Die Zukunft der Daten in einer beschleunigten Welt - Impulsreferat Willi Schroll, MA – strategiclabs.de 9. Feb. .2012 | Frankfurt/M. DGIQ-Regionalgruppe Rhein-Main

1. future data
Die Zukunft der Daten in
e i n e r b e s c h l e u n i g t e n We l t
Impulsreferat
Willi Schroll, MA – strategiclabs.de
9.2.2012 | Frankfurt/M.
DGIQ-Regionalgruppe Rhein-Main
Willi
Schroll
2012

2. Foresight
–
methodische
Analyse
Beispiele
Trendstudien
•
TV
2020
•
Informa@on
2015
Willi
Schroll
2012

3. Megatrends
in
der
Systema@k
Weak
Signals
Konsumenten
Branchentrends
Umfeldtrends
z.B.
Zunahme
globaler
STEEP
Migra@onsströme
Megatrends
z.B.
Globalisierung
t-­‐10
t-­‐5
heute
t+5
t+10
t+20
Willi
Schroll
2012

4. Megatrends
–
Orien@erungsraster
GESELLSCHAFT
TECHNOLOGIE
•
Demographischer
Wandel
•
Digitales
Leben
•
Frauen
auf
dem
Vormarsch
•
Konvergenz
von
Technologien
•
Kulturelle
Vielfalt
•
Lernen
von
der
Natur
•
Neue
Mobilitätsmuster
•
Ubiquitäre
Intelligenz
KONSUMENTEN
GLOBALISIERTE
WELT
•
Nächste
Stufe
der
Individualisierung
•
Globalisierung
2.0
•
Neue
Konsummuster
•
Urbanisierung
•
Boomende
Gesundheit
•
Neue
poli@sche
Weltordnung
•
Wachsende
Sicherheitsbedrohungen
BUSINESS
UMWELT
•
Wissensbasierte
Ökonomie
•
Umsteuern
bei
Energie
und
Ressourcen
•
Wandel
der
Arbeitswelt
•
Klimawandel
und
Umweltbelastung
•
Business-­‐Ökosysteme
Quelle:
Z_punkt
2008
Willi
Schroll
2012

5. Komplexes
Wirkungsgefüge
Weltsystem
Generelles
Branchen
Umfeld
Sozial-
Umfelder
Neue
Technologien
Branchen-
umfeld
system
Werte-
Disrup@onen
Zulieferer
Unter-
Werte-
Wandel
Wandel
nehmen Kunden
Wild
Cards
Welt-
wirtschaft Regulation Konsum-
Konsum-
Wett-
verhalten
Black
Swans
bewerber verhalten
Lebens-
Politische Lebens-
stiltrends
Veränderungen stiltrends
Demografischer
Wandel
Quelle:
Z_punkt
2011
Willi
Schroll
2012

6. Kontext
und
Wert
von
Daten
Werthaltungen Ziele Wertschöpfung
Entscheidungen
Modelle
Informationen
extract
-­‐
transform
-­‐
load
Daten
Willi
Schroll
2012

7. Internet
der
Dinge,
Reality
Mining
Weak
signal:
Smartphone
als
Sensorzentrale
Neue Ziele und Sensoren
Zielgruppen
Prozessoren
Daten +
Speicher Aktoren
Dynaxity
Willi
Schroll
2012

8. Neue
Formate,
Quellen
und
Senken
Quelle:
Fujitsu
Ireland
2012
Willi
Schroll
2012

9. Datenzuwachs
schlägt
Moore‘s
Law
Quelle:
Cisco
VNI
2011
Willi
Schroll
2012

10. Ubiquity
Nutzungsszenarien
Quelle:
infosthe@cs.com
2010
Willi
Schroll
2012

11. Ubiquity
Nutzungsszenarien
Quelle:
infosthe@cs.com
2010
Willi
Schroll
2012

12. Ubiquity
Nutzungsszenarien
Quelle:
infosthe@cs.com
2010
Willi
Schroll
2012

13. 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

14. 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

15. Informa@on
heute
und
morgen
Quelle:
Accenture
/
Z_punkt
2010
Willi
Schroll
2012

16. Arbeitswelt
heute
und
morgen
Quelle:
Accenture
/
Z_punkt
2010
Willi
Schroll
2012

17. Zusammenarbeit
heute
und
morgen
Quelle:
Accenture
/
Z_punkt
2010
Willi
Schroll
2012

18. 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

19. Vielen
Dank
für
Ihre
Aufmerksamkeit!
Willi
Schroll,
strategiclabs
Berlin
about.com/wschroll
Willi
Schroll
2012

20. Ergänzungen
–
Diskussion
Willi
Schroll
2012

21. 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

22. 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

23. 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

24. 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

25. 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

26. 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

27. Anhang
Willi
Schroll
2012

28. 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
2015
hgp://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
Willi
Schroll
2012