SlideShare ist ein Scribd-Unternehmen logo
1 von 28
Downloaden Sie, um offline zu lesen
Big Data Analytics
Auszug: Smart Grid
Seminar: „IT Trends 2013“
14.01.2013
Philipp Hechler
Agenda
2
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Agenda
3
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Was ist Big Data in der Theorie?
Pospiech et al., 2012 Big Data a State of the Art4
Was macht Data zu Big Data?
Arten von Datenmengen:
gut strukturiert und kompakt
Arten von Datenmengen:
kaum strukturiert und chaotisch
Größe: klar messbar
Formate: Alle gleich
Größe: unscharf
Formate: viele Arten
Was ist Big Data in der Theorie?
Pospiech et al., 2012 Big Data a State of the Art5
Was macht Data zu Big Data  Dynamik (Veränderung über die Zeit)
Größe: klar messbar
Formate: Alle gleich
Größe: unscharf
Formate: viele Arten
Was ist Big Data in der Theorie?
Pospiech et al., 2012 Big Data a State of the Art6
Was macht Data zu Big Data  Dynamik (Veränderung über die Zeit)
Dynamik: quasi Null
Größe: klar Messbar
Formate: alle gleich
Dynamik: in jedem Punkt
Größe: unscharf
Formate: viele Arten
Was ist Big Data in der Theorie?
Pospiech et al., 2012 Big Data a State of the Art7
Was macht Datenmengen zu Big Data?
Gemeinsames Auftreten dieser Faktoren führen zu Big Data-Umgebungen
Viele unterschiedliche Formate:
• Soziale Daten (Blogs, Wikis,
Chatter)
• System Daten (Bar Codes,
Queries, GPS)
• Software Formate
Zusammenführung durch
Middleware
Verarbeitung großer
Datenmengen
• Verarbeitung der Daten
entscheidend
Wachstum und Veränderung der
Daten:
• 2,9 Mio. Emails pro Tag
• 20 Stunden hochgeladener
Videos bei YouTube pro Minute
• 50 Mio. Tweets am Tag
Dateiformate Größe Dynamik der Daten
Agenda
8
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Big Data Analytics
Bollier & Firestone, 2010 The promise and peril of Big Data9
Diese Datenmengen zu analysieren ist derzeit eine der größten Herausforderungen der
Informatik.
Was zeichnet Big Data Analytics aus?
 Analyse von bisher nicht analysierbaren Systemen/Umgebungen
 Erarbeitung von schnellen Analysen, um in diesem Systemen interagieren zu können.
 Innen liegende Strukturen erkennen und zu einem gesamten Muster zusammenführen!
Agenda
10
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Agenda
11
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Smart Grid
12 Steger et al. 2008
Zentrale
Energieerzeugung,
Großkraftwerke
Verteilung der
elektrischen Energie an
Verbraucher
Verbrauch der
elektrischen
Energie
Probleme:
konstante Menge an
elektrischer Energie
Probleme:
Speichern nur mit großem
Aufwand
Probleme:
Energieverbrauch
schwankt stark
Vereinfacht: Das Stromnetz (Grid)
Smart Grid
13 Steger et al. 2008
Neue Dynamik: Erneuerbare Energien
Die Lösung:
Dezentrale Erzeugung mit
erneuerbaren Energien.
Die größten Verluste treten durch nicht genutzte Kapazität und Übertragung über große
Distanzen auf. In Deutschland: ca. 10% der gesamten Energie
Aber:
Die Menge an Strom, die durch
erneuerbare Energien erzeugt wird,
schwankt durch wechselndes Wetter.
 Großer Steuerungsaufwand
Smart Grid
14 www.unendlich-viel-energie.de
Das deutsche Stromnetz: Big Data-Umgebung
Das deutsche Stromnetz:
•Vier eigenständige Netze
(Organisationen)
•Nur eingeschränkter
Informationsfluss
•Begrenzte Interaktion über
Strombörsen (Verkauf /
Ankauf von Überkapazitäten)
Private Verbraucher:
 ca. 40 Mio. Haushalte
=
Smart Grid
15 www.ict-nobel.eu; Marqués et al. 2010
Ziel: Effizientere Erzeugung und Verteilung von elektrischer Energie
Smart Grid
16 Marqués et al. 2011
Prosumer – wechselseitige Beziehungen im doppelten Sinne
Zentrale
Energieerzeugung:
Großkraftwerke
Verteilung der
elektrischen Energie
an Verbraucher
Verbrauch +
Erzeugung
der elektrischen
Energie
Verbraucher (Haushalte)
Produzieren selbst elektrische
Energie mittels erneuerbaren
Energien
Zentrale
Energieerzeugung:
Großkraftwerke
Verteilung der
elektrischen Energie
an Verbraucher
Verbrauch der
elektrischen
Energie
Informationsfluss über die
gesamte Wertschöpfungskette
von elektrischer Energie:
Verbrauch und Erzeugung
Smart Grid
17 Marqués et al. 2011
Prosumer – wechselseitige Beziehungen im doppelten Sinne
Nötig für Interaktion:
Informations- und
Kommunikationstechnik (IKT)
• Hardware: Messsysteme für Haushalte
(Smart Meter); große Rechenkapazität
für Analyse
• Software: Standards für Dateiformate;
Übertragungsstandards,
Analysesoftware
( Big Data)
Zentrale
Energieerzeugung:
Großkraftwerke
Verteilung der
elektrischen Energie
an Verbraucher
Verbrauch +
Erzeugung
der elektrischen
Energie
Zentrale
Energieerzeugung:
Großkraftwerke
Verteilung der
elektrischen Energie
an Verbraucher
Verbrauch der
elektrischen
Energie
Smart Grid
Karnouskos 201018
Das Konzept.
Smart Meter misst und versendet
kontinuierlich Daten über:
• Energie-Verbrauch
• Energie-Erzeugung durch erneuerbare
Energien
Anwendung Internet of Things – Smart Meter
http://de.wikipedia.org/wiki/Smart_Meter
Das Konzept.
Reale, physikalische Gegenstände werden
mittels Informations- und
Kommunikationstechnik (IKT) in ein
Informationsnetzwerk eingebunden.
Das Ziele:
• Automatisierte Überwachung und Messung
von Objekten (RFID in der Logistik)
• Verbesserung der Produkteigenschaften
(Toaster mit Wettervorhersage)
• Automatische Interaktion zwischen
technischen Geräten (Waschmaschine startet
Waschvorgang, wenn Strom günstig ist)
Smart Grid
19 Atzori et al. 2010
www.utopia.de
www.likecool.com
Internet of Things – Neue Netzwerke
Smart Grid
Katz 201120
• Zusammenführung
aller Informationen
auf einer Plattform
• Kontinuierliche
Analyse und Planung
des Netzes (Big Data
Analytics)
• Effiziente Ressourcen-
Allokation durch
(automatisierte)
Interaktion auf
Märkten
Informationsflüsse
http://www.commputation.kit.edu
Fazit
Katz 2011; Karnouskos 201021
In-Haus:
Variable transparente Last-Abhängige Preise für
elektrische Energie
Preisen  Information über die Kapazität im
Netz an die Smart Meter gesendet,
Haushaltsgeräte  (Internet of Things)
Verringerung der Verluste durch weniger
ungenutzte Kapazität im Netz
In-Netz:
Direkte Interaktion auf Ebene der
Niederspannungsnetze  weniger Energie aus
Mittel- und Hochspannungsnetzen
Daten-Standards, Übertragungs-Standards
 Handelsplattform
Verringerung der Verluste durch Strom-
transport
Nutzen der Big Data Analytics -> Nachfrage Steuerung
Smart Grid
22
Internet
of
Things
Smart
Grid
Big Data durch Kombinierung von Konzepten der Wirtschaftsinformatik
Smart Grid, besteht vereinfacht aus der Umsetzung zweier wissenschaftlicher Ansätze in
der Wirtschaftsinformatik:
• Prosumer:
Die Einbindung des Konsumenten direkt bei Erstellung von Produkten/Dienstleistungen
• Internet of Things:
Das Einbinden von Objekten in Informationsnetzwerke und deren Interaktion
 Automatische Messung menschlichen Verhaltens
Pro-
sumer
Smart Grid
23
Smart Grid – Big Data Analytics Anwendung
• Viele Dateiformate
durch unterschiedliche
Hersteller der Smart
Meter
• Unterschiedliche
Analyse-und
Planungsprogramme
Dateiformate Größe
• Kontinuierliche
Verarbeitung und
Speicherung von 10 –
40 Mio. Datensätzen
(Haushalte in
Deutschland)
Dynamik der Daten
• Ändert sich
kontinuierlich, da von
Smart Metern erfasst
Agenda
24
2
Smart Grid4
Big Data Analytics
1 Was bedeutet Big Data?
3 S-CRM
Konsumenten Transition / Fazit5
Fazit
25
Direktes Einbinden menschlichen Handelns in ein Informationsnetzwerk:
• Interaktion von Menschen in sozialen Netzwerken und Märkten
 Prosumer
 Customer Relationship Management
• Messen menschlichen Verbrauchsverhalten
 Social Media Analytics
 Internet of Things
Bedürfnisse direkt bei der Erstellung und/oder Bereitstellung von Produkten und
Dienstleistungen einzubinden
Fazit
26
S-CRM:
Konzepte:
CRM + Web 2.0
Beispiel für Big Data Analytics, da:
• Amazon verfügt allein über Datensätze
von 16 Mio. Usern (2009)
• Jede Plattform hat eigenes Datenformat
• Kontinuierliches Wachstum der
Kundendaten
Smart Grid:
Konzepte:
Prosumer + Internet of Things:
Beispiel für Big Data Analytics, da:
• Datensätze von 40 Mio. Haushalten
• Viele Datenformate von Protokolle
• Kontinuierliche Veränderung
Stromverbräuche
Big Data Analytics: S-CRM und Smart Grid
Danke für eure Aufmerksamkeit
Wir freuen uns auf eure Fragen
27
Diskussion: Datensicherheit ,die Klassiker
28
Brave New World:
• Überwachung, Informationelle Selbstbestimmung
 Probleme beispielsweise S-CRM: diese Daten sind durch private Unternehmen
erhoben worden.
 Problem: keinen Rechtsraum, extremer Nachholbedarf der Regierungen
(und Bürger)  Steuergelder

Weitere ähnliche Inhalte

Ähnlich wie Big data - smart grid

Not with my data vortrag jul 2011
Not with my data vortrag jul 2011Not with my data vortrag jul 2011
Not with my data vortrag jul 2011
Ansgar Baums
 
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A RelationsBig Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
Georg Blum
 

Ähnlich wie Big data - smart grid (20)

OpenFridge @ Auftaktveranstaltung, IKT der Zukunft 2013
OpenFridge @ Auftaktveranstaltung, IKT der Zukunft 2013OpenFridge @ Auftaktveranstaltung, IKT der Zukunft 2013
OpenFridge @ Auftaktveranstaltung, IKT der Zukunft 2013
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Open Data & API Economy
Open Data & API EconomyOpen Data & API Economy
Open Data & API Economy
 
Data-Driven Systems - Overview Presentation at InES Symposium 2013
Data-Driven Systems - Overview Presentation at InES Symposium 2013Data-Driven Systems - Overview Presentation at InES Symposium 2013
Data-Driven Systems - Overview Presentation at InES Symposium 2013
 
EY Stadtwerkestudie 2017 - Energieversorger betrachten Digitalisierung als Ch...
EY Stadtwerkestudie 2017 - Energieversorger betrachten Digitalisierung als Ch...EY Stadtwerkestudie 2017 - Energieversorger betrachten Digitalisierung als Ch...
EY Stadtwerkestudie 2017 - Energieversorger betrachten Digitalisierung als Ch...
 
Satellitendaten für Smart Cities
Satellitendaten für Smart CitiesSatellitendaten für Smart Cities
Satellitendaten für Smart Cities
 
Wachstumsfelder und Chancen mit smarten Technologien
Wachstumsfelder und Chancen mit smarten TechnologienWachstumsfelder und Chancen mit smarten Technologien
Wachstumsfelder und Chancen mit smarten Technologien
 
Wie verändert der Digitale Wandel (besser die Digitale Transformation) die Ve...
Wie verändert der Digitale Wandel (besser die Digitale Transformation) die Ve...Wie verändert der Digitale Wandel (besser die Digitale Transformation) die Ve...
Wie verändert der Digitale Wandel (besser die Digitale Transformation) die Ve...
 
Big Data and it's impact on healthcare
Big Data and it's impact on healthcareBig Data and it's impact on healthcare
Big Data and it's impact on healthcare
 
Urban Data - Open Data - Data Excellence in der Stadt Wien
Urban Data - Open Data - Data Excellence in der Stadt WienUrban Data - Open Data - Data Excellence in der Stadt Wien
Urban Data - Open Data - Data Excellence in der Stadt Wien
 
BMVIT & Data Market Austria
BMVIT & Data Market AustriaBMVIT & Data Market Austria
BMVIT & Data Market Austria
 
Not with my data vortrag jul 2011
Not with my data vortrag jul 2011Not with my data vortrag jul 2011
Not with my data vortrag jul 2011
 
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
 
Was ist Information Governance?
Was ist Information Governance?Was ist Information Governance?
Was ist Information Governance?
 
Soziale Verantwortung und Nachhaltigkeit in der Wirtschaft
Soziale Verantwortung und Nachhaltigkeit in der WirtschaftSoziale Verantwortung und Nachhaltigkeit in der Wirtschaft
Soziale Verantwortung und Nachhaltigkeit in der Wirtschaft
 
DE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart DataDE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart Data
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016
 
Big Data, Datenschutz, Datensicherheit - Chancen und Risiken für Smart Cities
Big Data, Datenschutz, Datensicherheit - Chancen und Risiken für Smart CitiesBig Data, Datenschutz, Datensicherheit - Chancen und Risiken für Smart Cities
Big Data, Datenschutz, Datensicherheit - Chancen und Risiken für Smart Cities
 
Mag. Rainer Michael Semper (T-Mobile Austria)
Mag. Rainer Michael Semper (T-Mobile Austria)Mag. Rainer Michael Semper (T-Mobile Austria)
Mag. Rainer Michael Semper (T-Mobile Austria)
 
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A RelationsBig Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
 

Big data - smart grid

  • 1. Big Data Analytics Auszug: Smart Grid Seminar: „IT Trends 2013“ 14.01.2013 Philipp Hechler
  • 2. Agenda 2 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 3. Agenda 3 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 4. Was ist Big Data in der Theorie? Pospiech et al., 2012 Big Data a State of the Art4 Was macht Data zu Big Data? Arten von Datenmengen: gut strukturiert und kompakt Arten von Datenmengen: kaum strukturiert und chaotisch Größe: klar messbar Formate: Alle gleich Größe: unscharf Formate: viele Arten
  • 5. Was ist Big Data in der Theorie? Pospiech et al., 2012 Big Data a State of the Art5 Was macht Data zu Big Data  Dynamik (Veränderung über die Zeit) Größe: klar messbar Formate: Alle gleich Größe: unscharf Formate: viele Arten
  • 6. Was ist Big Data in der Theorie? Pospiech et al., 2012 Big Data a State of the Art6 Was macht Data zu Big Data  Dynamik (Veränderung über die Zeit) Dynamik: quasi Null Größe: klar Messbar Formate: alle gleich Dynamik: in jedem Punkt Größe: unscharf Formate: viele Arten
  • 7. Was ist Big Data in der Theorie? Pospiech et al., 2012 Big Data a State of the Art7 Was macht Datenmengen zu Big Data? Gemeinsames Auftreten dieser Faktoren führen zu Big Data-Umgebungen Viele unterschiedliche Formate: • Soziale Daten (Blogs, Wikis, Chatter) • System Daten (Bar Codes, Queries, GPS) • Software Formate Zusammenführung durch Middleware Verarbeitung großer Datenmengen • Verarbeitung der Daten entscheidend Wachstum und Veränderung der Daten: • 2,9 Mio. Emails pro Tag • 20 Stunden hochgeladener Videos bei YouTube pro Minute • 50 Mio. Tweets am Tag Dateiformate Größe Dynamik der Daten
  • 8. Agenda 8 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 9. Big Data Analytics Bollier & Firestone, 2010 The promise and peril of Big Data9 Diese Datenmengen zu analysieren ist derzeit eine der größten Herausforderungen der Informatik. Was zeichnet Big Data Analytics aus?  Analyse von bisher nicht analysierbaren Systemen/Umgebungen  Erarbeitung von schnellen Analysen, um in diesem Systemen interagieren zu können.  Innen liegende Strukturen erkennen und zu einem gesamten Muster zusammenführen!
  • 10. Agenda 10 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 11. Agenda 11 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 12. Smart Grid 12 Steger et al. 2008 Zentrale Energieerzeugung, Großkraftwerke Verteilung der elektrischen Energie an Verbraucher Verbrauch der elektrischen Energie Probleme: konstante Menge an elektrischer Energie Probleme: Speichern nur mit großem Aufwand Probleme: Energieverbrauch schwankt stark Vereinfacht: Das Stromnetz (Grid)
  • 13. Smart Grid 13 Steger et al. 2008 Neue Dynamik: Erneuerbare Energien Die Lösung: Dezentrale Erzeugung mit erneuerbaren Energien. Die größten Verluste treten durch nicht genutzte Kapazität und Übertragung über große Distanzen auf. In Deutschland: ca. 10% der gesamten Energie Aber: Die Menge an Strom, die durch erneuerbare Energien erzeugt wird, schwankt durch wechselndes Wetter.  Großer Steuerungsaufwand
  • 14. Smart Grid 14 www.unendlich-viel-energie.de Das deutsche Stromnetz: Big Data-Umgebung Das deutsche Stromnetz: •Vier eigenständige Netze (Organisationen) •Nur eingeschränkter Informationsfluss •Begrenzte Interaktion über Strombörsen (Verkauf / Ankauf von Überkapazitäten) Private Verbraucher:  ca. 40 Mio. Haushalte =
  • 15. Smart Grid 15 www.ict-nobel.eu; Marqués et al. 2010 Ziel: Effizientere Erzeugung und Verteilung von elektrischer Energie
  • 16. Smart Grid 16 Marqués et al. 2011 Prosumer – wechselseitige Beziehungen im doppelten Sinne Zentrale Energieerzeugung: Großkraftwerke Verteilung der elektrischen Energie an Verbraucher Verbrauch + Erzeugung der elektrischen Energie Verbraucher (Haushalte) Produzieren selbst elektrische Energie mittels erneuerbaren Energien Zentrale Energieerzeugung: Großkraftwerke Verteilung der elektrischen Energie an Verbraucher Verbrauch der elektrischen Energie Informationsfluss über die gesamte Wertschöpfungskette von elektrischer Energie: Verbrauch und Erzeugung
  • 17. Smart Grid 17 Marqués et al. 2011 Prosumer – wechselseitige Beziehungen im doppelten Sinne Nötig für Interaktion: Informations- und Kommunikationstechnik (IKT) • Hardware: Messsysteme für Haushalte (Smart Meter); große Rechenkapazität für Analyse • Software: Standards für Dateiformate; Übertragungsstandards, Analysesoftware ( Big Data) Zentrale Energieerzeugung: Großkraftwerke Verteilung der elektrischen Energie an Verbraucher Verbrauch + Erzeugung der elektrischen Energie Zentrale Energieerzeugung: Großkraftwerke Verteilung der elektrischen Energie an Verbraucher Verbrauch der elektrischen Energie
  • 18. Smart Grid Karnouskos 201018 Das Konzept. Smart Meter misst und versendet kontinuierlich Daten über: • Energie-Verbrauch • Energie-Erzeugung durch erneuerbare Energien Anwendung Internet of Things – Smart Meter http://de.wikipedia.org/wiki/Smart_Meter
  • 19. Das Konzept. Reale, physikalische Gegenstände werden mittels Informations- und Kommunikationstechnik (IKT) in ein Informationsnetzwerk eingebunden. Das Ziele: • Automatisierte Überwachung und Messung von Objekten (RFID in der Logistik) • Verbesserung der Produkteigenschaften (Toaster mit Wettervorhersage) • Automatische Interaktion zwischen technischen Geräten (Waschmaschine startet Waschvorgang, wenn Strom günstig ist) Smart Grid 19 Atzori et al. 2010 www.utopia.de www.likecool.com Internet of Things – Neue Netzwerke
  • 20. Smart Grid Katz 201120 • Zusammenführung aller Informationen auf einer Plattform • Kontinuierliche Analyse und Planung des Netzes (Big Data Analytics) • Effiziente Ressourcen- Allokation durch (automatisierte) Interaktion auf Märkten Informationsflüsse http://www.commputation.kit.edu
  • 21. Fazit Katz 2011; Karnouskos 201021 In-Haus: Variable transparente Last-Abhängige Preise für elektrische Energie Preisen  Information über die Kapazität im Netz an die Smart Meter gesendet, Haushaltsgeräte  (Internet of Things) Verringerung der Verluste durch weniger ungenutzte Kapazität im Netz In-Netz: Direkte Interaktion auf Ebene der Niederspannungsnetze  weniger Energie aus Mittel- und Hochspannungsnetzen Daten-Standards, Übertragungs-Standards  Handelsplattform Verringerung der Verluste durch Strom- transport Nutzen der Big Data Analytics -> Nachfrage Steuerung
  • 22. Smart Grid 22 Internet of Things Smart Grid Big Data durch Kombinierung von Konzepten der Wirtschaftsinformatik Smart Grid, besteht vereinfacht aus der Umsetzung zweier wissenschaftlicher Ansätze in der Wirtschaftsinformatik: • Prosumer: Die Einbindung des Konsumenten direkt bei Erstellung von Produkten/Dienstleistungen • Internet of Things: Das Einbinden von Objekten in Informationsnetzwerke und deren Interaktion  Automatische Messung menschlichen Verhaltens Pro- sumer
  • 23. Smart Grid 23 Smart Grid – Big Data Analytics Anwendung • Viele Dateiformate durch unterschiedliche Hersteller der Smart Meter • Unterschiedliche Analyse-und Planungsprogramme Dateiformate Größe • Kontinuierliche Verarbeitung und Speicherung von 10 – 40 Mio. Datensätzen (Haushalte in Deutschland) Dynamik der Daten • Ändert sich kontinuierlich, da von Smart Metern erfasst
  • 24. Agenda 24 2 Smart Grid4 Big Data Analytics 1 Was bedeutet Big Data? 3 S-CRM Konsumenten Transition / Fazit5
  • 25. Fazit 25 Direktes Einbinden menschlichen Handelns in ein Informationsnetzwerk: • Interaktion von Menschen in sozialen Netzwerken und Märkten  Prosumer  Customer Relationship Management • Messen menschlichen Verbrauchsverhalten  Social Media Analytics  Internet of Things Bedürfnisse direkt bei der Erstellung und/oder Bereitstellung von Produkten und Dienstleistungen einzubinden
  • 26. Fazit 26 S-CRM: Konzepte: CRM + Web 2.0 Beispiel für Big Data Analytics, da: • Amazon verfügt allein über Datensätze von 16 Mio. Usern (2009) • Jede Plattform hat eigenes Datenformat • Kontinuierliches Wachstum der Kundendaten Smart Grid: Konzepte: Prosumer + Internet of Things: Beispiel für Big Data Analytics, da: • Datensätze von 40 Mio. Haushalten • Viele Datenformate von Protokolle • Kontinuierliche Veränderung Stromverbräuche Big Data Analytics: S-CRM und Smart Grid
  • 27. Danke für eure Aufmerksamkeit Wir freuen uns auf eure Fragen 27
  • 28. Diskussion: Datensicherheit ,die Klassiker 28 Brave New World: • Überwachung, Informationelle Selbstbestimmung  Probleme beispielsweise S-CRM: diese Daten sind durch private Unternehmen erhoben worden.  Problem: keinen Rechtsraum, extremer Nachholbedarf der Regierungen (und Bürger)  Steuergelder