Enterprise Content Analytics

Das weltweite Datenvolumen wächst rasant, aktuellen Schätzungen zufolge wird es im Jahr 2015 bereits acht Zettabyte betragen, das ist sechsmal mehr als noch im Jahr 2010 und sogar sechzigmal mehr als im Jahr 2005 (IDC, 2014). Die Daten stammen dabei längst nicht mehr nur aus unternehmensinternen, sondern insbesondere auch aus externen Quellen, vor allem aus dem Internet (IDC, 2014). Zudem liegen Daten heute in unterschiedlichsten Formaten vor, wobei das Wachstum unstrukturierter, textueller Daten besonders hervorzuheben ist. Es wird davon ausgegangen, dass 90% aller digitalen Inhalte in unstrukturierter Form vorliegen und Zweidrittel des weltweiten Datenvolumens von Privatpersonen und nicht etwa von Unternehmen generiert werden (IDC, 2014).

Vor diesem Hintergrund wird zunehmend der Begriff "Big Data Analytics" (BDA) in Wissenschaft und Praxis diskutiert (Buhl et al., 2013). Vereinfacht gesagt, bezieht sich der Begriff "Big Data" auf Datenbestände, die so gross und komplex sind, dass ihre Speicherung und Analyse nicht mittels herkömmlicher Technologien (z.B. relationale Datenbanken und Statistik-Standardsoftware) bewerkstelligt werden kann (Cox & Ellsworth, 1997; Forbes, 2013). Eine umfassende Charakterisierung von "Big Data" kann anhand der vier "Vs" vorgenommen werden: Neben der Menge ("Volume") und der Verschiedenartigkeit ("Variety") zeichnen sich viele Daten auch durch eine hohe Umlaufgeschwindigkeit ("Velocity") (Laney, 2001) und eine häufig geringe Glaubwürdigkeit ("Veracity") aus (IBM, 2012).