Smart Data & Big Data
Im Gegensatz zum Big Data Begriff, der sich auf riesige Datenansammlungen bezieht, beschreibt Smart Data Datenstrukturen die wesentlich kleiner, kompakter und direkt interpretierbar sind. Smart Data ist eine Grundvoraussetzung um Big Data nutzen zu können. Eine Reihe spezifischer Methoden sowie Soft- und Hardwaretechnologien ermöglichen eine Transformation von Big nach Smart Data.
“Smart Data” means information that actually makes sense. It is the difference between seeing a long list of numbers referring to weekly sales vs. identifying the peaks and troughs in sales volume over time. Algorithms turn meaningless numbers into actionable insights. Smart data is data from which signals and patterns have been extracted by intelligent algorithms. Collecting large amounts of statistics and numbers bring little benefit if there is no layer of added intelligence”
Smart Data beschreibt Systeme und Datenstrukturen, die durch Menschen oder Algorithmen aufbereitete Informationen (im Idealfall präzises Wissen) visuell auf verschiedenen Plattformen vernetzt zur Verfügung stellen. Die Wahrnehmung durch den User erfolgt Orts- und Zeitunabhängig:
Smart Gadgets
Die Rolle von mobilen Endgeräten hat gerade in den letzten 5 Jahren enorm zugenommen. Das Smart Data-Konzept muss somit auch weiter gegriffen werden und impliziert so einerseits mobile Hardware – wie beispielsweise Smartphones, Smart Watches oder Tablets – andererseits mobile Software wie Mobile Webbrowser oder Mobile Apps.
Das Kernziel von Smart Data ist es, dem User Informationen nach bestimmten Zielsetzungen so aufzubereiten, dass Entscheidungen getroffen werden können. Zu Berücksichtigen sind hierbei hierbei individuelle Kapazitätsgrenzen bei der Informationsaufnahme. Dies geschieht indem Informationen vorselektiert und komprimiert zur Verfügung gestellt werden. Anwendungsrahmen im Sinne eines Smart Data-Konzeptes sind z.B. sogenannte Dashboards, die im Management zu einem Management-Cockpit zusammengelegt werden können. Dashboards werden meist individuell bzw. für bestimmte Usergruppen entwickelt und enthalten eine Reihe von Kennzahlen. Beispiele für Bausteine in einem Dashboard sind u.a. kumulierte Umsätze einer bestimmten Branche, die als einzelne Kennzahl das Marktvolumen angibt. Ein weiteres Beispiel wäre ein Newsfeed, bei dem ein semantischer Filter so gesetzt wurde, dass nur die für den definierten Beobachtungsraum (hier der Zielmarkt) relevanten Nachrichteninhalte angezeigt werden. Erklärtes Ziel ist eine möglichst transparente und umfassende Steuerung von Organisationen und Netzwerken.
Bis vor wenigen Jahren war es üblich, durch solche Verfahren Informationen sehr allgemein für größere homogene Gruppen von Usern zu ordnen. Durch eine sich immer schneller wandelnde Soft- und Hardwarelandschaft entstand in den letzten Jahren die Möglichkeit, das Daten- und Informationsmanagement immer stärker auf den individuellen Bedarf abzustimmen. Dies ermöglicht meist ein Informationsmanagement, welches sich immer besser an das eigene Profil anpasst. Informationen können so zugeschnitten werden, dass sie sich den tatsächlichen Bedürfnissen anpassen. Hierbei gilt aber, dass die tatsächlich gewonnenen Informationen stets nur so gut sind, wie sie aufbereitet werden. Die bedeutet, dass der Weg von demjenigen der die Daten aufbereitet, zu demjenigen der sie tatsächlich nutzt, so kurz wie möglich sein sollte.
Quellen
Owen, Taylor (2015): „The Violence of Algorithms – Why Big Data Is Only as Smart as Those Who Generate It“. https://www.foreignaffairs.com/articles/2015-05-25/violence-algorithms.
Pagel, Peter (2015): „Smart Data ist eine Voraussetzung zur Lösung wirtschaftlicher Herausforderungen“. https://www.springerprofessional.de/it-strategie/industrie-4-0/smart-data-ist-eine-voraussetzung-zur-loesung-wirtschaftlicher-h/7070414
Contributors, I., 2013. Big Data, Fast Data, Smart Data. Wired. Available at: http://www.wired.com/insights/2013/04/big-data-fast-data-smart-data
Dhawan, E. & Joni, S.-N., (2015) Get Big Things Done -The Power of Connectional Intelligence, Macmillan.