Big Data für Kundendaten

Big Data für Kundendaten
Möglichkeiten und Grenzen der Nutzung aus
Sicht des Datenschutzes
Hamburg/Bremen, März 2014
Dr. Ralf Kollmann
© FIDES IT Consultants
Agenda
•
•
•
•
Was ist Big Data?
•
Motivation
•
Technische Voraussetzungen
Auswertung von Big Data
•
Konventionelle Auswertung
•
Data Mining
•
Anwendungsfälle für Big Data-Anwendungen
Big Data und der Datenschutz
•
Was ist Datenschutz?
•
Wesentliche Prinzipien des Datenschutzes
•
Sind Datenschutz und Big Data vereinbar?
•
Privacy-Preserving Data Mining
•
Verhaltensorientierte Werbung mit Nutzungsprofilen
Fazit
© FIDES IT Consultants
2
Big Data
A lot of times, people don’t know what they want until you show it to them.
Steve Jobs, 2007
© FIDES IT Consultants
3
Big Data
A lot of times, people don’t know what they want until you show it to them.
Steve Jobs, 2007
If I had asked people what they wanted, the had answered, faster horses.
Henry Ford, 1915
© FIDES IT Consultants
4
Was ist Big Data?
•
Große Datenmengen
•
strukturierte Daten – bspw. Datenbanken
•
textbasierte Daten – bspw. E-Mail, Webseiten, Office-Dokumente
•
Oft aus unterschiedlichen Quellen / Datenpools stammend und nachträglich
zusammengeführt
•
Verfahren zur Auswertung der Daten (bspw. Data-Mining und Text-Mining)
•
Änderung des ursprünglichen Verarbeitungszwecks – "Erweiterung des Horizonts"
Ziel: Geschäftsmodelle datengetrieben analysieren und gestalten
© FIDES IT Consultants
5
Was ist Big Data?
Motivation
•
Mit dem kontinuierlich steigenden Umfang auswertbarer Daten steigt die Bedeutung der
Daten für die Wirtschaftlichkeit und Wettbewerbsfähigkeit von Unternehmen.
•
Daten werden bereits als vierter Produktionsfaktor neben Arbeitskraft, Kapital und
Rohstoffen bezeichnet.
•
Markttrends entwickeln sich so schnell, dass kleine Unternehmen an Marktführern
vorbeiziehen können.
Big Data hat das Potential zur "disruptiven Technologie"
© FIDES IT Consultants
6
Auswertung von Big Data
Konventionelle Auswertung
•
Datenstrukturen und Muster sind bekannt
•
Definition von Fragen
•
Definition der zur Beantwortung erforderlichen Daten
•
Präzise (und kontinuierliche) Beantwortung der Fragen
•
Keine neuen Erkenntnisse über die gestellten Fragen hinaus
Data Mining
•
Datenstrukturen und Muster sind nicht oder nur teilweise bekannt
•
Ergebnisoffene, computergestützte Suche nach neuen Zusammenhängen
•
Aufdecken unbekannter Zusammenhänge möglich ("Auf diese Idee wäre ich nie
gekommen")
•
Um die relevanten Erkenntnisse aufzudecken, müssen
•
Algorithmen individuell eingestellt werden
•
Erkenntnisse individuell interpretiert werden
© FIDES IT Consultants
7
Was ist Big Data?
Technische Voraussetzungen
•
•
IT-Infrastruktur
•
Datenvolumen / Kapazität
•
Datendurchsatz / Bandbreite
•
Skalierbarkeit
Auswertung (Big Data Analytics)
•
Entdeckungsorientierter Ansatz
• BI-Systeme
• OLAP
•
Datenanalyse-orientierter Ansatz
• Effiziente Algorithmen zur Auswertung großer Datenmengen
• Dedizierte Analyse-Software
• Data Mining: Exploration und Identifikation relevanter Daten
("Nadel im Heuhaufen")
© FIDES IT Consultants
8
Auswertung von Big Data
Anwendungsfälle für Big Data-Anwendungen
•
Anhand von bisherigen Käufen und dem Surfverhalten ermitteln bspw. Online-Händler
Empfehlungen für zukünftige Käufe ("Das könnte Sie auch interessieren").
•
Google: Kategorisierung von Interessen anhand des Surfverhaltens
(Selbsttest: "ads preferences")
•
Aufgrund einer Auswertung des Surf- und Telefonierverhaltens empfehlen
Mobilfunkprovider neue Tarife für ihre Kunden.
•
Eine potentiell missbräuchliche Nutzung von Kreditkarten wird anhand des
Nutzungsverhaltens der Kunden im Abgleich mit dem bisherigen Verhalten aus einer
Vielzahl von Faktoren ermittelt (bspw. Zeit und Ort der Nutzung, Artikel, Geschäft).
•
In Smartphone-Apps werden Informationen zu Zeit, Ort, bisherigen Bewegungsmustern
vieler Nutzer, "Check-Ins", "Likes", Kaufverhalten, demografische Daten und ggf. auch
Informationen zu Verkehr und Wetter verbunden, um Rückschlüsse zu möglichen
Interessen (Ermittlung von Werbezielgruppen) und zukünftigem Verhalten (potentiell
interessante Geschäfte auf dem Weg) zu ermitteln.
© FIDES IT Consultants
9
Big Data und der Datenschutz
Was ist Datenschutz?
•
Datenschutz dient dazu, den Einzelnen davor zu schützen, dass er durch den
Umgang mit seinen personenbezogenen Daten in seinem Persönlichkeitsrecht
beeinträchtigt wird (§ 1 Abs. 1 BDSG).
•
Datenschutz dient dem Schutz persönlicher Daten vor Missbrauch und Verlust und
der Gewährleistung der informationellen Selbstbestimmung.
•
Ungeachtet der fachlichen Definition werden aus Gründen betriebswirtschaftlicher
Effizienz oft auch Geschäfts- oder Betriebsgeheimnisse (§ 17 Abs. 1 UWG)
einbezogen.
© FIDES IT Consultants
10
Big Data und der Datenschutz
Wesentliche Prinzipien des Datenschutzes
•
Verbot mit Erlaubnisvorbehalt
Die Verarbeitung personenbezogener Daten ist gesetzlich verboten, sofern nicht eine
Einwilligung des Betroffenen vorliegt oder die Verarbeitung gesetzlich zulässig ist
(§ 4 Abs. 1 BDSG).
•
Rechtsgrundlagen der Zulässigkeit
1. Einwilligung
2. "Andere Rechtsvorschriften"
• bspw. Tarifvereinbarung, Betriebsvereinbarung
• Gesetze (bspw. TMG, TKG, HGB, AO)
3. BDSG, insbesondere:
• Vertrag
• "berechtigtes Interesse"
• öffentlich verfügbare Daten
• Werbung (im Einzelfall zu betrachten)
© FIDES IT Consultants
11
Big Data und der Datenschutz
Wesentliche Prinzipien des Datenschutzes
•
Transparenz
Das Recht auf informationelle Selbstbestimmung ist zu wahren. Im BDSG wird
dies insbesondere durch Benachrichtigungspflichten (§ 4 Abs. 3, § 28 Abs. 4 S. 2,
§ 33 BDSG) und Auskunftsrechte (§ 34 BDSG) umgesetzt. Transparenzpflichten
ergeben sich darüber hinaus bspw. aus § 13 TMG.
•
Zweckbindung
Die Verarbeitung personenbezogener Daten darf grundsätzlich nur zu dem
dokumentierten Zweck erfolgen (der Zweck, zu dem die Daten überlassen wurden).
Eine nachträgliche Änderung des Zwecks ist nur unter engen gesetzlichen
Voraussetzungen zulässig (bspw. § 28 Abs. 2 BDSG).
•
Risiken
•
Imageschaden ("Schlagzeile in der Zeitung")
•
Bußgelder
•
Unzulässigkeit der Verfahren – Aktivität der Aufsichtsbehörden
© FIDES IT Consultants
12
Sind Datenschutz und Big Data vereinbar?
•
Bei Verarbeitung von Big Data-Modellen mit personenbezogenen Daten sind
datenschutzrechtliche Vorschriften, insbesondere das Bundesdatenschutzgesetz
(BDSG), einzuhalten.
•
Das BDSG gilt nur für die Verwendung personenbezogener Daten.
•
Ist ein Ausschluss von Daten mit Personenbezug aus den Big Data-Modellen möglich,
sind die Vorschriften des BDSG nicht mehr einschlägig.
•
Der aus der Auswertung von Big Data erwachsende Informationsgewinn und die damit
verbundenen unternehmerischen Chancen können bei einem Verzicht auf die Nutzung
personenbezogener Daten mit deutlich geringerem Aufwand realisiert werden.
Ist der erwünschte Informationsgewinn bei Ausschluss der personenbezogenen
Daten noch erzielbar?
© FIDES IT Consultants
13
Sind Datenschutz und Big Data vereinbar?
Folgende Möglichkeiten eines datenschutzkonformen Einsatzes von Big Data bestehen:
•
Auswertung von Daten im Rahmen des Vertrags, bspw. Erkennung von
Unregelmäßigkeiten im Kaufverhalten des Nutzers oder bei der Nutzung von
Kreditkarten (Erkennung von Missbrauch zum Schutz des Nutzers, im Rahmen des
geschlossenen Vertrags)
•
Einwilligungsbasierte Auswertung, bspw. Auswertung des Kaufverhaltens und
Zusendung von Coupons basierend darauf
•
Privacy-Preserving Data Mining
© FIDES IT Consultants
14
Privacy-Preserving Data Mining
•
Auswertungen, die auf anonymen, anonymisierten oder pseudonymisierten Daten
beruhen und für die keine oder handhabbare Restriktionen aus dem Datenschutz
bestehen.
Beispiel
•
Die folgenden Fragen sollen anhand von Datenauswertungen beantwortet werden:
•
Welche Artikel werden oft zusammen gekauft?
•
Ermittlung der geografischen Verteilung der Kunden ("Nennen Sie mir Ihre
Postleitzahl?")
•
In diesen Fällen scheint eine Verarbeitung mit Personenbezug erforderlich (bspw.
Zuordnung der Postleitzahl und gekaufter Artikel zur Kreditkartennummer oder einer
Kundenkarte).
•
Der Personenbezug ist oft durch entsprechende Gestaltung vermeidbar, bspw.:
•
anonyme Speicherung der Postleitzahl
•
pseudonymisierte Speicherung des Kaufverhaltens, mit
•
Trennung von den tatsächlichen Kaufdaten
Wichtig ist eine saubere Definition und Abgrenzung der Verwendungszwecke.
© FIDES IT Consultants
15
Verhaltensorientierte Werbung mit Nutzungsprofilen
•
Erstellung von Nutzungsprofilen basierend auf dem Surfverhalten, bspw. unter
Verwendung von Cookies
•
Zielgerichtete Werbung wird möglich – die Wirksamkeit ist besser als bei wahllos
gestreuter Werbung
•
Steigerung der Reichweite
•
Steigerung der Akzeptanz der Werbung durch Ausrichtung an persönlichen Interessen
•
Maßvoller Einsatz
•
Vermeidung von Aufdringlichkeit und daraus resultierender Minderung der
Werbewirksamkeit
•
Vermeidung des Gefühls, überwacht zu werden
© FIDES IT Consultants
16
Verhaltensorientierte Werbung mit Nutzungsprofilen
•
Die Erstellung von Nutzungsprofilen ist grundsätzlich nur mit Einwilligung des
Nutzers zulässig (§ 12 TMG).
•
Anonymisierte und insbesondere pseudonymisierte Nutzungsprofile dürfen zu
Werbezwecken erstellt werden,
•
wenn der Nutzer nicht widersprochen hat und
•
auf den Widerspruch hingewiesen wurde.
•
Die Nutzungsprofile dürfen nicht mit Daten über den Träger des Pseudonyms
zusammengeführt werden (§ 15 III TMG).
•
Bisweilen werden die Umstände der Zulässigkeit diskutiert.
•
Die geplante EU-DSGV wird voraussichtlich Auswirkungen auf die Erstellung
pseudonymisierter Nutzungsprofile haben.
Eine datenschutzkonforme Gestaltung ist generell möglich,
wenn eine saubere technische und organisatorische Konzeption sichergestellt ist.
© FIDES IT Consultants
17
Fazit
•
Insbesondere in Branchen mit starkem Kundenbezug (bspw. Handel, Online-Geschäfte)
stellt Big Data zukünftig einen wesentlichen Wettbewerbsfaktor da.
•
Für eine effiziente Nutzung wichtig:
•
Denken Sie an eine nachhaltige technische Planung
•
Saubere Konzeption der Daten und Auswertungen
• Bestehende Daten analysieren
• Ziele der Datenauswertung festlegen
• Auswertungen und Vorgehen konzipieren
•
Frühzeitige Berücksichtigung des Datenschutzes
• Vermeidung von nachträglichem Mehraufwand zur Einhaltung durch zu späte
Tätigkeit
• Vermeidung von Imageschaden, Bußgeldern und Unzulässigkeit der Verfahren
© FIDES IT Consultants
18
Ihre Fragen
FIDES IT Consultants GmbH
Dr. Ralf Kollmann
Birkenstraße 37
28195 Bremen
[email protected]
Tel.
0421 3013 408
Fax
0421 3013 449
www.fides-it-consultants.de
© FIDES IT Consultants
19