Zusammenfassung
Big Data werden die amtliche Statistik in den kommenden Jahren verändern. Dies wird nahezu alle Bereiche der amtlichen Statistikerstellung umfassen. Künftig wird die Aufgabe des Amtsstatistikers insbesondere darin liegen, die richtigen, schon vorhandenen Datenbestände zu identifizieren und in adäquater Weise zu nutzen und weniger darin für eine Problemstellung neue Daten zu produzieren. Mit der Big Data Roadmap und dem Big Data Action Plan haben die Statistischen Ämter der Europäischen Union eine konkrete Umsetzungsstrategie zur Integration der neuen Datenbestände, die mit Big Data umschrieben werden, beschlossen. Dies ist ein erster wichtiger Schritt und wird auch national die Diskussion über die Verwendung von Big Data in amtlichen Statistiken innerhalb der Statistischen Ämter des Bundes und der Länder nachhaltig beeinflussen.
Der vorliegende Beitrag ist eine aktualisierte Fassung von Zwick (2015a).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Zum Erwerbslosenkonzept der International Labour Organization (ILO) vgl. z. B. https://www.destatis.de/DE/ZahlenFakten/GesamtwirtschaftUmwelt/Arbeitsmarkt/Erwerbslosigkeit/Erwerbslosigkeit.html.
- 2.
Eine Ausnahme bildet z. B. die Bevölkerungsvorausberechnung (https://www.destatis.de/DE/ZahlenFakten/GesellschaftStaat/Bevoelkerung/Bevoelkerungsvorausberechnung/Bevoelkerungsvorausberechnung.html).
- 3.
Die Papiere zur Konferenz „New Techniques and Technologies for Statistics“ 2013, finden sich unter Digital Object Identifier (DOI) of NTTS 2013: 10.2901/Eurostat.C2013.001.
- 4.
Die ESS Vision 2020 ist die strategische Ausrichtung des ESS für den Zeitraum 2014 bis 2020, vgl. http://ec.europa.eu/eurostat/web/ess/-/the-essc-comes-to-an-agreement-on-the-ess-vision-2020.
Literatur
Braaksma, B., und K. Zeelenberg. 2015. „Re-make/ re-model“: Should big data change the modelling paradigma in official statistics? Statistical Journal of the IAOS Jahrgang 31 (2): 193–202. doi:10.3233/SJI-150892.
Bundesstatistikgesetz vom 22. Januar 1987 (BGBl. I S. 462, 565), zuletzt geändert durch das Gesetz zur Änderung des Bundesstatistikgesetzes und anderer Statistikgesetze vom 21. Juli 2016 (BGBl. I Nr. 36)
Daas, P. J. H., M. J. Puts, B. Buelens, und P. A. M. van den Hurk. 2013. Big data and official statistics. Paper for the NTTS 2013. http://ec.europa.eu/eurostat/cros/sites/crosportal/files/NTTS2013fullPaper_76.pdf. Zugegriffen: 28. Jan. 2016.
Davenport, T. H., und D. J. Patil. 2012. Data scientist: The sexiest job of the 21st Century. Harvard Business Review October 2012, 70–76.
Europäisches Statistisches System. 2013. Scheveningen Memorandum on Big Data, DGINS, 25–26 Sep. 2013, Den Hague. http://ec.europa.eu/eurostat/cros/content/scheveningen-memorandum. Zugegriffen: 28. Jan. 2016.
Europäisches Statistisches System. 2014. ESS big data action plan and roadmap 1.0, document for the 22nd meeting of the European statistical system committee. http://ec.europa.eu/eurostat/cros/content/ess-big-data-action-plan-and-roadmap-10. Zugegriffen: 28. Jan. 2016.
Eurostat. 2014. ESS big data event Rome 2014 – technical event report. http://ec.europa.eu/eurostat/cros/content/2014-big-data-event-technical-information. Zugegriffen: 28. Jan. 2016.
Forbes, S., M. Camden, N. Pihama, P. Bucknall, und M. Pfannkuch. 2011. Official statistics and statistical literacy: They need each other. Statistical Journal of the IAOS, 27 (3, 4): 113–128.
Gesetz über die Statistik für Bundeszwecke (Bundesstatistikgesetz – BStatG). 1987. http://www.gesetze-im-internet.de/bstatg_1987/. Zugegriffen: 02. Mai 2016.
Grohmann, H. 1985. Vom theoretischen Konstrukt zum statistischen Begriff – Das Adäquationsproblem. Allgemeines Statistisches Archiv 69 (1): 1–15.
Hochgürtel, T., und M. Zwick. 2010. The lecture series „Economic statistics. Data production and data analysis in official statistics“, Invited Paper for the ICOTS8. http://iase-web.org/documents/papers/icots8/ICOTS8_10E2_HOCHGUERTEL.pdf. Zugegriffen: 28. Jan. 2016.
Krug, W., M. Nourney, und J. Schmidt. 2001. Wirtschafts- und Sozialstatistik, 6. Aufl. Berlin: Oldenbourg.
Merz, J., D. Hirschel, und M. Zwick. 2005. Struktur und Verteilung hoher Einkommen – Mikroanalysen auf der Basis der Einkommensteuerstatistik, Gutachten für den zweiten Armuts- und Reichtumsbericht der Bundesregierung. Berlin: Bundesministerium für Gesundheit und Soziale Sicherung.
Ministry of Economic Affairs Netherland, Hrsg. 2009. Go with the dataflow! Analysing the Internet as a data source. https://www.rijksoverheid.nl/binaries/rijksoverheid/documenten/rapporten/2008/05/13/go-with-the-dataflow-main-report/iad-main-report.pdf. Zugegriffen: 4. Febr. 2016.
OECD. 2013. Mapping the policy issues raised by „Big Data“. http://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=DSTI/ICCP(2012)9/FINAL&docLanguage=En. Zugegriffen: 28. Jan. 2016.
Ridgway, J. 2015. Implications of the data revolution for statistics education. International Statistical Review (2015), 0, 0, 1–22. doi:10.1111/insr.12110.
Statistisches Bundesamt. 2011. – Wissen was morgen zählt. www.zensus2011.de. Zugegriffen: 02. Mai 2016.
United Nations Economic Commission for Europe. 2013a What does „Big Data“ mean for official statistics? http://www1.unece.org/stat/platform/pages/viewpage.action?pageId=77170614. Zugegriffen: 28. Jan. 2016.
United Nations Economic Commission for Europe. 2013b. Classification of types of big data. http://www1.unece.org/stat/platform/display/bigdata/Classification+of+Types+of+Big+Data. Zugegriffen: 02. Mai 2016.
United Nations Economic Commission for Europe. 2013c. The generic statistical business process model. http://www1.unece.org/stat/platform/display/metis/The+Generic+Statistical+Business+Process+Model. Zugegriffen 02. Mai 2016.
United Nations Economic Commission for Europe. 2013d. Human resources management and training – compilation of good practices in statistical offices. http://www.unece.org/fileadmin/DAM/stats/publications/HRMT_w_cover_resized.pdf. Zugegriffen: 28. Jan. 2016.
United Nations Global Pulse. 2012. White paper: Big data for development: Opportunities & challenges. http://unglobalpulse.org/BigDataforDevWhitePaper. Zugegriffen: 28. Jan. 2016.
Wirthmann, A. 2016. Big data im Europäischen Statistischen System, ASTA – Wirtschafts- und Sozialstatistisches Archiv, im Erscheinen.
Wirthmann, A., P. Stavropoulos, M. Petrakos, und G. Petrakos. 2015. Proposal for an accreditiation procedure for big data sources. http://ec.europa.eu/eurostat/cros/content/proposal-accreditiation-procedure-big-data-sources-albrecht-wirthmann-photis-stavropoulos. Zugegriffen: 28. Jan. 2016.
Zwick, M. 2015a. Big data in der amtlichen Statistik. Bundesgesundheitsblatt – Gesundheitsforschung – Gesundheitsschutz. 58 (8): 838 (Springer). doi 10.1007/s00103-015-2188-4.
Zwick, M. 2015b. Der European Master in Official Statistics (EMOS), Wirtschaft und Statistik 5, Statistisches Bundesamt. https://www.destatis.de/DE/Publikationen/WirtschaftStatistik/2015/05/Wista_5_2015.pdf?__blob=publicationFile. Zugegriffen: 28. Jan. 2016.
Zwick, M. 2016. Statistikausbildung in Zeiten von Big Data, ASTA – Wirtschafts- und Sozialstatistisches Archiv. doi: 10.1007/s11943-016-0185-1, im Erscheinen.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2016 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Zwick, M. (2016). Big Data und amtliche Statistik. In: Keller, B., Klein, HW., Tuschl, S. (eds) Marktforschung der Zukunft - Mensch oder Maschine?. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-14539-2_10
Download citation
DOI: https://doi.org/10.1007/978-3-658-14539-2_10
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-12364-2
Online ISBN: 978-3-658-14539-2
eBook Packages: Business and Economics (German Language)