Aufrufe
vor 3 Jahren

01 | 2015 public

  • Text
  • Framework
  • Verwaltung
  • Frameworks
  • Einsatz
  • Unternehmen
  • Zivit
  • Anforderungen
  • Kanban
  • Entwicklung
  • Informationssicherheit
  • Erfolgsfaktoren
Erfolgsfaktoren für IT-Sicherheit

Big Data ab. Dabei

Big Data ab. Dabei verbergen sich hinter Big Data sowohl eine Menge neuer Technologien, wie z. B. nichtrelationale Datenbanken, als auch eine neue Herangehensweise an die Auswertung von Daten. Big-Data-Technologien können die Kapazitäten der klassischen Datenverarbeitung erweitern, z. B. durch Kopplung relationaler und nichtrelationaler Datenbanken. Das volle Potenzial von Big Data erschließt sich aber erst durch seine neuartigen Analyseverfahren. Online-Händler nutzen solche Verfahren, um beispielsweise das Kaufverhalten von Kunden vorherzusagen. Dazu werden nicht nur Daten bisheriger Einkäufe, sondern auch andere Daten des Kunden herangezogen. Ein Beispiel: Wenn ein Kunde Produkt A innerhalb der letzten drei Wochen gekauft hat, in einer Stadt mit mehr als 100.000 Einwohnern lebt und bevorzugt mit Kreditkarte bezahlt, dann kauft er mit 80-prozentiger Wahrscheinlichkeit auch Produkt B. Gespeichert werden können große Datenmengen schon länger, Analysen jedoch waren in der Vergangenheit aufwendig und meist nur für Stichproben möglich. Das heißt, man musste zunächst festlegen, welche Zusammenhänge man in den Daten überhaupt vermutet, und dann eine repräsentative Stichprobe auswählen. Mit Big Data ist es nun möglich, statt nur einer Stichprobe alle Datensätze zu analysieren. Damit können sehr viele Analysemodelle auf dem Gesamtbestand der Daten durchgerechnet und miteinander verglichen werden. Es ist charakteristisch für Big Data, dass die Kausalitäten, die hinter den Zusammenhängen stehen, zweitrangig sind. Warum ein Kunde nach Produkt A mit hoher Wahrscheinlichkeit auch Produkt B kaufen wird, ist für einen Online-Händler nicht wichtig. Für den Händler ist nur wichtig, dass diese Vorhersage zutrifft. Im Blickpunkt kommerzieller Anwendungen steht dabei heute die Vorhersage des Verhaltens von Menschen als Konsumenten. Allgemein geht es bei Big Data aber darum, das Verhalten von sozialen oder technischen Systemen zu prognostizieren. Gemessen wird der Erfolg von Big Data daran, ob die Qualität der gefällten Entscheidungen sich verbessert oder nicht. Solche Vorhersagen und das Verständnis von Zusammenhängen sind auch für die öffentliche Verwaltung von großem Interesse und können helfen, Aufgaben effizienter zu erfüllen. Rahmenbedingungen im öffentlichen Sektor Bund, Länder und Kommunen in Deutschland verfügen über große Datenbestände, die das gesamte Spektrum öffentlicher Aufgaben abbilden. Sie umfassen beispielsweise Daten von Bau-, Gesundheits-, Sicherheitsbehörden, kommunalen Energieversorgern und Verkehrsbetrieben. Rein praktisch lässt sich aufgrund organisatorischer und gesetzlicher Abgrenzungen nur ein Teil dieser Daten unmittelbar verknüpfen und auswerten. Aber auch innerhalb einer Organisation gibt es in der Regel viele Datenquellen, die kombiniert ausgewertet werden könnten. Besonders die Kommunen verfügen über umfangreiche Detailinformationen aus unterschiedlichen Aufgabenfeldern – zumeist ohne sich dessen bewusst zu sein. Und gerade auf kommunaler Ebene haben Big-Data-Projekte eine hohe Sichtbarkeit, da sie sich unmittelbar auf das Leben der Bürger auswirken. Die Daten, über die der öffentliche Bereich verfügt, sind in der Regel hochwertig, denn ihre Korrektheit ist für die meisten Verwaltungsvorgänge essenziell. Behörden und betroffene Bürger haben ein hohes Interesse daran, Fehler schnell zu berichtigen. Da öffentliche Institutionen beständiger sind als die meisten Unternehmen, liegen Daten für längere Zeiträume vor. Dies ermöglicht auch das Ableiten von langfristigen Trends. Insofern sind die Voraussetzungen für Big Data im öffentlichen Bereich sehr gut. In vielen Fällen speichern öffentliche Stellen personenbezogene Daten, für die besondere Bestimmungen des Bundesdatenschutzgesetzes (BDSG) gelten. 2 Kennzeichnend für Big Data ist, möglichst viele Daten zu erheben und zu speichern und erst später nach möglichen Anwendungen zu suchen. Der größte Mehrwert im Sinne von neuen und überraschenden Erkenntnissen lässt sich generieren, wenn man Daten aus verschiedenen Kontexten verknüpft. Die rechtlichen Rahmenbedingungen müssen immer für den Einzelfall juristisch geprüft und beurteilt werden. Von einem generellen Verbot der Verknüpfung auch von personenbezogenen Daten aufgrund des BDSG muss zunächst nicht ausgegangen werden. Organisationen des öffentlichen Sektors haben genau definierte Aufgaben und ein vorgegebenes Budget. Insofern kann der öffentliche Bereich nicht in dem Maße in neue „Geschäftsmodelle“ auf Basis von Big Data investieren wie die Privatwirtschaft. Eine Big-Data-Lösung muss daher eine unmittelbare Verbesserung bei der Erfüllung der gegenwärtigen Aufgaben einer öffentlichen Stelle mit sich bringen und sich in die vorhandenen IT-Systeme integrieren. 2 Das Bundesdatenschutzgesetz (BDSG) beschränkt die Nutzung personenbezogener Daten durch öffentliche Stellen grundsätzlich auf den Zweck, für den die Daten ursprünglich erhoben wurden (§ 14 Abs. 1 BDSG). Es erlaubt jedoch Ausnahmen, z. B. zur Gefahrenabwehr, bei der Verfolgung von Straftaten und Ordnungswidrigkeiten oder allgemein zur Wahrung „erheblicher Belange des Gemeinwohls“ (§ 14 Abs. 2 BDSG). 32 | .public 01-15 | Informationstechnologie

Variety XML, Text, HTML, E-Mails, binäre Daten, Word, Excel, PPT, OpenOffice, Audio, Video, strukturierte und unstrukturierte Daten Velocity Echtzeit, MB/Sec, Analyse von Datenströmen, um schnelle Entscheidungen treffen zu können BIG DATA Volume Gigabytes, Terabytes, Petabytes, Zettabytes Big-Data-Einflussfaktoren Potenziale und Risiken Die Entscheidung über den Einsatz von Methoden und Technologien aus dem Big-Data-Werkzeugkasten erfordert Mut zum Umdenken. Denn eine Umstellung zum Beispiel von relationalen auf verteilte Datenbanken bringt eine andere Art der Nutzung und der Auswertung von Daten mit sich. Damit können einerseits große Potenziale entfaltet werden, andererseits müssen die ernst zu nehmenden Risiken bewertet und minimiert werden. Potenziale und mögliche Einsatzgebiete Der Einsatz von Big-Data-Technologien verspricht eine höhere Effizienz der Prozesse, Individualisierung der Produktpalette sowie das Angebot intelligenter, maßgeschneiderter Produkte. Der öffentliche Bereich bietet viele Anwendungsgebiete, in denen Big-Data-Szenarien denkbar sind: • Einsatz begrenzter Ressourcen: Dabei handelt es sich um die Analyse, Planung, Steuerung und Optimierung des Umgangs mit wertvollen und begrenzten Ressourcen aller Art. Angestrebt werden Einsparungen durch Verringern oder Erhöhen des Einsatzes von Ressourcen zum richtigen Zeitpunkt. Beispiele dafür sind der Einsatz von Sachbearbeitern zur Prüfung von Anträgen oder die Optimierung von Polizei- und Feuerwehreinsätzen durch Vorhersage- und Frühwarnsysteme. • Gesundheitsvorsorge: Durch die Analyse gesundheitsrelevanter Daten kann die Ausbreitung von Krankheiten in der Bevölkerung beobachtet und prognostiziert werden. Ein weiteres Beispiel ist die Durchführung von Notfallanalysen und -vorhersagen. Außerdem können durch die Auswertung persönlicher Gesundheitsdaten eines Patienten dessen Vorsorge- und Therapiemaßnahmen gezielt gesteuert und verbessert werden. • Verkehrssteuerung und Smart Mobility: Der Verkehrsfluss kann durch die Auswertung dynamischer Umwelt- und Verkehrsdaten vorhergesagt sowie gesteuert und optimiert werden. • Energieversorgung: Durch intelligente Stromzähler und verteilte Sensoren eröffnen sich in Verbindung mit Big Data neue Möglichkeiten, den Verbrauch und die Netzauslastung zu steuern. In einem intelligenten Netz (Smart Grid) können dezentrale Verbraucher, wie z. B. Warmwasserspeicher oder Elektroautos an Ladestationen, gezielt zugeschaltet werden, wenn es ein Überangebot an Strom gibt. • Inspektionen: Die öffentliche Verwaltung kann in vielfältiger Weise beim Erkennen von Missbrauch und Betrug unterstützt werden, beispielsweise der Zoll bei der Wareneinfuhr oder Finanzämter bei der Analyse von Steuerfällen. Informationstechnologie | .public 01-15 | 33

msg

01 | 2018 public
02 | 2017 public
01 | 2017 public
02 | 2016 public
01 | 2016 public
02 | 2015 public
01 | 2015 public
01 | 2014 public
01 | 2014 msg systems study
01 | 2015 msg systems Studienband
Future Utility 2030
Lünendonk® Trendstudie
Digitale Transformation | DE
Digital Transformation | EN
DE | inscom 2014 Report
EN | inscom 2014 Report

msgGillardon

02 | 2018 NEWS
03 | 2016 NEWS
02 | 2016 NEWS
01 | 2016 NEWS
03 | 2015 NEWS
02 | 2015 NEWS
01 | 2015 NEWS
02 | 2014 NEWS
01 | 2014 NEWS
02 | 2013 NEWS
01 | 2012 NEWS
02 | 2011 NEWS
01 | 2010 NEWS
MaRisk
01 | 2017 banking insight
01 | 2015 banking insight
01 | 2014 banking insight
01 | 2013 banking insight
01 | 2012 banking insight
02 | 2011 banking insight
01 | 2011 banking insight
01 | 2010 banking insight
2018 | Seminarkatalog | Finanzen

Über msg



msg ist eine unabhängige, international agierende Unternehmensgruppe mit weltweit mehr als 6.000 Mitarbeitern. Sie bietet ein ganzheitliches Leistungsspektrum aus einfallsreicher strategischer Beratung und intelligenten, nachhaltig wertschöpfenden IT-Lösungen für die Branchen Automotive, Banking, Food, Insurance, Life Science & Healthcare, Public Sector, Telecommunications, Travel & Logistics sowie Utilities und hat in über 35 Jahren einen ausgezeichneten Ruf als Branchenspezialist erworben.

Die Bandbreite unterschiedlicher Branchen- und Themenschwerpunkte decken im Unternehmensverbund eigenständige Gesellschaften ab: Dabei bildet die msg systems ag den zentralen Kern der Unternehmensgruppe und arbeitet mit den Gesellschaften fachlich und organisatorisch eng zusammen. So werden die Kompetenzen, Erfahrungen und das Know-how aller Mitglieder zu einem ganzheitlichen Lösungsportfolio mit messbarem Mehrwert für die Kunden gebündelt. msg nimmt im Ranking der IT-Beratungs- und Systemintegrationsunternehmen in Deutschland Platz 7 ein.


© 2018 by msg systems ag - powered by yumpu Datenschutz | Impressum