Accenture-Stiftung Big Data – Vertiefung.

Präsentation zum Thema: "Accenture-Stiftung Big Data – Vertiefung."—  Präsentation transkript:

1 Accenture-Stiftung Big Data – Vertiefung

2 Hinweis - Haftungsausschluss
Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.

3 Aufbau Workshop Intro Willkommen & Vorstellung Ziele Workshop Inhalte
Vertiefte Definition von Big Data (Daten und Metadaten) Nutzung von Big Data in verschiedenen Kontexten Interaktiv Diskussionen (Gruppen-)Übungen Wrap up Zusammenfassung Ansprechpartner und weiterführende Links

4 Willkommen zum Workshop XXX
Begrüßung – Die etwas andere Vorstellungsrunde Mein Name Was sind meine Erfahrungen zu dem Thema? Was möchte ich heute lernen? Ice breaker 1 (geeignet für längere Workshops): Jeder Teilnehmer schreibt 2 Wahrheiten & eine „Lüge“ über sich auf, die anderen Teilnehmer müssen raten, was stimmt / nicht stimmt Trainer lässt im Verlauf des Workshops immer wieder ein paar Teilnehmer die Infos vorlesen und die anderen müssen raten. Kann man immer dann machen, wenn die Konzentration nachlässt bzw. bevor man einen neuen Themenblock beginnt. Ice breaker 2 (geeignet für längere Workshops): Jeder Teilnehmer schreibt eine Sache auf, auf die er / sie besonders stolz ist (Post-it-notes) Alle Zettel werden auf ein Flipchart geklebt Trainer ließt nach und nach vor, Gruppe muss raten, um wen es sich handelt

5 Ziele unseres heutigen Workshops
Am Ende dieses Moduls Haben die Teilnehmer ein vertieftes Verständnis von Big Data Kennen die Teilnehmer verschiedene Anwendungsbereiche von Big Data und haben diese kritisch hinterfragt

6 Agenda Big Data – Erweiterte Definition
Big Data – Erweiterte Anwendungsbeispiele

7 Agenda Big Data – Erweiterte Definition
Big Data – Erweiterte Anwendungsbeispiele

8 Frage 1: Quiz Wie groß ist Big Data? Keine genaue Definition
Über 1 Quintillion Bytes täglich Über 2.5 Quintillionen Bytes täglich Über 10 Quintillionen Bytes täglich Trainerhinweise / Script: Zur Wiederholung der Infos aus „Big-Data Einführung“ stellen die Quiz-Slides ein paar zentrale Fragen. Eine spannende Variante, um direkt bei der Quiz-Beantwortung das Thema Big Data näherzubringen ist die Applikation Plickers, mit der man als Trainer die Antworten der Teilnehmer scannen und die Ergebnisse in Echtzeit auf dem Screen anzeigen lassen kann. Vorbereitung dieser Variante dauert max. 30 Min – Infos auf plickers.com Antwort a: - Wann Data zu Big Data wird ist nicht genau quantifiziert Quelle:

9 Quiz Frage 2: Welches Datenvolumen generiert ein modernes Auto (connected car) pro Stunde? 25 MB 25 GB 50 MB 50 GB Trainerhinweise / Script: Trainerhinweise / Script:  Eine spannende Variante, um direkt bei der Quiz-Beantwortung das Thema Big Data näherzubringen ist die Applikation Plickers, mit der man als Trainer die Antworten der Teilnehmer scannen und die Ergebnisse in Echtzeit auf dem Screen anzeigen lassen kann. Vorbereitung dieser Variante dauert max. 30 Min – Infos auf plickers.com Antwort b. 25 GB Quelle:

10 Quiz Frage 3: Welches der folgenden datenliefernden Sensoren gibt es in Smartphones? Gyroskop Luftfeuchtigkeitssensor Beschleunigungssensor Alle genannten Trainerhinweise / Script: Hier noch eine neue Frage, die für die Vielzahl von Datenquellen in unseren Alltagsgegenständen sensibilisieren soll Antwort d: Alle genannten Erklärung: Gyroskop: Die Idee hatte 1817 der deutsche Physiker Johann Bohnenberger: Ein sich drehender Kreisel will die Richtung der Drehachse erhalten. Heute ist das Instrument so klein, dass es auf einen Chip passt: ungefähr vier mal vier Millimeter groß. Das Handy stellt damit fest, ob es hoch oder quer gehalten wird. Der Sensor nutzt die Corioliskraft und das sogenannte Stimmgabelprinzip, um die Lage zu bestimmen. Metallelemente werden durch Strom in Schwingung versetzt. Wird das Gerät bewegt, verändert sich die Schwingung der Metallelemente. Rund um sie herum angeordnete Kondensatoren registrieren das. Luftfeuchtigkeitssensor: Die Feuchte der Luft wird vom Temperatursensor mitgemessen – zumindest beim Samsung-Smartphone Galaxy S4, wo beide Funktionen in einem Chip von drei mal drei Millimetern Größe integriert sind. Ermittelt wird sie über die elektrische Kapazität eines Elementes, das wie ein Kondensator aufgebaut ist. Zwischen den beiden leitenden Platten befindet sich ein Polymer. Es kann Wasser aufnehmen und abgeben, wobei sich die Kapazität der stromführenden Schicht ändert und gemessen wird. Aus ihr wird die Luftfeuchte errechnet.  Beschleunigungssensor: Wird das Handy gedreht, ändert sich die Richtung, aus der die Schwerkraft auf das Gerät wirkt. Diese Kräfteverschiebung misst ein sogenanntes Akzelerometer auf drei Achsen: links/rechts (X-Achse), oben/unten (Y) und hinten/vorne (Z). Der Sensor ist nur drei mal drei mal einen Millimeter groß. Er besteht aus einem sogenannten mikroelektro-mechanischem System . Ein wenige Mikrometer breiter Siliziumstab dient als Feder. Bewegt sich das Gerät, wird der Stab durch seine Massenträgheit ausgelenkt und verändert seine Position gegenüber einer festen Elektrode. Dadurch ändert sich die elektrische Kapazität. Diese Änderung wird genutzt, um auf die Höhe der Beschleunigung zu schließen. Für jede der drei Ebenen gibt es einen solchen Siliziumstab, zusammen ergeben sie für jede Richtung Beschleunigungswerte.  Quelle:

11 Vertiefung: Aspekte von Big Data
Volumen Geschwindigkeit Vielzahl an Quellen Entscheidungs-hilfe Trainerhinweise / Script: Big Data lässt sich entlang verschiedener Dimensionen bzw. Aspekte beschreiben: Kapazitäten, um ein extrem großes und immer schneller wachsendes Datenvolumen zu bearbeiten Möglichkeit, dieses große Datenvolumen mit hoher Geschwindigkeit zu verarbeiten Möglichkeit, Daten aus einer Vielzahl an Quellen auszuwerten und zu kombinieren Dank dieser Aspekte werden neue Zusammenhänge sichtbar und Entscheidungshilfen generiert

12 Rohdaten Information Wissen
Daten & Metadaten Rohdaten Information Wissen Inhaltsbezogene Daten Metadaten Inhalt eines Telefongesprächs Stichworte, die man über Google sucht Dauer eines Telefongesprächs, Gesprächsteilnehmer, Orte Aufruf von Google Trainerhinweise / Script: Dieses Training baut auf dem Wissen auf, das sich die Teilnehmer in den Workshops / Modulen „Big Data – Einführung“ angeeignet haben. In der initialen Definition ging es um Datenmengen und die Geschwindigkeit, mit der wir Daten produzieren. Auf dieser Slide wird die Definition weiter detailliert bzw. neue Aspekte eingeführt. Erklärung: Ein einzelner Rohdatensatz für sich macht meistens noch nicht besonders viel Sinn. Erst durch das Zusammenführen sehr vieler Rohdatensätze kann systematisch Information aufgebaut werden. Diese Information wiederum lässt sich auch wieder interpretieren und mit anderen Informationen kombinieren. So kann man Zusammenhänge, Regelmäßigkeiten und Anomalien erkennen und damit letztlich Wissen aufbauen. Beispiel: Die Geodaten eines einzigen Berufspendlers in einer Stadt können noch keine Aussage machen über das Fahrverhalten von Pendlern allgemein, und sie nützen im Einzelnen auch nichts, um zum Beispiel ein Verkehrskonzept zu erstellen. Kombiniert man aber die Geodaten vieler Berufspendler, lassen sich die bevorzugten (und vermutlich auch mit Staurisiko belegten) Wege identifizieren. Kombiniert man diese Bewegungsinformation (von Punkt A nach Punkt B) mit Informationen über die Dauer des Pendelns, von Staus etc., so kann man herausfinden, wo besonders kritische Punkte liegen und an diesen Stellen entsprechende Verkehrskonzepte gestalten, die zur Entlastung beitragen. Beispiel: Erschließung des Verkehrs in einer afrikanischen Stadt Rohdaten können unterschiedliche Qualitäten haben: inhaltsbezogene Daten oder Metadaten. Metadaten sind Daten, die die inhaltliche Information in einen Kontext setzen, also zum Beispiel: wann ist etwas geschehen, wie lange hat etwas gedauert, wo ist die Datenquelle, wer ist beteiligt? Metadaten für sich genommen sind schon sehr interessant, in Kombination mit inhaltsbezogenen Daten können sie aber noch stärker zur Entstehung von Wissen beitragen.

13 Metadaten & Big Data Welche Meta-Informationen liefert ein Telefongespräch? Welche sensorischen (Meta-)Daten liefern Mobiltelefone - Beispiele? Standort der Gesprächspartner Beginn- und Endzeit des Telefonats Dauer des Telefonats Anrufende & gewählte Telefonnummer Erstmaliges Telefonat oder wiederholte Gespräche ▲ Temperatur, Luftdruck, Niederschlag am Standort des Trägers ▲ Bewegungsrichtung und Geschwindigkeit Helligkeit zur Anpassung der Displaybeleuchtung Magnetometer (Kompass-Funktion) Schall-/Geräuschinfos aus Mikrofonen (Abhörmöglichkeit!) Bewegungsinformationen (auch Augenbewegungen) über Kamera Biometrische Daten (Puls, Herzschlag) Aus einer Tatsache (z.B. Telefongespräch) kann eine Vielzahl von Daten gewonnen werden, die man dann kombinieren und aus denen man Informationen auslesen kann. Auch ohne unsere Aktivität entsteht eine enorme Anzahl an Metadaten ganz einfach dadurch, dass Sensoren und Apps in unseren Smartphones permanent Informationen aus der Umgebung und vom Gerät selbst sammeln. Viele dieser Infos sind sinnvoll und notwendig, um bestimmte Funktionalitäten zu gewährleisten. Allerdings ist es für uns Nutzer meistens nicht transparent, ob die Daten an Dritte weitergegeben werden und wozu sie dann weiterverwendet werden. So gibt es viele Apps, die Informationen einsammeln, die sie für die eigentliche Funktionalität nicht benötigen (Stichwort: Taschenlampen-App: Soll eigentlich nur Licht spenden aber sammelt zum Beispiel Standortdaten des Nutzers…) Erklärung Mikrofone als Datenlieferanten: Inzwischen werden mehrere Mikrofone in ein Gerät eingebaut, beim iPhone 5 sind es schon drei. Zwei an der Unterseite zum Hineinsprechen – so lässt sich messen, wo sich eine Geräuschquelle befindet, da der Schall zu unterschiedlichen Zeitpunkten die Mikrofone erreicht. Ein drittes ist auf der Rückseite des Gerätes montiert. Es misst Hintergrundgeräusche und filtert diese während eines Gesprächs heraus. Allerdings kann das System damit auch wie ein Richtmikrofon genutzt werden. Weitere Erläuterungen Siehe PDF (Artikel aus der Zeit) im Trainingsordner oder hier:

14 Agenda Big Data – Erweiterte Definition
Big Data – Erweiterte Anwendungsbeispiele

15 Mit „Ally“ gegen das Großstadt-Verkehrschaos
Ally sammelt die Bewegungsdaten von Nutzern in Großstädten Je mehr Daten, desto mehr Erkenntnisse: Staugefahr Verspätungen Alternativwege Langfristig Entlastung für Städte und deren Bewohner Nutzer tragen zu dieser Entlastung bei, indem sie ihre Daten zur Verfügung stellen Großstädte – oder besser: Megacities – insbesondere in Asien, Afrika und Südamerika ersticken heute im Verkehr. Die öffentlichen Nahverkehrssysteme sind unzuverlässig und überlastet – in Bussen in Mexico City können auf 1 Quadratmeter 8 Passagiere kommen. Billige, inoffizielle Alternativbeförderung ist illegal und gefährlich – außerdem kann diese nicht von Behörden oder Verkehrsdienstleistern nachvollzogen werden. Das Berliner Startup Allryder hat sich zum Ziel gesetzt, Großstädte zu kartografieren um so sinnvolle Verkehrskonzepte und Alternativen für deren Bewohner zu bieten. Die Idee ist so einfach wie genial: Eine App vollzieht die Wege des Smartphonebesitzers nach: wann ist er von wo nach wo unterwegs, wie lange braucht er etc. Als einzelnes Datum nutzt das noch nicht viel aber kommt eine große Zahl solcher Nutzerdaten zusammen, können wichtige Erkenntnisse gewonnen werden: Welches sind die bevorzugten Wege und Uhrzeiten, sind diese Zeitweise überlastet, welche Alternativen wählen einzelne Anwender, die auch für andere Sinn machen könnten etc. Je mehr Daten, desto besser sind die Erkenntnisse – auch der informelle Verkehr (z.B. Minibusse in Indien) kann so erfasst werden. Letztlich profitieren die Nutzer davon, dass Ally, wenn genug Daten vorhanden sind, zuverlässige Informationen über Verkehrsaufkommen, öffentliche Verkehrsmittel, Alternativwege und Transportmittel zur Verfügung gestellt werden können und die App so zu einer Entlastung der Nutzer und ihrer Städte beiträgt. Zeit-Artikel über Ally (Allryder): Weitere Infos:

16 Mit SORMAS gegen Epidemien
Über massenhafte Bewegungsdaten und Aufenthaltsorte antizipieren, wie sich ein Virus verbreitet und wie man es am besten stoppt Auch in schwer zugänglichen Gegenden Keine Angewiesenheit auf Kollaboration mit lokalen Regierungen & Behörden Z.B. SORMAS-Technologie zur Erfassung, Überwachung & Management von Ebola- Verdachtsfällen Hilft & schützt Kontaktpersonen Verringert Risiko von Neuansteckungen Ortsübliche Mobiltelefone aber modernste Datenverarbeitungstechnologie (Big Data, Analytics, Cloud) SORMAS - Surveillance & Outbreak Response Management System for EVD Outbreak Management. Die andauernde Ebola-Virus-Epidemie in Westafrika und das mögliche Wiederauftreten neuer Ebola-Virusinfektionen (EVD) in Ländern wie Nigeria erfordert eine Verstärkung der Seuchenüberwachung und -kontrolle. Ziel des SORMAS-Projektes ist es, mit Hilfe von Mobiltechnologie die Erfassung, Kommunikation und Management von Ebola-Verdachtsfällen, deren Kontaktpersonen und neu auftretenden Infektionen zu unterstützen und damit bei Auftreten von neuen Verdachtsfällen oder Infizierten, eine Weiterverbreitung frühzeitig einzudämmen. Gemeinsam mit dem nigerianischen „Programme for Field Epidemiology and Laboratory Training“ hat die Abteilung Epidemiologie des HZI (Prof. Dr. Krause) ein Projekt ins Leben gerufen, das mithilfe modernster Technologie helfen soll, diese Herausforderung in West-Afrika zu bewältigen. Um den besonderen technischen Voraussetzungen westafrikanischer Länder gerecht zu werden, kommen vor Ort handelsübliche Mobiltelefone zum Einsatz, die ohne zusätzliche Installationen als Steuerungsinstrument für die Infektionsschutzmaßnahmen und zur Echtzeitübermittlung epidemiologischer Daten dienen. Zur Beherrschung der Komplexität und Flexibilität der Datenverarbeitung kommt hingegen eine zentrale Hochleistungs-Datenmanagement-Plattform von SAP sowie die Cloud Technologie zum Einsatz. Es ist vorgesehen, SORMAS bereits bis April 2015 in zwei Staaten Nigerias zu pilotieren und zu evaluieren. Anschließend könnte dieses System in anderen Ländern West-Afrikas zur Verfügung gestellt werden. Link:

17 Mit Big Data gegen Terror und Bedrohung
Nachrichtenagenturen sammeln permanent zahllose Daten Viele Daten sind Metadaten, die meisten werden auch nicht von Menschen eingesehen Über die Auswertung von Massendaten sollen Sicherheitsrisiken und Bedrohungslagen antizipiert werden Verdächtige Verhaltensmuster (insbesondere bekannter Straftäter oder Verdächtiger) können schnell erkannt werden Maschinelle Erkenntnisse werden von Menschen geprüft – Mensch-Maschine Zusammenarbeit

18 Kritische Aspekte Big Data führt zur De-Anonymisierung des Kunden, die Gefahr des Datenmissbrauchs ist groß Big Data nützt monetär eher den Unternehmen als den Verbrauchern, deren Daten gesammelt werden Je größer die Datenmenge, desto größer das Fehlerpotential – unsinnige Korrelationen können haltlose Verdachtsfälle kreieren Big Data kann wissenschaftliche Erkenntnisse nicht ersetzen. Die Gefahr besteht aber, dass pseudowissenschaftliche Big Data-Erkenntnisse als Informationsbasis herangezogen werden Zunächst Frage an die Teilnehmer: Big Data hat viele positive Aspekte - fallen euch auch negative Aspekte ein? Wenn ja, welche? Nach der Diskussion oder begleitend dazu die Punkte aufrufen. Zu Punkt 1: Maßnahmen wie Safe Harbor (Datenschutzvertrag für Unternehmen zwischen EU und USA) stellen hier keine rechtlich sichere Möglichkeit für die Gewährleistung des Datenschutzes dar Zu Punkt 2: US$ 125Mrd machte der Big Data Analytics Markt in 2015 aus, diese Summe landet bei Unternehmen, nicht beim Verbraucher Zu Punkt 3: Je größer die Datenmenge, desto mehr Möglichkeiten gibt es, vermeintliche Verbindungen und Muster zu erkennen. Diese sind vielleicht mathematisch/statistisch korrekt, nicht aber logisch schlüssig oder relevant. Beispiele hier: Zu Punkt 4: gutes Beispiel hierfür ist das Scheitern von Google Flu Trends – ursprünglich gestartet als DIE Erkenntnismaschine für die Verbreitung von Grippe (durch Auswertung der Suchbegriffe der Anwender) lag es nach einiger Zeit 140% daneben. Weitere Infos hier:

19 Fragen? ? Zum Abschluss auf die Erwartungen eingehen, die die Teilnehmer für sich notiert haben oder die am Flipchart stehen. Konkret darauf eingehen und nachhaken, wo noch Fragen offen sind.

20 Ansprechpartner und weiterführende Links
Bitte nenne Ansprechpartner und weiterführende Links

21 Hinweis - Haftungsausschluss
Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.