Am veröffentlicht

Tool-basierte Generierung von Big Data Use Cases

Die Anforderungen verschiedener Unternehmen hinsichtlich Big Data können sich stark unterscheiden. Um die für ein spezifisches Unternehmen erforderlichen Anforderungen möglichst schnell und zuverlässig identifizieren zu können, hat saracus consulting den saracus Big Data Use Case Konfigurator  (BDUK) entwickelt. Mithilfe einer Datenbank, die den Zugriff auf über 600 vordefinierte  Basis-Use-Cases ermöglicht, kann der Konfigurator die Definition von Use Cases und die damit verbundenen Anforderungen beschleunigen.

Big Data Use Case Repository


BDUK Beispielbild

Das Big Data Use Case Repository dient dem gezielten Auffinden von bestimmten Use Cases sowie der Auflistung von Use Cases, die den eigenen Suchkriterien entsprechen.  Um geeignete Use Cases zu identifizieren, können die Ergebnisse nach Branche, Unternehmen, benötigten Daten und/oder weiteren Attributen gefiltert werden. Außerdem können Use Cases im Repository bezüglich ihrer Bewertungen oder Beziehungen zueinander visualisiert werden.

Anschließend an das Suchmenü werden alle den Filtern entsprechenden Use Cases aufgelistet. Innerhalb dieser Auflistung findet man zu jedem Use Case eine kurze Beschreibung, sowie Angaben zur Branche, zu Applikationen, zu Unternehmenszielen, zum Prozess oder Unternehmensbereich, zu Devices und Channels, zu den mit dem Use Case verbundenen Daten und zu den Anwendern. Daraus wird deutlich, dass die zugrundeliegende Datenbank eine breite Masse an unterschiedlichsten und durchaus konkreten Anforderungen abdeckt.

BDUK Beispielbild

Big Data Use Case Konfigurator


BDUK Beispielbild
BDUK Beispielbild

Der Big Data Use Case Konfigurator (BDUK) unterstützt unterschiedliche Herangehensweisen an die Definition von Use Cases. Sollte sich unter den in der Datenbank verfügbaren Use Cases bereits ein Use Case befinden, der dem zu Generierenden stark ähnelt, so ist es möglich, diesen existierenden Use Case um individuelle Anpassungen zu erweitern oder abzuwandeln.
Existiert jedoch noch kein geeigneter Basis-Use-Case zur schnellen Anpassung, bietet der Use Case Konfigurator außerdem die Möglichkeit, einen beliebigen Use Case auf Grundlage einer Vielzahl von vorgegebenen Identifizierungsmerkmalen sowie individueller Erweiterungen zu erstellen und zur Datenbank hinzuzufügen.

BDUK Beispielbild

Der BDUK ermöglicht für jede dieser Phasen die schnelle Auswahl von Attributen. So gibt es beispielsweise auch die Möglichkeit der Bewertung von Merkmalen der Use Cases. Es können etwa die Komplexität und/oder der Nutzen eines Use Cases in der Datenbank bewertet werden. Im Bedarfsfall wird eine Reihe vorab identifizierter Use Cases auf Grundlage ihrer Bewertungen automatisch priorisiert.

BDUK Beispielbild

Bei der Visualisierung der Priorisierung wird für jeden Use Case ein Kreis dargestellt. Die Größe sowie die Lage eines jeden Kreises im Diagramm gibt Auskunft über das Risiko (Größe), die Benefits (x-Achse) sowie die Komplexität (y-Achse) des jeweiligen Use Cases. Ziel ist es, denjenigen Use Case auszuwählen, dessen Kreis möglichst groß, möglichst weit rechts sowie möglichst weit oben dargestellt wird.

Eine andere Funktion des BDUK ermöglicht es, die gesamte Roadmap der Entwicklung eines Use Cases nach dem Big Data Framework abzubilden.

Basis Use Case Profile


Um das Verständnis für den BDUK zu verbessern und seine Relevanz hinsichtlich Big Data zu veranschaulichen, wird saracus consulting auf diesem Blog in regelmäßigen Abständen beispielhafte Basis-Use-Cases aus dem BDUK veröffentlichen. Diese Basis-Use-Cases sind Use-Case-Profile, die in der Datenbank hinterlegt sind und mithilfe des BDUK individuell erweitert und angepasst werden können. Der erste in dieser Reihe veröffentlichte Use Case ist unter der Bezeichnung ‚Kontextbasierte personalisierte Echtzeit-Omnichannel-Kampagnen‘ zu finden und wird im Folgenden vorgestellt.

Der Use Case Kontextbasierte personalisierte Echtzeit-Omnichannel-Kampagnen stellt die Entwicklung einer Digitalen Marketingplattform dar, die einem Einzelhandelsunternehmen kontextbasierte Kampagnen ermöglichen soll. Im Rahmen der kontextbasierten Kampagnen sollen Kunden über digitale Kanäle personalisierte Angebote erhalten.
Diese personalisierten Angebote werden auf Basis einer Vielzahl von internen und externen Informationen generiert. Sie erreichen deshalb eine für den Kunden oder dessen Situation sehr hohe Relevanz, weil sie durch Umstände oder Ereignisse getriggert werden, welche in konkretem Zusammenhang mit dem jeweiligen Kunden stehen. Dies kann beispielsweise durch das Wetter, Überbestände an Waren, lokale Events, Verkehrssituationen oder die räumliche Nähe eines potentiellen Kunden zum Geschäft geschehen. Um diese kontextbasierten Angebote in Echtzeit zu ermöglichen, müssen digitale Kanäle innerhalb und außerhalb des Marktes synchronisiert werden.

In der Praxis könnte eine solche kontextbasierte Kampagne so aussehen, dass ein entsprechendes Einzelhandelsunternehmen einen Überbestand eines bestimmten Artikels feststellt und daraufhin den Kunden in der Umgebung, die im Geschäft oder online bereits in der Vergangenheit ähnliche Artikel gekauft haben, Angebotsaktionen zu eben diesem Artikel in der App anzeigen lässt. Es wäre ebenso möglich, dass es einen Regenschauer gibt und Kunden, die sich in der Nähe des Marktes aufhalten, Angebotsaktionen zu Regenschirmen angezeigt werden.

Im Folgenden werden die Identifizierungsmerkmale dieses Use Cases aufgeführt. Es wird deutlich, dass eine Vielzahl von kundenspezifischen Daten benötigt werden, um die Angebote zu personalisieren. Zudem werden für die Omnichannelaspekte des Use Cases unterschiedliche Channel und Devices genutzt, die nach Möglichkeit schnell und zuverlässig zusammenarbeiten sollten, um die Angebote in Echtzeit generieren und anzeigen zu können.
Dies kann unter anderem mithilfe von Technologien wie Hadoop, Apache Kafka, Apache Spark Streaming und Apache HBase umgesetzt werden.