CW: Im Markt kursieren immer noch unterschiedliche Definitionen von Big Data. Auch über die Tragweite und Relevanz des Themas für die Anwender gibt es mehr als zwei Meinungen. Können Sie für Aufklärung sorgen?

Bange: Die Unsicherheit im Markt rührt meines Erachtens daher, dass das Thema sehr schnell von den Marketiers vieler IT-Anbieter besetzt und für das jeweils eigene Produktportfolio interpretiert wurde. BARC versteht unter Big Data Methoden und Technologien für die hochskalierbare Erfassung, Speicherung und Analyse polystrukturierter Daten.

Das klingt auf den ersten Blick einfach, hat aber doch einige sehr unterschiedliche Dimensionen. Das Entscheidende dürfte zunächst die Eigenschaft "hochskalierbar" sein. Hier reden wir nicht nur über große Datenmengen, sondern auch über große Anwenderzahlen sowie hochkomplexe Anfragen beziehungsweise immer anspruchsvollere Analysen. Hinzu kommt die immer schnellere Aktualisierung von Daten, also die schnelle Verfügbarkeit sowie nur noch das reine Monitoring oder Streaming von Daten in Fällen, wo man Informationen gar nicht mehr länger speichern möchte oder kann. Grundsätzlich empfehlen wir im Zusammenhang mit Big DataBig Data auch die klare Unterscheidung zwischen den einzelnen Ebenen einer analytischen Architektur. Big Data Analytics denkt von der Anwendung her, Big-Data-Management sorgt für die Datengrundlage, diese Analysen vornehmen zu können. Alles zu Big Data auf CIO.de

Polystruktur der Daten als neue Dimension von Big Data

CW: Wo ist die Trennlinie zu den klassischen Business-Intelligence-Lösungen und Data Warehouses, die ja zumindest zum Teil die von Ihnen genannten Disziplinen auch abdecken?

Bange: Da kommt eine weitere Dimension von Big Data ins Spiel, nämlich die vorhin erwähnte Polystruktur der Daten. Immer häufiger verlangt das Business, große Mengen von semi- oder unstrukturierten Daten - etwa aus dem eigenen Web-Auftritt, aus FacebookFacebook, TwitterTwitter, Blogs und Foren sowie Bildern auf Websites und Videoclips - mit strukturierten Daten aus operativen Transaktionssystemen wie ERPERP und CRMCRM zu kombinieren und daraus Informationen abzuleiten, die einen Wettbewerbsvorteil liefern. Diese Auswertung soll teilweise auch in Echtzeit geschehen. Der Nutzen von Big Data liegt also vor allem in der Analytik neu zugänglicher Datenmengen - dort, wo die auf strukturierte Kennzahlen und Modelle ausgelegten Technologien einer herkömmlichen BI-Architektur an ihre Grenzen stoßen. Alles zu CRM auf CIO.de Alles zu ERP auf CIO.de Alles zu Facebook auf CIO.de Alles zu Twitter auf CIO.de

CW: Was bedeutet das für die Anwender? Müssen die klassischen BI-Lösungen durch völlig neue Systeme abgelöst werden?

Jetzt mitmachen beim Big-Data-Award

Big Data `12 von COMPUTERWOCHE

26./27. September 2012

Sehen Sie sich als innovativer Lösungsanbieter im Umfeld von Big Data? Unterstützen Ihre Tools Anwender beim Handling von immer größeren Datenmengen? Haben Sie interessante Referenzprojekte in den Bereichen Erfassung, Speicherung, Analyse und Auswertung polystrukturierter Daten - also genau dort, wo klassische analytische Informationssysteme heute an ihre Grenzen stoßen? Möchten Sie sich als Anwender schlaumachen, wie Ihre Kollegen in anderen Unternehmen konkrete Ansätze verfolgen, Daten zum Beispiel aus Social Networks zu analysieren und mit Informationen in klassischen Data Warehouses zu kombinieren?

Wenn ja, besuchen Sie den Big-Data-Kongress der COMPUTERWOCHE. Oder bewerben Sie sich zusammen mit Ihrem Referenzkunden für den Big-Data-Award und wahren Sie damit Ihre Chance, am 26. September 2012 im Rahmen der exklusiven Big-Data-Award-Verleihung als einer der Top-3-Gewinner ausgezeichnet zu werden.

Weitere Informationen sowie Anmeldung zur Konferenz und zum Award unter:

www.bigdata12.de

Bange: Einige Marktteilnehmer behaupten das. Ich sehe es nicht zwingend so und gehe davon aus, dass es in Zukunft vielfältigere Architekturen geben wird. Einerseits integrieren immer mehr Anbieter den Zugriff auf Big-Data-Systeme, zum Beispiel durch Unterstützung von Hive durch BI-Werkzeuge oder Map-Reduce durch Daten-Management-Werkzeuge. Andererseits werden für unterschiedliche Aufgaben spezialisierte Technologien eingesetzt, die die etablierten relationalen Datenbanken für Data Warehouses ergänzen, nicht aber komplett ersetzen.

CW: Woran denken Sie da konkret?

Bange: In erster Linie geht es hier um dedizierte analytische Datenbanken, die im Bereich der strukturierten Daten schnellere und komplexere Abfragen ermöglichen, es geht um No-SQL-Datenbanken zur Analyse großer Mengen Rohdaten in bestimmten Strukturen, und es geht vor allen Dingen um das gesamte Hadoop-Framework.