Unterstützung von Kontroll- und Präventionsmaßnahmen mittels Big Data und GIS bei Epidemien


Hausarbeit, 2020

20 Seiten, Note: 1.3


Leseprobe

Inhaltsverzeichnis

I. Abbildungsverzeichnis

II. Abkürzungsverzeichnis

1 Einleitung

2 Big Data
2.1 Anforderungen an Big Data
2.2 Datenbanksysteme
2.2.1 Relationale Datenbanksysteme
2.2.2 NoSQL-Datenbanken

3 GIS

4 Einsatz von Big Data und GIS zum Umgang mit Epidemien
4.1 Humane Coronaviren
4.2 Strategisches Vorgehen Chinas und Südkoreas gegen COVID-19
4.3 Chancen von Big Data und GIS als Unterstützung zur Bekämpfung von Epidemien

5 Fazit

Literaturverzeichnis

Internetquellen

I. Abbildungsverzeichnis

Abbildung 1: Strukturierte, teilweise strukturierte und unstrukturierte Daten

Abbildung 2: Erkrankungs- und Todesfälle in China aufgrund COVID-19

Abbildung 3: Fallzahl des Coronavirus (COVID-19) in Südkorea seit Januar 2020

II. Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Seit Anfang des Jahres 2020 prägt die internationale Presse und die Weltgemeinschaft vor allem ein Thema: COVID-19. Das Coronavirus ist jedoch nicht der erste Ausbruch einer Pandemie in der Geschichte der Menschheit. Beispielhaft zu nennen sind hier die Pest im 14. Jahrhundert, die spanische Grippe Anfang des 20. Jahrhunderts oder bis heute das HIV. Innerhalb kürzester Zeit konnte durch weltweite Informationstransparenz und die Zusammenarbeit von Virologen aus aller Welt der COVID-19 Erreger identifiziert und erforscht werden. Der Fortschritt in der Informationstechnologie, vor allem im Bereich von Big Data und GIS (Geographische Informationssysteme), bietet die Möglichkeit, eine Epidemie systematisch unter Kontrolle zu bringen und zukünftig noch früher zu erkennen. Im Rahmen der Facharbeit soll herausgefunden werden, wie die Regierung Chinas und Südkoreas, im Gegensatz zu vielen anderen Ländern, das Coronavirus in kürzester Zeit unter Kontrolle bringen konnte, welche Maßnahmen getroffen wurden, wie diese technisch umgesetzt wurden und wie durch institutionelle Kontrollmaßnahmen das soziale Leben und die Normalität der Menschen deutlich eingeschränkt wurde. Ziel ist es herauszufinden, ob mit Hilfe der Weiterentwicklung der Informationstechnik aktuelle und zukünftig auftretende Epidemien gestoppt werden können.

2 Big Data

Ein Onlineeinkauf auf Amazon, inklusive des Trackings des zustellenden Paketboten, ein geteilter Beitrag auf Facebook, die Nutzung von Google Maps oder einfach nur eine Suche im Web: All das generiert Daten, welche in der heutigen Zeit als eine der wichtigsten Währungen/Ressourcen des digitalen Zeitalters gewertet werden. Mit Hilfe dieser Daten können unter anderem Geschäftsprozesse verbessert, Marktveränderungen frühzeitig erkannt oder Kunden in Segmente eingeteilt werden, um die Produkt- und Servicequalität zu steigern. Obwohl es schon seit der zweiten Hälfte des vergangenen Jahrhunderts Fernseher, Computer, Mobiltelefone und Internet gibt, ist das Datenaufkommen in den letzten Jahren um ein Vielfaches gestiegen. Dies ist durch die stetig wachsende Anzahl an Teilnehmern, Applikationen und Dienstleistungen begründet. Die weltweite Anzahl der Mobilfunkanschlüsse1 liegt Ende 2019 bei rund 8,3 Milliarden2. Während sich das Datenvolumen im Jahr 2012 noch auf 2,7 Zettabytes3 oder im Jahr 2018 auf 33 Zettabytes belief, soll 2025 der Datenpool bereits 175 Zettabytes umfassen4. Mit der Datenmenge steigt auch die Datenvielfalt, denn die Daten stammen aus den unterschiedlichsten Quellen.

Big Data steht für eine große Datenmenge, die ihren Ursprung z.B. aus dem Internet und Mobilfunkkommunikation, Gesundheitswesen, Transportwesen, Social Media, Kredit- und Kundenkarten, Überwachungskameras sowie Flug- und Fahrzeugressourcen hat. In der unverarbeiteten Form sind sie nutzlos, jedoch mittels umfangreicher Prozeduren und Strukturanalysen können sie Lösungen zu neuen Themenbereichen enthalten5. Big Data unterscheidet sich von herkömmlichen Daten wie sie unter anderem in Unternehmen vorkommen in ihrer Struktur. Big Data wird laut der Gartner Group als Informations- und Vermögenskapital betitelt6.

2.1 Anforderungen an Big Data

Um die Herausforderungen, die an Big Data gestellt werden zu verstehen, haben Adrian Merv und das McKinsey Global Institute die folgenden Charakteristika für Big Data definiert7 :

Volume beschreibt den umfangreichen Datenbestand, der im Tera- bis Zettabereich liegt.

Der Facebook Konzern hat allein auf Social Media bezogen weltweit mehr als eine Milliarde Accounts, von denen monatlich mehr als 600 Millionen Aktivitäten über mobile Endgeräte verzeichnen. Jede Minute werden mehr als 650.000 verschiedene Arten von Inhalten erstellt und ca. 35.000 „Likes“ verteilt. Des Weiteren werden von 465 Millionen Twitter Nutzern pro Tag ungefähr 175 Millionen Nachrichten oder Tweets verfasst. Solche großen Datenmengen stellen herkömmliche Datenbanksysteme, wie sie in Unternehmen genutzt werden, vor Herausforderungen. Firmen wie Facebook und Twitter speichern Petabytes an Daten8.

Velocity beschreibt die Geschwindigkeit, in der Datenströme in Echtzeit ausgewertet und analysiert werden. Das bedeutet, dass das hohe Datenaufkommen rechtzeitig verarbeitet werden muss, um wiederum so schnell wie möglich auf zukünftig entstehende Daten reagieren zu können. Dies kann je nach Anwendung einige Minuten oder auch nur Sekunden dauern. Bei Google werden beispielsweise pro Minute mehr als zwei Millionen Suchanfragen umgesetzt, bei Amazon mehr als 80.000 Dollar umgesetzt oder bei Youtube mehr als 30 Stunden Videomaterial hochgeladen und rund 1,3 Mio. Videos konsumiert9.

Variety entspricht der Datenvielfalt, unter der bei Big Data die Speicherung von strukturierten, semistrukturierten und unstrukturierten Multimedia-Daten (Text, Grafik, Bild, Audio und Video) verstanden wird. Relationale Datenbanksysteme, wie sie in Unternehmen genutzt werden, können diese Art von Daten nicht erfassen. Ein Kundenstamm hat einen strukturellen Datensatz, wie in relationalen Datenbanksystemen beschrieben. Halbstrukturiert ist z.B. eine E-Mail, bei der der Adressat, der Empfänger und der Betreff eindeutig zugeordnet werden, während der Nachrichtenteil unterschiedlichste Informationen beinhaltet und unstrukturiert ist. Unstrukturierte Daten können in drei Kategorien eingeteilt werden. Die Daten die durch Kommunikation zwischen zwei Personen entstehen, wie z.B. in sozialen Netzwerken, die Kommunikation zwischen Maschinen und Menschen, wie die personifizierte Vermarktung von Produkten mit E-Commerce oder Transaktionsaufzeichnungen an Bankautomaten, sowie der Austausch von Daten zwischen Diensten und Maschinen, wie die Erfassung von GPS oder die Aufzeichnungen von Überwachungskameras10.

Veracity gilt als ein weiteres V, welches Big Data vor zusätzliche Herausforderungen stellt. Es ist zu berücksichtigen, dass Daten von unterschiedlichen Datenspendern mit unterschiedlicher Datenqualität stammen können. Um die Qualität der Daten sicher zu stellen, müssen sie auf ihre Nützlichkeit und Zuverlässigkeit geprüft werden. Denn ein umfangreicherer Datenpool entspricht nicht unbedingt einer besseren Auswertungsqualität. Eine gesonderte Herausforderung für die Zukunft stellt die schnelle und rechtzeitige Bereinigung mittels Datenanalyse dar11.

Abbildung 1 : Strukturierte, teilweise strukturierte und unstrukturierte Daten

Quelle: Hartmann, M., Klein, D., Phuoc, T.-G., Big Data, 2013, S.321

2.2 Datenbanksysteme

Die generierten Datenbestände von Big Data können aufgrund ihres Umfangs, ihrer Strukturvielfalt und ihrer Volatilität und Verfügbarkeit nicht in den alltäglichen relationalen Datenbanken gespeichert und mit SQL (Structured Query Language) ausgewertet werden, weshalb auf NoSQL (Not only Structured Query Language) zurückgegriffen wird. SQL ist eine Datenbanksprache die zur Datenbeschreibung, Datenmanipulation und Datenselektion genutzt wird, mit dem Ziel, Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern.

2.2.1 Relationale Datenbanksysteme

Eine SQL-Datenbank besteht aus vordefinierten Systemtabellen, die miteinander verknüpft sind, also in Relation zueinanderstehen. Der Kundenstamm eines Unternehmens in der Datenbank, ist einer Tabelle gleichzusetzen, die mit „Kunden“ benannt ist. Die Kundentabelle ist wie eine Exceltabelle aufgebaut, mit Spaltenüberschriften, welche die Daten in den einzelnen Spalten beschreiben. Dies wird unter Datenbeschreibung verstanden. Die Beschreibungsinformationen lassen sich jederzeit vom Benutzer abrufen, jedoch nicht verändern.

[...]


1 SIM-Karten in Mobilfunknetzwerken, sowohl Mobilfunkverträge als auch Prepaid.

2 Vgl. Tenzer, F., Mobilfunkanschlüsse, 2019, o.S.

3 Ein Zettabyte entspricht einer Millionen Petabytes und einer Milliarde Terrabyte (1 Terrabyte = 1.000 Gigabytes).

4 Vgl. Tenzer, F., Datenmenge, 2020, o.S.

5 Vgl. Hartmann, M., Klein, D., Phuoc, T.-G., Big Data, 2013, S. 320 f.

6 Vgl. Fasel, D, Meier, A., Big Data, 2016, S. 6.

7 Vgl. Kaufmann, M., Meier, A., SQL & NoSQL, 2016, S. 6 f.

8 Vgl. Hartmann, M., Klein, D., Phuoc, T.-G., Big Data, 2013, S. 320 f.

9 ebd.

10 Vgl. Hartmann, M., Klein, D., Phuoc, T.-G., Big Data, 2013, S. 320 f.

11 Vgl. Kaufmann, M., Meier, A., SQL & NoSQL, 2016, S. 13.

Ende der Leseprobe aus 20 Seiten

Details

Titel
Unterstützung von Kontroll- und Präventionsmaßnahmen mittels Big Data und GIS bei Epidemien
Hochschule
FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Düsseldorf früher Fachhochschule
Veranstaltung
Big Data
Note
1.3
Autor
Jahr
2020
Seiten
20
Katalognummer
V1246153
ISBN (Buch)
9783346674074
Sprache
Deutsch
Schlagworte
Big Data, Datenbanken, Relationale Datenbanken, NoSQL DatenbankenGIS, China, Südkorea, Chancen
Arbeit zitieren
Lars Vieten (Autor:in), 2020, Unterstützung von Kontroll- und Präventionsmaßnahmen mittels Big Data und GIS bei Epidemien, München, GRIN Verlag, https://www.grin.com/document/1246153

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Unterstützung von Kontroll- und Präventionsmaßnahmen mittels Big Data und GIS bei Epidemien



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden