{"id":75636,"date":"2020-03-27T07:42:42","date_gmt":"2020-03-27T05:42:42","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki"},"modified":"2020-03-27T07:42:42","modified_gmt":"2020-03-27T05:42:42","slug":"strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","title":{"rendered":"Strukturierung von Risiken und Entscheidungen bei der Nutzung von BigData zur Gewinnung offizieller Statistiken","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Vorwort des \u00dcbersetzers<\/i><\/p>\n

Das Material hat mich vor allem wegen der untenstehenden Tabelle interessiert:<\/p>\n

\"Strukturierung
\n
\nAngesichts der Tatsache, dass Statistiker (und russische, genetisch gesehen) alles, was von der linearen Beziehung abweicht, gelinde gesagt, nicht m\u00f6gen, ist es diesen Leuten gelungen, die Verwendung einer Aktivierungsfunktion in parabolischer Form zur Bestimmung des Risikogrades bei der Nutzung von Big Data in der offiziellen Statistik durchzusetzen. Gut gemacht. Nat\u00fcrlich haben die Statistiker ihren Kommentar zu dieser Arbeit hinzugef\u00fcgt \u2013 \u201e1 Alle Fehler und Auslassungen liegen in der ausschlie\u00dflichen Verantwortung der Autoren. Die in diesem Dokument ge\u00e4u\u00dferten Meinungen sind pers\u00f6nlich und spiegeln nicht unbedingt die offizielle Position der Europ\u00e4ischen Kommission wider.\u201c Aber die Arbeit wurde ver\u00f6ffentlicht. Ich denke, das reicht f\u00fcr heute aus, und sie (die Autoren) haben niemandem verboten, ihre Ma\u00dfst\u00e4be in diesen Aspekten zu finden.<\/p>\n

In der Arbeit l\u00e4sst sich gut strukturieren, wo und wie sich statistische Methoden von den Forschungmethoden f\u00fcr Big Data unterscheiden. Meiner Meinung nach wird der gr\u00f6\u00dfte Nutzen aus dieser Arbeit bei Gespr\u00e4chen mit Kunden und zur Widerlegung von \u00c4u\u00dferungen wie folgt gezogen:<\/p>\n

\u2014 Wir sammeln selbst Statistiken, was wollen Sie hier noch untersuchen?
\n \u2014 Und Sie pr\u00e4sentieren uns Ihre Ergebnisse so, dass wir sie mit unserer Statistik abstimmen k\u00f6nnen. In dieser Frage empfehlen die Autoren, diese Arbeit zu lesen (3 Wie gro\u00df ist Big Data? Die Rolle von Big Data in der offiziellen Statistik erkunden<\/a><\/noindex>)<\/p>\n

In dieser Arbeit haben die Autoren ihre Sicht auf das Risikoniveau dargelegt. Dieser Parameter steht in Klammern, nicht zu verwechseln mit einer Quellenangabe.<\/p>\n

Zweite Beobachtung. Die Autoren verwenden den Begriff BDS \u2013 dies ist das \u00c4quivalent des Begriffs Big Data. (vermutlich eine Reverenz an die offizielle Statistik).
\n<\/a><\/noindex>
\nVorwort der Autoren<\/i><\/p>\n

Immer mehr statistische \u00c4mter pr\u00fcfen die M\u00f6glichkeit, gro\u00dfe Datenquellen f\u00fcr die Erstellung offizieller Statistiken zu nutzen. Derzeit gibt es nur wenige Beispiele, bei denen diese Quellen vollst\u00e4ndig in die tats\u00e4chliche statistische Produktion integriert wurden. Daher ist der vollst\u00e4ndige Umfang der Folgen, die durch ihre Integration entstehen, noch nicht bekannt. In der Zwischenzeit wurden erste Versuche unternommen, die Bedingungen und den Einfluss gro\u00dfer Daten auf verschiedene Aspekte der statistischen Produktion, wie Qualit\u00e4t oder Methodologie, zu analysieren. K\u00fcrzlich entwickelte eine Arbeitsgruppe eine qualitative Grundlage f\u00fcr die Erstellung statistischer Daten auf der Grundlage gro\u00dfer Daten im Kontext des Projekts gro\u00dfer Daten der Wirtschaftskommission f\u00fcr Europa der Vereinten Nationen (ECE-UN). Laut dem Europ\u00e4ischen statistischen Kodex der Praxis ist die Bereitstellung hochwertiger statistischer Informationen eine Hauptaufgabe der statistischen \u00c4mter. Da Risiko definiert wird als der Einfluss von Unsicherheit auf Ziele (z.B. aus der internationalen Norm ISO 31000), hielten wir es f\u00fcr sinnvoll, Risiken entsprechend den Qualit\u00e4tsdimensionen zu kategorisieren, auf die sie Einfluss haben.
\nDie vorgeschlagene Struktur zur Qualit\u00e4t statistischer Daten, die aus gro\u00dfen Datenquellen gewonnen werden, bietet eine strukturierte Darstellung der Qualit\u00e4t, die mit allen Phasen des statistischen Gesch\u00e4ftsprozesses verbunden ist, und kann somit als Grundlage f\u00fcr eine umfassende Bewertung und das Risikomanagement im Zusammenhang mit diesen neuen Datenquellen dienen. Sie f\u00fchrt neue qualitative Ma\u00dfe ein, die spezifisch f\u00fcr oder von hoher Bedeutung sind, wenn gro\u00dfe Daten f\u00fcr offizielle Statistiken verwendet werden, wie institutionelle\/betriebliche Umgebung oder Komplexit\u00e4t. Mit diesen neuen qualitativen Ma\u00dfen k\u00f6nnen die Risiken, die mit der Nutzung gro\u00dfer Datenquellen in der offiziellen Statistik verbunden sind, systematischer identifiziert werden.<\/p>\n

In dieser Arbeit streben wir an, die Risiken, die durch die Nutzung von Big Data im Kontext offizieller Statistiken entstehen, zu identifizieren. Wir verfolgen einen systematischen Ansatz zur Bestimmung von Risiken im Rahmen des vorgeschlagenen Qualit\u00e4tsrahmens. Indem wir uns auf die neu vorgeschlagenen Qualit\u00e4tsma\u00dfe konzentrieren, k\u00f6nnen wir Risiken beschreiben, die derzeit fehlen oder keinen Einfluss auf die Erstellung offizieller Statistiken haben. Gleichzeitig k\u00f6nnen wir aktuelle Risiken identifizieren, die bei der Verwendung von Big Data zur Erstellung von Statistiken ganz anders bewertet werden. Anschlie\u00dfend gehen wir weiter im Risikomanagementzyklus und bieten eine Einsch\u00e4tzung der Wahrscheinlichkeit und der Auswirkungen dieser Risiken an. Da die Risikobewertung Subjektivit\u00e4t in der Zuschreibung der Wahrscheinlichkeit und Auswirkungen auf verschiedene Risiken beinhaltet, messen wir die \u00dcbereinstimmung zwischen Dutzenden von verschiedenen, unabh\u00e4ngig bereitgestellten Interessengruppen. Danach bieten wir Optionen zur Minderung dieser Risiken gem\u00e4\u00df vier Hauptkategorien an: Vermeidung, Reduzierung, Teilen und Behalten. Laut ISO sollte eines der Prinzipien des Risikomanagements die Wertsch\u00f6pfung sein, d.h. die Ressourcen zur Risikominderung sollten geringer sein als die f\u00fcr Unt\u00e4tigkeit. In \u00dcbereinstimmung mit diesem Prinzip werden wir schlie\u00dflich die m\u00f6gliche Auswirkung einiger Risikominderungsma\u00dfnahmen auf die Qualit\u00e4t der Endergebnisse bewerten, um zu einer umfassenderen Bewertung der Nutzung von Big Data f\u00fcr offizielle Statistiken zu gelangen.<\/p>\n

1. Einf\u00fchrung<\/h2>\n

<\/p>\n

1.1. Hintergrund<\/h4>\n

\nDie Entwicklung von \"Big Data\" wurde von Kenneth Neil Cukier und Viktor Mayer-Sch\u00f6nberger in ihrem Artikel \"The Rise of Big Data\" beschrieben. www.foreignaffairs.com\/articles\/139104\/kenneth-neil-cukier-and-viktor-mayer-schoenberger\/therise-of-big-data<\/a><\/noindex>) als \"Daten\u00fcbertragung\" bezeichnet. Datafication wird als der Prozess beschrieben, \"alle Aspekte des Lebens zu erfassen und sie in Daten umzuwandeln\". Zum Beispiel bietet Facebook pers\u00f6nliche Netzwerke, Sensoren f\u00fcr alle Arten von Umweltbedingungen, Smartphones f\u00fcr pers\u00f6nliche Kommunikation und Bewegungen sowie tragbare Daten f\u00fcr pers\u00f6nliche Bedingungen. Dies f\u00fchrt zu nahezu universellem Sammeln und Zug\u00e4nglichmachen von Daten.<\/p>\n

Wie in vielen anderen Sektoren hat die offizielle Statistik erst k\u00fcrzlich begonnen, das Thema Big Data auf strategischer Ebene zu diskutieren. Es gibt noch kein gemeinsames und weit verbreitetes Verst\u00e4ndnis dar\u00fcber, wie man vorankommt, ob es sich um eine Herausforderung oder eine Chance handelt, ob sie klein oder gro\u00df ist usw. Im Rahmen der Hochrangigen Gruppe zur Modernisierung der statistischen Produktion und Dienstleistungen (3 How big is Big Data? Exploring the role of Big Data in Official Statistics: www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/VirtualSprintBigDatapaper.docx?version=1&modificationDate=1395217470975&api=v2<\/a><\/noindex>), wurde eine erste SWOT-Analyse, erg\u00e4nzt durch eine grobe Risiko-\/Nutzenanalyse, durchgef\u00fchrt. Es wurde festgestellt, dass \u201eeine umfassende Risikoanalyse auch Aspekte wie Wahrscheinlichkeit und Einfluss umfassen sollte und m\u00f6glicherweise auch erweitert wird, um Strategien zur Risikominderung und -bew\u00e4ltigung zu definieren\u201c.<\/p>\n

Obwohl dieses Dokument noch weit entfernt von einer vollst\u00e4ndigen Risikoanalyse ist, zielt es darauf ab, die Situation zu verbessern, indem es einen ersten strukturierten \u00dcberblick schafft. Wir m\u00f6chten betonen, dass dieser \u00dcberblick als Ausgangspunkt f\u00fcr die Anregung einer allgemeinen Diskussion innerhalb der offiziellen Statistikgemeinschaft (OSC) betrachtet werden sollte.<\/p>\n

1.2. Bereich<\/h4>\n

\nDieser Artikel befasst sich ausschlie\u00dflich mit Risiken und schlie\u00dft nicht nur Vorteile, sondern auch St\u00e4rken und Schw\u00e4chen, Chancen und Bedrohungen aus. Das bedeutet, dass \u201eRisiken des Nicht-Handelns\u201c (z. B. das Risiko, dass die OSC im Wettbewerb mit anderen Akteuren ins Hintertreffen ger\u00e4t, wenn sie nicht modernisiert wird) nicht in den Anwendungsbereich fallen; dies sind eher Bedrohungen. Stattdessen versuchen wir, Risiken hervorzuheben, die entstehen k\u00f6nnen (a) wenn die OSC die durch Big Data gebotenen M\u00f6glichkeiten nutzt und beginnt, ein spezifisches \u201eProdukt offizieller Statistik auf Basis von Big Data\u201c (BOSP) zu entwickeln oder zu verbessern; (b) Risiken f\u00fcr das neue \u201egew\u00f6hnliche Gesch\u00e4ft\u201c, d. h. Risiken f\u00fcr die offizielle Statistik, die auf der Produktion von \u201eBig Data\u201c basiert. (Da alle Produktionen offizieller Statistik mit Risiken verbunden sind, beschr\u00e4nken wir uns auf (b) spezifisch auf \u201eBig Data-Risiken\u201c, d. h. Risiken, die f\u00fcr den \u201etraditionellen\u201c Prozess der Erhebung offizieller Statistik nicht existieren oder geringf\u00fcgig sind.)<\/p>\n

1.3. Struktur<\/h4>\n

\nIn Abschnitt 2 stellen wir die grundlegenden Prinzipien vor, die mit dieser Aufgabe verbunden sind, beginnend mit der offensichtlich notwendigen Grundlage f\u00fcr Risikomanagement und Risikobewertung (Abschnitt 2.1). Wir pr\u00e4sentieren auch einen vorl\u00e4ufigen Qualit\u00e4tsrahmen f\u00fcr die aus Big Data gewonnenen Statistiken (Abschnitt 2.2), da die Verkn\u00fcpfung der Qualit\u00e4tsstruktur mit Risiken zwei Ziele erf\u00fcllt:<\/p>\n