Big Data: Big Bluff oder Big Chance?

Transkript

1 Big Data: Big Bluff oder Big Chance? Big Data ist in aller Munde und durch die mediale Omnipräsenz auf dem besten Weg, zum Unwort des Jahres zu werden. Doch wer genau hinsieht, entdeckt eine Veränderung der Tonalität in der Diskussion: War zunächst Big Data ein reiner Hype, wird das Thema zunehmend positiver, nämlich als Challenge aufgefasst. Es gibt auch einzelne Stimmen, gerade in der Medienbranche, die das Thema sogar noch wesentlich euphorischer sehen. Jerry Della Femina beispielsweise, eine der letzten lebenden Werbe-Ikonen aus den 1960er Jahren und Vorbild für die Serie Mad Men, hat Big Data im Juli 2013 in der Financial Times als das zweite goldene Zeitalter der Werbebranche bezeichnet. Jedoch ist die Einstellung zu und der Umgang mit Daten im Allgemeinen und Big Data im Speziellen in den USA wesentlich entspannter. In Deutschland setzt das Bundesdatenschutzgesetz den Rahmen dessen, was im Umgang mit Daten erlaubt ist, sehr eng. Danach ist zunächst einmal alles, was nicht ausdrücklich erlaubt ist, verboten. Kein Wunder also, dass sich im Gegensatz zu den USA, wo rund um das Big-Data-Thema schnell neuen Geschäftsmodelle entstanden, der deutsche Markt langsamer entwickelt. Das Bewusstsein für den Wert von Daten existiert jedoch, wie eine aktuelle Studie zeigt (Data-Driven Marketing Survey 2013 von Teradata): 50 Prozent der Marketers sind der Meinung, dass Daten die am wenigsten genutzten Vermögenswerte ihres Unternehmens sind. 71 Prozent der Marketers planen in den nächsten Jahren die Einführung von Big-Data-Analysen. Was ist aber ist Big Data? Die klassische Definition ist die Definition über drei Vs: Volume, Variety, Velocity. Sie stammt aus dem Jahr 2001 und wurde von Doug Laney, VP Research beim Marktforschungsinstitut Gartner, geprägt. Demzufolge spricht man dann von Big Data, wenn alle der drei konstitutiven Merkmale vorliegen: große Datenmengen (Volume), vielfältig Datenformate (Variety) und schnelle Daten (Velocity). Abbildung 1

2 Vereinzelt wird das 3-V-Modell von Big Data um zwei weitere konstitutive Merkmale auf ein 5-V- Modell erweitert: Veracity und Value. Der Begriff Veracity wurde vom Technologiekonzern IBM eingeführt und steht für die mit dem Big- Data-Thema verbundene Unsicherheit. Unsicherheit ist eine Folge des sogenannten Kumulationsprinzips, das charakteristisch ist für Big-Data-Datenarchitekturen. Dieser Ansatz steht im Gegensatz zum Stammdaten-Paradigma relationaler Datenbanken, das auf einer aufwendigen, exante Datenpflege und Qualitätskontrolle der Datenbestände basierte. Dem Kumulationsprinzips in Big-Data-Daten-Architekturen zufolge, ist zunächst einmal jedes Ereignis wahr und wird der Datenbank hinzugefügt. Umso wichtiger wird dabei die Initial-Qualität der Datenquellen und die Frage, welche Datenquellen überhaupt berücksichtigt werden sollen. Unsicherheit im Zusammenhang mit Big Data resultiert jedoch nicht nur aus dem Kumulationsprinzip, sondern auch aus der Aussagekraft statistischer Testverfahren. Denn der klassische wissenschaftliche Erkenntnisprozess ist im Zusammenhang mit Big Data nur bedingt anwendbar. Werden nämlich Stichproben sehr groß (wie im Fall von Big Data), dann steigt die Gefahr eines Fehlers 1. Art, also die Nullhypothese abzulehnen (kein Zusammenhang), obwohl sie richtig ist. Oder anders: Signifikante Korrelationen zu finden, die eigentlich nicht existieren. Das Signifikanzkriterium als alleiniges Entscheidungskriterium versagt deshalb bei Big-Data-Ansätzen und muss durch weitere Kennzahlen wie der Effektstärke etc. ergänzt werden. Auf Big-Data-Kongressen kann es auch schon mal vorkommen, dass man auf Teilnehmer trifft, die zwar von hochsignifikanten Ergebnissen berichten, dann aber gestehen, dass sie eigentlich gar nicht wissen, wie sie diese interpretieren sollen. Es fehlt ihnen nämlich etwas ganz Fundamentales: die passende Forschungsfrage. Ein klassischer Anfängerfehler im Umgang mit Big-Data-Analysen: Gerade hier kommt der theoriegestützten Steuerung der Datenanalyse eine große Bedeutung zu. Das fünfte V in der Big Data Definition steht für Value, den wirtschaftlichen Wert also. In kaum einer anderen Branche wurde der Wert von Big Data so deutlich, wie im Bereich big pharmaceutical data. Durch die systematische Sammlung und Analyse von Krankheitsdaten entstanden Therapien und Medikamente, die die Lebenserwartung im letzten halben Jahrhundert um mehr als 25 Jahre anstiegen ließ. Aber auch in anderen Branchen wird durch Daten immer mehr Wert generiert. Der amerikanische Zukunftsforscher John Naisbitt sieht Daten sogar als Schlüssel-Ressource der Wirtschaft. Dabei haben wir es laut Naisbitt zum allerersten Mal mit einem Problem zu tun, das im Zusammenhang mit der Ressourcen-Diskussion ausgesprochen ungewöhnlich ist: We have for the first time an economy based on a key resource [information] that is not only renewable, but selfgenerating. Running out of it is not a problem, but drowning in it is.

3 Die Treiber dieser Datenexplosion, von der Naisbitt spricht, sind der technologische Fortschritt einerseits und ein sich stark veränderndes Mediennutzungsverhalten andererseits. Abbildung 2 Die Medienlandschaft ist heute extrem stark fragmentiert. Dementsprechend ist auch das Mediennutzungsverhalten höchst heterogen. Durch eine zunehmende technische Konvergenz, wodurch immer mehr Medienangebote über ein einziges Endgerät konsumiert werden können, steigt das Datenvolumen exponentiell. Gleichzeitig mit den neuen Möglichkeiten im Umgang mit Daten hat sich auch die Bedürfnisstruktur verändert: Immer mehr Menschen haben das Bedürfnis, das eigene Verhalten zu dokumentieren und zu analysieren immer vor dem Hintergrund der Selbst- Optimierung. Dieses neue Bedürfnis wird unter dem Begriff Quantified Self subsummiert und ist eine wichtige Quelle von Big Data. Weitere Quellen von Big Data sind nach wie vor Unternehmensdaten, aber auch zunehmend mehr Open Data, also Daten, die über Schnittstellen, sogenannte APIs, frei verfügbar sind. Werden Daten aus diesen Datenquellen in einem Big Data Ansatz zusammengeführt, so können Zielgruppen besser verstanden und individuell angesprochen, neue Touchpoints identifiziert und neue involvierende und relevante Content-Konzepte kreiert werden. Empathy-Based Marketing rückt dabei in den Hintergrund und Data-Based Marketing wird zunehmend wichtiger. Vor diesem Hintergrund fand in der Mediaplus im Rahmen der 17-Uhr-Akademie Media:Markenindividuell am 28. November 2013 die erste Veranstaltung zum Thema Big Data vor einem großen Kreis an Marketing-Entscheidern und Journalisten statt. Dabei wurde durchaus provokant die Frage gestellt: Big Data: Big Bluff oder Big Chance?

4 Abbildung 3 Dr. Andrea Malgara, Geschäftsführer der Mediaplus und Barbara Evans, Geschäftsleiterin der Mediaplus und verantwortlich für den Bereich Strategic Insights starteten den Abend, indem sie die Relevanz des Themas für die Medienbranche generell erläuterten und ein persönliches Zwischenfazit zogen. Im Impulsvortrag des Abends, Data Made Real, sprach Jeremy Abbett, Creative Evangelist bei Google Deutschland, darüber, wie sich durch die Manifestation von Daten das Leben von Individuen, die Arbeitsweise von Organisationen und der Gesellschaft als Ganzes verändert. Nach einer einführenden Definition stellte im nächsten Vortrag Prof. Dr. Volker Markl von der TU Berlin die wichtigsten Themenfelder im Bereich Big Data Analytics vor. Prof. Markl ist auch Sprecher der Forschungsgruppe Stratosphere, in der sich die TU Berlin, die Humboldt Universität zu Berlin und das Hasso-Plattner-Institut in Potsdam zusammengeschlossen haben, um Applikationen für Big Data zu entwickeln. Die Mediaplus-Gruppe arbeitet gerade in einem Use-Case mit Stratosphere zusammen. Ein weiterer Vortrag wurde von Thomas Kranig, dem Präsidenten des Bayerischen Landesamtes für Datenschutzaufsicht gehalten. Thomas Kranig überwacht in dieser Funktion die Einhaltung des

5 Datenschutzrechts im nicht-öffentlichen Bereich, d.h. in privaten Wirtschaftsunternehmen und im Internet. Nachdem durch die ersten drei Vorträge die Grundlage zum Thema geschaffen wurde, ging es in den beiden folgenden Vorträgen um konkrete Big-Data-Applikationen. Dazu sprach Peter Eck, Mitglied der Geschäftsleitung von Blue Yonder, über Big Data und CRM. Im letzten Vortrag schließlich stellten Martin Seitz und Dr. Tanja Boga erste Ergebnisse aus dem Big-Data-Use-Case der Mediaplus vor. Künstlerisch abgerundet wurde das Programm durch verschiedene Big-Data-Exponate, die eine Leihgabe aus der Ausstellung Big Data Art 2013 waren. Der nächste Big Data Day der Mediaplus wird 2014 im Haus der Kommunikation in Hamburg stattfinden. Bei Interesse an der Publikation zum Big Data Day in München senden Sie uns bitte eine an diese Adresse: