Page 201 - Handbuch Digitalisierung (2. Ausgabe)

HANDBUCH DIGITALISIERUNG Kapitel 3.6 / Data Science Enterprise Data Cloud Die Grundlage für Big Data scha en Wvon Daniel Metzger er Digitalisierung sagt, muss auch Daten sa- gen – und zwar Big Data. Während sich die meisten Unternehmen über die Business-Vorteile von Big- Data-Analysen freuen, stel- len die Technologie und die Infrastruktur dahinter o mals eine Herausfor- derung dar. Denn Daten sind nicht gleich Daten, sie können strukturiert oder un- strukturiert sein und entweder von Menschen oder von Maschinen sowie Sensoren generiert werden. Um aus diesen Daten Informationen als Basis quali- zierter Entscheidungen zu gewinnen, benö- tigen Unternehmen Big-Data-Architekturen, die ihnen zuverlässige und vertrauenswürdige Einblicke in diese Daten ermöglichen. Die Bedeutung von Daten ist in den letzten 20 Jahren enorm gestiegen. Die Vernetzung der Unternehmen, intern wie extern, das Entste- hen und das Wachsen sozialer Netzwerke so- wie der Beginn der Digitalisierung waren die ersten Treiber dieser Entwicklung. Entspre- chend rückte das Speichern, Verwalten, Aus- werten und Nutzbarmachen von Daten auf der Agenda immer weiter nach oben – nicht nur in den IT-Abteilungen, sondern auch im höheren Management, das die Bedeutung von Daten für ihrenGeschä serfolgerkannthat.DieseNot- wendigkeitzumDatensammelnhatzueinem explosionsartigen, exponentiellen Anstieg der Datenmengen geführt, wodurch sogenann- te Data Lakes als primärer Bestandteil von Datenarchitekturen entstan- den sind. Die vorherrschende Meinung war, dass Unternehmen große Data Lakes entwickeln müss- ten, in denen sich praktisch alle Daten be nden würden. Doch mit dem Au ommen der Cloud und immer besserer und leistungsfähigerer Cloud-Dienste begann eine neue Zeitrech- nung. Statt alle Daten zentral zu sammeln, wurden diese mehr und mehr verteilt. Hinzu kommt, dass durch die Datenverteilung über mehrere Standorte und teilweise Unterneh- men hinweg diese ständig in Bewegung sind – inner- und außerhalb von Rechenzentren sowie der Cloud. Daten – Strukturiert, unstrukturiert und verteilt Eine weitere Herausforderung ist, dass unter- schiedliche Arten von Daten – wie strukturier- te und unstrukturierte, Sensordaten, Lieferan- ten-, Kunden- und Mitarbeiter-Daten – in jedem 201 Herausforderungen