Big Data as a Service: So funk­tio­niert BDaaS

Die Analyse von Big Data bietet für die Ska­lier­bar­keit und Si­cher­heit von Un­ter­neh­men enorme Wett­be­werbs­vor­tei­le. Cloud-Platt­for­men nach dem Prinzip Big Data as a Service spielen daher für die Echt­zeit­ana­ly­se, Spei­che­rung und Ver­ar­bei­tung großer Da­ten­men­gen eine wichtige Rolle. Zunächst gilt es jedoch zu verstehen, welche Leis­tun­gen BDaaS-Angebote umfassen und welche Vorteile sie bieten.

Um Wett­be­werbs­vor­tei­le zu genießen und wachs­tums­fä­hig zu bleiben, kommt es auf leis­tungs­star­ke IT-In­fra­struk­tu­ren an. Diese müssen in der Lage sein, in Echtzeit große Da­ten­men­gen aus Ge­schäfts­pro­zes­sen, Kun­den­ver­hal­ten, Verkäufen und Si­cher­heits­ana­ly­sen zu ver­ar­bei­ten. Nicht jedes Un­ter­neh­men kann sich jedoch Cloud Computing mit On-Premises-Systemen leisten. Auch On-Premises-Ab­tei­lun­gen, die sich mit Spei­che­rung, Analyse und Aus­wer­tung von Big Data be­schäf­ti­gen, bedeuten Zeit­auf­wand und hohe Kosten. Genau hier kommt BDaaS ins Spiel.

BDaaS vereint als Ober­be­griff die wich­tigs­ten Dienste und Tools zur Spei­che­rung und Ver­ar­bei­tung enormer Da­ten­men­gen. Dazu zählen:

• SaaS (Software as a Servcie)
• IaaS (In­fra­struc­tu­re as a Service)
• PaaS (Platform as a Service)
• HDaas (Hadoop as a Service)
• Data Analytics as a Service

Durch diesen ganz­heit­li­chen Ansatz steht BDaaS auch dem Prinzip XaaS nahe, was „Anything as a Service“ bedeutet. Die Aus­wer­tung struk­tu­rier­ter sowie un­struk­tu­rier­ter Da­ten­men­gen erfordert Speicher-, Netz- und Rech­ner­ka­pa­zi­tä­ten. Genau das bietet BDaaS durch eine Cloud-Plattform inklusive Ana­ly­se­diens­ten und nahezu un­be­grenz­tes Spei­cher­vo­lu­men. Durch die Aus­la­ge­rung von Big-Data-Aufgaben sparen Un­ter­neh­men nicht nur Zeit und Kosten, sondern erhöhen ihre Ska­lier­bar­keit, Si­cher­heit und Fle­xi­bi­li­tät.

Zu den Spe­zia­lis­ten für BDaaS-Angebote zählen u. a. große IT-Un­ter­neh­men wie Amazon, Microsoft und Google. Zu den Leis­tun­gen und Funk­tio­nen, die BDaaS-Pakete inklusive oder auch optional bieten, zählen Analyse- und Sta­tis­tik­diens­te, Data-Mining-Tools, Cloud-Platt­for­men und Data-Ma­nage­ment-Tools. Je nach An­for­de­run­gen und Projekt lassen sich nach dem Prinzip On-Demand-Computing BDaaS-Funk­tio­nen anpassen sowie Tools hin­zu­fü­gen oder entfernen.

Zu den BDaaS-Kern­funk­tio­nen gehören:

BDaaS nutzt verteilte Rechen- und Ver­ar­bei­tungs­ka­pa­zi­tä­ten einer ver­bun­de­nen digitalen In­fra­struk­tur. Da diese On-Premises hohe Kosten und Pflege bedeutet, nutzen Sie die Stärken des Dis­tri­bu­ted Computing und re­du­zie­ren zugleich Ihre Ge­schäfts­kos­ten. Durch eine ser­vice­ori­en­tier­te Ar­chi­tek­tur wählen Sie zudem nach Bedarf maß­ge­schnei­der­te Ser­vice­pa­ke­te zur Da­ten­ana­ly­se und -ver­ar­bei­tung.

Indem Sie aus­ge­wähl­te Tools sowie leis­tungs­star­ke Kom­po­nen­ten aus Hardware und Software im Verbund nutzen, bleiben Sie durch ho­ri­zon­ta­le Ska­lie­rung (Scale out) flexibel. Somit wählen Sie nur cloud­ba­sier­te Ka­pa­zi­tä­ten, die Sie zur Da­ten­ver­ar­bei­tung benötigen, ohne dafür eine eigene, statische In­fra­struk­tur zu benötigen. Aufgaben und Prozesse teilen Sie mit BDaaS-Diensten, meist durch Spei­cher­ar­chi­tek­tu­ren wie Apache Hadoop, die auf Com­pu­ter­clus­tern und Rech­ner­kno­ten aufbauen, um große Prozesse kon­ti­nu­ier­lich und schnell zu ver­ar­bei­ten.

Mit einem Fokus auf Data-Driven Marketing entsteht durch BDaas aus großen un­über­sicht­li­chen Da­ten­men­gen struk­tu­rier­te Smart Data. Moderne Software-An­wen­dun­gen und Data-Warehouse-Systeme werten für Sie Da­ten­ber­ge aus und erstellen da­ten­ge­stütz­te Sta­tis­ti­ken und Berichte. Auf diese Weise op­ti­mie­ren Sie Ihre Business In­tel­li­gence und die stra­te­gi­sche Aus­rich­tung Ihres Un­ter­neh­mens.

Die Da­ten­ver­ar­bei­tung und -analyse durch BDaaS be­leuch­tet ver­schie­de­ne Po­ten­zia­le, Wachs­tums­chan­cen, Si­cher­heits­lü­cken und In­ef­fi­zi­en­zen in Ge­schäfts­pro­zes­sen und In­fra­struk­tur. Durch Da­ten­mo­del­le, Sta­tis­ti­ken und Pre­dic­ti­ve Analytics lässt sich somit nicht nur die Ska­lier­bar­keit des Un­ter­neh­mens lang­fris­tig planen, sondern durch da­ten­ba­sier­te Analysen stra­te­gisch aus­rich­ten. Zudem sorgen BDaaS-Anbieter dafür, dass alle Da­ten­pro­zes­se den aktuellen Re­ge­lun­gen zu Da­ten­schutz und Com­pli­ance ent­spre­chen.

Welche Tools ein BDaaS-Paket umfasst, hängt vom je­wei­li­gen Anbieter ab. Meist handelt es sich dabei um mehrere Bündel aus Big-Data-Software wie Data-Warehouse-Systeme und Big-Data-Frame­works wie Apache Hadoop mit den Kern­kom­po­nen­ten Hadoop Dis­tri­bu­ted File System (HDFS) und MapReduce. Hadoop kommt für die verteilte, cloud­ba­sier­te Spei­che­rung, Zu­sam­men­fas­sung, Analyse und Ver­ar­bei­tung von Big Data zum Einsatz. Weitere BDaaS-Kern­kom­po­nen­ten und Systeme für Dis­tri­bu­ted Pro­ces­sing und Computing umfassen:

• Apache Spark: Open-Source-Framework und In-Memory-System für die parallele Ver­ar­bei­tung von Big Data durch Clus­te­ring mit Hadoop und selbst­ler­nen­de Systeme
• Apache Hive: Data-Warehouse-System für Abfragen und Analysen von Big Data auf Basis von Apache Hadoop
• Java, Python, R und Scala: Meist­ge­nutz­te Pro­gram­mier­spra­chen für Big-Data-Projekte
• Ana­ly­se­tools wie Jupyter Notebook, Zeppelin und Mahout: Wichtige Analytics- und Vi­sua­li­sie­rungs-Tools für große Da­ten­men­gen, die sich per Big SQL mit Hadoop nutzen lassen
• Apache Flink: Ein Stream-Pro­ces­sing-Framework für die un­un­ter­bro­che­ne Echtzeit-Ver­ar­bei­tung von Big-Data-Strömen
• Oozie Workflow, Sqoop, ZooKeeper: Wichtige Ma­nage­ment­tools für die Ver­wal­tung von Workflows, Da­ten­trans­fers aus SQL-Da­ten­ban­ken und zur Or­ga­ni­sa­ti­on von Hadoop-Services
• Presto: Eine SQL-Abfrage-Engine für das schnelle, in­ter­ak­ti­ve Abrufen und Ana­ly­sie­ren von Big Data

Wo BDaaS zum Einsatz kommt, ist eng damit verknüpft, wie Big Data as a Service zum Einsatz kommt. Wir stellen die wich­tigs­ten An­wen­dungs­for­men und BDaas-Typen vor:

Hierbei handelt es sich um eine Ba­sis­ver­si­on von BDaaS mit grund­le­gen­den Leis­tun­gen, etwa einem cloud­ba­sier­ten Hadoop-Framework und ver­schie­de­nen Open-Source-Tools für Analytics, Abfragen und Ver­ar­bei­tung von Daten wie Hive.

Die Per­for­mance-Version bietet eine um­fas­sen­de Aus­la­ge­rung von Big-Data-Analysen in Hadoop-In­fra­struk­tu­ren mit leis­tungs­star­ken Analyse- und Ma­nage­ment­tools. Sie ist für stra­te­gi­sche Wachs­tums­plä­ne und be­darfs­ge­rech­te Ska­lier­bar­keit geeignet.

Dies wird für Un­ter­neh­men mit spe­zi­fi­schen An­for­de­run­gen an die Analyse und Ver­ar­bei­tung großer Da­ten­strö­me empfohlen. Durch spe­zi­fi­sche Tools, die über das stan­dard­mä­ßi­ge Hadoop-Framework hin­aus­ge­hen, lassen sich Analytics-Dienste und Da­ten­ab­fra­gen durch Web- und Pro­gram­mier­ober­flä­chen sowie Da­ten­bank­ad­ap­ter sogar un­ab­hän­gig von spe­zi­fi­schen Cloud-Providern nutzen.

Als eine Art Allround-Paket vereint In­te­gra­ted BDaaS den leis­tungs­ori­en­tie­ren Ansatz von Per­for­mance BDaaS und die Fle­xi­bi­li­tät von Feature BDaaS. Diese Form er­mög­licht Un­ter­neh­men eine maximale Aus­wer­tung und Ver­ar­bei­tung von sehr großen, kon­ti­nu­ier­li­chen Da­ten­strö­men.

Vorteile von BDaaS auf einen Blick

Un­ter­neh­men, die sich für BDaaS ent­schei­den, pro­fi­tie­ren von folgenden Vorteilen:

• Reduziert Kosten für Personal, In­fra­struk­tur und Wartung durch die Aus­la­ge­rung von Big-Data-Prozessen
• Er­mög­licht auch kleinen oder mittleren Un­ter­neh­men ohne geeignete IT-In­fra­struk­tur die Analyse von großen Da­ten­men­gen
• Maximale Per­for­mance und Ska­lier­bar­keit durch Dis­tri­bu­ted Computing und Clus­te­ring
• Hohe Si­cher­heit von Daten und Schutz vor Da­ten­ver­lust und Cy­ber­an­grif­fen durch moderne, ge­schütz­te Cloud-In­fra­struk­tur
• On-Demand-Computing mit op­tio­na­len Tools und Diensten je nach Bedarf und Pro­jekt­grö­ße
• Optimiert die stra­te­gi­sche Aus­rich­tung von Ge­schäfts­pro­zes­sen durch Big-Data-Analysen und Prognosen
• Ein­hal­tung von Da­ten­schutz- und Com­pli­ance-Re­ge­lun­gen
• Nahezu un­be­grenz­te Spei­cher­ka­pa­zi­tä­ten für Big Data
• Ver­ar­bei­tung und Aus­wer­tung von enormen Da­ten­men­gen in Echtzeit un­ab­hän­gig vom Cloud-Provider

Big Data und da­ten­ge­stütz­te Ent­schei­dun­gen stellen einen wichtigen Aspekt für den Erfolg und das Wachstum von Un­ter­neh­men dar. Durch die zu­neh­men­de Di­gi­ta­li­sie­rung und den wach­sen­den E-Commerce-Markt bietet die Aus­wer­tung und Spei­che­rung großer Da­ten­men­gen einen be­deu­ten­den Wett­be­werbs­vor­teil. Das gilt ins­be­son­de­re für Un­ter­neh­men, die ska­lier­ba­re, struk­tu­rier­te Da­ten­ana­ly­sen benötigen, jedoch nicht Mittel und Ka­pa­zi­tä­ten für die In­fra­struk­tu­ren und IT-Expertise besitzen. Große Un­ter­neh­men aus den Bereichen Bankwesen, Si­cher­heit, Kom­mu­ni­ka­ti­on, Medien, Bildung sowie Groß- und Ein­zel­han­del nutzen somit selbst bei sehr großen Big-Data-Prozessen nahezu un­be­grenz­te Ka­pa­zi­tä­ten.

Ob kleine und mittlere Un­ter­neh­men oder große Firmen und In­sti­tu­tio­nen – sie alle können sich mit BDaaS nicht nur auf eine elas­ti­sche Ska­lier­bar­keit „On Demand“, sondern auch auf Echtzeit-Analysen großer Da­ten­strö­me und fast un­ein­ge­schränk­te Spei­cher­ka­pa­zi­tä­ten verlassen. Das stärkt die lang­fris­ti­ge stra­te­gi­sche Aus­rich­tung von Ge­schäfts­pro­zes­sen und schafft eine leis­tungs­star­ke Big-Data-In­fra­struk­tur für relativ geringe In­ves­ti­tio­nen.