Strategien


Bedenkliches bei Google & Co.

IDC: Die 5 wichtigen Vs für Big Data

22.03.2012
Von Rüdiger Spies
Big Data ist kein noch größeres Data Warehouse. Und unstrukturierte Daten gibt es auch nicht, sagt IDC-Analyst Rüdiger Spies in seiner Kolumne. Wie ein Big Data Projekt gelingt.
Rüdiger Spies ist Independent Vice President Enterprise Applications bei IDC Central Europe.
Rüdiger Spies ist Independent Vice President Enterprise Applications bei IDC Central Europe.
Foto: IDC

Stellt man drei Personen die Frage nach einer Definition von "Big DataBig Data", erhält man - so komisch das auch klingen mag - mindestens vier Antworten. Allerdings ist das auch kein Wunder zu einer Zeit, in der Big-Data-Themen und -Projekte noch nicht Allgemeingut geworden sind. Alles zu Big Data auf CIO.de

IT-Hersteller und -Dienstleister versuchen derzeit Big Data ihre Definition aufzudrücken, um sich so im Big-Data-Licht besser in Szene zu setzen. Einige definieren Big Data als alles, was einfach große Datenmengen betrifft, weil sie diese gut speichern können und allein schon die ausufernden Datenmengen in klassischen Data Warehouses eine Herausforderung an sich sind.

Andere betrachten Big Data als eine Ansammlung sich schnell verändernder Daten, die von alles möglichen Internet-Devices stammen - Stichwort: Smart Metering und Internet der Dinge oder auch VoIP-Datenströme. Wieder andere erkennen Big Data in hohen Übertragungsraten auf Glasfaserleitungen, um auch ein exotisches Beispiel zu nennen.

IDC betrachtet Big Data als Daten, die den vier "Vs" unterliegen: Velocity, Variety, Volume, und Value; also Daten, die sich durch die schiere Menge, eine hohe Update-Geschwindigkeit sowie durch eine Mischung aus strukturierten als auch weniger strukturierten Daten zusammensetzen und die gleichzeitig einen zusätzlichen Wert für ein Unternehmen darstellen.

Zur Startseite