In dieser Seminararbeit werden der unternehmerische Umgang mit Business Intelligence in Verbindung mit der Verarbeitung und Auswertung großer Datenmengen (Big Data) und die hieraus resultierenden Auswirkungen auf den Datenschutz betrachtet. Zunächst erfolgt eine Skizzierung ausgewählter themenbezogener Datenverarbeitungsmethoden und Systeme. Nachfolgend werden relevante datenschutzrechtliche Regelungen beschrieben, die in Bezug zu den voraus genannten Methoden und Systemen stehen. Im Fazit werden exemplarisch hieraus entstehende Spannungsverhältnisse aufgezeigt.
Die Seminararbeit fokussiert insbesondere Unternehmen mit einem Gerichtstand in Deutschland, unter Vernachlässigung individueller Rechtsprechungen der Bundesländer sowie spezifischer betrieblicher Datenschutzvereinbarungen, und gibt mögliche Lösungsansätze für den datenschutzkonformen Umgang mit Big Data und Business Intelligence in der betrieblichen Praxis.
Business Intelligence und Big Data-Anwendungen weisen zahlreiche begriffliche Überschneidungen und inhaltliche Übereinstimmungen auf. In dieser Arbeit werden die beiden Bezeichnungen vereinfacht voneinander abgrenzt und in Bezug auf ihre Charakteristika eingeordnet.
Inhaltsverzeichnis
1. Einleitung und Zielsetzung
2. Begriffliche Abgrenzung
2.1 Business Intelligence
2.2 Big Data
3. Anwendungsmöglichkeiten
3.1 CRM
3.2 Profiling
4. Datenschutzrechtliche Bestimmungen
4.1 Personenbezug
4.2 Einwilligung
4.3 Datensparsamkeit und Zweckbindung
4.4 Anonymisierung und Pseudonymisierung
4.5 Betroffenen Rechte
4.6 Öffnungsklausel am Beispiel des Scorings
4.7 Verarbeitungsverzeichnis
4.8 Kooperation mit Cloud-Anbietern und externen Rechenzentren
4.9 Verstoß gegen datenschutzrechtliche Bestimmungen
5. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den unternehmerischen Umgang mit Business Intelligence und Big Data im Hinblick auf die datenschutzrechtlichen Anforderungen. Ziel ist es, die entstehenden Spannungsfelder aufzuzeigen und Lösungsansätze für einen datenschutzkonformen Einsatz dieser Technologien in der betrieblichen Praxis in Deutschland zu entwickeln.
- Grundlagen von Business Intelligence und Big Data
- Anwendungsfelder wie CRM und Profiling
- Einhaltung der Datenschutzgrundverordnung (DS-GVO)
- Technische und organisatorische Schutzmaßnahmen
- Herausforderungen durch Cloud-Kooperationen und Scoring-Verfahren
Auszug aus dem Buch
2.1 Business Intelligence
„Der Begriff Business Intelligence beschreibt ein integriertes, betriebsindividuell zu entwickelndes Gesamtkonzept zur IT-Unterstützung des Managements.“ Innerhalb eines solchen Gesamtkonzeptes werden die Daten zunächst in einem gemeinsamen Business Warehouse abgelegt und im Anschluss von BI-Anwendungen in verschiedenen Ausprägungsstufen weiterverarbeitet. Die miteinander verbundenen Software-Anwendungen verfolgen mittels Datenanalyse- und Visualisierungstechniken das Ziel, das Management in den Entscheidungsfindungsprozessen zu unterstützen. Zu den angewendeten Techniken gehören unter anderem das OLAP- und das Data Mining-Verfahren.
Online Analytical Processing (OLAP)
Das OLAP-Verfahren greift auf Datenbestände des Data Warehouse zu und bildet die Daten in Form eines multidimensionalen Datenwürfels ab. Aus diesem virtuellen Würfel können Datengruppierungen erstellt und komplexe Zusammenhänge abgebildet werden.
Eine der zahlreichen interaktiven Analysemöglichkeiten für das Management könnte sich beispielsweise auf eine Abfrage von Umsatzzahlen in Verbindung mit den Verkaufsregionen und Produktgruppen beziehen.
Zusammenfassung der Kapitel
1. Einleitung und Zielsetzung: Einleitung in das Thema Big Data und Business Intelligence im Kontext des Datenschutzes sowie Definition der Zielsetzung der Seminararbeit.
2. Begriffliche Abgrenzung: Klärung der Kernbegriffe Business Intelligence, einschließlich OLAP und Data Mining, sowie Big Data anhand der Charakteristika Velocity, Volume und Variety.
3. Anwendungsmöglichkeiten: Darstellung praktischer Einsatzszenarien für Datenanalysen, fokussiert auf Customer-Relationship-Management (CRM) und verschiedene Profiling-Methoden.
4. Datenschutzrechtliche Bestimmungen: Analyse der Anforderungen der DS-GVO und des BDSG, unter anderem zu Einwilligung, Zweckbindung, Betroffenenrechten und datenschutzkonformen Prozessgestaltungen.
5. Fazit: Zusammenfassende Betrachtung der Herausforderungen und Notwendigkeit, Datenschutz in BI- und Big-Data-Prozesse durch technische und organisatorische Maßnahmen zu integrieren.
Schlüsselwörter
Big Data, Business Intelligence, Datenschutzgrundverordnung, DS-GVO, Datensicherheit, Profiling, CRM, Personbezogene Daten, Einwilligung, Zweckbindung, Anonymisierung, Pseudonymisierung, Scoring, IT-Management, Datenschutz
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die datenschutzrechtlichen Herausforderungen, die sich bei der Nutzung von Big Data und Business Intelligence Technologien in deutschen Unternehmen ergeben.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind die technischen Grundlagen von Datenanalyse-Systemen, deren Anwendungsfelder und die rechtliche Einordnung gemäß der Datenschutzgrundverordnung (DS-GVO).
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, die Spannungsfelder zwischen effizienter Datennutzung durch Unternehmen und den gesetzlichen Datenschutzanforderungen zu analysieren sowie praxisorientierte Lösungswege aufzuzeigen.
Welche wissenschaftliche Methode wird in der Arbeit verwendet?
Die Arbeit basiert auf einer Literaturanalyse und der Skizzierung ausgewählter Methoden und technischer Verfahren im Hinblick auf deren Konformität mit geltenden Datenschutzgesetzen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine begriffliche Einordnung, die Beschreibung von Anwendungsbereichen wie CRM und Profiling sowie eine detaillierte Auseinandersetzung mit datenschutzrechtlichen Bestimmungen wie Zweckbindung, Einwilligung und Betroffenenrechten.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Die Arbeit wird durch Begriffe wie Big Data, Business Intelligence, DS-GVO, Datenschutz, Profiling und Datensparsamkeit charakterisiert.
Wie unterscheidet sich die Anonymisierung von der Pseudonymisierung nach der DS-GVO?
Während bei der Anonymisierung ein Personenbezug faktisch oder absolut unmöglich gemacht wird, bleiben pseudonymisierte Daten rechtlich als personenbezogene Daten zu betrachten, da eine Re-Identifizierung durch zusätzliche Informationen möglich ist.
Warum ist das "Privacy by Design"-Konzept für Big-Data-Anwendungen wichtig?
Es ist wichtig, da es sicherstellt, dass datenschutzfreundliche Voreinstellungen und technische Maßnahmen bereits bei der Planung und Entwicklung von Systemen implementiert werden, um den Datenschutz von Beginn an zu gewährleisten.
- Quote paper
- Ruben-Sergei Kraatz (Author), 2018, Big Data und Business Intelligence. Herausforderungen für den Datenschutz, Munich, GRIN Verlag, https://www.grin.com/document/417317
