UID:
almafu_9961266964702883
Format:
1 Online-Ressource (125 Seiten).
Edition:
1. Auflage
ISBN:
9783838554426
Series Statement:
Frag doch einfach!
Content:
Alle sammeln Daten. Doch warum eigentlich? Die Autoren gehen dieser Frage auf den Grund. Sie verraten, was genau hinter dem Schlagwort "Big Data" steckt und welche Chancen und Risiken sich aus der Kombination von großen Datenvolumina und künstlicher Intelligenz ergeben. Auch auf das Management, die Verarbeitung und die Haltung von Daten gehen sie ein und lassen darüber hinaus den rechtlichen Rahmen nicht außer Acht. Im Frage-Antwort-Stil leicht verständlich! Die utb-Reihe "Frag doch einfach!" beantwortet Fragen, die sich nicht nur Studierende stellen. Im Frage-Antwort-Stil geben Expert*innen kundig Auskunft und verraten alles Wissenswerte rund um ein Thema. Die wichtigsten Fachbegriffe werden zudem prägnant vorgestellt und es wird verraten, welche Websites, YouTube-Videos und Bücher das Wissen aus diesem Band vertiefen können.
Note:
Alle sammeln Daten. Doch warum eigentlich? Die Autor:innen gehen dieser Frage auf den Grund. Sie verraten, was genau hinter dem Schlagwort Big Data steckt und welche Chancen und Risiken sich aus der Kombination von großen Datenvolumina und künstlicher Intelligenz ergeben. Auch auf das Management, die Verarbeitung, Visualisierung und die Haltung von Daten gehen sie ein und lassen darüber hinaus die rechtlichen Rahmenbedingungen des Datensammelns nicht außer Acht. Im Frage-Antwort-Stil leicht verständlich! Ein Buch für Studium und Praxis - ideal für Studierende der Wirtschafts-, Sozial- und Naturwissenschaften. Frag doch einfach! Die utb-Reihe geht zahlreichen spannenden Themen im Frage-Antwort-Stil auf den Grund. Ein Must-have für alle, die mehr wissen und verstehen wollen.
,
Vorwort Was die verwendeten Symbole bedeuten Zahlen und Fakten zu Big Data Aktuelles Beispiel zu Big Data Big Data im Kontext Ist Big Data mit der 3V-Definition erklärbar? Was sind strukturierte, semi-strukturierte und unstrukturierten Daten? Business Intelligence oder Business Analytics - ist das nicht alles Big Data? Wie unterscheiden sich Data Science/Data Mining/Maschinelles Lernen? Superkraft Data Literacy? Was kann künstliche Intelligenz (nicht)? Betriebswirtschaftliche Fragestellungen Sind Daten (Informationen) das neue Öl? Ist Information ein Produktionsfaktor? Warum benötigen Unternehmen eine Data Strategy? Was versteht man unter einer Betriebsdatenanalyse? Haben Kunden einen Wert und wie kann ein analytisches CRM unterstützen? Wirkt Big Data auch auf Geschäftsmodelle? Was versteht man unter Internet of Things? Ein besonderer Einsatzbereich von IoT ist Predictive Maintenance! Warum? Berichtswesen Zahlen oder Kennzahlen, das ist hier die Frage! Was macht Reporting? Ist Visualisierung wichtig? Datenmanagement Was versteht man unter Data Engineering und wie setzt man es ein? Was sind in diesem Zusammenhang Datenmodelle? Was bedeutet NoSQL aus Sicht der Daten? Was ist Harmonisierung? Was ist der Unterschied zwischen ETL und ELT? Datenverarbeitung Was erstellt ein Big-Data-Architekt? Sind klassische Data Warehouses überflüssig? Was schwimmt in einem Data Lake? Dient Streaming bei Big Data der Unterhaltung? Was macht Clickstream-Daten wertvoll? Was ist die Idee von Lambda-Architekturen? Für welche Aufgaben eignen sich Batch-Verfahren? Werden immer alle Daten betrachtet? Wie werden die notwendigen Geschwindigkeiten erzielt? Datenhaltung Warum werden Daten verteilt gespeichert? Wie wird verteilte Speicherung umgesetzt? Warum skalieren NoSQL-Systeme horizontal? Warum liegen viele Daten in Skandinavien? Lohnt es sich heute noch, SQL zu lernen? Was bedeutet CRUD? Welche Relevanz hat das ACID-Prinzip? Was ist das CAP-Theorem? Wie speichern soziale Netzwerke ihre Daten? Was ändert sich durch dokumentenorientierte Speicherung? Wie können große Datenmengen schneller abgerufen werden? Ist Hyperscaling nur ein Hype? Was passiert, wenn ein Datenserver ausfällt? Analysemethoden Erklären Korrelationen Zusammenhänge? Wie kann Big Data visualisiert werden? Wie schaffen grafische Auswertungen Übersicht? Kann Big Data für Auswertungen reduziert werden? Sind klassische Analysemethoden noch einsetzbar? Was zeigt Zusammenhänge in Daten auf? Warum hilft Big Data bei der Objekterkennung? Sind Künstliche Neuronale Netze Teil von Big Data? Wie werden Texte analysiert? Welche Probleme bereitet Sprachverarbeitung? Kann Big Data Wähler analysieren? Sieht Big-Data-Analyse-Software aus wie in Filmen? Ist Process Mining ein "Muss"? Werkzeuge Was ist Hadoop? Womit werden Big-Data-Datenmodelle erstellt? Womit wird im Bereich Big Data programmiert? Welches NoSQL-Datenbanksystem ist das richtige? Existiert eine Standardsoftware für Datenanalyse? Wird spezielle Hardware für die Analysen benötigt? Wie funktionieren Process-Mining-Werkzeuge? Recht und Umfeld Was ist Data Governance? Was versteht man unter Data Privacy? Was regelt die DSGVO? In welchem Verhältnis steht das BDSG zur DSGVO? Können Daten ohne Probleme in die USA übertragen werden? Was versteht man unter IT-Security? Glossar Online- und Literaturtipps Die Autoren Im Überblick Verwendete Literatur Wo sich welches Stichwort befindet
Additional Edition:
Erscheint auch als ISBN 9783846354421
Additional Edition:
Erscheint auch als Printausgabe ISBN 9783825254421
Language:
German
DOI:
10.36198/9783838554426
URL:
https://elibrary.utb.de/doi/book/10.36198/9783838554426
URL:
https://elibrary.utb.de/doi/book/10.36198/9783838554426
