Analytics / Smart Data

Im Jahr 2020 werden pro Kopf sechs Terabyte an Daten gespeichert sein – das entspricht der Textmenge von drei Millionen Büchern für jeden Menschen auf dieser Erde! Dennoch sind bislang nur drei Prozent der Daten „verschlagwortet“ und damit im World Wide Web darunter auffindbar. Noch weniger Daten davon werden analysiert.

Big Data liefert die Technologien, um diese großen und insbesondere unstrukturierten Datenmengen zu erfassen, zu speichern, zu analysieren und die Ergebnisse in geeigneter Weise darzustellen. Da Daten aber alleine noch keinen Nutzen haben, sind aus diesen Daten Informationen zu generieren. Big Data muss also zu Smart Data werden, damit aus dem Datenmeer konkrete Handlungsempfehlungen abgeleitet werden können.

Um große Datenmengen richtig auswerten zu können, muss man sie verstehen – das heißt man muss über das Wissen verfügen, woher die Daten stammen und in welchem Kontext sie stehen, z.B. wie die Geräte und Anlagen funktionieren und mit welcher Sensorik und Messtechnik man nützliche Daten extrahiert. Hier ist nicht unbedingt die „Masse" (Big), sondern der „wertvolle Inhalt" (Smart) das entscheidende Kriterium. Künftig soll Smart Data nicht nur die Frage beantworten „Was geschieht gerade in meiner Anlage?" sondern auch „Warum passiert etwas?" oder gar „Was wird demnächst geschehen und was sollen wir tun?".

CONET ISB kombiniert und verdichtet das in Analysesystemen, die mit Big Data-Strukturen umgehen. Ausgehend von Analytics-Produkten kommerzieller Hersteller oder auf der Basis von Open Source-Produkten (z.B. Hadoop, MongoDB) realisieren wir maßgeschneiderte Analytics- und Business Intelligence Anwendungen:

• Reparaturmarktdaten-Analyse
• Smart Data Management
• Analytics-as-a-Service
• Data Warehouse, Data Mining und Reporting
• Business Intelligence-Anwendungen

Zu Smart Data favorisiert CONET ISB einen Ansatz, bei dem mit überschaubarem Aufwand – zunächst beschränkt auf eine Fachdomäne – eine funktionierende Lösung realisiert wird. Dies ist im Einklang mit einem generellen Trend in der Softwareentwicklung. Man bewegt sich weg von starren Wasserfallmodellen hin zu agilen Vorgehensmodellen. Hierdurch kann der Gesamterfolg eines Projekts frühzeitig über Teilerfolge verifiziert werden. Auf Basis der bewertbaren Teilergebnisse können wichtige Detailentscheidungen verbessert werden und führen so zu einem besseren Gesamtergebnis.

Am Start des Projekts stehen folgende Fragestellungen:

• Was ist das konkrete Informationsbedürfnis der Fachdomäne?
• Welches ist die richtige Größe für den ersten Wurf?
• Welcher Reifegrad liegt zu Big Data / Smart Data im Unternehmen vor?
• Wo liegt der geeignete Startpunkt des Vorhabens?

Die Vorteile dieses Ansatzes liegen auf der Hand: Fachliche Fragestellungen innerhalb einer Fachdomäne sind schärfer definiert. Es herrscht ein einheitliches Verständnis der Problemstellungen vor.

Beispiel Produktfeedback

Ein Tätigkeitsschwerpunkt von CONET ISB GmbH ist seit vielen Jahren der Automotive Aftermarket. Die Expertise unserer Kunden ergänzt sich ideal mit unserem tiefen Verständnis der Herausforderungen in diesem Marktsegment. Zudem arbeiten wir seit langem mit dem Forschungszentrum Informatik (FZI) zusammen. Wir stellen somit sicher, dass stets die neuesten Erkenntnisse aus der Forschung bei unseren Projekten Berücksichtigung finden.

Im Folgenden möchten wir ein beispielhaftes Szenario im Aftermarket skizzieren, mit dem Smart Data auf neuen Wegen völlig neue Erkenntnisse ermöglichen kann.

Ein Schlüsselkonzept sind dabei domänenspezifische Ontologien, formal geordnete Darstellungen von fachlichen Begriffen mit ihren Beziehungen und Regeln. Darin drücken sich die semantischen Zusammenhänge in der Fachdomäne aus. In unserem Ansatz nutzen wir domänenspezifische Ontologien zur Repräsentation von Wissen, das aus unterschiedlichsten Quellen an die Objekte der Ontologie dynamisch angelagert wird.

Fachsysteme arbeiten i.d.R. mit einem strukturierten Modell, das einer domänenspezifischen Ontologie genügt. Die Erfassung und Pflege von Daten in diesen Fachsystemen erfordert großen Aufwand und Disziplin. Big Data entsteht dagegen wesentlich heterogener, teils unstrukturiert. Beispiele für solche Informationen sind die vielfältigen Veröffentlichungen im Internet zu verschiedensten Themen, die häufig nur in unstrukturierten Texten verfügbar sind.

In unserem Szenario möchten wir mit unseren Kunden den Brückenschlag zwischen der strukturierten und der unstrukturierten Welt mit Methoden von Smart Data bewerkstelligen. Ein entscheidender Mehrwert unseres Smart Data-Ansatzes ergibt sich daraus, dass die eingehenden Daten nicht zuerst in ein starres Datenmodell gepresst werden müssen, um verwertbare Informationen zu generieren. Vielmehr wird ihr Informationsgehalt dynamisch und kontinuierlich in die bestehende Wissensbasis integriert, wie in der Grafik dargestellt wird.

In Internetforen, Blogs oder redaktionellen Publikationen entstehen mannigfaltige Informationen, deren frühzeitige Kenntnis ein aktives Handeln ermöglicht. Die semantische Verknüpfung unterschiedlichster Datenquellen mit unserem Smart Data-Ansatz erschließt hier neue Erkenntnisse, die ohne einen solchen Ansatz nicht erkannt würden.

So werden in Internetforen Qualitätsthemen zu Produkten unserer Kunden diskutiert, Trends im Aftermarket beleuchtet oder neue Entwicklungen am Markt beschrieben und diskutiert. Diese Informationen suchen wir automatisiert und ergänzen die strukturierten Daten der Kundenportale und -anwendungen genau um diese aktuellen Informationen des Internets.

Ziel ist es damit, durch Einsatz von Smart Data-Techniken im Internet publizierte Aussagen und Meinungen nahezu in Echtzeit zu identifizieren, den Stammdaten der Kunden hinzu zu fügen und damit mehr Informationen zu bieten und eine fundiertere Entscheidungsbasis bereit zu stellen. Beliebige weitere Informationsquellen, wie z.B. Sensornetzwerke oder Daten aus vorliegenden White Paper sind prinzipiell ebenfalls anbindbar. Gemäß unserem Ansatz sollte dies jedoch stufenweise und unter Nutzung der Erfahrung erster einfacher Stufen erfolgen.

Diese Nutzung von aktuellen, unstrukturierten Internetdaten gibt unseren Kunden einen Zeitvorsprung und die Möglichkeit, frühzeitig aktiv zu handeln statt nur zu reagieren. Handlungsspielräume werden so besser genutzt. Effizientere und wirtschaftlichere Lösungen werden möglich. Wettbewerbsvorteile werden generiert.