Future data - Die Zukunft der Daten

  • Published on
    17-Oct-2014

  • View
    1.626

  • 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

Transcript

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

Recommended

View more >