Daten in Rechnungslegung und Steuerrecht / 2.4 Big Data Life Cycle

Die Erhebung, Kombination und Analyse großer Datenmengen im Sinne der in Kapitel 1 dieser Beitragsreihe enthaltenen Big Data-Definition (s. Abschnitt 1.2.3) kann als Big Data Life Cycle vereinfacht wie folgt dargestellt werden:^[1]

Abb. 1: Big Data Life Cycle

Erheben und Erfassen

Im ersten Schritt erfolgt die Rohdatengewinnung, z.B. über online-Plattformen, Sensoren, Datenkataloge etc. Die Datenerstellung und -speicherung kann hierbei in unterschiedlichen Jurisdiktionen erfolgen und somit bereits einen grenzüberschreitenden Datenfluss in dieser Phase des Datenzyklus auslösen. Die in diesem Schritt erfassten Daten sind in der Regel Rohdaten und können in diesem Zustand nicht zur Informationsgewinnung verwendet werden.

Reinigen

Im Rahmen dieses Schrittes werden Datenfehler beseitigt und die Daten in ein einheitliches Format überführt. Für eine zielführende Datenbereinigung ist es wichtig, die grundlegenden Ziele der Datenanalyse zu definieren, d.h. bereits bei der Aufbereitung und Reinigung der Daten muss die verfolgte Datenstrategie einfließen. Dies auch vor dem Hintergrund, dass der notwendige Grad der Korrektheit der Daten von der Art der zu gewinnenden Informationen und Erkenntnisse abhängt. So kann zum Beispiel bei Flugzeugwartungsdaten eine absolute Korrektheit erforderlich sein, wohingegen bei Daten für die Analyse von Konsumentenverhalten geringere Anforderungen an die Korrektheit der Daten für statistische Auswertungen gestellt werden.^[2]

Kombinieren

Der Schritt umfasst die Aggregierung der Datenpunkte aus verschiedenen Quellen und die in aller Regel erforderliche Umwandlung in ein gemeinsames Datenformat. Dies bedeutet nichts anderes als dass Daten aus verschiedensten Quellen zusammengeführt werden. Idealerweise können Datensätze mehrerer Dimensionen bzw. Perspektiven k...