Big Data als Entscheidungsunterstützung: Herausforderung ... / 3.1 Beispiele für Einsatzmöglichkeiten – Mit Big Data zum Wettbewerbsvorteil

Es gibt viele Möglichkeiten, Big Data im betrieblichen Umfeld einzusetzen. Sei es nun, um neue Erkenntnisse aus bisher ungenutzten Daten zu gewinnen oder aber indem Big Data-Verfahren eingesetzt werden, um bereits etablierte Analyseverfahren zu beschleunigen. Im Folgenden soll an 3 Beispielen gezeigt werden, welche Vorteile Unternehmen durch den Einsatz von Big Data erhalten können.

3.1.1 Banken und Versicherungen

Near realtime Risiko-Controlling durch Big Data

Insbesondere bei Banken und Versicherungen besitzt das Risiko-Controlling eine herausragende Bedeutung. Dieser Bereich kann von Big Data-Technik profitieren, da die Ermittlung der Risikoexposition eines Unternehmens in der Regel ein rechenintensiver Prozess ist. Traditionell werden RDBMS verwendet, um Risikokennzahlen zu erzeugen und darauf basierend Entscheidungen bezüglich möglicher Geschäfte zu unterstützen. Insbesondere große Institute stehen vor dem Problem, dass die Berechnung der Kennzahlen mehrere Stunden in Anspruch nehmen kann und somit zeitkritische Entscheidungen verzögert werden. Dies liegt zum einen an der Vielzahl unterschiedlicher Finanzprodukte im Portfolio solcher Unternehmen. Größere Institute müssen z. B. mit einer Produktanzahl im hohen 5-stelligen Bereich umgehen können.

Zum anderen können einzelne Finanzprodukte derart komplex sein, dass äußerst rechenintensive numerische Verfahren nötig sind, um sie zu bewerten. Wie in Kapitel 2.2 beschrieben, besitzt der Einsatz von In-Memory-Technik das Potenzial, die Dauer von Ad hoc-Analysen in einem derartigen Umfeld von mehreren Stunden auf wenige Minuten oder gar Sekunden zu reduzieren. Analysen können also "near realtime" durchgeführt werden. Der Vorteil liegt nicht nur in der verkürzten Analysedauer, als direkte Folge davon können auch deutlich mehr Analysen durchgeführt und damit mehr Handlungsalternativen berücksichtigt werden. Das Risiko, eine Fehlentscheidung zu treffen, kann durch den Einsatz von Big Data-Technik also gesenkt werden.

3.1.2 Marketing

Mit Big Data im Marketing zu maßgeschneiderten Angeboten

Das Marketing kann Big Data auf vielfältige Art und Weise zur Anwendung bringen, da sich dieser Unternehmensbereich traditionell viel mit Daten und deren Analyse beschäftigt. Handelsunternehmen können durch Online-Transaktionen, Payback-Karten, soziale Netzwerke und viele andere Quellen mehr, Daten über ihre Kunden und deren Konsumverhalten sammeln. Mithilfe von Big Data-Verfahren können die Unternehmen diese unterschiedlich strukturierten Daten sammeln, kombinieren und gemeinsam auswerten. Damit kommt das Marketing seinem Ziel, Kunden zur richtigen Zeit ein für diese interessantes Angebot zu unterbreiten, näher. Es ist z. B. denkbar, dass Unternehmen mittels GPS-Daten den Aufenthaltsort ihrer Kunden ermitteln. Ebenso kann ein Unternehmen mithilfe von Payback-Karten Kundenvorlieben, wie z. B. bevorzugte Speisen, ermitteln. Durch die gemeinsame Analyse dieser Daten könnte ein Einzelhandelsunternehmen z. B. Kunden, die sich in seiner Nähe befinden, zur Mittagszeit eine SMS mit einem Angebot zu ihrer Lieblingsspeise schicken.^[1]

[1] Vgl. Rudolph, 2014, S. 3.

3.1.3 Betrugsmanagement bei Onlinemarktplätzen oder Kreditinstituten

Big Data zur Schadensbegrenzung im Betrugsmanagement

Big Data kann auch im Bereich Betrugsmanagement eingesetzt werden, z. B. auf Onlinemarktplätzen, in Onlinecasinos und Kreditinstituten. Mithilfe von Big Data ist es möglich, Betrugsfälle früh zu erkennen und somit auch frühzeitig auf diese zu reagieren. Dies hilft Unternehmen den Schaden, der durch Betrugsfälle entsteht, zu begrenzen. Vorteile, die der Einsatz von Big Data-Technik beim Betrugsmanagement erzeugt, können gut am Beispiel des Kreditkartenbetrugs aufgezeigt werden. Kreditkarten sind ein weit verbreitetes Zahlungsmittel. Nur wenige Daten, wie z. B. die Kartennummer und die Gültigkeit der Karte, genügen Betrügern, um illegale Transaktionen durchführen zu können. Die Relevanz dieses Themas zeigt sich in den polizeilichen Kriminalstatistiken^[1] der vergangenen Jahre. Diese zeigen, dass sich die jährliche Anzahl der Fälle von Betrug mittels gestohlener Daten von Zahlungskarten, zwischen 2007 und 2013, vervierfacht hat. Die gängige Praxis, Kreditkartenbetrug zu ermitteln, liegt darin, Kaufmuster der jeweiligen Kreditkartenbesitzer zu bestimmen und bei Abweichungen von diesen Mustern einzugreifen. Dazu werden Informationen, wie z. B. Transaktionsvolumen, Transaktionszeitpunkt und Transaktionsort verwendet. Wird die Anzahl der sich im Umlauf befindenden Kreditkarten betrachtet und ebenso die Anzahl der damit getätigten Transaktionen, so wird schnell deutlich, dass die zur Betrugsbekämpfung erhobene Datenmenge sehr groß ist. Zur Untersuchung und Auswertung der Daten eignet sich der MapReduce Ansatz, da er im Vergleich zu parallel arbeitenden RDBMS deutlich schneller komplexe Berechnungen durchführen kann.^[2] Obwohl die Datenabfrage mittels MapReduce aufwendiger ist als bei konventioneller Technik, kommt das MapReduce-System trotzdem schneller zum gewünschten Ergebnis, da seine Verarbeitungsgeschwindigkeit deutlich höher ist. Die...