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 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@onsstrme
Weak Signals
Konsumenten Branchentrends
Umfeldtrends STEEP
Megatrends
Willi Schroll 2012
Megatrends Orien@erungsraster 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 poli@sche 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
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 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: 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 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
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 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 visualiza@on 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 Naviga@on in groen Datenrumen (German Innova@on 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 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 nchsten Jahren immer wichEger (Vgl. oben Folie 6: Veredelungspfad: Daten Informa@onen 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?
Kollabora@ve 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 kumula@v 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 Lobby-Organisa@on 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? 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
Ergnzungen Diskussion
Herausforderungen Open Data, Transparenz, Vertrauen (2)
Transparenz schat Vertrauen, die kollabora@ve 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 Execu@ve 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 Eek@vitt von Datenbereitstellungen / Repor@ng etc. sollten informa@onspsychologische Fakten und Theoreme bercksich@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 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 Compu@ng | Overview | The Solu@on hgp://www.research.ibm.com/autonomic/overview/solu@on.html
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/D_Publika@onen/D_Arbeitspapiere/Die_20_wich@gsten_Megatrends_x.pdf hgp://www.z-punkt.de/leadmin/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 Ergnzungen Diskussion ab Folie 21 zu nden
![will-future und going-to-future [WILL-FUTURE UND GOING-TO-FUTURE] 1 will-future und going-to-future B I Das will L D U N G WILL-FUTURE -future bildet man mit will / won’t ...](https://img.pdfslide.org/img/110x75/reader011/image/20181220/5a7925887f8b9a07628cc409.png)
