leitlinien für den big-data-einsatz chancen und …¶ken_weber bonner... · 7 erfolgsfaktoren für...
TRANSCRIPT
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Leitlinien für den Big-Data-Einsatz – Chancen und Verantwortung Arnd Böken, Graf von Westphalen Rechtsanwälte Partnerschaft
Dr. Mathias Weber, Bitkom e.V.
18. Bonner Gespräche zur politischen Bildung 2016
8. März, 10.05 – 11.20 Uhr, Workshops 1, Raum 2
Einsatzgebiete und -beispiele
Vorgehensmodell für Big-Data-Projekte
Beispiele für durch Big Data umgesetzte Geschäftsmodell-Innovationen
Positionen zu Schwerpunkten im gesellschaftlichen Diskurs
Leitlinien für den Big-Data-Einsatz
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Sensibilisierung für Big Data Schwerpunkte
1 Relevanz – Quellen – Begriffsbestimmung 02
2 Big Data im Technologie-Konzert 06
3 Einsatzgebiete in Unternehmen 07
4 Einsatzbeispiele – Verbraucher / Gesellschaft 08
5 Big Data in der Wirtschaft – Analysen 09
6 Vorgehensmodell für Big-Data-Projekte 14
7 Erfolgsfaktoren für Big-Data-Projekte 15
8 Big Data und Geschäftsmodell-Innovationen 16
9 Gesellschaftlicher Diskurs – Positionen 20
10 Leitlinien für den Big-Data-Einsatz 21
2
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Ist Big Data relevant?
3
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Quellen www.bitkom.org | www.bitkom-research.de | www.bitkom-bigdata.de
4
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data – Begriffsbestimmung Big Data bezeichnet den Einsatz großer Datenmengen aus vielfältigen Quellen mit einer
hohen Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen Nutzens.
5 Big-Data-Leitfaden 1
Datenmenge (Volume)
Anzahl von Datensätzen und Files
Yottabytes
Zettabytes
Exabytes
Petabytes
Terabytes
Datenvielfalt (Variety)
Fremddaten (Web etc.)
Firmendaten
Unstrukturierte, semistrukturierte, strukturierte Daten
PräsentationeTexte, Videon,, Bilder, Tweets, Blogs
Kommunikation zwischen Maschinen
Geschwindigkeit (Velocity)
Datengenerierung in hoher Geschwindigkeit
Übertragung der konstant erzeugten Daten
Echtzeit
Millisekunden
Sekunden, Minuten, Sekunden
Analytics
Erkennen von Zusammenhängen, Bedeutungen, Mustern
Vorhersagemodelle
Data Mining
Text Mining
Bildanalytik, Visualisierung, Realtime
Big Data
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data im Technologie-Konzert
6 Big-Data-Leitfaden 1
Big Data
Cloud Computing & SaaS
Sensors & M2M
Social Media & Real Time
Mobile Apps & Location-Based
Services
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Einsatzgebiete Big Data in Unternehmen Ziele: Effizienzsteigerung, Umsatzsteigerung und Risikominimierung
Marketing & Vertrieb
Kostenreduzierung – Zuschnitt der Angebote auf Kundengruppen
Cross-Selling – mehr Umsatz in Verkaufsvorgängen
Markt- und Wettbewerbsbeobachtung
Location-based Marketing
Management von Kundenabwanderungen
Beispiel Einzelhandel: + In-Store-Verhaltensanalyse, Mikrosegmentierung, Sentiment-Analyse, Kundenerlebnis
Forschung und Produktentwicklung
Produktion, Service und Support
Distribution und Logistik
Finanz- und Risiko-Controlling
7 Big-Data-Leitfaden 1
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Einsatzbeispiele Big Data – Verbraucher und Gesellschaft Herausforderung: Austarieren des Nutzens und der Risiken
Energiewende
Smart Metering
Verkehrssysteme
Medizinische Forschung und Diagnostik
Krebstherapie
Öffentlicher Bereich
Katastrophenmanagement
Kriminalitätsbekämpfung
Umwelt-Monitoring
Vorhersage von Krisensituationen
Bildung und Qualifizierung
8
Finanzdienstleistungen
Kreditvergabe
Landwirtschaft
Smart Farming
Connected Car – aus Sicht privater Nutzer
Digitale Einkaufswelten
Online-Marketing
Industrie 4.0
Telekommunikation
Verbesserung des Datenschutzes in
Rechenzentren
Positionspapier 2015
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Einstellung zu Datenanalysen Zunehmend werden Entscheidungen durch Datenanalysen unterstützt
9 Bitkom Research | KPMG
37%
30%
23%
12%
13%
14%
38%
31%
31%
36%
30%
27%
23%
35%
26%
25%
30%
35%
2%
4%
14%
22%
17%
11%
6%
5%
10%
13%
0% 20% 40% 60% 80% 100%
Relevante Entscheidungen in unseremUnternehmen basieren zunehmend auf
Erkenntnissen aus der Analyse von Daten
Die Analyse von Daten ist zunehmend einentscheidener Baustein für die Wertschöpfung /die Geschäftsmodelle in unserem Unternehmen.
Unser Unternehmen sucht aktiv nach Chancen,die sich durch die umfassende Analyse von Daten
bieten.
In unserem Unternehmen analysieren wir Datennicht nur, sondern schaffen es auch, die
Erkenntnisse aus den Analysen in konkretenNutzen für das Unternehmen umzuwandeln.
Unser Unternehmen ist daran interessiert, dieneuesten Technologien zur Analyse von Daten
einzusetzen.
Wir beobachten aktiv den Markt hinsichtlich der neuesten Anwendungsfälle, die sich durch die
Analyse von Daten ergeben – einschließlich der neuesten technologischen Möglichkeiten.
Trifft voll und ganz zu Trifft eher zu Teils / teils Trifft eher nicht zu Trifft überhaupt nicht zu
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Einstellung zu Datenanalysen Höchste Zustimmung in Transport und Logistik, Automobilindustrie, Versicherungen
10 Bitkom Research | KPMG
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,01,41,51,61,71,81,92,02,12,22,3
Unterdurchschnittlich Überdurchschnittlich
Un
terd
urc
hsc
hn
ittl
ich
Ü
be
rdu
rch
sch
nit
tlic
h
IT und Elektronik
Energie
Medien Gesundheits-wirtschaft
Telekomm-unikation
Chemie und Pharma
Handel
Banken
Maschinen- und Anlagenbau
Versicherungen Automobilindustrie
Transport und Logistik
Relevante Entscheidungen in unserem Unternehmen basieren zunehmend auf Erkenntnissen aus der Analyse von Daten (Mittelwert pro Branche)
Wir
sch
aff
en
es,
die
Erk
en
ntn
isse
au
s d
en
An
aly
sen
in k
on
kre
ten
N
utz
en
fü
r d
ie U
nte
rne
hm
en
um
zuw
an
de
ln (
Mit
telw
ert
pro
Bra
nch
e)
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Hürden bei der Nutzung von Datenanalysen Datenschutz und unzureichende Ressourcen
11
74%
61%
59%
45%
34%
28%
28%
23%
22%
18%
26%
39%
41%
55%
67%
72%
73%
77%
78%
82%
0% 20% 40% 60% 80% 100%
Keine Weitergabe von Daten an Drittanbieter
Unzureichendes Budget
Nicht genügend Datenanalyse-Spezialisten
Unklarheiten hinsichtlich Rechtslage
Schwierigkeiten bei der Erstellungeines Business Case
Sorge vor öffentlicher Kritik
Unzureichende Qualität der Daten
Gefährdung des Kundenvertrauens
Unzureichende Quantität der Daten
Fehlende Information zuAnalysemöglichkeiten
Obersten beiden Optionen (»Trifft voll und ganz zu« und »Trifft eher zu«)
Untersten drei Optionen (»Teils/teils« und »Trifft eher nicht zu« und »Trifft überhaupt nicht zu«)
Bitkom Research | KPMG
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Nutzung und Planung von High-End-Datenanalysen Automobilbranche Vorreiter – Medien, Transport und Logistik liegen zurück
12 Bitkom Research | KPMG
21%
21%
20%
19%
16%
14%
13%
12%
11%
11%
2%
1%
7%
13%
7%
3%
9%
5%
4%
16%
6%
10%
6%
6%
27%
10%
11%
17%
12%
18%
9%
24%
8%
17%
12%
18%
0% 20% 40% 60%
Automobilindustrie
Versicherungen
Chemie und Pharma
Energie
Telekommunikation
Handel
Banken
IT und Elektronik
Maschinen- und Anlagenbau
Gesundheitswirtschaft
Transport und Logistik
Medien
Nutzer Planer Diskutierer
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Falsche Strategie!
Auffahrt zur Datenautobahn?
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Vorgehensmodell für Big-Data-Projekte
14 Big-Data-Leitfaden 2
Assessment Planen der Big-Data-Strategie
Readliness Vorbereitung der IT auf Big Data
Implementierung & Integration Einführung der Big-Data-Applikationen
Konsolidierung & Migration Integration von neuen Datenquellen und Harmonisierung
Nutzung der neuen Daten Verwertung der neuen Daten
Reporting & Predictive Analytics Veredelung der neuen Daten
End-to-End Prozesse Vorteile durch transparente Prozesse
Optimierung Tuning der Big-Data-IT & Prozesse durch innovativen Betrieb
1
2 3
4 5
6
7
8
Aktuelle Daten- und
System-landschaft
Zukünftige Daten- und
System-landschaft
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Erfolgsfaktoren in Big-Data-Projekten
Existenz einer wertorientierten Big-Data-Strategie
Business-Fokus
Senior-Management-Unterstützung aus den Fachbereichen
Bewertung des Return on Information
Orientierung an bewährten Grundsätzen und Praktiken des Information-Managements
Definition einer wertorientierten Roadmap
Etablierung eines umfassenden Big-Data-Innovationsprozesses
(unter Einschluss der Unternehmenskultur)
Regelmäßige Erfolgsüberprüfung und Ausrichtung der geplanten Initiativen
Technologie-Auswahl für Big Data
Einrichtung einer geeigneten Organisation
(Kompetenzentwicklung der Mitarbeiter, Rollen und Verantwortung)
Big-Data-Checkliste
15 Big-Data-Leitfaden 2
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Durch Big Data umgesetzte Geschäftsmodell-Innovationen Ausgewählte Beispiele (aus 42 vom Bitkom publizierten)
{02} ThyssenKrupp Elevator - Intelligente Aufzüge
{03} DB Schenker - Predictive Maintenance auf der Schiene: immer gut gewartete Lokomotiven
{05} Saarstahl AG - Intelligente Prozessprognose basierend auf Big-Data-Analytics-Verfahren (iPRODICT)
{06} Mercedes-AMG - Big Data auf dem Prüfstand: Effizientes Testmanagement durch
Echtzeitauswertung
{13} Hamburg Port Authority AöR - smartPORT logistics im Hamburger Hafen
{22} ProSiebenSat.1 - Fakten mit Big Data: Was bringen TV-Spots für E-Commerce?
{26} Munich Re - Erkennung relevanter Nachrichten zu Versicherungsschäden
{32} Beiersdorf - Viele Märkte, noch mehr Daten: Gezielte Fokussierung mithilfe von Big-Data-
Technologien
{39} Nestlé - Ein Tag – eine Milliarde Lebensmittel: Steuerung von Produktion, Lagerhaltung und
Lieferlogistik mittels statistischem Forecasting
{40} Nationales Centrum für Tumorerkrankungen - Big Data in der Medizin: Neue Möglichkeiten für Arzte
und Patienten
16 Big-Data-Leitfaden 2
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
ThyssenKrupp Elevator Führende globale Hersteller ThyssenKrupp Elevator AG betreibt mehr als 1,1 Millionen
Aufzüge weltweit, darunter einige in den kultigsten Gebäuden.
Parameter Erläuterung
Challenge Wettbewerbsvorteile erzielen - Konzentration auf den für Kunden ausschlaggebenden Aspekt: Zuverlässigkeit. Sammeln von Sensorinformationen und Transformation in entscheidungsrelevante Informationen: vorausschauende und auch präventive Wartung.
Lösung Entwicklung eines intelligenten Überwachungssystems für Aufzüge | Basis: Microsoft Azure Intelligent Systems Service, Microsoft Azure Maschinelles Lernen | Verbindung von Sensoren und Systemen in den Aufzügen über Azure Cloud und Visualisierung in Kennzahlen-Dashboard.
Nutzen Microsoft Azure Machine Learning Service: Aufzüge erläutern Techniker wie sie instand zu setzen sind | deutliche Effizienzerhöhung Wartung | ständige Verbesserung der Vorhersagemodelle | deutliche Steigerung Betriebszeiten.
17
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Munich Re Erkennung relevanter Nachrichten zu Versicherungsschäden
Parameter Erläuterung
Challenge Munich Re erfährt bisher viel zu spät von relevanten Schadensfällen, um noch schadensmindernd eingreifen zu können – etwa in Bezug auf Folgeschäden oder Betriebsausfälle. Durch eine frühzeitigere Erkennung relevanter Schadensfälle soll ein erfolgskritischer Zeitvorteil bei der Schadensbearbeitung erzielt werden.
Lösung Permanente Überwachung ca. 4.000 Nachrichtenquellen – Untersuchung von Millionen Nachrichten nahezu in Echtzeit nach Hinweisen auf rückversicherungs-relevante Schadensereignisse | auf Basis eines Wissensmodelles werden Nachrichten identifiziert, stufenweise analysiert und kategorisiert | mit semantischen Verfahren werden aus Nachrichten fachspezifische Entitäten (Schadensarten, -ursachen und -summen, Ortsangaben und Firmennamen, Personenschäden) gewonnen.
Nutzen Neue Lösung ermöglicht Auswertung aller verfügbaren Nachrichten in nahezu Echtzeit | Frühzeitiges Eingreifen ermöglicht Reduktion von Folgeschäden.
18 Leitfaden 2015
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Nationales Centrum für Tumorerkrankungen Big Data in der Medizin: Neue Möglichkeiten für Arzte und Patienten
Parameter Erläuterung
Challenge Erfolgsaussichten von Behandlungsmethoden bei Tumorpatienten lassen sich oft nur vage vorhersagen – Konsequenz: teure und nebenwirkungsbehaftete Therapien ohne Verbesserung des Zustandes | komplexe Krankheiten benötigen komplexe Analysen | über 100 Krebsformen | betroffene Patienten benötigen individuelle Behandlung | dafür muss NCT eine große Menge an Daten in Echtzeit auswerten
Lösung Für individuelle Behandlung muss für genetisches Profil des Patienten erfolgver-sprechendste Therapie ermittelt werden | Voraussetzung: Analyse strukturierter (Tumordokumentationen, Medizin-Akten, Studien,…) und unstrukturierter Daten (Arztbriefe, Publikationen,…) in Bezug auf Patientenprofil | Lösung auf Basis SAP HANA
Nutzen Deutlich erhöhte Transparenz der Patientenhistorie | schnellere Zuordnung von Patienten zu passenden Studien | Echtzeitidentifikation von Tumorarten ermöglicht Erstellung der für den Patienten wirksamsten Behandlungsmethode | höhere Lebenserwartung der Tumorpatienten
19
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big-Data-Einsatz – Positionen zu Schwerpunkten im gesellschaftlichen Diskurs Big Data im internationalen Wettbewerb
Vertrauensentwicklung bei Verbrauchern - Best Practices
Transparenz bei Big-Data-Analysen
Wie Analyseergebnisse zustande kommen
Bedeutung ethischer Grundsätze bei Big-Data-Lösungen
Stimulierung gesellschaftlich wünschenswerter Verhaltensweisen
Datensammlung im Automatismus
Recht auf Vergessenwerden?
Umgang mit Wahrscheinlichkeiten und Verhaltensprognosen
Erkenntnisse aus der Kommunikation in sozialen Netzwerken
20 Positionspapier 2015
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien
Bitkom Leitlinien für den Big Data-Einsatz – Möglichkeiten und
Chancen
Arbeitsgruppe Big Data und Arbeitsgruppe Datenschutz
Team aus 30 Mitgliedern (Big Data-Sachverständige / Spezialisten,
Datenschutzberater, Rechtsanwälte, Wissenschaftler etc.)
veröffentlicht im September 2015
verschiedene Themen: Vorteile/Nutzen und Risiken, Entwicklung
einer data-driven Economy, Rechtsgrundlagen, ethische Fragen etc.
https://www.bitkom.org/Bitkom/Publikationen/Leitlinien-fuer-den-
Big-Data-Einsatz.html
21
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Kundennutzen
1. Nutzen der Big-Data-Anwendungen prüfen Big-Data-Anwendungen sollen einen klar erkennbaren
Nutzen für Verbraucher, Kunden oder die Gesellschaft haben.
Prüfung Nutzen für eigenes Unternehmen Warum Kundennutzen?
erhöht Einwilligungsrate
Positiv bei Rechtmäßigkeitsprüfung
vermeidet Beschwerden und Reputationsschäden
Worin liegt Kundennutzen?
verbesserte Produkte und Dienstleistungen
verbesserte Ansprache von Interessenten
22
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Transparenz
2. Anwendungen transparent gestalten Big-Data-Anwendungen sollen transparent
sein, so dass die Betroffenen erkennen können,
welche ihrer personenbezogenen Daten in
welcher Weise verarbeitet werden.
erleichtert Einwilligungen
Wirksamkeit der Einwilligungen
erhöht Akzeptanz
23
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Datensparsamkeit-Interessenabwägung
3. Bevorzugt anonymisierte oder pseudonymisierte Daten verarbeiten Soweit die Verarbeitung von anonymisierten oder pseudonymisierten Daten
denselben Nutzen für die Beteiligten hat, sind solche Verfahren vorzuziehen. Es gibt
aber auch Verfahren, die sich nur sinnvoll einsetzen lassen, wenn personenbezogene
Daten verwendet werden.
4. Interessen der Beteiligten abwägen Personenbezogene Daten dürfen verarbeitet werden, wenn berechtigte Interessen
der verantwortlichen Stelle dies rechtfertigen und keine überwiegenden Interessen
der Betroffenen entgegenstehen. Unter denselben Voraussetzungen ist es auch
zulässig, Daten zu verwenden, die ursprünglich für einen anderen Zweck erhoben
wurden. Liegen diese Voraussetzungen nicht vor, dürfen die Daten nur verarbeitet
werden, wenn die Betroffenen einwilligen.
24
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Transparente Einwilligungen u.a.
5. Einwilligungen transparent gestalten Wenn die Datenverarbeitung in Big-Data-Verfahren auf eine Einwilligung gestützt wird, muss die
Einwilligung transparent sein, damit der Betroffene erkennen kann, welche Daten für welche
Zwecke verwendet werden.
6. Nutzen für Betroffene schaffen Big-Data-Anwendungen sollten auch einen Nutzen für Betroffene haben, die ihre Daten für die
Bearbeitung zur Verfügung stellen.
7. Governance für personenbezogene Daten etablieren Unternehmen sollten eine starke Governance etablieren, die eine gründliche Überprüfung von
Zulässigkeit und Notwendigkeit von Big-Data-Anwendungen garantiert, den
verantwortungsvollen Umgang mit Big Data sichert un die Rechte und Interessen der Betroffenen
wahrt. Hierbei kommt dem betrieblichen Datenschutzbeauftragten eine wichtige Rolle zu.
25
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Schutz vor Data breaches
8. Daten wirksam gegen unberechtigte Zugriffe schützen Unternehmen, die Big-Data-Anwendungen
einsetzen, setzen ausreichende technische und
organisatorische Schutzmaßnahmen ein, um
unberechtigte Zugriffe auf personenbezogene
Daten zu verhindern.
Data Breaches führen zu:
Schadensersatz
Verfahren vor Behörden
Kundenbeschwerden
Reputationsschäden
26
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien
9. Keine Daten zu ethisch-moralisch unlauteren Zwecken verarbeiten Datenerhebungen, Verknüpfung von Daten oder
andere Datenverarbeitungen zu ethisch-moralisch
unlauteren Zwecken sind zu unterlassen. Das
gleiche gilt, wenn die Erhebung, Verknüpfung oder
Verarbeitung der Daten den Betroffenen schaden
können.
27
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Datenweitergaben – Selbstbestimmtes Handeln
10. Datenweitergabe nach Interessenabwägung ermöglichen Die Weitergabe von personenbezogenen Daten an Dritte ist mit
Einverständnis möglich. Möglich ist sie auch nach einer
Interessenabwägung, wobei der Weitergebende die Risiken zu
berücksichtigen hat, die sich aus der Zusammenführung mit anderen
Datenbeständen beim Empfänger ergeben könnten. Dabei ist
sicherzustellen, dass der Betroffene informiert wird.
11. Selbstbestimmtes Handeln ermöglichen Unternehmen, die Big-Data-Anwendungen einsetzen, ermöglichen dem
Betroffenen durch transparente Information über die Anwendungen
und durch ergänzende Auskünfte selbstbestimmtes Handeln.
28
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Big Data Leitlinien Politische Rahmenbedingungen
12. Politische Rahmenbedingungen vervollkommnen – Datenschutz und Datennutzen neu abwägen Big-Data-Anwendungen können einen hohen Nutzen für die Gesellschaft und für jeden
Einzelnen haben. Nicht nur Unternehmen sind daher gefordert, sondern auch die Politik. Sie
entwickelt die Rahmenbedingungen so weiter, dass Big-Data-Anwendungen in Deutschland
und der Europäischen Union sinnvoll eingesetzt werden können, Rechte der Betroffenen
angemessen geschützt und ungerechtfertigte regulatorische Hindernisse abgebaut werden.
Die Weiterentwicklung einer datenbasierenden Wirtschaft in Deutschland und der
Europäischen Union ist ein wichtiges politisches Ziel. Deutsche Unternehmen dürfen hierbei
keinen Wettbewerbsnachteilen gegenüber Unternehmen aus anderen EU-Staaten der Welt
ausgesetzt sein
Die Politik setzt einen Prozess auf, der die Weiterentwicklung des Datenschutzrechts auch
nach Verabschiedung der EU-Datenschutz-Grundverordnung zum Ziel hat.
29
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
30
» Manche dürfen noch nicht, ein paar wollen noch nicht: Müssen werden wohl alle.« Bitkom Research / KPMG
© Dina Giangregorio –Stocksy United
6,61
5,06
4,25
- 6,00
- 7,14
Titelbereich
Inhaltsbereich
Fußzeile
12,33 -12,33 Inhaltsbereich
Abstandsangaben; Bitte einhalten (Bsp.: Titelbereich 6,61 – 5,06 / max. 2 Zeilen)
Kontakte
Bitkom e.V.
Albrechtstraße 10 10117 Berlin T 030 27576 0 [email protected] www.bitkom.org
Dr. Mathias Weber Bereichsleiter IT-Services E [email protected] T 030 27576 121
Graf von Westphalen
Potsdamer Platz 8 10117 Berlin T 030 726111 0 [email protected] www.gvw.com
Arnd Böken Partner E [email protected] T 030 726111 475