Big Data (eBook)

Christian König ist Referent im Institut für Forschung und Entwicklung in der Bundesstatistik des Statistischen Bundesamtes, Wiesbaden und Dozent für das Fach Wirtschaftsmathematik an der Verwaltungs- und Wirtschaftsakademie Wiesbaden e. V.Jette Schröder ist Projektberaterin bei GESIS – Leibniz-Institut für Sozialwissenschaften und Geschäftsführerin der Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e. V. (ASI).Erich Wiegand ist Geschäftsführer des ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V.

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?
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