Future data - Die Zukunft der Daten

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

[email protected]

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