Leseempfehlungen

Neben den im Buch genannten Leseempfehlungen führen wir hier auch noch andere Publikationen auf, die wir für interessant halten.

Ariely, Dan. „Predictably Irrational: The Hidden Forces That Shape Our Decisions“
Rev. and expanded ed., 1. Harper Perennial ed. New York, NY: Harper Perennial, 2010.

Dan Ariely beschreibt sehr anschaulich und mit großer psychologischer Expertise die Art und Weise, wie wir Menschen Entscheidungen treffen. Neben grundsätzlichen Einsichten in das menschliche, oft vorhersagbar irrationale Verhalten finden sich hier zahlreiche Erkenntnisse, die besonders bei Entscheidungen im Rahmen von Smart Data-Analysen einen wesentlichen Unterschied machen können.


„Big Data – A Tool for Inclusion or Exclusion?“ Ein Report der Federal Trade Commission der USA

Hier die Presse-Mitteilung zu dieser Veröffentlichung:
https://www.ftc.gov/news-events/press-releases/2016/01/ftc-report-provides-recommendations-business-growing-use-big-data

Der direkte Link zum Dokument
https://www.ftc.gov/system/files/documents/reports/big-data-toolinclusion-or-exclusion-understanding-issues/160106big-data-rpt.pdf
existiert leider nicht mehr, aber der Report kann nun hier heruntergeladen werden:
https://www.ftc.gov/reports/big-data-tool-inclusion-or-exclusion-understanding-issues-ftc-report


Fayyad, Usama M., Georges G. Grinstein, und Andreas Wierse, Hrsg. „Information visualization in data mining and knowledge discovery“
The Morgan Kaufmann series in data management systems. San Francisco: MK/Morgan Kaufmann Publishers, 2002.

Dies ist ein vergleichsweise altes Buch, allerdings sieht man hier bereits einige Entwicklungen die um die Jahrtausendwende im Kontext des Data-Minings ihren Anfang nahmen und teilweise auch heute noch die Visualisierung rund um die Daten prägen. Es handelt sich um eine Reihe von Beiträgen unterschiedlicher Qualität, die das Ergebnis eines Workshops zu diesem Thema waren.


Montjoye, Yves-Alexandre de, César A. Hidalgo, Michel Verleysen, und Vincent D. Blondel. „Unique in the Crowd: The privacy bounds of human mobility“.
Scientific Reports 3 (25. März 2013): 1376. https://www.nature.com/articles/srep01376

Dieser Artikel beleuchtet, wie man bereits mit ganz wenigen Informationen in einem sehr großen Datensatz mit menschlichen Bewegungsdaten (Mobiltelefon) einzelne Individuen identifizieren kann. Selbst wenn in einem solchen Datensatz keine Namen oder Adressen enthalten sind, lassen sich durch die Verknüpfung mit anderen Daten einzelne Personen identifizieren. Ergänzend gibt es eine lange Liste von Referenzen zu interessanten Veröffentlichungen zu diesem Thema.


O’Neil, Cathy. „Weapons of math destruction: How big data increases inequality and threatens democracy“
Crown Publishing Group (NY), 2016 (siehe auch https://weaponsofmathdestructionbook.com).

Cathy O’Neil beschreibt in ihrem Buch, welche Auswirkungen Big Data und die verwendeten Algorithmen auf die Gesellschaft haben. Wie diese Algorithmen existierende Vorbehalte verstärken, obwohl sie vermeintlich neutral sind. Sie fordert die Entwickler der Algorithmen auf, sich stärker um die Auswirkungen ihrer Arbeit zu kümmern, die letztlich jeden betreffen: Lehrer und Schüler, die bewerten werden, die Priorisierung von Bewerbungen, die Bewilligung (oder Ablehnung) von Krediten, die Bewertung von Mitarbeitern, die Einschätzung von Wählern, die Überwachung unserer Gesundheit usw..


Rudder, Christian. „Inside big data: unsere Daten zeigen, wer wir wirklich sind“
Übersetzt von Kathleen Mallett. München: Hanser, 2016.

Vieles, was in diesem Buch präsentiert wird, ist weniger Big Data als vielmehr Statistik. Doch wenn Christian Rudder, der Gründer einer Partnervermittlung mit mehreren Millionen Nutzern, aus dem Nähkästchen plaudert, wird es überaus interessant. Von Haus aus Mathematiker hat er sich daran gemacht, die Daten dieser Plattform zu durchstreifen und nach interessanten Zusammenhängen zu suchen. Hier: https://theblog.okcupid.com/we-experiment-on-human-beings-5dd9fe280cd5 kann man einen guten Eindruck von den Themen bekommen, die im Buch detailliert behandelt werden.


Schüller, Katharina. „Statistik und Intuition: Alltagsbeispiele kritisch hinterfragt“
Berlin: Springer Spektrum, 2016.

Auch bei Katharina Schüller geht es mehr um Statistik. Ihre Beispiele (die auf einer Reihe von Beiträgen für eine Radio-Sendung beruhen) zeigen aber deutlich, wie komplex der Umgang damit ist und in welche Fallen wir und andere immer wieder tappen (oft auch Experten, die es eigentlich besser wissen müssten). Hieraus lassen sich Erkenntnisse ableiten, die man beim Umgang mit Smart Data Analytics auf jeden Fall im Hinterkopf behalten sollte.


Silver, Nate. „The Signal and the Noise: The Art and Sience of Prediction“
Always Learning. London: Allen Lane, Penguin Books, 2012.


Song, Chaoming, Zehui Qu, Nicholas Blumm, und Albert-László Barabási. „Limits of Predictability in Human Mobility“.
Science 327, Nr. 5968 (18. Februar 2010): 1018. doi:10.1126/science.1177170. http://science.sciencemag.org/content/327/5968/1018