w26M2

Eine wichtige Frage im Zusammenhang mit der Verwertung
persönlicher digitaler Daten ist noch Gegenstand
der Forschung: Wie kann ein Modell zur Verwertung
persönlicher digitaler Daten aussehen, das Dateninhaber,
Datenverwerter sowie Dienstleister der Datensicherung,
Datenaufbereitung sowie des Datenschutzes zusammenführt
Als eine mögliche Antwort auf die Herausforderungen
im Umgang mit persönlichen digitalen Daten
wird die Etablierung einer Deutschen Daten-Treuhand
vorgestellt. Diskutiert werden auch Konzepte, durch
Rollenverteilung den Personenbezug von Daten zu
vermeiden. Von großem Interesse für Big-Data-Projekte
sind auch Erfahrungen bei der Implementierung von
Open-Data-Ansätzen.
Ergänzende Informationen
Ein Glossar und ein Sachwortregister helfen bei der Orientierung
in diesem Leitfaden. Weitere Hilfestellung können
Interessierte u.a. bei den Unternehmen und Organisationen
erhalten, deren Experten diesen Leitfaden erarbeitet
haben.
Herausforderungen im Betrieb von Big-Data-
Lösungen
Im Betrieb geht es darum, Big-Data-Lösungen effizient
und zuverlässig zu installieren, verwalten, erweitern und
verändern. Es gilt, das Zusammenspiel der verschiedenen
Technologien über alle Ebenen einer Lösung hinweg – von
der physischen Infrastruktur, über die Daten-Haltung und
-bereitstellung, die analytische Verarbeitung, die Visualisierung
und die Daten-Integration bis hin zur Governance
und Daten-Sicherheit – zu beherrschen. (Kapitel 9)
Neue Qualifikationsprofile zügig herausbilden
Bei der Adaption von Big-Data-Technologien und deren
betriebswirtschaftlichem Einsatz wird die Verfügbarkeit
von ausgebildeten Kräften mit Data-Science-Kenntnissen
eine entscheidende Rolle spielen.
Wissen aus Analytik, IT und dem jeweiligen Fachbereich
ist gefragt. Bislang gibt es nur wenige Fachkräfte, die
diese Kompetenzen kombinieren. Solche Data Scientists
werden von Unternehmen dringend gesucht. Sie vereinen
die Rollen als Impuls- und Ideengeber, Lösungsarchitekt,
Umsetzer, Analyst, Kommunikator und Überzeuger. Es
existieren bereits einige Schulungskonzepte für Data
Scientists. (Kapitel 10)
16