|
Big Data? Frag doch einfach!
Klare Antworten aus erster Hand
Detlev Frick, Jens Kaufmann, Birgit Lankes
Narr
, UTB, UVK
EAN: 9783825254421 (ISBN: 3-8252-5442-9)
125 Seiten, paperback, 15 x 21cm, Oktober, 2023, 8 Abb.
EUR 17,90 alle Angaben ohne Gewähr
|
|
Umschlagtext
Alle sammeln Daten. Doch warum eigentlich? Die Autor:innen gehen dieser Frage auf den Grund. Sie verraten, was genau hinter dem Schlagwort Big Data steckt und welche Chancen und Risiken sich aus der Kombination von großen Datenvolumina und künstlicher Intelligenz ergeben. Auch auf das Management, die Verarbeitung, Visualisierung und die Haltung von Daten gehen sie ein und lassen darüber hinaus die rechtlichen Rahmenbedingungen des Datensammelns nicht außer Acht. Im Frage-Antwort-Stil leicht verständlich! Ein Buch für Studium und Praxis – ideal für Studierende der Wirtschafts-, Sozial- und Naturwissenschaften.
Prof. Dr. Detlev Frick, Prof. Dr. Jens Kaufmann und Diplom-Kauffrau (FH) Birgit Lankes lehren Wirtschaftsinformatik an der Hochschule Niederrhein.
Prof. Dr. Jens Kaufmann ist Inhaber der Professur für Wirtschaftsinformatik, insb. Data Science an der Hochschule Niederrhein. Zuvor war er mehrere Jahre in der Beratung bei Horváth & Partners sowie im Bereich des Global CIO bei der ERGO Group AG in Düsseldorf tätig. Er dozierte als Gastprofessor an der University of North Carolina in Charlotte, NC, USA, und beschäftigt sich in Lehre und Forschung schwerpunktmäßig mit der Anwendung von Data Science und ihrem Transfer in die betriebliche Praxis.
Rezension
Zu grundsätzlichen Themen und insbesondere zu gegenwärtig aktuellen Themen dibt die UTB-Reihe „Frag doch einfach“ „klare Antworten aus erster Hand“ - fundiert, faktenreich, Schritt für Schritt, in klarer Sprache und verständlich im Frage-Antwort-Stil (vgl. Inhaltsverzeichnis). In diesem kompakten Band geht es auf 100 S. um Big Data, um große Datenmengen, die zu groß und zu komplex sind, um sie mit herkömmlichen Methoden der Datenverarbeitung. Sie stehen in engem Zusammenhang mit Algorithmen und Informatik. Big-Data-Technologien stehen für eine neue Ära digitaler Kommunikation und Verarbeitung und bewirken einen erheblichen gesellschaftlichen Umbruch mit nicht unerheblichem Gefahrenpotential wie Überwachung der Menschen z.B. durch Vorratsdatenspeicherung, Verletzung von Persönlichkeitsrechten von Kunden durch Unternehmen, Intransparenz der Datenspeicherung (Cloud Computing), Intransparente Automatisierung von Entscheidungsprozessen in Software (z.B. beim Autonomen Fahren), Werbung, basierend auf Daten über die Internet- und Handynutzung etc. Die gesammelten Daten stammen aus verschiedensten Quellen wie z.B. Überwachungssystemen, Bank- bzw. Bezahlkarten, elektronische Kommunikation, Nutzung elektronischer Geräte (Fitnessarmbänder, Navigationssysteme etc.), Social-Media-Informationen usw.
Dieter Bach, lehrerbibliothek.de
Inhaltsverzeichnis
Vorwort 9
Was die verwendeten Symbole bedeuten 11
Zahlen und Fakten zu Big Data 13
Aktuelles Beispiel zu Big Data 17
1 Big Data im Kontext 21
1.1 Ist Big Data mit der 3V-Definition erklärbar? 22
1.2 Was sind strukturierte, semi-strukturierte und unstrukturierten Daten? 23
1.3 Business Intelligence oder Business Analytics - ist das nicht alles Big Data? 24
1.4 Wie unterscheiden sich Data Science/Data Mining/Maschinelles Lernen? 25
1.5 Superkraft Data Literacy? 26
1.6 Was kann künstliche Intelligenz (nicht)? 27
2 Betriebswirtschaftliche Fragestellungen 29
2.1 Sind Daten (Informationen) das neue Öl? 30
2.2 Ist Information ein Produktionsfaktor? 31
2.3 Warum benötigen Unternehmen eine Data Strategy? 32
2.4 Was versteht man unter einer Betriebsdatenanalyse? 33
2.5 Haben Kunden einen Wert und wie kann ein analytisches CRM unterstützen? 34
2.6 Wirkt Big Data auch auf Geschäftsmodelle? 35
2.7 Was versteht man unter Internet of Things? 36
2.8 Ein besonderer Einsatzbereich von IoT ist Predictive Maintenance! Warum? 37
3 Berichtswesen 39
3.1 Zahlen oder Kennzahlen, das ist hier die Frage! 40
3.2 Was macht Reporting? 41
3.3 Ist Visualisierung wichtig? 42
4 Datenmanagement 43
4.1 Was versteht man unter Data Engineering und wie setzt man es ein? 4
4.2 Was sind in diesem Zusammenhang Datenmodelle? 45
4.3 Was bedeutet NoSQL aus Sicht der Daten? 46
4.4 Was ist Harmonisierung? 47
4.5 Was ist der Unterschied zwischen ETL und ELT? 48
5 Datenverarbeitung 49
5.1 Was erstellt ein Big-Data-Architekt? 50
5.2 Sind klassische Data Warehouses überflüssig? 51
5.3 Was schwimmt in einem Data Lake? 53
5.4 Dient Streaming bei Big Data der Unterhaltung? 53
5.5 Was macht Clickstream-Daten wertvoll? 54
5.6 Was ist die Idee von Lambda-Architekturen? 55
5.7 Für welche Aufgaben eignen sich Batch-Verfahren? 56
5.8 Werden immer alle Daten betrachtet? 56
5.9 Wie werden die notwendigen Geschwindigkeiten erzielt? 57
6 Datenhaltung 59
6.1 Warum werden Daten verteilt gespeichert? 60
6.2. Wie wird verteilte Speicherung umgesetzt? 61
6.3 Warum skalieren NoSQL-Systeme horizontal? 62
6.4 Warum liegen viele Daten in Skandinavien?63
6.5 Lohnt es sich heute noch, SQL zu lernen? 64
6.6 Was bedeutet CRUD? 65
6.7 Welche Relevanz hat das ACID-Prinzip? 66
6.8 Was ist das CAP-Theorem? 68
6.9 Wie speichern soziale Netzwerke ihre Daten? 69
6.10 Was ändert sich durch dokumentenorientierte Speicherung? 70
6.11 Wie können große Datenmengen schneller abgerufen werden? 71
6.12 Ist Hyperscaling nur ein Hype? 72
6.13 Was passiert, wenn ein Datenserver ausfällt? 72
7 Analysemethoden 73
7.1 Erklären Korrelationen Zusammenhänge? 74
7.2 Wie kann Big Data visualisiert werden? 75
7.3 Wie schaffen grafische Auswertungen Übersicht? 76
7.4 Kann Big Data für Auswertungen reduziert werden? 77
7.5 Sind klassische Analysemethoden noch einsetzbar? 78
7.6 Was zeigt Zusammenhänge in Daten auf? 80
7.7 Warum hilft Big Data bei der Objekterkennung? 81
7.8 Sind Künstliche Neuronale Netze Teil von Big Data? 82
7.9 Wie werden Texte analysiert? 83
7.10 Welche Probleme bereitet Sprachverarbeitung? 84
7.11 Kann Big Data Wähler analysieren? 85
7.12 Sieht Big-Data-Analyse-Software aus wie in Filmen? 85
7.13 Ist Process Mining ein "Muss"? 86
8 Werkzeuge 87
8.1 Was ist Hadoop? 88
8.2 Womit werden Big-Data-Datenmodelle erstellt? 89
8.3 Womit wird im Bereich Big Data programmiert? 90
8.4 Welches NoSQL-Datenbanksystem ist das richtige? 93
8.5 Existiert eine Standardsoftware für Datenanalyse? 94
8.6 Wird spezielle Hardware für die Analysen benötigt? 95
8.7 Wie funktionieren Process-Mining-Werkzeuge? 96
9 Recht und Umfeld 97
9.1 Was ist Data Governance? 98
9.2 Was versteht man unter Data Privacy? 101
9.3 Was regelt die DSGVO? 102
9.4 In welchem Verhältnis steht das BDSG zur DSGVO? 103
9.5 Können Daten ohne Probleme in die USA übertragen werden? 104
9.5 Was versteht man unter IT-Security? 105
Glossar 107
Online- und Literaturtipps 111
Die Autoren Im Überblick 117
Verwendete Literatur 119
Wo sich welches Stichwort befindet 121
Weitere Titel aus der Reihe UTB |
|
|