NAMER All PDFs

Die datengestütz te Hochschule

Issue link: https://access.awscloud.com/i/1469038

Contents of this Issue

Navigation

Page 7 of 20

Inhalt: › Wie Daten die digitale Transformation in der Bildung vorantreiben › Der Nutzen und Wert von Daten › Daten, Wandlungsfähigkeit und Agilität › Agilität für Daten › Wie nutzen wir Daten, um unsere Einrichtung anpassungsfähig zu machen? › Fazit › Über den Autor Agilität für Daten Für eine institutionelle Agilität müssen wir bereit sein, auf unerwartete Veränderungen im sozialen und bildungspolitischen Umfeld zu reagieren. Wir müssen wirklich neuartige Innovationen schaffen, also in der Lage sein, unsere Daten auf eine Art und Weise zu nutzen, die wir zum Zeitpunkt der Datenerhebung nicht unbedingt erwartet haben. Unsere Herausforderungen: • Unsere Daten sind wahrscheinlich in transaktionsbasierten, relationalen Datenbanken verpackt, etwa übliche Studierenden-Daten, Lernmanagement, Einschreibungen, Vorlesungsraum-Management, Umfragedaten und Inhalte anderer IT-Systeme. Sie sind jeweils so isoliert, dass andere Abteilungen nicht darauf zugreifen können. • Wir haben meist nicht die richtigen Analyseprogramme, oder die Programme stehen den entscheidenden Personen nicht zum richtigen Zeitpunkt zur Verfügung. • Unsere Mechanismen für Datensicherheit und Datenschutz sind konventionell und ohne die Überlegung entstanden, dass Daten später auch für weitergehende Untersuchungen genutzt werden könnten. Vermutlich fördern wir den Schutz persönlicher Daten vor allem, indem wir Daten so unzugänglich wie möglich speichern. Unsere Ziele: • Die Verfügbarkeit von Daten im Rahmen der Vorgaben für Datenschutz und Geheimhaltung maximieren. • isolierte Datenbestände aufbrechen und damit die Transparenz von Daten innerhalb der gesamten Institution fördern. • Instituten und Belegschaft die passenden Programme anbieten, um Daten unkonventionell zu analysieren und die neuesten Analysemethoden zu nutzen. • Und sorgen Sie für das notwendige Fachwissen, um Daten ebenso konsequent wie kreativ zu interpretieren. In seinem Buch "Analytics without Limits: FINRA's Scalable and Secure Big Data Architecture," fasst John Brady, der Chief Information Security Officer (CISO) der Finanz-Aufsichtsbehörde „Financial Industry Regulatory Authority" (FINRA) diese Ziele sehr elegant zusammen, indem er sagt er wolle die Kosten für Neugierde senken. 3 Er bezieht sich dabei auf Kosten im weitesten Sinne, einschließlich der notwendigen Zeit, um Rückschlüsse aus den Daten zu ziehen sowie den Risiken durch die Bereitstellung der Daten. Die Aufgabe von FINRA ist es, täglich 37 Milliarden Finanzmarkt-Transaktionen auf der Suche nach betrügerischen Mustern zu durchsuchen. Da nicht immer vorab bekannt ist, wie ein betrügerisches Muster aussieht, muss FINRA auf die Expertise seiner Analysten vertrauen, um ein verdächtiges Verhalten zu erkennen. Dabei geht es vor allem um Neugierde: FINRA lässt seine Analysten die Daten besonders neugierig daraufhin untersuchen, welche Muster erkennbar sind –und warum. Die Aufgabe der zugehörigen IT ist es, die Kosten dieser Neugierde zu senken –und den Aufwand für den einzelnen Analysten, um einer Ahnung nachzugehen. 7 3. https://aws.amazon.com/blogs/publicsector/analytics-without-limits-finras-scalable-and-secure-big-data-architecture-part-1/

Articles in this issue

view archives of NAMER All PDFs - Die datengestütz te Hochschule