Big Data Business Intelligence for Criminal Intelligence Analysis Schulung

=====
Tag 01
=====
Überblick über Big Data Business Intelligence für die kriminalpolizeiliche Analyse

• Fallstudien aus der Strafverfolgung - Predictive Policing
• Big Data Business Die Akzeptanz von Predictive Policing in den Strafverfolgungsbehörden und wie sie ihre zukünftigen Abläufe darauf ausrichten Big Data Predictive Analytics
• Neue technologische Lösungen wie Schusswaffensensoren, Überwachungsvideos und soziale Medien
• Einsatz von Big Data-Technologie zur Verringerung der Informationsflut
• Verknüpfung von Big Data mit Altdaten
• Grundlegendes Verständnis der Grundlagentechnologien für prädiktive Analysen
• Data Integration & Dashboard-Visualisierung
• Betrugsmanagement
• Business Regeln und Betrugserkennung
• Bedrohungserkennung und Profiling
• Kosten-Nutzen-Analyse für Big Data-Implementierung

Einführung in Big Data

• Hauptmerkmale von Big Data - Volumen, Vielfalt, Geschwindigkeit und Wahrhaftigkeit.
• MPP-Architektur (Massive Parallel Processing)
• Data Warehouses - statisches Schema, sich langsam entwickelnder Datenbestand
• MPP Databases: Greenplum, Exadata, Teradata, Netezza, Vertica usw.
• Hadoop-basierte Lösungen - keine Bedingungen an die Struktur des Datensatzes.
• Typisches Muster: HDFS, MapReduce (Crunch), Abruf aus HDFS
• Apache Spark für Stromverarbeitung
• Batch- geeignet für analytische/nicht interaktive
• Umfang : CEP-Streaming-Daten
• Typische Wahl - CEP-Produkte (z. B. Infostreams, Apama, MarkLogic usw.)
• Weniger produktionsreif - Storm/S4
• NoSQL Databases - (spaltenförmig und Key-Value): Am besten geeignet als analytische Ergänzung zu Data Warehouse/Datenbank

NoSQL Lösungen

• KV-Speicher - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
• KV-Speicher - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
• KV-Speicher (Hierarchisch) - GT.m, Cache
• KV-Speicher (geordnet) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Actord
• KV-Cache - Memcached, Repcached, Coherence, Infinispan, EXtremeScale, JBossCache, Velocity, Terracoqua
• Tupel-Speicher - Gigaspaces, Coord, Apache River
• Objekt Database - ZopeDB, DB40, Shoal
• Dokumentenspeicher - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Databases, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
• Breiter spaltenförmiger Speicher - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI

Arten von Daten: Einführung in Data Cleaning Themen in Big Data

• RDBMS - statische Struktur/Schema, fördert keine agile, explorative Umgebung.
• NoSQL - halbstrukturiert, genügend Struktur zum Speichern von Daten ohne genaues Schema vor dem Speichern der Daten
• Probleme bei der Datenbereinigung

Hadoop

• Wann sollte man Hadoop wählen?
• STRUKTURIERT - Data-Warehouses/Datenbanken in Unternehmen können große Datenmengen speichern (was mit Kosten verbunden ist), zwingen aber eine Struktur auf (nicht gut für eine aktive Erkundung)
• SEMI STRUKTURIERTE Daten - mit herkömmlichen Lösungen (DW/DB) schwer zu realisieren
• Warehousing von Daten = RIESIGer Aufwand und auch nach der Implementierung statisch
• Für die Vielfalt und das Volumen der Daten, die auf handelsüblicher Hardware verarbeitet werden - HADOOP
• Commodity-Hardware erforderlich, um einen Hadoop Cluster zu erstellen

Einführung in MapReduce /HDFS

• MapReduce - Verteilen der Datenverarbeitung auf mehrere Server
• HDFS - stellt Daten lokal für den Rechenprozess zur Verfügung (mit Redundanz)
• Daten - können unstrukturiert/schemafrei sein (im Gegensatz zu RDBMS)
• Verantwortung des Entwicklers, die Daten sinnvoll zu nutzen
• Programming MapReduce = Arbeit mit Java (Vor- und Nachteile), manuelles Laden von Daten in HDFS

=====
Tag 02
=====
Big Data Ökosystem - Aufbau von Big Data ETL (Extrahieren, Transformieren, Laden) - Welche Big Data Tools verwenden und wann?

• Hadoop vs. andere NoSQL Lösungen
• Für interaktiven, wahlfreien Zugriff auf Daten
• Hbase (spaltenorientierte Datenbank) auf der Basis von Hadoop
• Zufälliger Zugriff auf Daten, aber mit Einschränkungen (max. 1 PB)
• Nicht gut für Ad-hoc-Analysen, gut für Protokollierung, Zählung, Zeitserien
• Sqoop - Import aus Datenbanken in Hive oder HDFS (JDBC/ODBC-Zugang)
• Flume - Streaming von Daten (z.B. Log-Daten) in HDFS

Big Data Management System

• Bewegliche Teile, Start/Ausfall von Rechenknoten :ZooKeeper - Für Konfigurations-/Koordinations-/Benennungsdienste
• Komplexe Pipeline/Workflow: Oozie - Verwaltung von Arbeitsabläufen, Abhängigkeiten, Daisy Chain
• Bereitstellung, Konfiguration, Cluster-Management, Upgrade usw. (Systemadministrator) :Ambari
• In der Cloud: Whirr

Predictive Analytics -- Grundlegende Techniken und Machine Learning basierte Business Intelligenz

• Einführung in Machine Learning
• Klassifizierungstechniken lernen
• Bayessche Vorhersage - Vorbereitung einer Trainingsdatei
• Support-Vektor-Maschine
• KNN p-Tree Algebra & vertikales Mining
• Neural Networks
• Big Data Problem mit großen Variablen - Random Forest (RF)
• Big Data Automatisierungsproblem - Multi-Model-Ensemble RF
• Automatisierung durch Soft10-M
• Textanalytisches Werkzeug - Treeminer
• Agile Lernen
• Agentenbasiertes Lernen
• Verteiltes Lernen
• Einführung in Open-Source-Tools für prädiktive Analytik: R, Python, Rapidminer, Mahut

Predictive Analytics Ökosystem und seine Anwendung in der kriminalpolizeilichen Analyse

• Technologie und der Ermittlungsprozess
• Einsichtsanalytik
• Visualisierte Analytik
• Strukturierte prädiktive Analytik
• Unstrukturierte prädiktive Analytik
• Erstellung von Bedrohungs-/Betrugsstar-/Anbieterprofilen
• Empfehlungsmaschine
• Erkennung von Mustern
• Regel-/Szenarioerkennung - Ausfall, Betrug, Optimierung
• Entdeckung der Grundursache
• Sentiment-Analyse
• CRM-Analytik
• Netzwerk-Analysen
• Textanalyse zur Gewinnung von Erkenntnissen aus Protokollen, Zeugenaussagen, Internet-Chatter usw.
• Technologiegestützte Überprüfung
• Betrugsanalytik
• Echtzeit-Analytik

=====
Tag 03
=====
Echtzeit- und Scalable-Analytik über Hadoop

• Warum gängige analytische Algorithmen in Hadoop/HDFS versagen
• Apache Hama- für Bulk-Synchronous Distributed Computing
• Apache SPARK- für Cluster-Computing und Echtzeit-Analytik
• CMU Graphics Lab2- Graphenbasierter asynchroner Ansatz für verteiltes Rechnen
• KNN p -- Algebra-basierter Ansatz von Treeminer für reduzierte Hardware-Betriebskosten

Werkzeuge für eDiscovery und Forensik

• eDiscovery über Big Data vs. Legacy-Daten - ein Vergleich von Kosten und Leistung
• Prädiktive Kodierung und technologiegestützte Überprüfung (TAR)
• Live-Demo von vMiner zum Verständnis, wie TAR eine schnellere Discovery ermöglicht
• Schnellere Indizierung durch HDFS - Geschwindigkeit der Daten
• NLP (Natural Language processing) - Open Source Produkte und Techniken
• eDiscovery in Fremdsprachen - Technologie für die Fremdsprachenverarbeitung

Big Data BI für Cyber Security - Erlangung eines 360-Grad-Blicks, schnelle Datenerfassung und Identifizierung von Bedrohungen

• Verstehen der Grundlagen der Sicherheitsanalyse - Angriffsfläche, falsche Sicherheitskonfiguration, Host-Verteidigung
• Netzwerkinfrastruktur / Große Datenleitungen / Response ETL für Echtzeit-Analysen
• Prädiktiv vs. prädiktiv - feste Regeln vs. automatische Erkennung von Bedrohungsregeln aus Metadaten

Sammeln unterschiedlicher Daten für kriminalistische Analysen

• Einsatz von IoT (Internet der Dinge) als Sensoren zur Datenerfassung
• Nutzung von Satellitenbildern für die Inlandsüberwachung
• Nutzung von Überwachungs- und Bilddaten für die Identifizierung von Kriminellen
• Andere Technologien zur Datenerfassung - Drohnen, Körperkameras, GPS-Tagging-Systeme und Wärmebildtechnik
• Kombination von automatisiertem Datenabruf mit Daten, die durch Informanten, Verhöre und Forschung gewonnen wurden
• Forecasting kriminelle Aktivitäten

=====
Tag 04
=====
Betrugsprävention BI von Big Data in Fraud Analytics

• Grundlegende Klassifizierung von Fraud Analytics - regelbasierte vs. prädiktive Analytik
• Überwachtes vs. unüberwachtes maschinelles Lernen zur Erkennung von Betrugsmustern
• Business zu Geschäftsbetrug, Betrug bei medizinischen Leistungen, Versicherungsbetrug, Steuerhinterziehung und Geldwäsche

Social Media Analytik - Sammlung und Analyse von Informationen

• Wie Social Media von Kriminellen zur Organisation, Rekrutierung und Planung genutzt wird
• Big Data ETL-API für die Extraktion von Social-Media-Daten
• Text, Bild, Metadaten und Video
• Stimmungsanalyse aus Social Media Feeds
• Kontextuelles und nicht-kontextuelles Filtern von Social Media Feeds
• Social Media Dashboard zur Integration verschiedener sozialer Medien
• Automatisierte Profilerstellung von Social Media Profilen
• Eine Live-Demonstration der einzelnen Analyseverfahren wird mit dem Treeminer Tool durchgeführt

Big Data Analytik in der Bildverarbeitung und in Video-Feeds

• Bildspeichertechniken in Big Data -- Speicherlösung für Daten im Petabyte-Bereich
• LTFS (Linear Tape File System) und LTO (Linear Tape Open)
• GPFS-LTFS (General Parallel File System - Linear Tape File System) -- mehrschichtige Speicherlösung für große Bilddaten
• Grundlagen der Bildanalytik
• Objekt-Erkennung
• Segmentierung von Bildern
• Bewegungsverfolgung
• 3-D Bildrekonstruktion

Bio Metrik, DNA und Identifizierungsprogramme der nächsten Generation

• Über Fingerabdrücke und Gesichtserkennung hinaus
• Spracherkennung, Tastenanschlag (Analyse des Tippmusters eines Benutzers) und CODIS (kombiniertes DNA-Index-System)
• Über den DNA-Abgleich hinaus: Verwendung der forensischen DNA-Phänotypisierung zur Konstruktion eines Gesichts aus DNA-Proben

Big Data Dashboard für den schnellen Zugriff auf verschiedene Daten und deren Anzeige:

• Integration der bestehenden Anwendungsplattform mit Big Data Dashboard
• Big Data Verwaltung
• Fallstudie zu Big Data Dashboard: Tableau und Pentaho
• Verwendung der Big Data-App für standortbezogene Dienste in Govt.
• Tracking-System und Verwaltung

=====
Tag 05
=====
Wie rechtfertigt man die Big Data BI-Implementierung in einer Organisation?

• Definition des ROI (Return on Investment) für die Implementierung von Big Data
• Fallstudien zur Einsparung von Analystenzeit bei der Datensammlung und -aufbereitung - Steigerung der Produktivität
• Umsatzsteigerung durch geringere Kosten für Datenbanklizenzen
• Umsatzsteigerung durch standortbezogene Dienste
• Kosteneinsparungen durch Betrugsprävention
• Ein integrierter Tabellenkalkulationsansatz für die Berechnung der ungefähren Kosten im Vergleich zu den Einnahmegewinnen/Einsparungen durch die Implementierung von Big Data.

Schritt-für-Schritt-Verfahren zum Ersetzen eines alten Datensystems durch ein Big Data-System

• Big Data Migrationsfahrplan
• Welche wichtigen Informationen werden vor der Entwicklung eines Big Data-Systems benötigt?
• Welche verschiedenen Methoden gibt es zur Berechnung von Datenvolumen, -geschwindigkeit, -vielfalt und -wahrheit?
• Wie kann man das Datenwachstum abschätzen?
• Fallstudien

Überprüfung von Big Data-Anbietern und deren Produkten.

• Accenture
• APTEAN (ehemals CDC Software)
• Cisco Systeme
• Cloudera
• Dell
• EMC
• GoodData Gesellschaft
• Guavus
• Hitachi Datensysteme
• Hortonworks
• HP
• IBM
• Informatica
• Intel
• Jaspersoft
• Microsoft
• MongoDB (ehemals 10Gen)
• MU Sigma
• Netapp
• Opera-Lösungen
• Oracle
• Pentaho
• Platfora
• Qliktech
• Quantum
• Rackspace
• Revolution Analytik
• Salesforce
• SAP
• SAS Institut
• Sisense
• Software AG/Terracotta
• Soft10 Automatisierung
• Splunk
• Sqrrl
• Supermicro
• Tableau Software
• Teradata
• Think Big Analytik
• Tidemark-Systeme
• Treeminer
• VMware (Teil von EMC)

Q/A-Sitzung