Viele Themen, die heute durch den Big Data Trend besetzt werden, sind nicht neu, sondern wurden und werden unter dem Oberbegriff Business Intelligence (BI) verwendet. Auch bei BI spielen große, heterogene und unstrukturierte Datenmengen eine wichtige Rolle.

Datenmengen, für die spezielle Verfahren und Technologien benötigt werden, um aus unbekannten Daten wertvolle Informationen zu gewinnen. Fasst man die verschiedenen Dimensionen von BI zusammen und vergleicht sie mit den Aspekten von Big Data, dann stellt man fest, dass die Ziele, Voraussetzungen und Lösungsmethoden in vielen Bereichen sehr ähnlich sind. Teilweise wird im Zusammenhang mit Big Data deshalb von „Business Intelligence 2.0“ gesprochen. Oder BI wird als „Anwendungsfall für Big Data“ kategorisiert. Die drei „Vs“ von Big Data gehen jedoch deutlich über das hinaus, was bisher unter der Überschrift „Business Intelligence“ verarbeitet wurde.

In der Unschärfe liegt die Kraft

Hinzu kommt, dass bei dem klassischen BI-Ansatz oftmals ein Data Warehouse als „Single Point of Truth“ (SPoT) angestrebt wird. Aber bei Big Data kann es „die“ eine Version der Wahrheit häufig gar nicht geben: Es liegen einfach zu viele verschiedene Daten vor, die in die Analysen einfließen. Es ist bei Big Data somit auch nicht zielführend, vehement einen SPoT anzustreben. Wenn hier tatsächlich wertvolle Informationen in großem Umfang gewonnen werden sollen, dann muss eine gewisse Unschärfe bei Big-Data-Analysen zugelassen werden. Diese Unschärfe darf nicht als Fehler betrachtet werden, sondern ist bei vielen Aspekten von Big Data obligatorisch.

Potenzial für originäres Wissen

Business Intelligence beschäftigt sich häufig nur mit Fragen erster Ordnung, also bekanntem Wissen. Der große Mehrwert bei der Datenanalyse findet sich allerdings meist mit den Fragen zweiter Ordnung. Die Antworten auf diese Fragen helfen, das bekannte Wissen zu erklären. Darüber hinaus kann mit Big Data auch originäres Wissen erschaffen werden, welches in den bekannten Daten gar nicht enthalten ist.

Bei Big Data führen deshalb Begrifflichkeiten wie „BI 2.0“ leicht in die Irre, zumal diese auch in anderen Kontexten verwendet werden. Dennoch hängen die beiden Themenfelder eng zusammen und können nicht komplett getrennt voneinander gesehen werden. Einerseits muss Business Intelligence sich weiterentwickeln und bestimmte Big-Data-Themen aufgreifen und integrieren. Andererseits dürfen sich Big-Data-Vorhaben nicht auf den Ordnungsrahmen von BI beschränken, sondern sollten die Eigendynamik nutzen. Eine Zusammenarbeit ist grundsätzlich anzustreben, da die Bereiche voneinander profitieren können. Technische Ressourcen, Know-How und Budgets können in vielen Fällen gemeinsam genutzt werden und helfen, aus den zur Verfügung stehenden Daten noch mehr und noch bessere Informationen zu gewinnen.

Lesen Sie im TDWI Best Practice Report, wie BI-Verantwortliche und Data Scientists Visual Analytics als gemeinsame Sprache und Technologie Plattform nutzen, um (Big Data)- Analytics voranzubringen.