Gastkommentar: Big Data intelligent nutzen

Big Data ist im Trend. Wo sonst finden sich so viele Daten aus den unterschiedlichsten Lebensbereichen als im WWW. Kein Wunder, dass der Datendurst der gesamten Wirtschaft geweckt ist. [...]

Von Social Media Posts bis hin zu den Online-Einkäufen – alles wird gespeichert und letztlich zu interpretieren versucht. Warum? Weil Wissen schon immer Macht war und die Verfügbarkeit der Daten letztlich die Begehrlichkeit auf diese erzeugt. Dass sich schon längst die globale wirtschaftliche Entwicklung dem Anstieg der Datenmenge entkoppelt hat, ist nur ein Indikator für den Highway in die Datengesellschaft. So wächst die Datenmenge im WWW täglich um 2,5 Trillionen Byte. Experten gehen davon aus, dass die Datenmenge im WWW um ein Vierfaches rascher steigt als sich die Weltwirtschaft entwickelt.

Das Problem dieses täglich anfallenden Datenvolumens ist also, dass hier Analysen und Auswertungen ermöglicht werden, die noch ungenützt sind. Es existieren zwar zahlreiche Software-Lösungen, um die Datenmenge zu filtern, aber die Analysetools sind noch nicht valide und die Filterung von Keywords alleine ist noch keine verlässliche Untersuchung für den Kunden. Auch die Rückwärtsgewandtheit der Daten ist ein Problem von Big Data: Marktforschung eruiert nämlich auch die verborgenen Bedürfnisse der Kunden – das kann Big Data nicht.

In den Unternehmen entsteht also eine Unmenge von Begehrlichkeiten durch Big Data. Doch was sich einerseits faszinierend anhört – nämlich vollständige Ergebnisse über das (Einkaufs)Verhalten aus allen Lebensbereichen zu generieren –, bedeutet andererseits, dass diese schier unermessliche Datenmenge erst verdichtet, analysiert, interpretiert und letztlich auch verstanden werden muss. So weit, so komplex. Damit tun sich aber gerade für die Markt- und Meinungsforschung neue Betätigungsfelder auf, um als „Datenveredler“ zu agieren und die Validität der Big Data sicherzustellen. Wenn also von Big Data wirklich profitiert werden soll, ist es zwingend notwendig, diese mit den Instrumenten der MaFo auszuwerten und zu strukturieren.

* Thomas Schwabl ist CEO von Marketagent.com.


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*