Neue Möglichkeiten im Umgang mit Big Data. Eine Kategorisierung von NoSQL-Datenbanksystemen

Bachelorarbeit aus dem Jahr 2014 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,0, Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl für IT-Management), Sprache: Deutsch, Abstract: Datenanalyse ist kein Phänomen der Neuzeit, welches in der heutigen, stark technisierten, Welt auftritt, sondern war schon immer ein Teil der menschlichen Entwicklung. Was sich im Laufe der Zeit dabei änderte, war die Anzahl der Arten, in denen Daten auftreten können, die Menge an Daten und die Geschwindigkeit, mit der neue Daten entstehen. Der Prozess der Datenanalyse war somit permanent starken Veränderungen unterworfen, an die man sich mit neuen Methoden und neuartigen Technologien anpasste.

In jüngster Zeit werden vermehrt neue Möglichkeiten im Umgang mit großen Datenmengen (Big Data) gesucht und entwickelt. Viele Methoden und Technologien abseits der etablierten SQL-Datenbanksysteme ermöglichen das Erfassen, Analysieren und Speichern von beliebig großen und unterschiedlich strukturierten Datenmengen. Die wirtschaftliche Bedeutung von Daten ist inzwischen als sehr groß anzusehen.

Daten werden schon neben Arbeitskraft, Ressourcen und Kapital als vierter Produktionsfaktor angesehen. Je nachdem, in welcher Form die Daten vorliegen, sind unterschiedliche Tools notwendig, um die gewünschten Informationen daraus zu extrahieren. Auch die Art der Speicherung und die Zugriffsgeschwindigkeit setzen verschiedene Anforderungen an Datenbanksysteme (DBS). Neben den etablierten SQL-DBS haben sich NoSQL (für Not-Only-SQL)-Datenbanksysteme (NoSQL-DBS) etabliert, die für bestimmte Herausforderungen, wie gute Skalierbarkeit, vernetzte Informationen und die Speicherung unterschiedlich strukturierte Daten besser geeignet sind

Diese Arbeit beschäftigt sich mit der Kategorisierung von NoSQL-Datenbanksystemen. Ziel ist, die Auswahl eines passenden Systems für die jeweiligen Problemlösungsstrategien durch IT- und Business Entscheider zu erleichtern. Durch eine Literaturanalyse werden bereits vorhandene Erkenntnisse und Lösungsansätze gesammelt und verdichtet. Die Ergebnisse werden in Tabellenform gebracht, um die enorme Informationsmenge übersichtlich zu gestalten. Zusätzlich wird der Prozess des Auswahlverfahrens betrachtet und Anregungen zu dessen Methodik gegeben. Die Verknüpfung von wirtschaftswissenschaftlichen Methoden mit den Anforderungen der IT im Umgang mit Big Data wird dabei hervorgehoben.