursprünge von Big Data en détail nachzuvollziehen. Marketingstrategen interessiert vielmehr die Anwendung, der (monetäre) Nutzen im Umgang mit den zahlreichen Informationen. Dass die Analyse solcher Datenmengen entscheidende Vorteile in Wettbewerb, Zielkundenansprache und somit eine Präzisierung der Erfolgsaussichten für Unternehmen verspricht, ist nicht abwegig. Firmen können mithilfe individuell zugeschnittener Big-Data-Anwendungen neue Märkte und Geschäftsfelder generieren. Sie können Einsparungspotentiale entdecken und wesentlich genauer auf einzelne Bedürfnisse, Wünsche und Anforderungen ihrer Kunden reagieren. Indem Informationen aus möglichst vielen Datenbanken eines Betriebs gesammelt, summiert und analysiert werden, ergeben sich Erkenntnisse nicht nur für strategische Entscheidungen. Die Verknüpfung ermöglicht Antworten auf Fragen wie: Welchen Einfluss hat die Gestaltung der Lieferkette auf unsere Kundenstruktur?

Big Data verspricht also rentable Erkenntnisse. So nutzt beispielsweise die ING-DiBa-Bank seit 2012 die riesigen Datenmengen als Instrument im eigenen Zielgruppenmarketing. Sie integriert ihre Informationen aus verschiedenen Datenbanken (Konto-, Antrags- sowie Kundendatenbanken), wodurch sich Kundenprofile ablesen lassen. Unter anderem lasse sich so feststellen, wie viele Transaktionen ein ING-DiBa-Kunde tätigt. Zielgruppenmanagement-Leiter Martin Schmidberger gibt Auskunft, weshalb dies für sie von Bedeutung ist: „Wir wollen niemandem ein Angebot für Vieltrader unterbreiten, wenn er sein Depot seit langer Zeit eher als Sparkonto nutzt.“

Ein weiterer Vorteil verspricht die Analyse der Informationen für die Akquise neuer Kunden. Die ING-DiBa verwendet auch hier eine effiziente Big-Data-Strategie. Sie nutzt eine SAS-Lösung, um den jährlichen Eingang von sage und schreibe 40 Millionen Postsendungen zu bewältigen. Würde die Fülle an Informationen, die hierin verborgen liegen, mit herkömmlichen Analyse- und Sortierungsverfahren ausgewertet, könnte die Bank niemals so zielgerichtet auf die Anliegen ihrer Kunden reagieren, dessen ist sich Schmidberger sicher. Mithilfe neuester Verfahren organisiert die ING-DiBa optimierte Verteilerlisten ihrer Kunden, welche mit erhöhter Wahrscheinlichkeit positiv auf ein Angebot reagieren werden. Die tatsächlichen Reaktionen werden wiederum als neue Datenbasis zusammengefügt und bei den folgenden Aussendungen berücksichtigt.

Big-Data-Algorithmen als Goldgrube

Dass sich auch mit der Programmierung entsprechender Algorithmen Geld verdienen lässt, zeigen Beispiele aus Entertainment und Finanzenwelt. Der Videostream-Anbieter Netflix, der seit Ende des vergangenen Jahres auch für deutsche Kunden zugänglich ist, ließ Programmierer aus aller Welt in einen harschen Wettbewerb treten. Ein Preisgeld von 1 Million Dollar winkte jenem, der einen Algorithmus entwickeln konnte, mit welchem passgenaue Filmvorschläge für Kunden des Streamingdienstes gemacht werden könnten. Der Sieger toppte den Vorgänger-Algorithmus immerhin um 10 Prozent und traf damit den Geschmack der Kunden wesentlich exakter. Für Netflix ein bedeutender Vorteil.

Doch auch für Anleger wird Big Data immer interessanter, lassen sich mithilfe genauer Verfahren doch exakte Marktprognosen und Kursentwicklungen analysieren. Die WirtschaftsWoche berichtet zudem von Big-Data-Anwendungen im Verkehrsmanagement. Stockholm verwendet seit Kurzem ein intelligentes System, um Unfälle, Staus und kritische Verkehrssituationen zu vermeiden. Grundlage dafür? Die Analyse zahlreicher Verkehrs- und Wetterinformationen.

Achtung! Datenanalyse ist nicht gleich Big Data!

Wer nun meint, die reine Analyse großer Daten ergebe automatisch Big Data und sein Unternehmen profitiere somit folgerichtig von ihren Vorteilen, der irrt gefährlich. Lediglich das Verhalten und die Daten von Kunden zu analysieren, reicht bei dem Überangebot an Informationen und Möglichkeiten für Käufer bei Weitem nicht mehr aus. Erinnert man sich daran, dass von der durchschnittlichen Menge an Angeboten (etwa 3.000 Nachrichten), die Kunden tagtäglich erreichen, bei gutem Willen nur vier positiv im Gedächtnis verbleiben und damit überhaupt eine Chance haben, von ihnen beachtet und verarbeitet zu werden, liegt es auf der Hand, dass sich Unternehmen und Marketer mehr einfallen lassen müssen, um effektive Kundenakquise betreiben zu können. Der Ire Fergus Gloster, Managing Director EMEA beim Marketingsoftware-Anbieter Marketo, erklärte im Interview mit Computerwoche, worauf es bei der Verwendung von Big Data im Marketing tatsächlich ankommt und weshalb so viele Marketer noch immer über den Stolperstein Small Data fallen.

Von Small Data zu Big Data: Daten im Marketing richtig nutzen

Fergus Gloster stellt seinen Kollegen kein gutes Arbeitszeugnis aus. Viele der Marketingverantwortlichen, die über die Analyse und den strategischen Nutzen umfassender Datensätze reden, verzetteln sich häufig bei der Verwendung kleiner Datenquellen, die lediglich einen Bruchteil ausmachen. Viel verschenktes Potential, wie wir finden. Marketer diskutieren nur zu gern über Fragen der „richtigen“ Programme, welchen die größte Aufmerksamkeit gewidmet und wo am meisten investiert werden sollte. Welche Keywords bringen genügend Traffic auf eine Seite? Wie können die Suchmaschinen positiv beeinflusst werden? Einzeln basieren all diese Überlegungen nicht auf Big-Data-Analysen, trotz ihrer unbestrittenen Notwendigkeit. „Das sind Beispiele kleiner Datenpunkte, die unsere Analyseaktivitäten füttern. Sie werden über die traditionelle Nutzung von SQL-Servern beantwortet. Zudem benötigen sie keine Datenquellen mit hoher Varianz oder unstrukturierte Informationen und beantworten auch keine komplizierten Fragen in der gewünschten Schnelligkeit„, resümiert Gloster. Bleibt die Frage, wie eine „richtige“ Big-Data-Analyse im Marketing aussieht.

Es gibt Fragen, die zu umfangreich, zu vielschichtig sind, um sie mit herkömmlichen Verfahren beantworten zu können. Auch im Marketing stoßen Experten regelmäßig an die Grenzen ihrer SQL-Datenbanken. Dies ist beispielsweise der Fall, wenn mehrere Analysen parallel verarbeitet werden sollen. In größeren Unternehmen ist dies sogar unerlässlich, erinnern Sie sich beispielhaft an die Datenmengen der ING-DiBa. Gloster nennt dazu ein einfaches Beispiel: Soll etwa eine eigene Liste mit all jenen Kunden generiert werden, welche im letzten Quartal zweimal die Website besuchten, dazu noch mehr als eine E-Mail öffneten und auf Inhalte bestimmter Social-Media-Kanäle reagiert haben, sind nur Big-Data-Scans in der Lage, derartige Berechnungen anzustellen. Herkömmliche Lösungen scheitern hier schlichtweg.

Algorithmus-basierte Vorhersagen (sogenannte „predictive analytics“) können in Echtzeit ermitteln, wann der beste Zeitpunkt für Angebote an die entsprechende Zielgruppe ist. So könnte etwa der Versand von Anfragen an Kunden optimiert werden. Für Marketer ergeben sich dadurch sicherere Prognosen über die Effektivität ihrer Maßnahmen. Die Echtzeitanalyse ermöglicht zudem das potentielle bzw. reale Kaufinteresse, indem aktuelle Aktivitäten im Social Web verglichen und zueinander in Beziehung gesetzt werden.

Warum vernachlässigen trotzdem so viele Marketer Big Data noch immer?

Unabhängig von der Tatsache, dass die Begrifflichkeiten Small Data vs. Big Data nicht jedem Marketingverantwortlich vollständig klar sind, lässt sich zum gegebenen Zeitpunkt sagen, dass viele die Chancen von Big Data schlicht links liegen lassen. Aber wieso? Wurde das immense Potential noch nicht erkannt? Fehlt es an Ein- und Weitsicht? Für Führungskräfte ist klar: Big Data ist IT-Sache. Entsprechend werden die Aufträge direkt an technische Abteilungen geschickt. Nach einer Verbindung zur Marketingabteilung sucht man vergeblich. Die Probleme haben wir bereits angesprochen: Noch immer werden einzelne Datenquellen gesondert verwertet. Auch wenn 79 Prozent der Marketingstrategen die Nutzung von Big Data als Vorteil anerkennen, sind es doch nur 21 Prozent, welche auf Big Data etwa im Dialogmarketing setzen. Zu diesem und vielen weiteren interessanten Ergebnisse kam die Studie „Datengetriebenes Marketing“ von Silverpop Ende 2013.