Big Data - Chancen, Risiken, Entwicklungstendenzen
von: Christian König, Jette Schröder, Erich Wiegand
Springer VS, 2017
ISBN: 9783658200831
Sprache: Deutsch
180 Seiten, Download: 7941 KB
Format: PDF, auch als Online-Lesen
| Inhalt | 6 | ||
| Vorwort | 7 | ||
| 1 Begrüßung durch die Direktorin beim Statistischen Bundesamt | 9 | ||
| 2 Big Data - Chancen, Risiken, Entwicklungstendenzen Einführung in die Tagung | 13 | ||
| Rahmenbedingungen der Datennutzung | 14 | ||
| Aus- und Weiterbildung | 15 | ||
| Datenspezifische Herausforderungen | 15 | ||
| 3 Big Data - Anwendungen in der Marktforschung | 17 | ||
| 1 Einleitung | 17 | ||
| 2 Was sind „Big Data“? | 18 | ||
| 3 „Big Data“ in der Marktforschung | 18 | ||
| 3.1 Big Data-Anwendungen in der Marktforschung | 19 | ||
| 3.2 Weitere Anwendungen | 25 | ||
| 4 Zusammenfassung | 25 | ||
| 4 International Program in Survey and Data Science | 26 | ||
| 1 Kurzporträt | 26 | ||
| 2 Motivation für einen neuen Studiengang | 27 | ||
| 3 Studieninhalte | 28 | ||
| 4 Details des International Program for Survey and Data Science (IPSDS) | 30 | ||
| 4.1 Online-Format | 31 | ||
| 4.2 Modularer Aufbau und Arbeitsaufwand | 33 | ||
| 4.3 Bisherige Ergebnisse | 36 | ||
| 5 Herausforderung und Ausblick | 39 | ||
| Literatur | 39 | ||
| 5 Neue digitale Daten in der amtlichen StatistikLara | 41 | ||
| Einleitung1Mit | 41 | ||
| 2 Digitale Daten und amtliche StatistikMit | 43 | ||
| 3 Nationale Roadmap zur Integration neuer digitaler Daten in amtliche Statistiken | 46 | ||
| 3.1 Administrative Aspekte der Integration neuer digitaler Daten | 47 | ||
| 3.2 Vorprodukte amtlicher statistischer Ergebnisse | 51 | ||
| 3.3 Nationale Machbarkeitsstudien | 52 | ||
| 4 Ausblick | 55 | ||
| Literatur | 57 | ||
| 6 Internetbasierte Erfassung offener Stellen im Statistischen Bundesamt | 59 | ||
| 1 Das ESSnet Projekt Big Data | 59 | ||
| 2 Assessment der Jobportale | 60 | ||
| 3 Beschaffung der Daten von Jobportalen | 68 | ||
| 4 Daten zu offenen Stellen bei der Bundesagentur für Arbeit | 70 | ||
| 5 Erste Ergebnisse zur Datenqualität von Jobportalen | 74 | ||
| 5.1 Dublettenprüfung | 74 | ||
| 5.2 Vergleich der Daten von Jobportalen mit den Ergebnissen der Stellenerhebung | 75 | ||
| 5.3 Das Unternehmensregister in Deutschland | 77 | ||
| 6 Rekrutierungswege potentieller Arbeitgeber | 79 | ||
| 7 Zusammenfassung und Ausblick | 80 | ||
| Literatur | 82 | ||
| 7 Data Science als StudiengangGöran | 85 | ||
| 1 Data Science als neues wissenschaftliches GebietDas | 85 | ||
| 2 Data Science und Big Data | 87 | ||
| 3 Studiengang Data Science@LMUData | 90 | ||
| 4 Statistik und Informatik in Data Science | 91 | ||
| 5 Datenethik, Datenschutz, Datensicherheit | 92 | ||
| 6 Weitere Informationen | 93 | ||
| 8ISO Norm 19731 – Digital Analytics and Web Analyses | 94 | ||
| 1 Entstehung und normungssystematische Einordnung der ISO 19731 | 94 | ||
| 1.1 Standards zur Qualitätssicherung | 95 | ||
| 1.2 DIN 77500 Markt- und Sozialforschungs-Dienstleistungen | 96 | ||
| 1.3 ISO 20252 Markt-, Meinungs- und Sozialforschung | 96 | ||
| 1.4 ISO 26363 Access Panels in der Markt-, Meinungs- und Sozialforschung | 97 | ||
| 1.5 EN 15707 Printmedienanalysen – Begriffe und Dienstleistungsanforderungen | 98 | ||
| 1.6 ISO 19731 Digital analytics and web analyses | 98 | ||
| 2 Methodische und forschungspolitische Bedeutung der Norm ISO 19731 | 99 | ||
| 2.1 Anwendungsbereich der Norm ISO 19731 | 99 | ||
| 2.2 Politische Bedeutung der Norm ISO 19731 | 100 | ||
| 3 Notwendigkeit und Alternativen der Revision der ISO Norm 19731 | 101 | ||
| 3.1 Revision der ISO Norm 19731 | 101 | ||
| 3.2 Normen und technische Spezifikationen | 103 | ||
| 4 Entwicklung der gesetzlichen Rahmenbedingungen (in Europa) | 104 | ||
| 5 Resümee | 105 | ||
| Literatur | 105 | ||
| 9 Big Data in der statistischen Methodenberatung | 107 | ||
| 1 Big Data & Co.: Was verbirgt sich dahinter? | 107 | ||
| 2 Big Data, Big Power: Vier Beispiele für „Big Data“ Projekte aus der Praxis der statistischen Methodenberatung | 113 | ||
| 2.1 Betrugserkennung bei Fahrzeugen | 113 | ||
| 2.2 Personalplanung für eine Versicherung | 114 | ||
| 2.3 Wetter-Targeting in der Werbung | 116 | ||
| 2.4 Smart Data Labs am Frankfurter Flughafen | 118 | ||
| 3 Big Data, Big Problems? Ausblick und Diskussion | 121 | ||
| Literatur | 122 | ||
| 10 Big Data in der wirtschaftswissenschaftlichen Forschung | 124 | ||
| 1 Einleitung | 124 | ||
| 2 Big Data: Struktur, methodische Herausforderungen und Potenziale | 126 | ||
| 3 Big Data in der Forschung eines Wirtschaftsforschungsinstituts | 132 | ||
| 4 Fazit | 138 | ||
| Literatur | 141 | ||
| 11 Datenschutz bei Big DataRechtliche und politische Implikationen | 144 | ||
| 1 Einleitung | 144 | ||
| 2 Das Phänomen Big Data | 145 | ||
| 3 Grundlagen des Datenschutzrechts | 146 | ||
| 3.1 Grundrechtliche Vorgaben in Deutschland und Europa | 147 | ||
| 3.2 Bundesdatenschutzgesetz und Datenschutz-Grundverordnung | 150 | ||
| 4 Rahmenbedingungen der Datenschutz-Grundverordnung | 151 | ||
| 4.1 Ausgangspunkt: Personenbezug der Daten | 151 | ||
| 4.2 Allgemeine Grundsätze zur Verarbeitung personenbezogener Daten | 152 | ||
| 4.3 Sonderregelungen für Archive, wissenschaftliche oder historische Forschung und Statistik | 156 | ||
| 5 Herausforderungen durch Big Data | 158 | ||
| 5.1 Kombination „anonymer“ und öffentlich verfügbarer Daten | 158 | ||
| 5.2 Analysen zu immer neuen und zu unbekannten Zwecken | 162 | ||
| 5.3 Einsatz komplexer Algorithmen | 165 | ||
| 6 Ausblick | 168 | ||
| Literatur | 170 | ||
| Adressen der Autorinnen und Autoren | 179 |