Mobile bigdata

775 Aufrufe

Veröffentlicht am

Veröffentlicht in: Technologie
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
775
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
6
Aktionen
Geteilt
0
Downloads
23
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Mobile bigdata

  1. 1. FZIFORSCHUNGSZENTRUM INFORMATIK Mobile BigData Dr. Valentin Zacharias FZI Forschungszentrum Informatik am Karlsruher Institut für Technologie
  2. 2. Motivation & Zielsetzung  Motivation  Wie selbstverständlich wird das Mobile Web häufig als Treiber für Big Data genannt  gleichzeitig kommt das Mobile Web jedoch nur in wenigen der klassischen BigData Beispiele vor  Zielsetzung  Anhand von (hoffentlich) neuen Beispielen die vielfältigen Beziehungen zwischen den Trends Mobile und BigData Aufzeigen  Ideen für Ihre BigData Aktivitäten liefern 15.04.2014 Quelle: Bitkom Leitfaden BigData 2
  3. 3. Mobile und BigData  Die Schnittstellen von Mobile und Big Data liegen in  1) Use Case: Mobile Informationsbereitstellung als BigData Anwendungsfall  2) „Datafication“, der immer genaueren und schnelleren und quantitativen Erfassung von immer mehr Dingen.  Passiv/Data Exhaust: Die Nutzung und die Präsenz von Mobilgeräten kann von Systemen zur Datafication ausgenutzt werden  Omnipräsentes vernetztes Eingabegerät zur manuellen Erfassung  Aktive Sensorgestützte Erfassung durch das Mobilgerät 15.04.2014 © FZI Forschungszentrum Informatik 3
  4. 4. Mobile und BigData  Die Schnittstellen von Mobile und Big Data liegen in  1) Use Case: Mobile Informationsbereitstellung als BigData Anwendungsfall  2) „Datafication“, der immer genaueren und schnelleren und quantitativen Erfassung von immer mehr Dingen.  Passiv/Data Exhaust: Die Nutzung und die Präsenz von Mobilgeräten kann von Systemen zur Datafication ausgenutzt werden  Omnipräsentes vernetztes Eingabegerät zur manuellen Erfassung  Aktive Sensorgestützte Erfassung durch das Mobilgerät 15.04.2014 © FZI Forschungszentrum Informatik 4
  5. 5. Predictive Assistants – Google u.a.  Die Verfügbarkeit des Kontexts des Nutzers erlaubt mobilen Applikationen passendere Antworten auf die Fragen des Nutzers.  Die nächste Generation von digitalen Assistenten wartet nicht mehr auf Eingaben des Nutzers sondern nutzt den Kontext zur Vorhersage von Informationsbedürfnissen.  Informationsbereitstellung auf Mobilgeräten wird damit selbst zu einem Predictive Analytics Use Case mit BigData.  Beispiele: Google Now, Osito, Donna, reQall 15.04.2014 © FZI Forschungszentrum Informatik 5 Quelle: The Economist
  6. 6. Mobile und BigData  Die Schnittstellen von Mobile und Big Data liegen in  1) Use Case: Mobile Informationsbereitstellung als BigData Anwendungsfall  2) „Datafication“, der immer genaueren und schnelleren und quantitativen Erfassung von immer mehr Dingen.  Passiv/Data Exhaust: Die Nutzung und die Präsenz von Mobilgeräten kann von Systemen zur Datafication ausgenutzt werden  Omnipräsentes vernetztes Eingabegerät zur manuellen Erfassung  Aktive Sensorgestützte Erfassung durch das Mobilgerät 15.04.2014 © FZI Forschungszentrum Informatik 6
  7. 7. Flow Track -  Bluetooth Sensoren erlauben genaue Positionsbestimmung vieler Menschen und dadurch die quantitative Erfassung von Menschen- bewegungen z.B. im Handel oder am Flughafen 15.04.2014 © FZI Forschungszentrum Informatik 7 Quelle: blue cell networks
  8. 8. Foothpaths – 15.04.2014 © FZI Forschungszentrum Informatik 8 Andere Firmen nutzen Signale des Mobilfunknetzes um alle Mobiltelefone zu erfassen
  9. 9. Co-Traveler - 15.04.2014 © FZI Forschungszentrum Informatik 9 Quelle: Washington Post Geschicktes Data Mining erlaubt die Ableitung von Sozialbeziehungen auch aus ungenauen Ortsdaten
  10. 10. Smart Steps – Telefonica Dynamic Insights 15.04.2014 © FZI Forschungszentrum Informatik 10 Mit anonymisierten Daten von Mobilfunkprovidern werden vielfältige Eigenschaften von Publikumsbewegungen mess- und nutzbar
  11. 11. Kundenfluktuation - 15.04.2014 © FZI Forschungszentrum Informatik 11 Aus Verbindungen ableitbare Sozialbeziehungen und Rollen (z.B. Leader) erlauben Minimierung von Kundenfluktuation
  12. 12. Mobile und BigData  Die Schnittstellen von Mobile und Big Data liegen in  1) Use Case: Mobile Informationsbereitstellung als BigData Anwendungsfall  2) „Datafication“, der immer genaueren und schnelleren und quantitativen Erfassung von immer mehr Dingen.  Passiv/Data Exhaust: Die Nutzung und die Präsenz von Mobilgeräten kann von Systemen zur Datafication ausgenutzt werden  Omnipräsentes vernetztes Eingabegerät zur manuellen Erfassung  Aktive Sensorgestützte Erfassung durch das Mobilgerät 15.04.2014 © FZI Forschungszentrum Informatik 12
  13. 13. FixMyStreet / Ka-Feedback - FZI 15.04.2014 © FZI Forschungszentrum Informatik 13 .. erlaubt die einfache Erfassung von Infrastrukturproblemen und darüber die Analyse deren Verteilung
  14. 14. Mood – BT / FZI 15.04.2014 © FZI Forschungszentrum Informatik 14 .. Erfassung von Stimmung zur Unterstützung von Reflektion und Coaching – später auch besserem Verständnis von Emotionen
  15. 15. Market Research - Jana 15.04.2014 © FZI Forschungszentrum Informatik 15 Die weite Verbreitung von Mobiltelefonen über die ganze Welt erlaubt Market Research in sehr großer Breite und Schnelligkeit
  16. 16. Mobile und BigData  Die Schnittstellen von Mobile und Big Data liegen in  1) Use Case: Mobile Informationsbereitstellung als BigData Anwendungsfall  2) „Datafication“, der immer genaueren und schnelleren und quantitativen Erfassung von immer mehr Dingen.  Passiv/Data Exhaust: Die Nutzung und die Präsenz von Mobilgeräten kann von Systemen zur Datafication ausgenutzt werden  Omnipräsentes vernetztes Eingabegerät zur manuellen Erfassung  Aktive Sensorgestützte Erfassung durch das Mobilgerät 15.04.2014 © FZI Forschungszentrum Informatik 16
  17. 17. aisle411 Bluetooth Low Energy erlaubt ortsbezogene Interaktion in Geschäften und die Analyse von Kundenverhalten
  18. 18. PayPal Beacon 15.04.2014 © FZI Forschungszentrum Informatik 18 … und weit über Läden hinaus
  19. 19. TravelApp - 15.04.2014 © FZI Forschungszentrum Informatik 19 Aus der Kombination von ortbezogenen Daten aus verschiedenen Quellen schnelle (und sichere) Routen finden
  20. 20. Insights - Skyhook 15.04.2014 © FZI Forschungszentrum Informatik 20 Bewegungen von Menschen in Industrieländern Weltweit erfassen und vorhersagen (aus Abfragen zur Lokalisierung)
  21. 21. Logistik und Gruppen in Echtzeit steuern - FZI 15.04.2014 © FZI Forschungszentrum Informatik 21 Mit Echtzeitdaten in Logistik Netzwerken und Gruppen (z.B. in Freizeitparks) in Echtzeit automatisch Ausnahmesituationen lösen
  22. 22. Zusammenfassung 1. Die Vorhersage von Informationsbedürfnissen ist ein Anwendungsfall für BigData 2. Über Mobile Technologien wird die Realität – besonders die Bewegungen und die Interaktionen von Menschen als Daten nutzbar – Reality Mining 1. Der nächste große Schub kommt über Indoor Lokalisation mit BLE 3. Über Mobile Technologien sind schon jetzt 2/3 der Weltbevölkerung in Datenerfassung von fast bel. Phänomene einbindbar 15.04.2014 © FZI Forschungszentrum Informatik 22

×