2014/7 | Fachbeitrag | Analyse

Das wertschöpfende Potenzial von Big Data nutzen

von Daniel Fallmann

Inhaltsübersicht:

Wer das Spiel mit den Daten beherrscht, bekommt nicht nur ein klares Bild davon, was in der Vergangenheit vielleicht schief gelaufen ist und kann entsprechende Maßnahmen setzen. Es ist ihm zudem möglich – und das ist in der heutigen Zeit noch viel wichtiger –, auf Basis vorliegender Daten bis zu einem gewissen Grad in die Zukunft blicken, um Produktionsmengen zu bestimmen oder Marketingaktionen zu koordinieren. Es ist immer wieder verblüffend zu sehen, welchen Unterschied es etwa für das eine oder andere Handelsunternehmen macht, ob es, ganz banal, morgen regnen wird oder nicht. Denn der Erfolg eines Unternehmens wird zunehmend dadurch bestimmt, auf welche Weise die Verantwortlichen mithilfe der IT die Daten sammeln, sie verarbeiten und zu ihrem Vorteil nutzen – und das am besten voll automatisiert und in hoher Geschwindigkeit.

Die (Daten-)Welt im Wandel

Skeptiker könnten so argumentieren: „Für die beschriebenen Aufgaben gibt es seit vielen Jahrzehnten Technologien, die sich unter dem Begriff Business Intelligence subsumieren lassen. Mit diesen können unabdingbare Aufgaben wie Reporting und Forecasting hervorragend abgedeckt werden.“ Doch das ist leider nur bedingt richtig. So stammt die Technologie aus einer Zeit, als die Welt aus IT-Sicht noch geordnet schien (was sie in Wahrheit wohl niemals war) und das Datenwachstum einfach überblickt werden konnte. Mit anderen Worten: Die Geschäftswelt hatte aus Sicht der Unternehmer und IT-Verantwortlichen Struktur, zusammengesetzt aus strukturierten Daten, aus denen sich mit den richtigen Tools relativ einfach Entwicklungen der Vergangenheit und Möglichkeiten der Zukunft ableiten ließen.

Die (Daten-)Welt von heute präsentiert sich dagegen wesentlich chaotischer. Die Quellen, aus den sich die Sicht auf das eigene Unternehmen, den Kunden und den Markt speisen, sind nicht mehr primär die klassischen, vorbildlich strukturierten Business-Systeme wie ERP oder CRM, sondern eine Vielzahl an Kanälen wie Social Media oder M2M, die alle eines gemeinsam haben: Der Output ist in der Regel unstrukturiert.

Mit Big Data von unstrukturierten zu strukturierten Daten

Der Marktforscher IDC spricht davon, dass 80 Prozent der im Geschäftsalltag anfallenden Daten unstrukturiert sind. 80 Prozent, mit denen klassische Datenanalyse-Technologien wenig zufriedenstellend umgehen können. Man denke an einen Produzenten, der mehr über die Akzeptanz eines Produkts herausfinden will. Die Absatzzahlen zeigen nur einen, den technischen Aspekt, viel interessanter sind Posts in einschlägigen Konsumenten-Foren, Blogbeiträge, Tests, Facebook-Kommentare – wer soll all die manuell durchforsten, weil automatisiert es scheinbar keine geeigneten Tools gibt?

Genau hier setzt Big Data an. Aus Sicht des Autors ist die zentrale Stärke von Big Data weniger das Vermögen, sehr große Datenmengen in sehr kurzer Zeit verarbeiten und analysieren zu können. Das ist der technische Aspekt. Viel interessanter ist die Fähigkeit, unstrukturierte Daten in strukturierte zu verwandeln. Genau hier liegt der Mehrwert, den Big Data Unternehmen liefern kann.

Wie Big Data diese Verwandlung zustande bringt, lässt sich am besten anhand eines Beispiels aus der Praxis beschreiben. Ein großes Versicherungsunternehmen bekommt täglich Tausende Mails oder Briefe mit Schadensmeldungen in unterschiedlicher Qualität – bis hin zum nicht entzifferbaren Gestammel. Per definitionem sind das alles unstrukturierte Daten. Der klassische Weg ist der, dass Sachbearbeiter sich der Sache annehmen und die für den jeweiligen Fall relevanten Informationen extrahieren: offene Anfragen, Reklamationen, Rechnungen, Kontaktdaten etc. Diese wenig kreative Arbeit, auch„Monkey Business“ –  geistige Fließbandarbeit – genannt, die zu automatisieren vielen Sachbearbeitern beispielsweise in Call Centern nicht ungelegen kommen würde.

Praxisfall: E-Mails schrittweise semantisch analysieren

Mit einer cleveren Big-Data-Lösung kann man das Monkey Business auf ein Mindestmaß reduzieren und die Sachbearbeiter für sinnvollere Aufgaben freispielen. Mindbreeze InSpire zum Beispiel entlastet den Mitarbeiter, indem es das Mail eines Versicherungsnehmers in einem ersten Durchgang nach logischen Textbausteinen durchforstet – ein Prozess, „Entity Extraction“ genannt, der sich auf syntaktisch-semantischer Ebene abspielt. Das System identifiziert automatisch Personen- und Ortsnamen, Kfz-Kennzeichen und andere Informationen, wie E-Mail-Adressen, die sich dem System dadurch zu erkennen geben, dass in deren Mitte ein „Klammeraffe“ schlummert.

Das Ergebnis dieser Textanalyse lässt sich verbessern, indem dieser Analyse Thesauri und Taxonomien unterlegt werden, die gleichsam die Essenz des Geschäftsalltags widerspiegeln – der zweite Schritt der Textanalyse. Der Begriff „Personenschaden“ zum Beispiel kann auf diese Weise mit einer bestimmten Klassifikation des Schadenfalls verknüpft werden und dient so der Strukturierung und damit der Vereinfachung und Beschleunigung der Bearbeitung.

Der dritte Aspekt, der eine intelligente Big-Data-Analyse ausmacht, ist jene des Selbstlernens: Je länger das System im Einsatz ist, desto genauer und besser geht die Wandlung von unstrukturierten Daten in strukturierte über die Bühne.

Nach den drei semantischen Analyseschritten, die frei kombiniert werden können, ist die E-Mail des Versicherungsnehmers kein Gestammel mehr, das der menschlichen Interpretation bedarf, sondern ein Baustein in einem automatisierten Prozess, an dessen Ende die Erfüllung des Eingangsmails steht: die möglichst rasche und unkomplizierte Wiedergutmachung des Schadens. Am Ende des Tages gilt: Ist der Versicherungsnehmer zufrieden, ist der Versicherer zufrieden.

Praxisfall: Big-Data-Analyse bei der Personalauswahl

Ein weiteres Beispiel ist die HR-Abteilung eines renommierten Unternehmens, das mit Big Data ein großes Stück ihres „Monkey Business“ an die IT abtreten kann. Wird hier nämlich ein Posten ausgeschrieben, sind es nicht selten Tausende Bewerbungen, die in PDF-Form einlangen. Anstatt jede Zusendung einzeln durchzugehen, lässt man das System eine Vorauswahl treffen, indem es den Stoß der Bewerbungen exakt auf Basis des Anforderungsprofils durchforstet.

So gesehen ist Big Data nichts anderes als Business Intelligence der heutigen Zeit – diesmal aber wirklich intelligent.

Diese Artikel könnten Sie auch interessieren

Hohe Datenqualität – die Basis für den Unternehmenserfolg

Der Ärger ist groß, wenn durch hohe Rückläuferquoten Mailing-Aktionen versanden oder kostspielig ein zweites Mal durchgeführt werden müssen. Wenn Kunden Werbematerialien mehrfach oder Rechnungen gar nicht erhalten. Wenn es Beschwerden hagelt, weil die Mitarbeiter im Support zu lange brauchen, um die nötigen Daten zu finden, oder Forecast-Analysen des Vertriebs ins Leere gehen, weil potenzielle Intere...

Weiterlesen

Business Discovery: Mit Self Service große Datenmengen meistern

Die eigentliche Arbeit bei Big Data liegt nicht in der Auswertung der Daten, sondern in der Vorbereitung der Datenanalyse. Das A und O ist es, das Ziel festzulegen und genau zu prüfen, welche Fragestellungen die Analyse beantworten soll. Denn wer das Ziel nicht kennt, findet auch nicht den Weg dorthin. Dazu sind ein umfassendes Verständnis des jeweiligen Geschäftsmodells und der verschiedenen Geschäftsf...

Weiterlesen

Audi PartnerNet – das personalisierte Händlerinformationsportal der Audi AG

Das Audi PartnerNet (APN), das mehrere 10.000 Dokumente umfasst, ist das personalisierte Händlerinformationsportal der Audi AG und dient dem Dialog zwischen dem Hersteller Audi und den Audi Händlern in Deutschland. Um die Qualität der Suchergebnisse zu optimieren, wollte das Unternehmen die existierende Suche durch eine neue, einfach zu bedienende Suchlösung ersetzen. Eines der wichtigsten Ziele dabei: ...

Weiterlesen

Big Data: Informationen im Unternehmen finden & effizient nutzen

Auf rund 40 Zettabyte soll laut IDC-Studie das digitale Universum bis zum Jahr 2020 anwachsen. Doch auch schon heute sind Unmengen an Daten in Unternehmen im Umlauf – und es werden täglich mehr. Bedenkt man die Vielzahl an E-Mails, die täglich auf Wissensarbeiter einprasseln, kombiniert mit Projektenablagen auf Fileservern, in ECM-Systemen oder in der Cloud sowie die neuen Kommunikationskanäle über So...

Weiterlesen

Enterprise Search: Vom Suchen zum Finden

Es gibt nicht das eine Wissensmanagement-Werkzeug. Wissensmanagement ist ein komplexes Thema und die zu seiner Unterstützung dienenden IT-Lösungen sind oft ebenso vielschichtig. Betrachtet man die Kundenanforderungen näher, ergibt sich folgendes Bild: Mehr als 50 Prozent der gewünschten Funktionalität entfallen auf die Suche. Ein hoher Anteil der Anforderungen zielt zudem auf eine geordnete Ablage von ...

Weiterlesen

Unternehmenswissen – Ontologien bringen Licht ins Dunkel

Effektives Informationsmanagement und Collaboration zählen für Unternehmen in der globalisierten Wirtschaft zu den großen Herausforderungen. Die Wettbewerbsfähigkeit bleibt nur erhalten, wenn ein schneller Zugriff auf Personen, Dokumente und Informationen gegeben ist und vorhandenes Wissen effizient wieder verwendet wird. Die Wirklichkeit sieht jedoch oft anders aus. So produziert ein typischer Mitarbei...

Weiterlesen

Data Scientists – heiß begehrte Datenexperten

21. Jahrhunderts gekürt. Überall wird behauptet, dass Data Scientists zu einem festen Bestandteil des Geschäftslebens werden. Auch an den Hochschulen werden immer mehr Kurse zum Thema angeboten. Mit Sicherheit ist der Data Scientist wichtig und begehrt, aber es gibt auch Möglichkeiten für Unternehmen, die Qualifikationen für die Position eines Data Scientist bei ihren vorhandenen Mitarbeitern aufzubau...

Weiterlesen

Jederzeit gut aufgestellt: Kunden und Märkte immer im Blick

WISSENplus
Märkte verändern sich heute schneller als je zuvor. Unternehmensund Vertriebsstrategien können daher von heute auf morgen überholt sein. Auch erfahrene Manager können sich schon lange nicht mehr auf ihr „Bauchgefühl“ verlassen, um jederzeit marktgerecht zu agieren. Persönliche Erfahrung und Expertenwissen zählen zwar nach wie vor. Aber ohne fundierte statistische Informationen als Entscheidungsg...

Weiterlesen