Big Data im Trend: Fluch oder Segen?

Die Abbildung unseres Lebens in der digitalen Welt schreitet voran. Immer mehr Maschinen sammeln Daten über alles mögliche, was wir tun. Wie beurteilen wir Chancen und Gefahren?

Die Abbildung unseres Lebens in der digitalen Welt schreitet voran. Immer mehr Maschinen sammeln Daten über alles mögliche, was wir tun. Trends wie Big Data, Business Intelligence, Machine-to-Machine, The Internet of Things oder Smart Home sind dabei nur Sammelbegriffe, die diese Verschmelzung aus unterschiedlicher Optik beschreiben. Verfügt z.B ein Kühlschrank oder eine Kaffeemaschine über eine SIM-Karte und macht automatisch Bestellungen, in dem sie vorher verschiedene Marktpreise diverser Anbieter miteinander vergleicht, ist das genau so ein Thema. Die Vernetzung dieser Informationen hat viele Vorteile in unterschiedlichsten Bereichen – aber auch Gefahren. Als bestes Beispiel ist wohl der «gläserne Patient» zu nennen. Könnten meine Patientendaten im Internet verkauft werden? Wem gehören denn diese Informationen und wer verwaltet sie?  Was passiert im Katastrophenfall?

Ohne Zweifel: Big Data verfügt über ein enormes ökonomisches Potential. Die Information als 4. Produktionsfaktor kann – gerade bei zunehmender Vernetzung – ganz neue Geschäftsmodelle hervorbringen, die unser Leben verbessern. Wie begegnen wir aber der damit verbundenen Steigerung der Komplexität – insbesondere  im Hinblick auf rechtliche Fragen? Wie können wir beurteilen, wo und wann welche Informationen wie verwendet werden?

Wichtig ist: Bei einem Big Data Case sind die Vor- und Nachteile aus unterschiedlichen Perspektiven sorgfälltig abzuwägen und einander gegenüberzustellen. Persönlich habe ich mir – relativ pragmatisch und zugegebenermassen unwissenschaftlich 😉 – ein Denkmuster mit 6 Bewertungsperspektiven zugelegt. Dabei stelle ich mir sowohl als Privatperson, wie auch als BI-Spezialist, folgende Fragen:

Big_Data_Perspektiven

  • Nutzen: Schafft das Vorhaben eine Verbesserung im Leben der Menschen? Werden Prozesse im Unternehmen (oder über verschiedene Organisationen hinweg) optimiert? Können damit neuartige Produkte entwickelt werden? Sind klare und für die Beteiligten sinnvolle Anwendungsfälle erkennbar?
  • Finanziell: Kann mehr als eine Partei von dem Big Data Vorhaben finanziell profitieren? Konsumenten, Unternehmen, Lieferanten & Partner, Behörden, etc.? Stimmt das Verhältnis von Aufwand- und Ertrag?
  • Ethik: Handelt es sich um ein ethisch und moralisch korrektes Vorhaben? Besteht die Gefahr, dass die Daten kriminell verwendet werden?  Ist Missbrauch auszuschliessen?
  • Rechtlich: Werden alle Vorschriften, z.B in Bezug auf das Datenschutzgesetz (DSG) eingehalten? Kann genau bestimmt werden, wer Eigner der Daten ist? Können alle politischen und gesetzlichen Anforderungen erfüllt werden? Ist es damit möglich, Kunden Einsicht in die über sie geführte Datensammlung zu gewähren?
  • Organisatorisch: Kann das «Big Data Ökosystem» (z.B im Sinne der Systemtheorie) vollständig verstanden werden? Welche Player sind an der Lösung wie beteiligt? Wie sind die eigenen AKV (Aufgaben, Verantwortung, Kompetenzen) geregelt? Big Data ist mehr als Business Intelligence, Data Warehousing oder gar Enterprise Architecture. Mit Big Data bewegt sich ein Unternehmen zunehmend ausserhalb der eigenen Grenzen. Verfügt die Organisation über die Fähigkeit, das ganze Ökosystem end-to-end zu managen? Ist auf dem Arbeitsmarkt genug qualifiziertes Personal verfügbar? Wer betreibt welche Komponenten der Hard- und Software? Im Zeitalter von Outsourcing (Hosting, Cloud) ist es zunehmend wichtig, den Überblick zu haben und zu verstehen, welche SLA (Service Level Agreements) und OLA (Operational Level Agreements) intern und extern sicherstellen, dass die Big Data Lösung end-to-end verfügbar ist. Ausserdem: Welche Best Practice Ansätze für Betriebs- (z.B ITIL, CoBIT) und Projektmethoden (Wasserfall-Modell, SCRUM, etc.) eignen sich im konkreten Fall?
  • Technisch: Handelt es sich um «state of the art» Technologien? Sind die Hard- und Software-Lieferanten zuverlässig? Wurde eine nachhaltige Architektur konzipiert, die sich für neue Anwendungsfälle flexibel erweitern lässt? Wie wird mit Daten- und Applikationsschnittstellen, Web Services und API umgegangen? Wie ist der Mix aus Open-Source und kommerzieller Technologie? Welche Lizenzmodelle werden eingesetzt? Welche Security- Berechtigungskonzepte sind implementierbar?

Liebe Leser, Reporting-, BI- & DWH-Experten, Big Data Kenner und Neulinge: Wie seht ihr die Thematik? Welche Überlegungen spielen bei Euch eine Rolle? Welche Gefahren und Chancen seht ihr in Big Data?

Bis bald,
Matthias

[poll id=”10″]