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  •   Informa@on  2015    

Willi  Schroll  2012  

Megatrends  in  der  Systema@k    

z.B.  Globalisierung  

heute   t+5   t+10   t+20  t-­‐5  t-­‐10  

z.B.    Zunahme  globaler    Migra@onsströme    

Weak  Signals  

Konsumenten  Branchentrends  

Umfeldtrends  STEEP  

Megatrends  

Willi  Schroll  2012  

Megatrends  –  Orien@erungsraster  GESELLSCHAFT  

•  Demographischer  Wandel  •  Frauen  auf  dem  Vormarsch  •  Kulturelle  Vielfalt  •  Neue  Mobilitätsmuster  

TECHNOLOGIE  

•  Digitales  Leben    •   Konvergenz  von  Technologien  •  Lernen  von  der  Natur  •  Ubiquitäre  Intelligenz  

GLOBALISIERTE  WELT  

•  Globalisierung  2.0    •   Urbanisierung    •   Neue  poli@sche  Weltordnung  •  Wachsende  Sicherheitsbedrohungen  

UMWELT  

•  Umsteuern  bei  Energie  und  Ressourcen  •  Klimawandel  und  Umweltbelastung  

KONSUMENTEN  

•  Nächste  Stufe  der  Individualisierung  •  Neue  Konsummuster  •  Boomende  Gesundheit  

BUSINESS  

•   Wissensbasierte  Ökonomie  •  Wandel  der  Arbeitswelt  •   Business-­‐Ökosysteme  

Quelle:  Z_punkt  2008  

Willi  Schroll  2012  

Komplexes  Wirkungsgefüge  

Weltsystem  Branchen  

Umfelder  

Disrup@onen  

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 Veränderungen

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 Wertschöpfung

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  schlägt  Moore‘s  Law  

Quelle:  Cisco  VNI  2011  

Willi  Schroll  2012  

Ubiquity  Nutzungsszenarien  

Quelle:  infosthe@cs.com  2010  

Willi  Schroll  2012  

Ubiquity  Nutzungsszenarien  

Quelle:  infosthe@cs.com  2010  

Willi  Schroll  2012  

Ubiquity  Nutzungsszenarien  

Quelle:  infosthe@cs.com  2010  

Willi  Schroll  2012  

IT-­‐Trends    

•  Architektur  wird  stärker  service-­‐zentrisch  •  Mobile-­‐Sociale  Lifestyle  (always  in  touch)  

•  Erhebung  persönlicher  Daten  kommt  stärker  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  

Informa@on  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  Detec@on  • Dynamik:  Neue  Quellen  als  solche    wahrnehmen  

• Neue  Informa@onsziele  (Integra@on)  

• Neue  Informa@onszielgruppen  (bots,  machine  readable  ready?)  

•  Balance  Offenheit/Sicherhei  

Willi  Schroll  2012  

Vielen  Dank  für  Ihre  Aufmerksamkeit!  

Willi  Schroll,  strategiclabs  Berlin  

about.com/wschroll  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion    

Daten-­‐Visualisierung    ...  ermöglicht  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  visualiza@on  tool  –  YouTube  hgp://www.youtube.com/watch?v=ZNt9Q3tqu9Y  

•  Beispiel:  Aaron  Koblin  –  Aaron  Koblin  'flight  paths'  –  YouTube  hgp://www.youtube.com/watch?v=FCEM-­‐ZcB14A  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion    

Daten-­‐Visualisierung    ...  wird  in  ZukunZ  als  zentrale  Aufgabe  der  Datenbereitstellung  erkannt  

•  Beispiel  für  neue  Ansätze  interakEver  intuiEver  Oberflächen:  Liquid  Browsing  –  Ansatz  für  intelligente  Naviga@on  in  großen  Datenräumen  (German  Innova@on  Award,  GFFT  Award,  Cebit  Exhibitor  Search)    hgp://www.liquiverse.com/;  Demo-­‐Video  +  Java  Sim:  hgp://www.liquidbrowsing.com/  

•  Community  der  Experten  für  Netzwerk-­‐Visualisierung  visualcomplexity.com  |  A  visual  explora@on  on  mapping  complex  networks  hgp://www.visualcomplexity.com/vc/  

•  These:  Die  Entwicklung  kogniEver  Schni_stellen  zum  intui+ven  Verstehen  von  Datenmassen  wird  in  den  nächsten  Jahren  immer  wichEger  (Vgl.  oben  Folie  6:  Veredelungspfad:  Daten  –  Informa@onen  –  Entscheidungen  –  Wertzuwachs)  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion    

Soziale  Mechanismen,  kollaboraEve  Filter    Frage:  KollaboraEve  Filter  sind  bewährt  im  E-­‐Commerce  –  Wie  groß  ist  ihr  Nutzen,  um  zu  besserer  Datenqualität  zu  gelangen?  

•  Kollabora@ve  Filter  als  bekanntes  Prinzip  zur  Personalisierung  des  E-­‐Commerce  (Amazon:  Wer  sich  für  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  Profil  auf  connect.me  als  vertrauenswürdiger  erscheint,  da  die  Tags  nicht  von  der  Person  selbst,  sondern  von  anderen  kumula@v  erstellt  wurden  (crowd-­‐based  taxonomy)    Problem:  Daten  werden  dem  Urteil  der  „Crowd“  ausgeliefert.  Diese  könnte  auch  interessengeleitet  (freundlich/feindlich)  handeln  oder  wenig  kompetent  sein.  

Quelle:  connect.me  2012  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion    

Herausforderungen  Open  Data,  Transparenz,  Vertrauen  (1)  

•  QuellenkriEk  –  Wie  zuverlässig  sind  Open  Data,  sofern  sie  im  Kontext  von  bst.  Interessen  veröffentlicht  werden?  z.B.  durch  eine  Lobby-­‐Organisa@on  wie  Greenpeace,  einen  Verband  etc.  

•  ZerEfizierung  könnte  hier  eine  Lösung  bringen,  z.B.  öffentliche  Lieferanten  

•  Open  Knowledge:  Wikipedia  gehört  auch  in  diese  Problemklasse  –  wie  vertrauenswürdig  können  „open  editable  data“  sein?  Funk@onieren  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  Founda@on  hgp://www.opendatafounda@on.org/    

•  Open  Data  Network  (open  government  Deutschland)  hgp://opendata-­‐network.org/  

•  Open  Knowledge  Founda@on  hgp://okfn.org/  

Willi  Schroll  2012  

Ergänzungen  –  Diskussion    

Herausforderungen  Open  Data,  Transparenz,  Vertrauen  (2)  

•  Transparenz  schafft  Vertrauen,  die  kollabora@ve  Datenerstellung  steigert  die  Effizienz  –  aber  es  entstehen  auch  neue  Probleme  der  Glaubwürdigkeit/Zuverlässigkeit  –  v.a.  wenn  Interessen  involviert  sind  

•  Der  Königsweg  wäre  Open  Knowledge  und  Open  Data  einer  „Crowd  von  Experten“  –  in  der  Wissenscha~  und  mit  der  Delphi-­‐Methode  gibt  es  dazu  Ansätze  

Komplexität,  Dynaxität,  „ganzheitliche  Analyse“  

•  Output-­‐Paradox:  Hervorragende  Datenreports  werden  nicht  gewürdigt,  da  ihr  Umfang  „unverdaulich“  ist  und  andererseits  das  Execu@ve  Summary  wiederum  zu  wenig  aussagekrä~ig  ist  –  hier  sind  neue  Schnigstellen  und  Formate  gefragt,  die  das  „Data  Understanding“  steigern  und  Personalisierung  ermöglichen.  Die  gesamte  Informa-onsprozesske1e  ist  zu  evaluieren  und  zu  gestalten  –  der  „letzte  Meter“  =  die  Entscheidungsebene  sollte  mehr  im  Zentrum  stehen.  

Willi  Schroll  2012  

Begriffsklärungen  

Paradox  of  Choice  

•  In  der  Verbesserung  der  Effek@vität  von  Datenbereitstellungen  /  Repor@ng  etc.  sollten  informa@onspsychologische  Fakten  und  Theoreme  berücksich@gt  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  kün~iger  IT-­‐Architektur:    Bsp.  Computers  Get  Self-­‐Healing  So~ware  |  LiveScience  hgp://www.livescience.com/5891-­‐computers-­‐healing-­‐so~ware.html  

•  IBM  Research  |  Autonomic  Compu@ng  |  Overview  |  The  Solu@on  hgp://www.research.ibm.com/autonomic/overview/solu@on.html  

Dynaxität:  Dynamik  und  Komplexität    

•  Dynaxity:  Management  von  Dynamik  und  Komplexität  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/fileadmin/be_user/D_Publika@onen/D_Arbeitspapiere/Die_20_wich@gsten_Megatrends_x.pdf  hgp://www.z-­‐punkt.de/fileadmin/be_user/D_News/D_2011_01_Newsleger/Z_punkt_Megatrend_zur_Innova@on.pdf  

•  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/solu@ons/collateral/ns341/ns525/ns537/ns705/ns827/VNI_Hyperconnec@vity_WP.html  

•  Folie  10-­‐12:  infosthe@cs.com  2010  –    hgp://infosthe@cs.com/archives/future_of_data_overload_as_envisioned_for_2020.html  

•  Folie  15-­‐17:  Accenture  /  Z_punkt  2010  –  Informa@onsmanagement  Studie  Informa@on  2015hgp://www.accenture.com/Countries/Germany/Services/Technology/Informa@on_Management/Informa@on_Management_Services/Informa@on-­‐2015.htm  

•  Weitere  Quellenangaben  sind  im  Abschnig  Ergänzungen  –  Diskussion  ab  Folie  21  zu  finden