Big Data-Driven Desicions 24 april 2013 - 3 Sander Klous

Maak een Begin. Het is Gratis
of registreren met je e-mailadres
Rocket clouds
Big Data-Driven Desicions 24 april 2013 - 3 Sander Klous Door Mind Map: Big Data-Driven Desicions 24 april  2013 - 3 Sander Klous

1. Sander Klous

1.1. bio

1.1.1. Sander is bij KPMG verantwoordelijk voor de dienstverlening op het gebied van Big Data & Analytics

1.1.2. data analytics lead

1.1.3. projecten bij CERN

1.1.3.1. proeven gedaan

1.1.4. BNR op bezoek KPMG

1.1.5. Q: belangstelling voor big data bij media

1.1.5.1. A: er is iets groots aan de hand

1.1.5.1.1. land langzaam

1.2. 15jr lang onderzoek bij CERN

1.2.1. veel aan het bouwen

1.2.2. vragen zoals

1.2.2.1. tijd loopt één kant op

1.2.2.2. we bestaan uit deeltjes

1.2.3. veel data nodig

1.2.4. de versneller was klaar

1.2.5. kan dit ook in de echte wereld?

1.3. KPMG

1.3.1. anyse methodes , bedrijven beter maken

1.4. zie de overige mindmaps

1.4.1. http://www.alexisvandam.nl/mindmapping/bigdata-driven-desicions-livemindmapping/

2. data

2.1. veel info tot onze beschikking

2.1.1. lastig om er iets uit te halen

2.1.2. socialmedia

2.2. disconnect tussen data en de beslissing

2.2.1. we hebben veel data, toch in een financiële crisis

2.2.2. roken is slecht, toch rookt me

2.2.3. veel ontbossing, en toch gaat het door

2.3. bronnen van info

2.3.1. wie heeft er kinderen?

2.3.1.1. volwassen kinderen

2.3.1.2. waar haalde we info vandaan 20jr geleden?

2.3.2. eerste kleine computers

2.3.2.1. comodore 64

2.3.2.2. haal je weinig uit

2.3.3. vader & moeder

2.3.4. leraar

2.3.5. vrienden

2.4. anno 2013

2.4.1. baby's bestookt met info bronnen

2.4.2. gaat om filtering, betrouwbaarheid

2.5. over 20jr

2.5.1. maatschappij verdronken in info

2.6. nu is de generatie die in de transitie zit

2.6.1. uniek moment in tijd

3. pyramide info

3.1. veel data

3.1.1. toch moeilijk om beslissingen te nemen

3.2. 1 duurzame informatie maatschap

3.3. 2 rechten privacy van indivuen

3.4. 3 als organisatie op juiste wijze bronnen gebruiken

3.5. 4 kennis en talent over deze discipline

4. 1 duurzame informatie maatschap

4.1. groei in bevolking

4.2. resources

4.3. overvloed van info

4.4. verschuiving van rijkdom

4.5. internet trends

4.5.1. seamless consumption

4.5.1.1. dingen mogen niet niet meer werken

4.5.2. breedband

4.5.3. onbetrowubaarheid van bronnen

4.5.4. vele indentiteiten

4.5.4.1. linkedin vs facebook vs twitter vs thuis

4.5.5. mobile money

4.5.6. internet of things

4.6. maak als organisatie 1 pva om de ontwikkelingen te borgen

4.7. nieuwe infrastructuur

5. 2 rechten privacy van indivuen

5.1. legal aspect

5.1.1. College Bescherming Persoonsgegevens: 100 jaar achterop

5.1.1.1. ze kunnen het niet aan

5.1.1.2. geen vragen meer te stellen

5.1.2. is iets aceptabel?

5.1.2.1. wetten: gaan over boeken & tijdschriften

5.1.2.2. veel inspanning nodig

5.1.2.3. goed organiseren

5.2. privacy issues

5.2.1. whatsapp verkeer inspecteren door KPN

5.2.1.1. tegengehouden obv publieke opinie

5.2.1.2. check publieke opinie

5.3. maatschappelijke waarde van wat je doet

5.3.1. macht van grote publiek neemt toe door big data

6. 3 als organisaties op juiste wijze bronnen gebruiken

6.1. voorbeelden

6.1.1. groen gebied vs rood gebied van mobiele zendmasten (telefonie)

6.1.1.1. randstad overwegend groen

6.1.1.2. rest rood

6.2. voorbeelden

6.2.1. big data laag, informatie mappen

6.2.2. location based services

6.2.2.1. mobiele telefoon volgen

6.2.2.1.1. zien waar mensen zijn

6.2.2.1.2. bijvoorbeeld mensen in de trein

6.2.3. projectx

6.2.3.1. plot van tweets

6.2.3.1.1. twitteren op

6.2.3.1.2. tweet projectX

6.2.4. crowd management

6.2.4.1. bewegingen ten tijde vd gaypride

6.2.4.1.1. sms / belverkeer

6.2.4.1.2. mensen verspreiden door de stad

6.2.4.1.3. komen binnen bij centraal stattion

6.2.4.1.4. zien waar de drukte is

6.2.4.1.5. avond: Leidseplein

6.2.4.1.6. toepassingen aan de veiligheidsorganisaties

6.2.4.1.7. krachtig middel om veiligheid bewaken

6.2.4.1.8. combineer het publieke info (bij partyflock)

6.2.5. financial health

6.3. issues

6.3.1. gaat niet om techniek, het gaat om de organisaties

6.3.2. organisaties, zijn niet ingericht om op data driven decisions zich te baseren

6.3.3. gaat om snel schakelen

6.3.3.1. agile

6.3.3.2. scrum

6.3.3.3. iteratief aanpaken

6.3.4. komt veel info uit data

6.3.4.1. de echte kracht is snel besluiten en schakelen obv data

7. 4 kennis en talent over deze discipline

7.1. nodig

7.1.1. analyses & statistiek

7.1.2. communiceren

7.1.2.1. afstemmen wat wil je weten

7.1.2.2. hoe pak je het aan

7.2. deze combi is er niet veel

7.2.1. onderwijs en overheid moeten hierop inspelen

8. Q&A

8.1. Q: wereldwijde tekort aan datascientists, balans tussen IQ & EQ, structureel tekort

8.1.1. A: gaat een beperking worden (korte termijn en middel lang)

8.1.1.1. veel vacatures

8.1.1.2. oplossing

8.1.1.2.1. scholing

8.1.1.2.2. van BI > data

8.2. Q: veel onderzoek door KPMG BD bij bedrijven, nu 25% vd bedrijven gebruikt dit, belangrijke managementbeslissing worden op gevoel genomen?

8.2.1. A: ja!

8.3. Q: hoe krijg je als consument helder of info annoniem is, mag je belissen?

8.3.1. A: bijv medisch dossier: onacceptabel

8.3.1.1. quantfied zelf

8.3.1.2. men gaat zelf bepalen, wie wel/niet toegang krijgen

8.3.1.3. zelf in controle blijven

8.3.2. annonimiseringsslag maken

8.4. Q: Google health is stopgezet, wel quantified zelf

8.4.1. A: lastig om het goed te krijgen, vertrouwen

8.4.2. vertrouw je google met je data?

8.4.3. dan bij de overheid?

8.4.3.1. diginotar? wekt ook geen vertrouwen