View
1.643
Download
1
Embed Size (px)
DESCRIPTION
Die Zukunft der Daten in einer beschleunigten Welt - Impulsreferat Willi Schroll, MA – strategiclabs.de9. Feb. .2012 | Frankfurt/M. DGIQ-Regionalgruppe Rhein-Main
Future Data DGIQ 120209b.pptx
Willi Schroll 2012
Die Zukun f t de r Da ten i n e ine r besch leun ig ten We l t
Impulsreferat Willi Schroll, MA strategiclabs.de
9.2.2012 | Frankfurt/M. DGIQ-Regionalgruppe Rhein-Main
future data
Willi Schroll 2012
Foresight methodische Analyse
Beispiele Trendstudien TV 2020 [email protected] 2015
Willi Schroll 2012
Megatrends in der [email protected]
z.B. Globalisierung
heute t+5 t+10 t+20 t-5 t-10
z.B. Zunahme globaler [email protected]
Weak Signals
Konsumenten Branchentrends
Umfeldtrends STEEP
Megatrends
Willi Schroll 2012
Megatrends [email protected] GESELLSCHAFT
Demographischer Wandel Frauen auf dem Vormarsch Kulturelle Vielfalt Neue Mobilittsmuster
TECHNOLOGIE
Digitales Leben Konvergenz von Technologien Lernen von der Natur Ubiquitre Intelligenz
GLOBALISIERTE WELT
Globalisierung 2.0 Urbanisierung Neue [email protected] Weltordnung Wachsende Sicherheitsbedrohungen
UMWELT
Umsteuern bei Energie und Ressourcen Klimawandel und Umweltbelastung
KONSUMENTEN
Nchste Stufe der Individualisierung Neue Konsummuster Boomende Gesundheit
BUSINESS
Wissensbasierte konomie Wandel der Arbeitswelt Business-kosysteme
Quelle: Z_punkt 2008
Willi Schroll 2012
Komplexes Wirkungsgefge
Weltsystem Branchen
Umfelder
Wild Cards
Black Swans Lebens- stiltrends
Werte- Wandel
Konsum- verhalten
Generelles Umfeld
Demografischer Wandel
Regulation
Zulieferer
Wett- bewerber
Kunden
Branchen- umfeld
Unter- nehmen
Neue Technologien
Lebens- stiltrends
Welt- wirtschaft
Werte- Wandel
Politische Vernderungen
Sozial- system
Konsum- verhalten
Quelle: Z_punkt 2011
Willi Schroll 2012
Werthaltungen
Daten
Kontext und Wert von Daten
Informationen
Modelle Entscheidungen
extract - transform - load
Ziele Wertschpfung
Willi Schroll 2012
Daten + Dynaxity
Internet der Dinge, Reality Mining
Neue Ziele und
Zielgruppen
Prozessoren
Aktoren Speicher
Weak signal: Smartphone als Sensorzentrale
Sensoren
Willi Schroll 2012
Neue Formate, Quellen und Senken
Quelle: Fujitsu Ireland 2012
Willi Schroll 2012
Datenzuwachs schlgt Moores Law
Quelle: Cisco VNI 2011
Willi Schroll 2012
Ubiquity Nutzungsszenarien
Quelle: [email protected] 2010
Willi Schroll 2012
Ubiquity Nutzungsszenarien
Quelle: [email protected] 2010
Willi Schroll 2012
Ubiquity Nutzungsszenarien
Quelle: [email protected] 2010
Willi Schroll 2012
IT-Trends
Architektur wird strker service-zentrisch Mobile-Sociale Lifestyle (always in touch) Erhebung persnlicher Daten kommt strker unter Risikobeobachtung (starke regionale und generaEonale Unterschiede - EU/USA, Digital NaEves)
Willi Schroll 2012
IT-Trends
Soziale PlaKormen: Neue Quelle der Business Intelligence (CRM, MarkeEng, "Semi-Open InnovaEon")
Kontextbasierte Dienste: Rolle von Metadaten, Ort, Zeit, Microformats, AI-Komponenten vgl. Siri)
Willi Schroll 2012
[email protected] heute und morgen
Quelle: Accenture / Z_punkt 2010
Willi Schroll 2012
Arbeitswelt heute und morgen
Quelle: Accenture / Z_punkt 2010
Willi Schroll 2012
Zusammenarbeit heute und morgen
Quelle: Accenture / Z_punkt 2010
Willi Schroll 2012
Herausforderungen in IDQ
Big Data Unstructured Data, Noise, Pagern [email protected] Dynamik: Neue Quellen als solche wahrnehmen
Neue [email protected] ([email protected]) Neue [email protected] (bots, machine readable ready?)
Balance Oenheit/Sicherhei
Willi Schroll 2012
Vielen Dank fr Ihre Aufmerksamkeit!
Willi Schroll, strategiclabs Berlin
about.com/wschroll
Willi Schroll 2012
Ergnzungen Diskussion
Willi Schroll 2012
Ergnzungen Diskussion
Daten-Visualisierung ... ermglicht erst das Verstehen hochkomplexer Daten
Beispiel: Hans Rosling Daten/Punktwolken in Bewegung 200 years that changed the world (with Hans Rosling) YouTube hgp://www.youtube.com/watch?v=BPt8ElTQMIg Kinect data [email protected] tool YouTube hgp://www.youtube.com/watch?v=ZNt9Q3tqu9Y
Beispiel: Aaron Koblin Aaron Koblin 'ight paths' YouTube hgp://www.youtube.com/watch?v=FCEM-ZcB14A
Willi Schroll 2012
Ergnzungen Diskussion
Daten-Visualisierung ... wird in ZukunZ als zentrale Aufgabe der Datenbereitstellung erkannt
Beispiel fr neue Anstze interakEver intuiEver Oberchen: Liquid Browsing Ansatz fr intelligente [email protected] in groen Datenrumen (German [email protected] Award, GFFT Award, Cebit Exhibitor Search) hgp://www.liquiverse.com/; Demo-Video + Java Sim: hgp://www.liquidbrowsing.com/
Community der Experten fr Netzwerk-Visualisierung visualcomplexity.com | A visual [email protected] on mapping complex networks hgp://www.visualcomplexity.com/vc/
These: Die Entwicklung kogniEver Schni_stellen zum intui+ven Verstehen von Datenmassen wird in den nchsten Jahren immer wichEger (Vgl. oben Folie 6: Veredelungspfad: Daten [email protected] Entscheidungen Wertzuwachs)
Willi Schroll 2012
Ergnzungen Diskussion
Soziale Mechanismen, kollaboraEve Filter Frage: KollaboraEve Filter sind bewhrt im E-Commerce Wie gro ist ihr Nutzen, um zu besserer Datenqualitt zu gelangen?
[email protected] Filter als bekanntes Prinzip zur Personalisierung des E-Commerce (Amazon: Wer sich fr dieses Buch A interessiert, den interessieren auch B, C, D ..)
Beispiel crowd-basierte ReputaEon: Vergleich von hgp://about.me/wschroll + hgp://connect.me/users/willischroll zeigt, dass ein Prol auf connect.me als vertrauenswrdiger erscheint, da die Tags nicht von der Person selbst, sondern von anderen [email protected] erstellt wurden (crowd-based taxonomy) Problem: Daten werden dem Urteil der Crowd ausgeliefert. Diese knnte auch interessengeleitet (freundlich/feindlich) handeln oder wenig kompetent sein.
Quelle: connect.me 2012
Willi Schroll 2012
Ergnzungen Diskussion
Herausforderungen Open Data, Transparenz, Vertrauen (1)
QuellenkriEk Wie zuverlssig sind Open Data, sofern sie im Kontext von bst. Interessen verentlicht werden? z.B. durch eine [email protected] wie Greenpeace, einen Verband etc.
ZerEzierung knnte hier eine Lsung bringen, z.B. entliche Lieferanten Open Knowledge: Wikipedia gehrt auch in diese Problemklasse wie
vertrauenswrdig knnen open editable data sein? [email protected] die inneren Kontrollmechanismen solcher Open Knowledge Pla|ormen?
Open Data Protocol (OData) hgp://www.odata.org/ Data | The World Bank hgp://data.worldbank.org/ The Open Data [email protected] hgp://[email protected]/ Open Data Network (open government Deutschland) hgp://opendata-network.org/ Open Knowledge [email protected] hgp://okfn.org/
Willi Schroll 2012
Ergnzungen Diskussion
Herausforderungen Open Data, Transparenz, Vertrauen (2)
Transparenz schat Vertrauen, die [email protected] Datenerstellung steigert die Ezienz aber es entstehen auch neue Probleme der Glaubwrdigkeit/Zuverlssigkeit v.a. wenn Interessen involviert sind
Der Knigsweg wre Open Knowledge und Open Data einer Crowd von Experten in der Wissenscha~ und mit der Delphi-Methode gibt es dazu Anstze
Komplexitt, Dynaxitt, ganzheitliche Analyse
Output-Paradox: Hervorragende Datenreports werden nicht gewrdigt, da ihr Umfang unverdaulich ist und andererseits das [email protected] Summary wiederum zu wenig aussagekr~ig ist hier sind neue Schnigstellen und Formate gefragt, die das Data Understanding steigern und Personalisierung ermglichen. Die gesamte Informa-onsprozesske1e ist zu evaluieren und zu gestalten der letzte Meter = die Entscheidungsebene sollte mehr im Zentrum stehen.
Willi Schroll 2012
Begrisklrungen
Paradox of Choice
In der Verbesserung der [email protected] von Datenbereitstellungen / [email protected] etc. sollten [email protected] Fakten und Theoreme [email protected] werden, z.B. The Paradox of Choice: : Why More Is Less (Barry Schwartz) hgp://www.amazon.com/Paradox-Choice-Why-More-Less/dp/0060005688
Autonomic CompuEng
Bionik/Biomimesis als Ansatz kn~iger IT-Architektur: Bsp. Computers Get Self-Healing So~ware | LiveScience hgp://www.livescience.com/5891-computers-healing-so~ware.html
IBM Research | Autonomic [email protected] | Overview | The [email protected] hgp://www.research.ibm.com/autonomic/overview/[email protected]
Dynaxitt: Dynamik und Komplexitt
Dynaxity: Management von Dynamik und Komplexitt im So~warebau - Patrick Hamilton hgp://www.amazon.com/Dynaxity-Management-Dynamik-Komplexit%C3%A4t-So~warebau/dp/3540317430
Willi Schroll 2012
Anhang
Willi Schroll 2012
Quellen Folie 2: TV 2020 Report dt./engl. hgp://www.z-punkt.de/studien.html Folie 3-5:
hgp://www.z-punkt.de/leadmin/be_user/[email protected]/D_Arbeitspapiere/[email protected]_Megatrends_x.pdf hgp://www.z-punkt.de/leadmin/be_user/D_News/D_2011_01_Newsleger/[email protected]
Folie 8: Fujitsu Ireland 2012 Structuring Big Data hgp://www.slideshare.net/fujitsu_ie/structuring-big-data-11272396
Folie 9: Cisco VNI 2011 Entering the Zegabyte Era [Visual Networking Index] hgp://www.cisco.com/en/US/[email protected]/collateral/ns341/ns525/ns537/ns705/ns827/[email protected]_WP.html
Folie 10-12: [email protected] 2010 hgp://[email protected]/archives/future_of_data_overload_as_envisioned_for_2020.html
Folie 15-17: Accenture / Z_punkt 2010 [email protected] Studie [email protected] 2015hgp://www.accenture.com/Countries/Germany/Services/Technology/[email protected]_Management/[email protected]_Management_Services/[email protected]
Weitere Quellenangaben sind im Abschnig Ergnzungen Diskussion ab Folie 21 zu nden