Das Ziel der Arbeit besteht darin, den Begriff Big Data theoriegeleitet herauszuarbeiten und zu bestimmen. Zudem sollen Konzepte und Technologien zu Big Data dargelegt und erörtert werden. Des Weiteren sollen verschiedene Anwendungsbereiche von Big Data identifiziert sowie Gründe für die Nutzung von Big Data in diesen verschiedenen Anwendungsbereichen diskutiert werden. Die detaillierte technische Umsetzung von Big-Data-Technologien im wirtschaftlichen und gesellschaftlichen Umfeld wird in dieser Arbeit allerdings nicht behandelt, da die technische Umsetzung von Big Data sehr komplex und individuell gestaltet ist und somit weit über den Umfang dieser Arbeit hinausgehen würde.
In der Wirtschaft ergeben sich aus der Nutzung von Big Data eine Vielzahl an Möglichkeiten zur Informationsgewinnung und Effizienzsteigerung sowohl in bestehenden als auch in neuen Anwendungsgebieten. Betriebswirtschaftliche und auch technische Prozesse können mittels Big Data optimiert oder auch gänzlich neugestaltet werden und dadurch einen besseren Beitrag zum Unternehmenserfolg leisten. Zudem können durch die Nutzung von Big Data ganze Wertschöpfungsketten und Geschäftsmodelle verändert werden oder auch gänzlich neu entstehen. Unternehmen, welche Big Data sowie entsprechende Systeme hierzu einsetzen, weisen dabei häufig eine hierdurch bedingte Produktivitätssteigerung auf. Somit stellt Big Data auch einen Wettbewerbsfaktor dar. Für Big Data haben sich daher im Laufe der Zeit verschiedene Konzepte und Technologien entwickelt, die in verschiedenen Bereichen aus teils unterschiedlichen Motiven heraus Anwendung finden.
Inhaltsverzeichnis
1. Einleitung
1.1 Ausgangssituation
1.2 Zielsetzung
1.3 Vorgehensweise
2. Big Data
2.1 Begriffsbestimmung
2.2 Technologien und Konzepte
2.2.1 NoSQL-Datenbanken
2.2.2 Data Lake
2.3 Architektur
3. Anwendungsbereiche Big Data
3.1 Business Intelligence
3.2 Industrie 4.0
3.3 E-Commerce
3.4 Gesundheitswesen
4. Schlussbetrachtung
Zielsetzung & Themen
Die vorliegende Arbeit hat zum Ziel, den Begriff Big Data theoretisch fundiert zu bestimmen und einen Überblick über aktuelle Konzepte sowie Technologien zu geben. Zudem liegt ein Fokus auf der Identifikation konkreter Anwendungsbereiche, um zu untersuchen, in welchen wirtschaftlichen und gesellschaftlichen Sektoren Big-Data-Technologien eingesetzt werden und welche Motive oder Herausforderungen damit verbunden sind.
- Theoretische Einordnung und Charakterisierung von Big Data
- Technologische Grundlagen (NoSQL-Datenbanken, Data Lake und Architektur)
- Einsatzmöglichkeiten im Kontext von Business Intelligence
- Big-Data-Potenziale in Industrie 4.0 und E-Commerce
- Anwendung im Gesundheitswesen unter Berücksichtigung rechtlicher Rahmenbedingungen
Auszug aus dem Buch
2.2.1 NoSQL-Datenbanken
Für die Erfüllung der V-Anforderungen, insbesondere der drei V-Anforderungen Volume, Variety und Velocity, entwickelten sich im Laufe der Zeit eine Reihe verschiedener Big-Data-Technologien. Zur Erfüllung der V-Anforderungen eignen sich dabei insbesondere parallele Infrastrukturen, die eine Aufteilung der Last ermöglichen. Daher wird die Datenhaltung möglichst im Sinne einer größtmöglichen Parallelisierung angelegt. Hierzu wird eine Dateiverwaltung verwendet, die eine Verteilung sämtlicher Daten ausfallsicher und redundant auf die verschiedenen Rechnerknoten ermöglicht.
Die Verteilung der Daten kann dabei mittels einem klassischen, hierarchischen Dateisystem oder mittels eines Object-Stores, in welchem Dateiobjekte zusammen mit Metadaten hinterlegt werden, erfolgen. Zusätzlich werden für eine größtmögliche Parallelisierung spezielle, auf die Dateiverwaltung aufsetzende Datenbanksysteme eingesetzt, welche NoSQL-Datenbanken genannt werden (vgl. Baars & Kemper 2021, S. 79f). Im Gegensatz hierzu verwenden relationale Datenbanksysteme Datenbanktransaktionen, die durch ACID-Anforderungen (Atomicity, Consistency, Isolation, Durability) charakterisiert sind. Die ACID-Anforderungen sollen hierbei insbesondere Integrität und Konsistenz der Daten sicherstellen.
Eine temporäre Verletzung dieser Anforderungen werden bei NoSQL-Technologien (Not only Structured Query Language) gerade in verteilten Systemen bewusst akzeptiert, um große Datenmengen performant verarbeiten zu können sowie eine Komplexitätsreduktion zu ermöglichen. Daher werden Big-Data-Technologien häufig durch BASE-Anforderungen (Basically Available, Soft-state, Eventually consistent) charakterisiert, welche sich von der klassischen, relationalen Transaktionslogik abwenden (vgl. Moniruzzaman & Hossain 2013, S. 2-4).
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel erläutert die Ausgangssituation, die wachsende Bedeutung durch zunehmende Vernetzung sowie die Zielsetzung und Vorgehensweise der Arbeit.
2. Big Data: Hier werden der Begriff Big Data definiert, wichtige Technologien wie NoSQL-Datenbanken und Data Lakes vorgestellt sowie die zugrunde liegende Architektur beleuchtet.
3. Anwendungsbereiche Big Data: Das Kapitel analysiert den praktischen Einsatz von Big Data in den Bereichen Business Intelligence, Industrie 4.0, E-Commerce und Gesundheitswesen unter verschiedenen Aspekten.
4. Schlussbetrachtung: Die Ergebnisse der Arbeit werden zusammengefasst und die Bedeutung sowie Herausforderungen von Big-Data-Technologien für Wirtschaft und Gesellschaft resümiert.
Schlüsselwörter
Big Data, NoSQL, Data Lake, Industrie 4.0, Business Intelligence, E-Commerce, Gesundheitswesen, Datenverarbeitung, IT-Architektur, Digitalisierung, Datenschutz, Vernetzung, Datenmanagement, Algorithmen, Predictive Maintenance
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der theoretischen Definition von Big Data und untersucht, welche Konzepte und Technologien existieren, um diese Datenmengen in verschiedenen Branchen sinnvoll zu nutzen.
Was sind die zentralen Themenfelder?
Die Arbeit behandelt die technologischen Grundlagen von Big Data, ihre Anwendung im geschäftlichen Kontext und die spezifischen Anforderungen in Industrie, Handel und Medizin.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist es, Big Data wissenschaftlich zu definieren, die wichtigsten technologischen Konzepte darzulegen und die Anwendungsbereiche sowie die Gründe für den Einsatz dieser Technologien zu erörtern.
Welche wissenschaftliche Methode wurde verwendet?
Die Arbeit stützt sich auf eine theoretische Ausarbeitung und Literaturanalyse des aktuellen Forschungsstandes zu Big-Data-Konzepten und deren praktischer Anwendung in Sektoren wie der Industrie 4.0.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in eine theoretische fundierte Begriffsbestimmung, eine technologische Analyse (NoSQL, Architektur) und eine detaillierte Betrachtung konkreter Anwendungsfelder.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Big Data, NoSQL-Datenbanken, Business Intelligence, Data Lake und die Herausforderungen durch Datenschutz und IT-Sicherheit.
Wie unterscheidet sich die Nutzung von Big Data von klassischer Business Intelligence?
Die Autorin/der Autor stellt heraus, dass Big Data klassische BI-Systeme nicht ersetzt, sondern vielmehr durch die Integration neuer Datenkonzepte eine wertvolle Ergänzung darstellt.
Welche Herausforderungen bestehen besonders im Gesundheitswesen bei der Nutzung von Big Data?
Besonders die Verarbeitung sensibler personenbezogener Daten erfordert hier strikte Einhaltung rechtlicher Rahmenbedingungen wie der DSGVO, was hohe Anforderungen an IT-Sicherheit und Anonymisierung stellt.
- Arbeit zitieren
- Martin Graf-Ziller (Autor:in), 2022, Konzepte und Technologien von Big Data. Anwendungsbereiche und Gründe für die Nutzung, München, GRIN Verlag, https://www.grin.com/document/1282160
