Bayesianische Statistik und Small Data: Ein Weg zum Erfolg

55 % aller Daten in einem Unternehmen bleiben für analytische Zwecke unberührt. Ein Großteil dieser Daten sind nicht in den riesigen und komplexen SAP, Data Warehouse oder Data Lake Tabellen, sondern Daten aus den Fachabteilungen. Es sind nicht die Tabellen mit Millionen von Zeilen und Hunderten von Spalten, sondern z. B. Hilfstabellen, unstrukturierte Daten aus Social Media, oder CSV und Excel-Dateien aus dem operativen Geschäft. Während Unternehmen sich seit Jahren auf die „Big Data“ Anwendungsfälle konzentrieren und viel Geld, Zeit und Nerven investieren, um Legacy-Systeme zusammenzuführen, schlechte Datenqualität in den Griff zu bekommen, oder Ressourcenknappheit zu begegnen, gehen „Small Data“ Use-Cases häufig unter. Entweder, weil sie nicht als Leuchtturm-Projekt taugen, oder weil schnell gesagt wird: „Da gibt es nicht genügend Daten“. Letzteres ist häufig ein Argument, solche Anwendungsfälle nicht anzugehen, obwohl sie schnell einen signifikanten Mehrwert für operative Abteilungen bringen, im Gegensatz zu dem aufwendigen Dashboard, das Jahre bis zur Fertigstellung benötigt. „Big-Data“-Initiativen sind genauso wichtig und wertvoll wie „Small Data“-Initiativen, nur leider finden letztere meist keine Beachtung.