Die vorschreitende Digitalisierung verändert unsere Gesellschaft, unsere Wirtschaft und unser privates Leben. Dabei ist dies nicht ein langsamer Prozess, sondern er ist disruptiv und legt ständig an Tempo zu. Klassische Geschäftsmodelle spüren dieses Fortschreiten der Digitalisierung teils massiv und erodieren weg. Solche Beispiele kennen wir heute alle: der Buchhandel, der sich mit Amazon oder das Taxiunternehmen, das sich mit Uber messen muss. Die Digitalisierung hilft aber auch, klassische Strukturen zu optimieren und neue, innovativere Ansätze zu fahren. Ein Beispiel hierfür ist die Flexibilisierung von Arbeitsplätzen mithilfe moderner Apps wie dashwork. Interessant bei solchen Beispielen ist, dass sich all diese Geschäftsmodelle eines neuen zentralen Wirtschaftguts bedienen: Daten!
Will eine Unternehmung ihr Datenkapital ausnutzen, muss sie sich zuerst bewusstmachen, dass Daten spezielle Eigenschaften haben, die sich grundlegend von nicht-digitalen Gütern unterscheiden[1].
Daten sind wiederverwendbar:
Angenommen eine Krankenkasse stellt ein neues Rabattmodel für Kunden zur Verfügung, bei welchem sie mit ihren Gesundheitsdaten (Fitbit, etc.) die Prämien reduzieren können. So kann der Kunde mit denselben Daten die Prämien verringern und sie dann nochmals verwenden, um bei Nike Rabatt auf neue Sportschuhe zu erhalten. Bezahlt der Kunde im Gegensatz dazu seine Prämie mit einer Hunderternote, kann er diese nicht nochmals wiederverwenden.
Daten produzieren mehr Daten:
Es ist ein grundlegendes Phänomen, dass die Verarbeitung und Analyse von Daten weitere Daten erzeugt. Wenn Daten genutzt werden, um beispielsweise Analysen zu erstellen, entstehen dabei neue Daten: die Resultate der Analysen.
Daten müssen erfahren werden:
Daten enthalten nur einen Wert, wenn sie mit Informationen und bereits bestehendem Wissen kombiniert und in einen Kontext gesetzt werden. Ein Byteblock von Daten allein ist wertlos. Erst wenn der Byteblock zu einem Textdokument interpretiert wird, kann ein Wert daraus gewonnen werden. Im Unterschied zu materiellen Gütern kann Daten kein eindeutiger Marktwert zugewiesen werden. Dadurch sind explorative Untersuchungen unbekannter Daten ein wichtiger Faktor, um zu wissen, welchen effektiven Wert ein bestimmter Datensatz für die eigene Unternehmung haben kann.
Daten entstehen durch Handeln:
Aktivitäten aller Akteure in einem System produzieren heute Daten. Dies wird zusätzlich akzentuiert, da vermehrt auch Dinge mit dem Internet kommunizieren (Internet of Things). Dieser Grundsatz hat zwei Aspekte, die sich eine Unternehmung bewusstmachen muss. Erstens werden nützliche Daten nicht automatisch bei ihr auftauchen. Daten müssen aktiv bewirtschaftet werden. Zweitens generiert die Unternehmung bei ihren Aktivitäten ihrerseits auch immer Daten, welche von ihr selbst oder auch von Dritten verarbeitet und analysiert werden können.
Big Data Technologien und Methoden helfen:
Big Data ist ein Sammelbegriff. Er fasst Technologien und Methoden zusammen, mit denen grosse, poly-strukturierte Daten in Echtzeit verarbeitet werden können. McKinsey umschrieb dies 2012 mit den 3 V’s: Volume, Variety and Velocity. Die grundlegende Idee hinter Big Data ist, dass mit Daten und den richtigen Technologien neue wertschöpfende Erkenntnisse geschöpft oder Dienstleistungen für eine Unternehmung entwickelt werden können. Big-Data-Technologien, wie Hadoop, Spark oder Kafka, lassen Unternehmungen heute Daten in Grössenordnungen speichern und verarbeiten, welche vor fünf Jahren noch kaum möglich waren. Dadurch schafft Big Data das Fundament, um mit den obengenannten Eigenschaften von Daten effizienter, kostengünstiger und vor allem auch vielfältiger umgehen zu können.
Das Geheimnis von Big Data sind aber nicht die Technologien selbst, sondern wie diese wertschöpfend in einem Unternehmen eingesetzt werden und wie spezifische Problemstellungen mit der richtigen Technologie gelöst werden. Massgebend ist das Know-how, die optimale Technologie für den richtigen Anwendungsfall einzusetzen.
Technologie ist nicht alles.Neben der technologischen Umsetzung sind an neue Applikationen, die auf sensitiven Daten aufbauen, zudem hohe soziale und rechtliche Anforderungen zu stellen. Wann sind Daten überhaupt sensitiv? Wann wird die Persönlichkeit der Nutzenden verletzt? Wie wird der Datenschutz in einem internationalen Umfeld gewährleistet? Welchen Einfluss hat eine Applikation auf die Reputation einer Unternehmung? Welche branchenspezifischen Regularien sind zu beachten? Solche und andere Fragen lassen sich nicht ausschliesslich mit dem Einsatz neuer Technologien bewältigen, sondern sind in einem fachübergreifenden Big Data Governance Framework zu lösen.
Scigility AG– die Big-Data-Experten
Scigility AG hilft namhaften Kunden Big Data und NoSQL-Plattformen umzusetzen und neue innovative Datendienstleistungen und Datenprodukte zu realisieren. Die Big-Data-Experten von Scigility, die einige der grössten Hadoop-Cluster-Infrastrukturen in der Schweiz betreuen, helfen Unternehmen dabei, sich im Technologie-Chaos zurechtzufinden. Konzeption, Design und Architektur moderner Informationsplattformen gehören ebenso zu den Dienstleistungen wie die Realisierung von neuen Datendienstleistungen und Datenprodukten, sobald die Big-Data-Infrastruktur einmal aufgebaut ist. Das juristische Team schliesslich sorgt dafür, dass bei der Umsetzung alle regulatorischen Vorgaben sowie die rechtlichen Aspekte der Datenverarbeitung von Anfang an miteinbezogen werden.
Zum Thema: Big Data – Grundlagen, Systeme und Nutzungspotenziale, Daniel Faser, Andreas Meier (Hrsg.), Springer 2016.
[1] https://www.technologyreview.com/s/601081/the-rise-of-data-capital/