Aktuell ist „Big Data“ in aller Munde. Übersetzt man Big Data aus dem Englischen, lautet dies schlicht „große Datenmengen“. Doch große Datenmengen sind weder in der IT noch in den Geschäftsprozessen eine Neuigkeit.
Neu sind die Geschwindigkeit des Wachstums des globalen Datenvolumens sowie die Anforderungen, diese zu verarbeiten und zu analysieren, um einen betriebswirtschaftlichen Nutzen daraus ziehen zu können. Zwischen den Jahren 2010 und 2020 prognostiziert man unter Experten ein weltweites Wachstum des Datenvolumens um 42% pro Jahr. Dies entspricht einer Steigerung zwischen 2010 und 2020 um mehr als das 30-Fache.
Die zunehmende Digitalisierung in Unternehmen, der anhaltende Trend zu Social Media, das An-wenden von mobilen Anwendungen auf Smartphones, etc. haben zur Folge, dass das Datenvolumen, welches auch verarbeitet werden muss, rasant ansteigt. Weiter wird die Integrität und Auswertung der Datenmengen immer komplexer. Es fallen nicht mehr ausschließlich strukturierte, sondern vermehrt unstrukturierte Daten an.
In Summe führt dies zu völlig neuen Anforderungen an die Skalierbarkeit, Verfügbarkeit, Flexibilität und Performanz im Datenmanagement und somit an die Informationstechnologie. Relationale Datenmodelle mit SQL als Abfragesprache sind in einigen Fällen hierzu nicht mehr die erste Wahl.
Nachfolgende Arbeit definiert in Kapitel zwei den Begriff Big Data und verdeutlicht das Wirkungsprinzip sowie die Relevanz für deutsche Unternehmen. Kapitel drei widmet sich aktuellen Technologiesegmenten im Big Data-Umfeld, gibt einen Überblick zur Taxonomie verwendeter Technologien und stellt abschließend zwei Architektur- und Lösungsansätze mit Big Data im Banken- und Automobilsektor vor. Zum Schluss wird die Arbeit zusammengefasst und ein Ausblick gegeben.
Inhaltsverzeichnis
- 1. Einleitung.
- 2. BIG DATA-Grundlagen.
- 2.1 Begriffsbestimmung...
- 2.2 Wirkungsprinzip
- 2.3 Relevanz......
- 3. BIG DATA – Technologieansätze im Überblick.
- 3.1 Aktuelle Kerntechnologiesegmente
- 3.1.1 Scalable No-SQL - Hadoop .....
- 3.1.2 Streaming.
- 3.1.3 In-Memory
- 3.1.4 Standard SQL
- 3.2 Taxonomie von BIG DATA-Technologien
- 3.2.1 Daten-Haltung
- 3.2.2 Daten-Zugriff.....
- 3.2.3 Analytische Verarbeitung....
- 3.2.4 Visualisierung..\li>
- 3.2.5 Daten-Integration
- 3.2.6 Daten-Governance & -Sicherheit.
- 3.3 Exemplarische Architektur- und Lösungsansätze mit BIG DATA .
- 3.3.1 PSD Bank Hannover: Optimiertes Zielgruppenmarketing..\li>
- 3.3.2 BMW: Verbesserte Produktentwicklung und erhöhte Kundenzufriedenheit ......
- 4. Zusammenfassung und Ausblick
- Begriffsbestimmung und Definition von Big Data
- Relevanz und Auswirkungen von Big Data
- Technologieansätze im Bereich Big Data
- Exemplarische Anwendungsbeispiele von Big Data in der Praxis
- Zukünftige Entwicklungen und Trends im Bereich Big Data
Zielsetzung und Themenschwerpunkte
Die Seminararbeit befasst sich mit dem Phänomen "Big Data" und seinen Auswirkungen auf Wirtschaft und Gesellschaft. Die Arbeit analysiert die Grundlagen von Big Data, die Relevanz des Themas und die relevanten Technologien, um ein umfassendes Verständnis für das Thema zu schaffen.
Zusammenfassung der Kapitel
Die Einleitung führt in das Thema Big Data ein und definiert die relevanten Begriffe. Das zweite Kapitel beleuchtet die Grundlagen von Big Data, inklusive des Wirkungsprinzips und der Relevanz des Themas. Kapitel 3 beschäftigt sich mit den wichtigsten Technologien im Bereich Big Data. Es werden aktuelle Kerntechnologiesegmente, wie Hadoop, Streaming, In-Memory und Standard SQL vorgestellt, sowie eine Taxonomie von Big Data-Technologien hinsichtlich Daten-Haltung, Daten-Zugriff, analytischer Verarbeitung, Visualisierung, Daten-Integration und Daten-Governance. Das Kapitel wird durch exemplarische Architekturen und Lösungsansätze mit Big Data abgerundet, anhand der Beispiele der PSD Bank Hannover und BMW.
Schlüsselwörter
Die Seminararbeit konzentriert sich auf die Themen Big Data, Datenanalyse, Technologie, Hadoop, NoSQL, Streaming, In-Memory, Daten-Governance, Daten-Sicherheit, Visualisierung, Architektur, Lösungsansätze, und Fallbeispiele.
- Arbeit zitieren
- Rainer Emslander (Autor:in), 2015, BIG DATA. Technologieansätze im Überblick, München, GRIN Verlag, https://www.grin.com/document/346892
