Big Data: Wert vor Volumen

Der Begriff „Big Data“ existiert schon seit einiger Zeit, doch das Konzept entwickelt sich ständig weiter. Big Data bedeutete zunächst das Sammeln und Analysieren großer Datenmengen, die zu komplex sind, um mit herkömmlicher Datenverarbeitungssoftware bewältigt zu werden, wobei der Fokus auf Volumen, Vielfalt und Geschwindigkeit der Daten lag. Heute beziehen wir auch die Wahrhaftigkeit und den Wert der Daten mit ein – und der Schwerpunkt hat sich auf die Priorisierung des Wertes verlagert. In der heutigen Landschaft, in der sich Big Data auf prädiktive Analysen, Analysen des Nutzerverhaltens oder andere fortschrittliche Analysemethoden bezieht, ist die Größe des Datensatzes nicht mehr das entscheidende Merkmal, sondern der Wert ist das Wichtigste. Denn was nützt es, all diese Daten zu haben, wenn man mit den Erkenntnissen nichts anfangen kann? Aus der Perspektive einer Smart City können die Daten, die durch eine von einem Stromversorger eingerichtete fortschrittliche Zählerinfrastruktur bereitgestellt werden, die Betriebseffizienz steigern, die Überwachung und Verwaltung des Netzes verbessern und das Kundenerlebnis optimieren. Wenn die Smart-Grid-Lösung auch ein vollständiges Kommunikations-Backbone bietet, wie unser Delta Smart Grid Network™ (DSGN™), können mehr Daten von mit dem Netzwerk verbundenen Internet-of-Things-Geräten erfasst werden (lesen Sie Aprils Blogbeitrag für mehr zum Thema IoT). Um noch mehr Wert zu gewinnen, werden Fortschritte im Bereich Big Data in künstliche Intelligenz (KI) und maschinelles Lernen integriert. Obwohl sie ähnlich sind, unterscheiden sich die beiden:

• KI ist die Schaffung von Maschinen, die aus ihrer Umgebung lernen und auf dieser Grundlage Probleme lösen können, und
• Maschinelles Lernen ist ein Teilbereich der KI, bei dem die Maschine die gelernten Lektionen nutzen kann, um sich selbst zu verbessern, ohne explizit dafür programmiert zu sein.

Durch robuste Datenanalysen, künstliche Intelligenz und maschinelles Lernen ist der Wert von Big Data exponentiell. Und obwohl Volumen, Vielfalt, Geschwindigkeit und Wahrhaftigkeit immer noch Schlüsselkomponenten von Big Data sind, ist der Wert das entscheidendste Merkmal.