Big Data bezeichnet Datenbestände, deren Umfang (Volume), Entstehungsgeschwindigkeit (Velocity) oder strukturelle Vielfalt (Variety) die Kapazitäten einzelner relationaler Datenbanksysteme übersteigen und verteilte Speicher- sowie Rechenarchitekturen erfordern.
Erklärung
Ergänzend zu den drei Grundmerkmalen Volume, Velocity und Variety werden in der Datenpraxis häufig Veracity (Datenqualität und Verlässlichkeit) sowie Value (geschäftlicher Nutzwert) herangezogen. In B2B- und SaaS-Unternehmen treffen strukturierte Transaktionsdaten aus ERP- und CRM-Systemen auf halbstrukturierte Produkttelemetrie, Webhooks und Server-Logs sowie unstrukturierte Dokumente, E-Mails oder Gesprächsaufzeichnungen. Um diese Quellen gemeinsam auszuwerten, führen Datenpipelines (etwa über Streaming-Systeme wie Apache Kafka) die Rohdaten in verteilten Cloud-Plattformen wie Data Lakes oder Data Lakehouses (beispielsweise Snowflake, BigQuery oder Databricks) zusammen. Dort dienen die aufbereiteten Datenbestände als Basis für Business-Intelligence-Berichte, Kohorten- und Nutzungsanalysen sowie das Training von Machine-Learning-Modellen.