Unter Big Data sind große Daten gemeint, die vielfältig, in großen Mengen und mit hoher Geschwindigkeit anfallen

Business Intelligence (BI) ist ein Sammelbegriff für die Technologie, die die Datenaufbereitung, das Data-Mining, das Datenmanagement und die Datenvisualisierung ermöglicht. Tools und Prozesse der Business Intelligence ermöglichen es Endbenutzern, umsetzbare Informationen aus Rohdaten zu ermitteln und so die datengesteuerte Entscheidungsfindung innerhalb von Organisationen über verschiedene Branchen zu unterstützen.

Data Analytics bezeichnet den Prozess der Exploration, Transformation und Analyse von Daten, um Trends und Muster zu finden, die aussagekräftige Erkenntnisse liefern und zu Effizienzsteigerungen führen, und so die Entscheidungsfindung unterstützen. Eine moderne Data-Analytics-Strategie ermöglicht es Systemen und Organisationen, auf Grundlage von automatisierten Echtzeit-Analysen zu handeln, um wirkungsvolle, sofortige Ergebnisse zu gewährleisten.

Data Mining ist ein analytischer Prozess, der anhand von computergestützten Methoden eine möglichst autonome und effiziente Identifizierung von interessanten Datenmustern innerhalb großer Datensätze ermöglicht. Die eingesetzten Algorithmen kommen aus der Statistik, künstlichen Intelligenz oder dem maschinellen Lernen.

Data Science ist eine angewandte, interdisziplinäre Wissenschaft. Ziel der Datenwissenschaft ist es, Wissen aus Daten zu generieren, um beispielsweise die Unternehmenssteuerung zu optimieren oder die Entscheidungsfindung zu unterstützen. Es kommen Methoden und Wissen aus verschiedenen Bereichen wie Mathematik, Statistik, Stochastik, Informatik und Branchen-Know-how zum Einsatz.

Bei einem Data Warehouse (zu deutsch „Datenlager“) handelt es sich um eine Datenbank, die speziell für Analysen optimiert ist. Sie führt Daten aus verschiedenen Quellen und mit unterschiedlichen Strukturen zusammen. Somit wird eine globale Sicht auf Informationen erreicht.

Die Hybrid Cloud kombiniert Ressourcen aus öffentlichen und privaten Clouds und bietet Unternehmen somit Flexibilität und Skalierbarkeit der öffentlichen Cloud sowie Sicherheit und Kontrolle der privaten Cloud. Unternehmen nutzen die Hybrid Cloud, um temporäre Arbeitslasten zu bewältigen oder um auf Ressourcen zuzugreifen, die in der privaten Cloud nicht verfügbar sind. Die nahtlose Kommunikation und Zusammenarbeit zwischen beiden Clouds erfordert spezielle Technologien und Lösungen wie Virtual Private Networks, Hybrid-Cloud-Management-Tools und Container-Technologien. Die Hybrid Cloud ist ein wichtiger Trend in der IT-Branche, da sie Unternehmen die Möglichkeit gibt, ihre IT-Ressourcen flexibel und effizient zu nutzen und gleichzeitig die Kontrolle über ihre kritischen Anwendungen und Daten zu behalten.

Bei IaaS bietet der Dienstleister elementare Dienste an, wie beispielsweise Rechenleistungen in Form von virtuellen Maschinen, Speicher- oder Nachrichtendiensten sowie Netzwerkdiensten, welche vom Anwender genutzt werden können. Tendenziell nutzen Kunden mit komplexen Anwendungslandschaften dieses Modell, welches mit bestehender Hardware nicht handhabbar ist. Ein Beispiel sind die Amazon Web Services.

Machine Learning, (deutsch: maschinelles Lernen) ist ein Teilgebiet der künstlichen Intelligenz. Durch das Erkennen von Mustern in vorliegenden Datenbeständen sind IT-Systeme in der Lage, eigenständig Lösungen für Probleme zu finden.

Multi-Cloud beschreibt ein Cloud-Computing-Modell, bei dem ein Unternehmen mehrere Clouds miteinander kombiniert.

Bei PaaS wird auf eine bestehende Infrastruktur aufgebaut. Dem Kunden werden sog. Tools und Umgebungen angeboten, mit denen eine Weiter- oder Neuentwicklung von Anwendungen ermöglicht wird. Der Anwender behält die Kontrolle über die Anwendungssoftware, nutzt aber standardisierte Softwarekomponenten (Entwicklungssoftware, Middleware, Softwarebibliotheken, Betriebssysteme), welche vom Dienstleister zur Verfügung gestellt und gewartet werden. Ein Beispiel hierfür ist die Cloud Computing Platform Azure von Microsoft.

Predictive Analytics (prädiktive Analyse) ist eine fortgeschrittene Analysemethode, die sowohl neue als auch historische Daten zur Vorhersage von Aktivitäten, Verhalten und Trends verwendet. Sie umfasst die Anwendung statistischer Analysetechniken, analytischer Abfragen und automatisierter Algorithmen für Machine Learning auf Datensätze, um Vorhersagemodelle zu erstellen, die einen numerischen Wert für die Wahrscheinlichkeit des Eintretens eines bestimmten Ereignisses berechnen.

Predictive Maintenance ist eine sensorgestützte Form der Wartung. Das Verfahren nutzt Big Data-Analysen, um Ausfälle und Störungen einer Anlage vorherzusagen und dadurch Wartungseinsätze effizienter planen zu können. Als Industrie 4.0-Anwendung kann Predictive Maintenance dadurch Kosten und Ausfallzeiten gegenüber herkömmlichen Wartungsstrategien deutlich verringern.

Eine Private Cloud bezieht sich auf Cloud Computing-Dienste, die innerhalb einer Organisation oder eines Unternehmensnetzwerks gehostet werden. Im Gegensatz zur Public Cloud ist die Private Cloud nicht öffentlich zugänglich und wird in der Regel von der Organisation selbst betrieben und verwaltet.

Die Private Cloud bietet den Vorteil der höheren Kontrolle und Sicherheit, da sie innerhalb der Organisation gehostet wird. Unternehmen können die Ressourcen der Private Cloud skalieren, um sich an ihre spezifischen Anforderungen anzupassen, und gleichzeitig sicherstellen, dass sensible Daten und Anwendungen innerhalb der Organisation bleiben.

Ein Nachteil der Private Cloud ist, dass sie in der Regel höhere Kosten verursacht, da das Unternehmen selbst für die Hardware, den Betrieb und die Wartung der Cloud-Infrastruktur verantwortlich ist.

Die Public Cloud bezieht sich auf Cloud Computing-Dienste, die öffentlich verfügbar sind und von einem Drittanbieter bereitgestellt werden. In der Public Cloud können Unternehmen und Einzelpersonen Computing-Ressourcen wie Server, Speicher, Anwendungen und Datenbanken mieten und skalieren, ohne physische Hardware zu besitzen oder verwalten zu müssen.

Die Public Cloud bietet den Vorteil der Skalierbarkeit, da Benutzer ihre Computing-Ressourcen auf Bedarf hin und her skalieren können. Sie bietet auch Kosteneinsparungen, da Benutzer nur für die Ressourcen zahlen, die sie nutzen. Darüber hinaus kann die Public Cloud die Notwendigkeit reduzieren, eigene IT-Infrastrukturen zu verwalten und zu warten.

Bei SaaS handelt es sich um eine ganzheitlich gemietete Dienstleistung, wobei die traditionelle IT-Infrastruktur vollständig ersetzt wird. Der Dienstleister stellt Softwareanwendungen über ein Webinterface oder eine Programmierschnittstelle zur Verfügung. In der Regel hat der Anwender keinen Einfluss auf den Betrieb und die Realisierung der bereitgestellten Anwendungsdienste, kann diese jedoch in gewissem Umfang konfigurieren. Ein Beispiel ist Salesforce, welches CRM-Funktionalitäten bereitstellt.