Wie Big Data und BI Marketing messbar machen

BI versus Big Data: Stärken und Schwächen

Skalierbarkeit

Business Intelligence-Technologien skalieren sehr oft vertikal durch die kostenintensive Aufrüstung des jeweiligen Servers. Big Data-Technologien hingegen ermöglichen eine horizontale Skalierung: Dem System werden einfach zusätzliche Server hinzugefügt. Durch die parallele Verarbeitung können die Systeme gut mit steigenden Datenmengen arbeiten. Ein weiterer Vorteil ist, dass sie die Speicherung unstrukturierter Daten ermöglichen – zu vergleichsweise geringen Kosten.

Datenzugriff

Business Intelligence-Systeme bieten einen sehr schnellen Datenzugriff. Sie sind durchweg auf hohe Abfragegeschwindigkeiten ausgelegt und liefern durch die Verwendung von SQL als Abfragesprache eine Vielzahl möglicher Frontends. Ihre gute Performance ermöglicht den Anwendern interaktive OLAP-Analysen. Dagegen bieten Big Data-Technologien oft nur eine unzureichende Unterstützung von SQL und stellenweise langsame Abfragegeschwindigkeiten.

Datenqualität

Im Data Warehouse liegen hoch veredelte Daten, während im Big Data-Umfeld zunächst einmal alles im Rohformat gespeichert wird. Dabei werden, wie auch beim Data Warehouse, die Daten zunächst aus ihren Quellen extrahiert. Im Gegensatz zu ETL sind im Big Data-Umfeld Extraktions-Lade-Transformations (ELT)-Prozesse zu finden. Das heißt, dass die Daten ohne Struktur in das Zielsystem geladen und erst bei Bedarf zum Zeitpunkt der Analyse umgewandelt werden.

Speichersysteme

Ein weiteres Zielsystem sind NoSQL-Datenbanken. Im Gegensatz zu relationalen Datenbanken, die für ein Data Warehouse zum Einsatz kommen, bietet diese Gattung dynamische Schemata und kann gut skalieren. NoSQL-Datenbanken sind beim Hinzufügen neuer Felder wesentlich flexibler. Diese Datenbanken skalieren horizontal und eignen sich somit für Einsatzszenarien mit vielen Nutzern und großen Datenmengen. Außerdem lassen sich auch unstrukturierte Daten speichern, womit sich NoSQL für den Einsatz in einer Big Data-Architektur geradezu anbietet.

Um den Anforderungen, die Big Data an Unternehmen stellt, begegnen zu können, reichen herkömmliche Systeme nicht mehr aus oder sind schlichtweg zu teuer: Ein Unternehmen, das die wachsenden Datenberge in einem Data Warehouse speichern möchte, wird schnell technische oder finanzielle Grenzen erreichen. Big Data-Technologien bieten klare Leistungsvorteile bei der Verarbeitung und Analyse großer Datenmengen. An die Datenqualität eines Data Warehouse reichen die Big Data Stores aber nicht heran. Beide Welten weisen also ihre ganz eigenen Stärken auf, die sinnvoll miteinander kombiniert werden können.