Das erste Mal, als ich den Begriff "Big Data" hörte, war ich auf einem Gartner-Gipfel über BPM. John Mahoney, ein VP und angesehener Analyst, sprach von einer nicht allzu fernen Zukunft, in der alles - Autos, Parkuhren, Brotbackautomaten, Windeln ... so ziemlich alles - mit Funkkarten und IP-Adressen ausgestattet sein würde. Das Ergebnis wäre, gelinde gesagt, dass "Big Data" generiert und in die Cloud hochgeladen würde. Alles, von Verkehrsströmen bis hin zu Informationen über verschmutzte Unterwäsche, würde für eine Vielzahl von Analysezwecken an Verarbeitungsbetriebe weitergeleitet werden.
Nicht lange danach hörte ich auf einer LSC-Konferenz Todd Park, Chief Technology Officer der Vereinigten Staaten, zu, der eine andere Art von "Big Data" definierte: die Berge von Informationen, die im Laufe der Jahrzehnte von den verschiedenen Regierungsbehörden gesammelt wurden - Niederschlagsmengen, Maisernten, Geburtenraten und so weiter. Auch wenn die verschiedenen Regierungsbehörden kein wirkliches Ziel vor Augen hatten, als sie solche Datenerhebungen vornahmen, so haben sie doch weitergemacht. Das Ergebnis sind Datensätze, die so groß sind, dass Tausende von Rechenkernen zusammenarbeiten müssen, um auch nur einen Hauch von Trendanalyse zu betreiben.
Das ganze Gerede über "Big Data" wirft eine wichtige Frage auf: Warum interessiert sich irgendjemand für gigantische Mengen unstrukturierter, kauderwelschartiger Daten? Die Antwort liegt natürlich in der Vorstellung, dass riesige Datensätze, wenn sie effektiv verarbeitet und analysiert werden können, zur Vorhersage der Zukunft genutzt werden können - von einem Grippeausbruch bis hin zu einem regionalen Anstieg des Milchkonsums.
Technische Aktien-/Rohstoffhändler haben diese Idee schon lange im Griff. Zeichnen Sie die täglichen Handelsaktivitäten einer Aktie auf einem Diagramm über mehrere Jahrzehnte hinweg auf, und Sie werden Muster erkennen. Wenn Sie herausfinden, was diese Muster bedeuten, können Sie mit ziemlicher Genauigkeit vorhersagen, wie sich eine Aktie entwickeln wird - vielleicht nicht morgen oder im nächsten Monat, aber im Laufe der nächsten Jahre.
Kürzlich wurde mir die Frage gestellt: "Was hat Big Data mit der Dokumentenerstellung zu tun?" Das ist eine schwierige Frage, aber ich werde es trotzdem versuchen. Predictive Analytics, die auf riesige Datensätze angewandt werden, suchen speziell nach Trends - vielleicht, um Katastrophen vorherzusagen und zu verhindern, um aus Ereignissen, die wahrscheinlich eintreten werden, Geld zu machen oder um eine beliebige Anzahl von anderen Eventualitäten aus anderen Gründen vorherzusagen.
Da Prozessanwendungen zur Dokumentenerstellung stark strukturiert sind und spezifische Daten erfordern, die im richtigen Format in ein Prozessinterview eingegeben werden, müssen prädiktive Analyseanwendungen Datentrends auf präzise Datenpunkte reduzieren, die in booleschen, mathematischen und anderen Ausdrücken verwendet werden können. Solche Ausdrücke könnten dann in bedingter Logik in Dokumentenmodellen verwendet werden, um Textblöcke zusammenzustellen, die ganz ohne menschliche Interaktion angepasst werden können.
Nehmen wir zum Beispiel an, dass wir in John Mahoneys Welt leben, in der Autos (und alles andere auch) in ständigem Kontakt mit dem Internet stehen. Auf der Grundlage der Anzahl der Autos in einem Straßenabschnitt und der Durchschnittsgeschwindigkeit der Autos könnten die Daten in ein HotDocs-Interview eingespeist werden, das einen Verkehrsbericht erstellt, der an mobile Geräte gesendet werden kann und Autofahrern rät, bei Bedarf eine alternative Route zu nehmen (es gibt wahrscheinlich bessere Möglichkeiten, ein solches Szenario zu handhaben, aber Sie verstehen schon).
Ein relevanteres Beispiel könnte eine Regierungsbehörde sein (z. B. Caltrans, die ein milliardenschweres Budget für den Straßenbau in Kalifornien verwalten). Auf der Grundlage der Verkehrsströme im Laufe der Zeit könnte die prädiktive Analyse präzise Datenpunkte liefern, die den Ingenieurteams bei der Erstellung von Schätzungen als Orientierungshilfe dienen und schließlich in der Skriptlogik von Prozessanwendungen zur Dokumentenerstellung verwendet werden könnten.
Auch hier liegt der Schlüssel darin, die "großen Daten" in diskrete Datenelemente ("Antworten") zu zerlegen, die in ein Interview zur Dokumentenerstellung eingespeist werden können.
Anmerkung der Redaktion: Dieser Beitrag wurde ursprünglich veröffentlicht auf HotDocs.com. Im Juni 2024 erwarb Mitratech die fortschrittliche Dokumentenautomatisierungsplattform HotDocs. Der Inhalt wurde seither aktualisiert und enthält nun Informationen, die auf unser Produktangebot, Änderungen der Vorschriften und die Einhaltung von Vorschriften abgestimmt sind.
