w26M2

Big-Data-Technologien – Wissen für Entscheider
genügt, bietet die Möglichkeit der disjunkten, mandantenorientierten
Daten-Haltung, Jobausführung,
Visualisierung und Konfiguration sowie Entwicklung von
Analytischen Applikationen und ihres Customizings.
Data Masking
Beim Data Masking handelt es sich um eine Technologie
für die Anonymisierung bzw. Verfremdung von Daten,
die mittlerweile auch für Big-Data-Systeme wie Hadoop
verfügbar sind. Die eingesetzten Methoden sind somit
auch Maßnahmen des Datenschutzes. Data Masking
unterscheidet sich von der Verschlüsselung von Daten
dadurch, dass es keine 1:1-Abbildung zwischen Originaldaten
und verfremdeten Daten geben muss. Zudem
bleiben die Daten meist lesbar. Data Masking bezieht
sich nicht allein auf personenbezogene Daten und ist
daher weiter gefasst als die reine Anonymisierung und
Pseudonymisierung von Personen- und Adressdaten. Ziel
des Verfremdens der Originaldaten ist die sogenannte
Data Leakage Prevention (Verhinderung von Datenlecks).
Die Data-Masking-Technologie wird oft zur Verringerung
des Risikos von Verstößen gegen die Daten-Sicherheit
in nicht produktiven Umgebungen oder zur Erstellung
von Testdaten höherer Qualität und Rationalisierung von
Entwicklungsprojekten eingesetzt.
Custodian Gateways
Im Bereich der Verwertung und Vermarktung von persönlichen
Daten ist es absolut notwendig, die Datenverwertungsmodelle
und Konzepte einer Governance
zu unterlegen, um im Sinne des Verbraucherschutzes,
aber auch der Wirtschaft Möglichkeiten zur Verwertung
digitaler Informationen abzubilden. In diesem Umfeld
etablieren sich erste Treuhandmodelle und -konzepte (vgl.
Abschnitt 8.2).
Identitäts- und Zugangs-Management
Um die Sicherheit von Big-Data-Plattformen und ihrer
Softwarekomponenten zu gewährleisten, werden heute
übliche Identitäts- und Zugangs-Management-Lösungen
mit den Big-Data-Softwaretechnologien integriert.
Diese ermöglichen die Speicherung und Verwaltung
der Benutzer, Gruppen sowie die Zugriffsprivilegien auf
Daten, Applikationen, Geräte und Systeme. Hierzu werden
meist Unternehmens-LDAP Directories wie OpenLDAP
und ADS genutzt sowie Identitäts-Management-Systeme
zur zentralen Verwaltung und Lifecycle-Management von
Benutzern, Gruppen, ihrer Rechte und Zugriffsprivilegien
eingesetzt.
4.6.2 Daten-Governance
Unter Daten-Governance versteht man eine Kombination
von Prozessen, Technologien und Wissen, mit der sich
nachhaltig wertvolle und qualitativ hochwertige Informationen
gewinnen lassen. Zur Daten-Governance tragen
mehrere Disziplinen bei, die mit ihrem Zusammenwirken
den Daten-Lebenszyklus vollständigen abbilden. Fragen
wie:
• Woher kommen die Daten
• Was bedeuten diese Daten
• Wer trägt die Verantwortung für diese Daten
• Handelt es sich um datenschutzrechtlich relevante
Daten
werden aus Sicht der IT und der Fachabteilungen
beantwortet.
Durch die neue Datenvielfalt und die zunehmende Anzahl
von Datenquellen in Big-Data-Projekten ist es notwendig,
die Daten eindeutig zu beschreiben. So können nutzenbringende
Analysen durchgeführt und Entscheidungen
getroffen werden.
Metadaten sind Informationen über Merkmale anderer
Daten. Metadaten beschreiben die Daten auf technologischer
und fachlicher Ebene. Technische Metadaten
sind z. B. der zugrundeliegende Datentyp (numerisch,
alphanumerisch) oder ein Ziffernformat (z. B. Kreditkartennummer).
Fachliche Metadaten sind z. B. eindeutige
betriebswirtschaftliche Feldbeschreibungen. Metadaten
können aber nicht nur Daten beschreiben, sondern auch
Daten-Integrations- und Datentransformations-Prozesse,
um transparent zu machen, wie Daten entstanden sind
bzw. verändert wurden.
97