Ja ja, ich höre es schon. „Schon wieder ein Text über Big Data? Erzähl mir was neues, weiß doch jeder, dass das die Zukunft des Marketings ist.“ Ganz recht, Big Data hat ein riesen Potenzial und Unternehmen, die nicht mitziehen, werden auf der Strecke bleiben. Darauf haben selbst wird schon aufmerksam gemacht. (Jeder der noch einen Text darüber lesen möchte, bitte) Aber der regelrechte Hype um das Thema birgt auch so seine Gefahren. Dadurch, dass jeder Marketing-Fuzzi Big Data zum universellen Problemlöser erklärt, denkt kaum einer an Risiken und fängt mehr oder weniger sinnlos an irgendwelche Daten zu erheben – ist ja grad voll Trend und so. Denkste, ich erklär dir mal wie das wirklich aussieht.

Back to Basics

Erstmal: Das Ziel von Sammeln und Auswerten von Big Data ist Transparenz zu schaffen. So lassen sich dank neuester Technologien in kürzester Zeit relevante Informationen aus den Daten ziehen. Die Ergebnisse kommen in allen vorstellbaren Bereichen – von der Logistikplanung bis hin zum Vertrieb – zum Einsatz. Es geht also verkürzt darum, aufzudecken wie zufrieden, oder unzufrieden, Kunden sind und woran das liegt. Mit diesen Informationen lassen sich dann super toll Prozesse optimieren oder neue Strategien entwickeln um am Ende einen entscheidenden Wettbewerbsvorteil zu erhalten – so zumindest das große Versprechen. Warum das in der Realität dann oft anders aussieht, dazu später. Big Data wird auch als Prognose- oder Frühwarnsystem eingesetzt. Damit können Unternehmen früher und flexibler auf Marktveränderungen reagieren und somit ihren Wettbewerbsvorteil weiter ausbauen. So die Theorie.

Da mittlerweile viele Unternehmen, wie auch bestimmt deines, auf die Stärken von Big Data setzen, gibt es eine ganze Sparte die sich nur mit dem Extrahieren der relevantesten Informationen aus einem Berg von Daten beschäftigt, auch Data Science genannt. Data Scientists, oder Datenanalysten, beschäftigen sich den lieben langen Tag damit, verwertbare Inhalte aus dem vermeintlichen Datenmüll zu ziehen. Was für die einen allerdings nach simplen Auswerten von Daten klingt, ist in der Realität viel komplexer. So gibt es eine Vielzahl von verschiedenen Komponenten die in der Auswertung von Daten zusammenspielen, wie natürlich die Statistik, Mathematik und die richtige wissenschaftliche Methode aber auch Bereiche wie Datentechnik, Visualisierung oder das entsprechende Know-How im jeweiligen Bereich – um nur ein paar zu nennen. Im Klartext bedeutet das, dass nicht einfach jeder beliebige Algorithmus auf den Haufen an Daten losgelassen werden kann. Dazu gehört schon noch ein bisschen mehr. Viele Unternehmen haben deshalb ein eigenes Team nur zu diesem Zweck zusammengestellt und verlassen sich auf die Ergebnisse die ihnen geliefert werden.

Was aber, wenn diese Ergebnisse, oder Big Data allgemein, nun doch nicht das Gelbe vom Ei sind?

Es stellt sich die Frage, ob nicht ein wenig zu sehr auf Big Data vertraut wird und Big Data somit mehr kostet als es einbringt. Ein Beispiel dazu:
Ein Dienstleister investiert in Big Data um eine möglichst effiziente Strategie zum Aufstellen von Automaten erarbeiten zu lassen. Nachdem dieses Projekt also eine Menge an Ressourcen verbraucht hat, stellt sich heraus, dass es solche Modelle bereits in Zeiten vor Big Data gab. Manchmal lohnt sich also doch noch ein Blick in die guten alten Zeiten anstatt die modernsten der modernsten Methoden einzusetzen, die zudem noch eine Menge an Geld verschlingen.

Ein weiterer Punkt über den man sich im Zusammenhang mit Big Data Gedanken machen sollte, ist der ob sich die gewonnenen Ergebnisse in der Praxis überhaupt umsetzen lassen. Auch ein Beispiel zu diesem Punkt: Mithilfe von Big Data wurde festgestellt, dass sich Sonderangebotsprodukte deutlich besser verkaufen lassen, wenn sie bereits einige Zeit vor der Aktionsphase und noch eine Weile danach im Regal stehen. Um dieses Prinzip allerdings in allen Filialen umzusetzen, müsste auch die gesamte Lieferkette angepasst werden. Es stellt sich die Frage ob man das will oder kann. Für jedes Sonderangebot solch einen Aufwand zu betreiben kann wohl kaum im Interesse eines Geschäftsinhabers stehen und somit war auch die teure Big Data Auswertung an dieser Stelle sinnlos.

Mehr Invest als Outcome?

Big Data heißt also auch Big Investments. Es fallen Kosten für die Erhebung, das Einpflegen in Datenbanken, die Bereinigung der Daten vor einer möglichen Auswertung und natürlich für die Auswertungen an sich an. Analysewerkzeuge müssen ständig weiterentwickelt und angepasst werden und zwar prinzipiell für jedes Problem auf eine andere Art und Weise. Die Aufbereitung der gewonnenen Daten kann zwar an diverse Dienstleister übergeben werden, insgesamt ist der Aufwand, und vor allem die Kosten von Big Data, für kleine Unternehmen aber kaum zu stemmen.

Und dann wäre da auch noch das Risiko der De-Personalisierung. Denn setzt man vermehrt auf Big Data Analysen, so besteht die Gefahr, dass der persönliche Kontakt zwischen Kunde und Unternehmen abreißt. Schließlich müssen die gesammelten Daten anonym, oder nur mit Zustimmung auch personalisiert, ausgewertet werden und aufgrund der großen Masse an Daten hat die Meinung eines Einzelnen wohl keinen Einfluss mehr. Aber genau darum muss es uns doch eigentlich gehen. Den persönlichen und vor allem individuellen Kontakt zum Kunden herstellen, seine spezifischen Probleme und Bedarfe kennen und ihm das bieten, was er brauch. Massenware war gestern, so viel ist klar.

Und damit nicht genug: Immer mehr Daten zu sammeln, ist kein Garant dafür, dass sich die Welt dadurch besser erklären lässt. Vor allem sollte man sich aber über das Vorgehen bei der Datenerhebung Gedanken machen. So dürfte es mittlerweile bekannt sein, dass jegliche Nutzerdaten erfasst werden – vom Online-Shopping bis hin zur Mobiltelefonnutzung. Nun könnte man meinen, dass diese Unmengen an Daten wohl ausreichen sollten um wichtige Schlüsse daraus zu ziehen, aber weit gefehlt. Vielmehr ist hier die Frage, wie die Datenerhebung der Zukunft aussehen wird.

Einige Zukunftsszenarien beinhalten zum Beispiel die Stimmerfassung bei Telefonaten, die Speicherung von Emails und Textnachrichten oder GPS-Überwachung. Einige dieser Elemente dürften dem einen oder anderen schon bekannt vorkommen. So werden bereits Telefonate aufgezeichnet um die Gesprächsqualität zu überprüfen, was auf den ersten Blick harmlos erscheint. Insgesamt kann man aber davon ausgehen, dass in Zukunft jede kleinste Information von jedem von uns aufgezeichnet wird, und das nur um wichtige Informationen für diverse Geschäftsprozesse zu erhalten. Ob das im Interesse der Gesamtheit steht, ist fraglich. Zwar könnten daraus auch einige Vorteile gezogen werden, wie zum Beispiel bei der Strafverfolgung, größtenteils müssen wir zu Kosten von Big Data allerdings unsere Freiheit aufgeben und eine ständige Überwachung in Kauf nehmen.

Es gibt allerdings auch noch eine andere Seite von Big Data, die erhebliche Risiken birgt.
So muss bereits bei der Erhebung von Daten auf einige wichtige Faktoren geachtet werden. Das fatalste wäre nämlich, wenn die auf aufwendige Weise gewonnenen Informationen plötzlich fehlerhaft sind. Stichwort Datenqualität, die oftmals durch das immer schnellere und umfangreichere Erheben von Daten vernachlässigt wird. Meist werden nur so schnell wie möglich „irgendwelche“ Daten erhoben um so viele wie möglich in möglichst kurzer Zeit abzuspeichern. Dass Datenanalysten daraus auch sinnvolle Zusammenhänge und Ergebnisse herstellen können, ist damit noch lange nicht gesagt. Und ableitbare Maßnahmen zur Prozessoptimierung rücken in weite Ferne.

Und doch ist es gerade dass was anschließend zu falschen Informationen und Prognosen führt. Im Grunde ist es deshalb sinnvoller zwar weniger, aber dafür korrekte, Daten zu erheben anstatt sinnlos drauf los abzuspeichern. Denn dadurch treten fehlerhafte Datensätze oder mehrfach abgespeicherte Datenkopien auf und auch ungenaue oder fehlleitende Fragestellungen oder eine falsche Interpretation führen zu mangelnder Datenqualität.

Das Ende vom Lied

Zusammenfassend lässt sich sagen, dass in dem ganzen Hype um Big Data häufig der Blick auf eine sehr grundlegende Eigenschaft verlorengeht. Big Data allein erzeugt nämlich keinesfalls fertige Lösungen und ist auch längst nicht auf alle Probleme ohne Nachzudenken anwendbar. Vielmehr liefert Big Data Ergebnisse, die als Werkzeug zum Erschaffen von Lösungen genutzt werden können. Der Erfolg, der mit diesen Werkzeugen erzielt werden kann, hängt aber immer noch davon ab wer es in die Hand nimmt. Um Big Data also erfolgreich in ein Unternehmen zu integrieren müssen viele verschiedene Komponenten zusammenspielen. Das geht von der korrekten Datenerhebung über die sinnvolle Auswertung der Daten bis hin zur richtigen Interpretation und Verwertung der Resultate. Und so vielversprechend das auch alles klingen mag, vorausgesetzt es werden alle möglichen Stolperfallen ausgeschlossen, sollte aber trotzdem nicht außer Acht gelassen, dass es vielleicht manchmal besser sein kann auch mal auf andere Methoden zu setzen.

 

Teilen
Mabelle Franke
Themen die sich mit Datenanalyse und Computerverfahren aller Art beschäftigen, sind Mabelle's Steckenpferd. Fundierte Kenntnisse in diesem Bereich gewinnt Mabelle überwiegend im Studium der Mathematik. Den Bachelorabschluss hat sie seit Mitte 2015 in der Tasche und arbeitet nun am Masterabschluss.