Big Data und Data Warehouse. Datenschutz und Relevanz von Big Data im Unternehmen

Essai , 2020 , 15 Pages , Note: 1,0

Informatique - Informatique Appliquée à la Gestion

Ziel dieses Essays ist es, den Begriff Big Data und Big Data Analytics darzulegen und ihn mit Data Warehouse zu vergleichen. Auch die Relevanz von Big Data im Unternehmen sowie die Einhaltung des Datenschutzes sollen in diesem Essay dargelegt werden.

Zunächst wird es eine Begriffsbestimmung zu Big Data und Data Warehouse geben. Danach werden die Unterschiede in Bezug auf Datenspeicherung, Datenherkunft und Datenqualität von Big Data und Data Warehouse beleuchtet. Im letzten Abschnitt geht es um den Datenschutz und die damit verbundenen Folgen bei Nichteinhaltung sowie um die Relevanz von Big Data im Unternehmen. Zusammengefasst und bewertet wird das Thema im Fazit.

Inhaltsverzeichnis

Abbildungsverzeichnis

1. Einleitung

2. Big Data
2.1 Begriffsbestimmung
2.1.1 Volume (Menge)
2.1.2 Velocity (Geschwindigkeit)
2.1.3 Variety (Vielfalt)
2.1.4 Veracity (Wahrhaftigkeit)
2.1.5 Analytics
2.2 Anwendungsbereich

3. Data Warehouse
3.1 Begriffsbestimmung
3.2 Anwendungsbereich

4. Unterschied Big Data und Data Warehouse
4.1 Datenspeicherung
4.2 Datenherkunft
4.3 Datenqualität

5. Datenschutz im Hinblick auf Big Data
5.1 Überblick über die Rechtliche Grundlage in Bezug auf Personenbezogene Daten
5.2 Folgen von Verstößen gegen den Datenschutz

6. Relevanz von Big Data im Unternehmen

7. Fazit

8. Literaturverzeichnis
8.1 Gedruckte Quellen
8.2 Internetquellen

Abbildungsverzeichnis

Abbildung 1: In Unternehmen genutzte Technologien

1. Einleitung

Schnell etwas auf Amazon bestellen, einen Film auf Netflix schauen, einen kurzen Post auf Facebook verfassen und natürlich darf auch die WhatsApp Nachricht nicht fehlen. All das sind Dinge die jeder kennt und fast jeder täglich macht. Durch dieses tägliche Nutzerverhalten entsteht eine riesige Datenmenge, welche zu einer Währung geworden ist. Die Bundeskanzlerin Angela Merkel sagte auf der CEBIT (Centrum für Büroautomation, Informationstechnologie und Telekommunikation), der weltweit größten Messe für Informationstechnik, dass Daten die Rohstoffe des 21. Jahrhunderts seien. Schaut man sich die Prognosen zum Volumen der jährlich generierten digitalen Datenmengen weltweit an, sollen diese im Jahr 2025 bei 175 Zettabyte liegen. Damit würde sich das Volumen an Daten im Vergleich zu 2018 (33 Zettabyte) verfünffachen. Man erkennt, dass Big Data eine Technologie ist, welche das digitale Zeitalter mit sich bringt und aus diesem auch nicht mehr wegzudenken ist.

Ziel dieses Essays ist es, den Begriff Big Data und Big Data Analytics darzulegen und ihn mit Data Warehouse zu vergleichen. Auch die Relevanz von Big Data im Unternehmen sowie die Einhaltung des Datenschutzes sollen in diesem Essay dargelegt werden.

Zunächst wird es eine Begriffsbestimmung zu Big Data und Data Warehouse geben. Danach werden die Unterschiede in Bezug auf Datenspeicherung, Datenherkunft und Datenqualität von Big Data und Data Warehouse beleuchtet. Im letzten Abschnitt geht es um den Datenschutz und die damit verbundenen Folgen bei Nichteinhaltung sowie um die Relevanz von Big Data im Unternehmen. Zusammengefasst und bewertet wird das Thema im Fazit.

2. Big Data

2.1 Begriffsbestimmung

Obwohl der Begriff Big Data häufig verwendet wird, gibt es bis heute keine allgemeingültige Definition. Im IT-Glossar der Gartner Group wird Big Data wie folgt Definiert:

„Big data is high-volume, high-velocity and/or high-variety information assets that demand cost-effective, innovative forms of information processing that enable enhanced insight, decision making, and process automation.“

Zusammenfassend kann man demnach sagen, dass es bei Big Data Anwendungen um die Beherrschung der drei V's, nämlich Volume (Menge), Velocitiy (Geschwindigkeit) und Variety (Vielfalt), geht. Im Laufe der Zeit und unter Betrachtung des enormen Wachstums von Social Media und den damit verbundenen Möglichkeiten von öffentlichen Äußerungen wurde noch ein viertes Merkmale, nämlich Veracity (Wahrhaftigkeit) hinzugefügt.

2.1.1 Volume (Menge)

Volume steht offensichtlich für die namensgebende Eigenschaft von Big Data, da die Datenmenge aufgrund von digitalen Daten immer größer wird. Die Eigenschaft Volume stellt die Anforderungen an das konkrete System, welches in der Lage sein muss, sehr große Datenvolumen zu verarbeiten. Ab welchem Datenvolumen der der Datenbestand als zu umfangreich gilt ist nicht eindeutig definiert, er liegt aber wohl im Tera- bis Zettabereich.

2.1.2 Velocity (Geschwindigkeit)

Velocity bedeutet Geschwindigkeit. Der Begriff wird jedoch in der Literatur nicht einheitlich Definiert, so sprechen manche von der Geschwindigkeit mit der Daten produziert und verändert werden und manche von der Geschwindigkeit mit der neue Daten entstehen. Die beiden Merkmale Volume und Velocity stehen in einer Wechselbeziehung zueinander, denn je schneller gerechnet wird, desto mehr Daten werden in immer kürzerer Zeit produziert.

2.1.3 Variety (Vielfalt)

Unter Variety versteht man die Heterogenität von Datenquellen und Datenformaten. Daten können in den unterschiedlichsten Bereichen zu den unterschiedlichsten Zwecken gespeichert werden, wodurch die Vielfalt der Datenmengen entsprechend groß ist. Das Spektrum reicht von strukturierten Daten wie z. B. aus Datenbanken bis hin zu unstrukturierten Daten wie z. B. Video-Streams, Social Media-Inhalte.

2.1.4 Veracity (Wahrhaftigkeit)

Veracity umfasst die Richtigkeit, Vollständigkeit und Verlässlichkeit der erfassten Dateninhalte. Herausforderung hierbei ist es, dass die Daten aus unterschiedlichsten Quellen stammen und deren objektive Erkenntniswerte nicht sicher messbar sind. Bestes Beispiel hierfür sind Postings in Social Media Plattformen, welche nur vor Subjektivität strotzen. Die gesammelten Daten besitzen demnach eine gewisse Ungenauigkeit, welche es bei der Planung, Durchführung und Bewertung von Analysen zu beachten gilt.

2.1.5 Analytics

Big Data Analytics ermöglicht es mit fortschrittlichen Analyseverfahren Datensätze zu analysieren, welche strukturierte, teilstrukturierte und unstrukturierte Daten aus unterschiedlichen Quellen erhalten und in unterschiedlicher Größe vorkommen. Dadurch, dass solche großen Datenmengen Analysiert werden können, können Forscher und Geschäftsführer bessere und schnellere Entscheidungen treffen, indem Sie Daten nutzen, welche vorher unzugänglich oder. unbrauchbar waren.

[...]

• Université: University of applied sciences, Cologne
• Note: 1,0
• Auteur: Laura Scharnbach (Auteur)
• Année de publication: 2020
• Pages: 15
• N° de catalogue: V1185133
• ISBN (PDF): 9783346613905
• Langue: allemand
• mots-clé: Big Data, IT, Projektmanagement, Daten