Logo Leibniz Universität Hannover
Institut für Wirtschaftsinformatik/Leibniz Universität Hannover
Logo Leibniz Universität Hannover
Institut für Wirtschaftsinformatik/Leibniz Universität Hannover
  • Zielgruppen
  • Suche
 

Big Data Analytics & Visualisierung

Ansprechpartner

Dennis Eilers
Jens Passlick
Nikolas Stege

Daten werden auch als das Öl des 21. Jahrhunderts bezeichnet. Doch dieser auf den ersten Blick stimmige Vergleich hinkt. Während Ölreserven mit zunehmender Nutzung knapper werden, scheint es bei dem Rohstoff Daten genau umgekehrt zu sein. Die neuen Möglichkeiten durch die Auswertungen von immer größeren (Volume), vielfältigeren (Variety), schnelleren (Velocity), und unstrukturierteren (Veracity) Daten scheinen immens. Doch ähnlich wie Öl, sind auch Daten ohne eine sinnvolle Verarbeitung wenig wertvoll. Im Forschungsbereich „Big Data Analytics & Visualisierung“ des IWIs beschäftigen wir uns mit der Frage, wie Daten einen tatsächlichen Mehrwert schaffen können.

Um Managemententscheidungen besser unterstützen, oder aktuelle Unternehmensentwicklungen bewerten zu können, muss aus den zur Verfügung stehenden Daten neues Wissen generiert werden. Hierfür kommen Methoden aus dem Bereich Machine Learning zum Einsatz, um Muster und Zusammenhänge in Daten automatisch erkennen zu können. Die Erkenntnisse können für Prognosen zukünftiger Entwicklungen, oder die Optimierung von Entscheidungsprozessen genutzt werden. Ein Beispiel hierfür ist ein Projekt zur Prognose von Restwerten gebrauchter Leasingfahrzeuge. Um bei Vertragsabschluss eines Leasinggeschäfts eine angemessene Leasingrate festlegen zu können, ist es aus Unternehmenssicht essentiell zu wissen, wie sich der Restwert der Fahrzeuge im Laufe der Zeit entwickelt. Aus mehreren hunderttausend Datensätzen abgeschlossener Leasingverträge eines großen deutschen Automobilherstellers, wurde am Institut ein Prognosemodell auf der Basis von Künstlichen Neuronalen Netzen entwickelt, um ein besseres Restwertmanagement zu erreichen.

Gerade in praxisorientierten Datenanalyseprojekten mit bisher unbekannten Herausforderungen, ist neben der korrekten Verwendung mathematischer und statistischer Modelle, die Nutzung von bestehendem Expertenwissen ein entscheidender Faktor für den Erfolg. Daher beschäftigen wir uns in der Forschung auch mit der Frage, wie Visualisierungen von Daten und Ergebnissen zu einer besseren Integration von Fachexperten in den Analyseprozess beitragen können. Weitere Informationen zu diesem Thema finden Sie hier.

 

 

Ein weiterer Forschungsschwerpunkt befasst sich mit der Fragestellung wie Daten in Unternehmen effizient den einzelnen Entscheidungsträger bereitgestellt werden können. So wurde zusammen mit Experten eine Business Intelligence Architektur entwickelt, die sowohl auf die unterschiedlichen Bedürfnisse der Nutzergruppen, als auch auf die neuen Anforderungen von Big Data Anwendungsfällen eingeht. Auch die Befähigung von Anwendern aus Fachabteilungen eigenständig Analysen und Reports zu erstellen (Self-Service Business Intelligence) spielt in der Forschung eine große Rolle. Dabei wird sowohl designorientiert an neuen Modellen (beispielsweise Reifegradmodelle) und Konzepten geforscht, als auch verhaltensorientiert.