Big Data: Unterschied zwischen den Versionen
Vargos (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
FrauTV (Diskussion | Beiträge) K (Big Data betrifft auf die Privatperson) |
||
| (2 dazwischenliegende Versionen von einem anderen Benutzer werden nicht angezeigt) | |||
| Zeile 7: | Zeile 7: | ||
Kritiker warnen jedoch im Zusammenhang mit Big Data vor Gefahren wie Datenmissbrauch und mangelnder Privatsphäre. | Kritiker warnen jedoch im Zusammenhang mit Big Data vor Gefahren wie Datenmissbrauch und mangelnder Privatsphäre. | ||
Die gesammelten Daten aus der privaten Nutzung des World Wide Web durch z.B. Social Media Kanäle oder der Kaufverhalten eines Einzelnen, werden ausgewertet und in Form von personalisierter Werbung dem Verbraucher wieder angeboten. | |||
== Weblinks == | == Weblinks == | ||
| Zeile 18: | Zeile 20: | ||
== Weiterführende Literatur == | == Weiterführende Literatur == | ||
BITKOM | * BITKOM (Hrsg.) (2012): „Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte“ [http://www.bitkom.org/60376.aspx?url=BITKOM_LF_big_data_2012_online%281%29.pdf&mode=0&b=Publikationen&bc=Publikationen|Leitf%C3%A4den] | ||
* Jiawei Han/ Micheline Kamber und Jian Pei (2011): Data Mining: Concepts and Techniques (englisch), 3. Auflage, Morgan Kaufmann. | |||
Aktuelle Version vom 4. November 2018, 11:51 Uhr
Für den Begriff „Big Data“ existieren eine Vielzahl von Definitionen. Gemeint ist eine große Menge von Datensätzen, die aufgrund ihrer Dimension und Komplexität mit traditionellen Datenanalysewerkzeugen kaum noch zu steuern und zu verarbeiten sind (Quelle [1]).
Daten werden auf verschiedenste Arten von Weisen und aus vielen unterschiedlichen Quellen gesammelt, gespeichert und über diverse Netzwerke miteinander verbunden. Die Drogeriemarktkette dm optimiert den Personaleinsatz in den Filialen auf Basis von Umsatzdaten, das Versandhandelsunternehmen Otto erstellt pro Jahr im Durchschnitt 1 Milliarde Absatzprognosen zur Planung von Einkauf und Warenbestand der einzelnen Artikel (Quelle [2]).
Experten der Unternehmensberatungsfirma IDC schätzen, dass sich die Menge der Daten, die innerhalb eines Jahres erstellt, vervielfältigt und konsumiert wird, bis 2020 alle zwei Jahre verdoppelt. Lediglich ein geringer Anteil wird jedoch bislang systematisch und nutzbringend ausgewertet (Quelle [3]). Tatsächlich wird von einem zunehmenden Mangel an Experten im Bereich Big Data ausgegangen. Der renommierte US-Ökonom Hal Varian, emeritierter Professor der Elite-Universität, Berkeley und Chefökonom bei Google Inc. prognostizierte bereits 2009: „I keep saying the sexy job in the next ten years will be statisticians.“ (Quelle [4]).
Kritiker warnen jedoch im Zusammenhang mit Big Data vor Gefahren wie Datenmissbrauch und mangelnder Privatsphäre.
Die gesammelten Daten aus der privaten Nutzung des World Wide Web durch z.B. Social Media Kanäle oder der Kaufverhalten eines Einzelnen, werden ausgewertet und in Form von personalisierter Werbung dem Verbraucher wieder angeboten.
Weblinks
- http://www.opentracker.net/article/definitions-big-data
- www.researchtrends.com/wp-content/uploads/2012/09/Research_Trends_Issue30.pdf
- http://www.zeit.de/2013/02/Big-Data
- http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation
- http://www.mckinsey.com/insights/innovation/hal_varian_on_how_the_web_challenges_managers
- http://www.tagesspiegel.de/medien/digitale-welt/big-data-mach-dir-ein-bild-von-mir/9050778.html
Weiterführende Literatur
- BITKOM (Hrsg.) (2012): „Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte“ [5]
- Jiawei Han/ Micheline Kamber und Jian Pei (2011): Data Mining: Concepts and Techniques (englisch), 3. Auflage, Morgan Kaufmann.