Zum Hauptinhalt springen
Zurück

Big Data im Unternehmen

Zurück

Big Data im Unternehmen

Big Data kann Ihrem Unternehmen zu Wachstum verhelfen – dank Entscheidungen, die auf Fakten basieren und nicht nach Bauchgefühl getroffen werden. Aber was genau steckt hinter dem Begriff Big Data und wie haben Daten Unternehmen wie Netflix und Amazon zu ihrem Erfolg verholfen? Finden wir es heraus!

Im Jahr 1956 brachte IBM den IBM 305 RAMAC mit Festplattenlaufwerk auf den Markt. Vermutlich haben Sie schon einmal Bilder dieses riesigen Geräts gesehen, das über 900 Kilo wog. Aber erinnern Sie sich auch daran, wie viele Daten auf seiner Festplatte gespeichert werden konnten? Nein? Ich werde es Ihnen sagen: 5MB. Nein, ich habe nicht M und G verwechselt, es waren wirklich nur 5 Megabyte. Ich habe eine schönen Werbefilm für den RAMAC auf YouTube gefunden, den ich gerne mit Ihnen teilen möchte.

900 Kilo für 5 Megabyte. 51 Jahre später, im Jahr 2007 brachte Apple sein erstes iPhone auf den Markt. Es wog 136 Gramm und hatte einen Datenspeicher von 4, 8 oder 16 GB. Das ist 3.200 Mal so viel wie der IBM-Computer – nur 51 Jahre später. Und heute, nur 13 Jahre danach, haben wir Mikro-SD-Karten, die kleiner als ein Fingernagel sind und bis zu 1 TB Daten speichern können. (Ok, ich gebe zu, sie sind ziemlich teuer – aber es ist möglich.)

Selbst wenn wir inzwischen unglaubliche Möglichkeiten zur Datenspeicherung haben, reichen diese nicht aus, die Datenmenge zu speichern, die wir jeden Tag, jede Minute, jede Sekunde erzeugen. Wir sprechen nicht mehr von Giga- oder Terabytes – wir sprechen von Peta-, Exa- und Zettabytes. Das sind Zahlen, die sich die wenigsten überhaupt vorstellen können. Um Ihnen eine Einschätzung zu geben:
1 Zettabyte entspricht in etwa der weltweiten Internetnutzung im Jahr 2016.

Big Data: Aus 5 Megabytes werden 149 Zettabytes

Was hat der IBM RAMAC aber jetzt mit unserem Thema Big Data zu tun? Anhand dieses Beispiels wollte ich aufzeigen, wie wenig Zeit vergangen ist, bis die Datenmenge, die wir erzeugen, regelrecht explodiert ist. Die Datenmenge, die jede Sekunde generiert wird, ist unglaublich – dank Internet und sozialen Medien.

1 second on the internet

Statista sagt voraus, dass die Menge der weltweit erstellten, erfassten, kopierten und konsumierten Daten bis 2024 149 Zettabytes erreichen wird. Im Vergleich dazu sind es in diesem Jahr „nur” 59 Zettabytes.

Und hier kommt der Begriff Big Data ins Spiel. Laut Wikipedia, handelt es sich bei Big Data um einen Bereich, der „Möglichkeiten zur Analyse, zur systematischen Extraktion von Informationen aus oder zum Umgang mit Datensätzen behandelt, welche beispielsweise zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit manuellen und herkömmlichen Methoden der Datenverarbeitung auszuwerten. Im täglichen Leben bezieht sich der Begriff “Big Data” jedoch meist auf “den Einsatz von prädiktiven Analysen, Analysen des Benutzerverhaltens oder bestimmten anderen fortgeschrittenen Datenanalysemethoden, die Werte aus Daten extrahieren, und zwar selten bis zu einer bestimmten Größe des Datensatzes”.
Jetzt, da wir wissen, wie viele Daten täglich im Internet herumfliegen und dass es Möglichkeiten gibt, diese zu verabreiten, ist der nächste Gedanke für clevere Unternehmen ganz offensichtlich: “Wie kann ich Big Data nun also für mich nutzen?“

Werfen wir einen Blick auf einige Beispiele, um ein Gefühl dafür zu bekommen, was getan und verbessert werden kann, wenn man relevante Daten analysiert und die richtigen Schlussfolgerungen aus dieser Analyse zieht.

Die Nutzung von Big Data in Unternehmen – Beispiele

Netflix

Lassen Sie mich Ihnen vorab eine grobe Vorstellung von der Datenmenge geben, die Tag für Tag auf Netflix generiert wird. Ende 2019 hatte Netflix 167 Millionen Abonnenten auf der ganzen Welt, die mehr als 1 Milliarde Stunden Video pro Woche oder 140 Millionen Stunden pro Tag ansehen.
Das ist eine riesige Datenmenge, und Netflix weiß, wie man damit umgeht – Netflix ist ein vollständig datengesteuertes Unternehmen. Entscheidungen werden auf der Grundlage von Fakten getroffen, nicht nach Bauchgefühl oder verfügbaren Filmlizenzen.

Um diesen Punkt im Detail zu erläutern, möchte ich Sie durch den Entscheidungsprozess von Netflix führen, die Rechte für die US-Version von “House of Cards” zu kaufen und damit große Player wie HBO und AMC auszubooten.
Der Preis für die ersten beiden Staffeln betrug rund 100 Millionen Dollar. Und wie wir alle wissen, hat sich diese Entscheidung wirklich gelohnt. Die erste Staffel von “House of Cards” hatte im Februar 2013 Premiere, exklusiv auf Netflix. Infolgedessen stiegen die Einnahmen im ersten Quartal 2013 auf bis zu 1 Milliarde Dollar, verglichen mit 899 Millionen Dollar im Q1/2021.
Aber wie konnte sich Netflix so sicher über den Erfolg dieser Serie sein? Sie vermuten es wahrscheinlich schon: Aufgrund von Daten 😉

Was Netflix vor der 100-Millionen-Dollar Investition wusste:

  • Viele Benutzer sahen sich den Film “The Social Network” von Anfang bis Ende an. Der Regisseur dieses Films ist David Fincher, und David Fincher ist auch der Regisseur von House of Cards.
  • Die britische Version von “House of Cards” war bereits ein Erfolg.
  • Diejenigen, die die britische Version der Serie sahen, sahen auch Kevin-Spacey-Filme und/oder Filme unter der Regie von David Fincher.

Dank seiner Algorithmen muss Netflix nicht einmal ein großes Marketingbudget aufwenden, um sicherzustellen, dass die Leute die Serie ansahen. Wie Steve Swasey, Netflix’ VP of Corporate Communications, sagte: „Wir müssen keine Millionen ausgeben, um die Leute dazu zu bewegen, sich die Serie anzusehen.  Durch unsere Algorithmen können wir feststellen, wer an Kevin Spacey oder politischen Dramen interessiert sein könnte, und ihnen sagen: ‘Das solltet ihr euch vielleicht ansehen.“

Dies ist nur ein Beispiel dafür, wie große Datenmengen Ihnen helfen können, gut informierte Entscheidungen zu treffen. Das Wissen über Ihre Nutzer und Ihr Zielpublikums ist ein großer Schritt auf Ihrem Weg zum Erfolg. Wenn Sie mehr über die Datennutzung von Netflix lesen möchten, kann ich Ihnen diese Artikel von Selerity und Salon.com.

Amazon

Wie Sie wahrscheinlich bemerkt haben, hat Amazon das Empfehlungsspiel wirklich perfektioniert. Wann immer Sie etwas kaufen, wird Amazon Ihnen sagen, was andere Kunden zusammen mit dem Produkt gekauft haben. Aber Big Data hilft Amazon nicht nur dabei, vorherzusagen, was Sie als Nächstes kaufen werden, Daten unterstützen auch die Lieferketten und Preismodelle.

Haben Sie sich jemals gefragt, wie Amazon in der Lage ist, so schnell zu liefern? Manchmal sogar am selben Tag? Die Antwort lautet: anticipatory shipping (vorausschauender Versand).

Die Idee hinter diesem Begriff ist es, Ihre Bestellung so nah wie möglich an Ihre Adresse zu bringen, bevor Sie überhaupt auf „Kaufen” klicken. Klingt unvorstellbar? Nun, eigentlich es ist nur Datenanalyse – okay, ziemlich ausgefallene Datenanalyse, ermöglicht durch KI. Bei Amazon analysiert die KI Daten, trifft Entscheidungen und führt Aufgaben aus, die normalerweise die Beteiligung von Menschen erfordern. Das macht die KI zum Herzstück des vorausschauenden Versands bei Amazon.

Wie Jenny Freshwater, Software-Direktorin in der Supply Chain Optimization Technologies Group von Amazon, gegenüber NPR sagt: „Es geht über die bloße Vorhersage hinaus, dass wir hundert Blusen brauchen.  Wir müssen in der Lage sein, zu bestimmen, wie viele Blusen unsere Kunden voraussichtlich in allen Größen und Farben kaufen werden. Und dann … wo lagern wir das Produkt, so dass unsere Kunden es erhalten können, sobald sie auf ‘Kaufen’ klicken.”

Die KI ist in der Lage, die Nachfrage auf Grundlage früherer Nachfragen und allgemeiner Online-Shopping-Gewohnheiten zu prognostizieren. Diese Vorhersagen beginnen in einem sehr einfachen Stadium “Sie verkaufen nicht viel Fan-Accessoires der Chicago Cubs auf Hawaii”, gehen aber bis zu viel komplexeren Erkenntnissen wie der Nachfrage nach Sonnencreme. Natürlich ist sie im Sommer höher, aber es gibt auch Spitzenwerte im Winter, wenn die Menschen an das andere Ende der Welt reisen, um den Winter am Strand zu genießen.
Auch hier können wir sehen, dass große Daten und KI dem Unternehmen helfen, seine Kunden besser kennen zu lernen. Manchmal wirkt es fast so, als würde Amazon uns besser kennen als wir selbst. 😉

Microtargeting – ein Spezialgebiet von Big Data

Microtargeting ist ein Begriff, der von Politikberater Alexander P. Gage. geprägt wurde. Laut Wikipedia handelt es sich um eine „Form des Targeting, bei der neueste technologische Entwicklungen genutzt werden, um große Mengen an Online-Daten zu sammeln. Die Daten aus den digitalen Fußabdrücken der Menschen werden analysiert, um Botschaften zu erstellen und zu übermitteln, die die Vorlieben und die Persönlichkeit des Einzelnen widerspiegeln”.

Microtargeting hilft Unternehmen, ihre Kunden oder potenziellen Kunden in sehr kleinen und konvergenten Gruppen zusammenzufassen, um perfekt angepasste Botschaften und Anzeigen zu entwickeln. Die einfachste Form des Microtargeting ist wahrscheinlich eine Form, die wir alle recht gut kennen – sobald Sie mit der Suche nach einem neuen Laptop begonnen haben, sehen Sie auf jeder Website, die Sie besuchen, Werbung für Laptops. Das Ziel liegt auf der Hand: Sie sollen in Ihrer Entscheidung, welchen Laptop Sie kaufen, beeinflusst werden.

Während dies ein ziemlich einfaches und harmloses Beispiel ist, bietet Microtargeting eine Fülle an Targeting-Strategien, die – wie immer – gut oder schlecht eingesetzt werden können. Eine Tatsache, die zu vielen Diskussionen darüber geführt hat, ob Facebook, Google und Twitter das Recht oder sogar die Pflicht haben, Microtargeting auf ihren Plattformen einzuschränken, wenn es um unwahrheitsgemäße Nachrichten geht, die in ihren Netzwerken verbreitet werden.
Obwohl der Begriff Microtargeting nicht ausschließlich für politische Kampagnen verwendet wird, ist er immer noch sehr eng mit der Politik verbunden und spielte eine große Rolle bei den Wahlen 2008 und 2012. Eine Zeit, in der Julius van de Laar für Barack Obamas siegreiche Kampagnen in fast einem Dutzend Staaten arbeitete. Dort konzentrierte er sich darauf, Wähler zu erreichen und Unterstützer zu gewinnen, indem er konventionelle Wahlkampftaktiken mit den neuesten Medienstrategien kombinierte.

Aber bevor ich Ihnen jetzt erläutere, wie er in dieser Zeit Storytelling und Microtargeting eingesetzt hat, warum hören Sie ihm nicht persönlich zu? Wir freuen uns sehr, ihn als beim “Digital Thinkers Forum”, begrüßen zu dürfen. Sichern Sie sich jetzt Ihren Platz in unserer kostenlosen Online-Veranstaltung.

digital thinkers forum



Einblicke

Wir versorgen Sie mit den neuesten Insights aus der Crowdtesting-Welt

Schluss mit dem Rätselraten, ob Ihr Produkt die Erwartungen Ihrer Nutzer erfüllt. Treffen Sie Entscheidungen auf der Grundlage von Daten und Fakten.

Breaking Barriers
Crowdtesting

Barrieren überwinden: Wie man digitale Erlebnisse für alle zugänglich macht

Welcome to the autoverse
Automotive

Willkommen im Autoverse: Revolutioniere die Erfahrungen mit vernetzten Autos durch Crowdtesting

Crowdtesting

Marketing in einer komplexen Welt: Erfahren Sie, wie Crowdtesting Ihnen dabei helfen kann, die Herausforderungen zu meistern

Pressemitteilungen

Testbirds setzt mit der ISO 27001:2022 Zerti­fizierung neue Maß­stäbe in der Informations­sicherheit

Why banking on crowdtesting is key for shaping secure, personalized experiences
Bank- / Finanz­dienstleistungen & Versicherungen

Warum Crowdtesting der Schlüssel zur Entwicklung sicherer und personalisierter Erfahrungen ist

CX Trends 2024 featured
Crowdtesting

Bereit für den Wandel:
CX-Trends für 2024

Empower your energy customers with an intuitive mobile app experience
Energie & Versorgung

Bieten Sie Ihren Energiekunden eine intuitive mobile App-Erfahrung

Manufacturing

KI-Erfolg durch Testen gewährleisten

Understanding the Customer Journey: Benefits, Touchpoints, and Optimization
Crowdtesting

Die Customer Journey verstehen: Vorteile, Touchpoints und Optimierung

Testbirds ist zertifiziert durch: