„Willingness to share“ im Kontext Big Data: Wie entscheiden Kunden, ob sie ihre persönlichen Daten mit Unternehmen teilen?

Chapter

Zusammenfassung

Daten von Kunden und Konsumenten erhalten in der digitalisierten Welt eine immer größere Bedeutung für Unternehmen. Targeting, standortbasiertes Marketing und Predictive Analytics sind nur einige der Begriffe, welche die zahlreichen wirtschaftlichen und gesellschaftlichen Potenziale der Digitalisierung umschreiben. In die Entwicklung und Umsetzung dieser Technologien wird sehr viel Forschung investiert, wenig ist jedoch bekannt über die Bereitschaft von Kunden, persönliche Daten, wie Sensormessungen oder geografische Standorte, mit einem Unternehmen zu teilen und welche Aspekte eine erhöhte Datenteilbereitschaft vorhersagen. Ziel dieser Vorstudie war es, diese Aspekte explorativ zu beleuchten. Dazu wurden drei „Big Data“-Use Cases aus unterschiedlichen Branchen (Gesundheit, Retail und Finanzwesen) entwickelt und im Rahmen einer Informationssuch- und Entscheidungsaufgabe untersucht.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Acquisti, A./John, L. K./Loewenstein, G. (2013): What Is Privacy Worth? In: The Journal of Legal Studies. Vol. 42 (2), S. 249-274.Google Scholar
  2. Andrade, E. B./Kaltcheva, V./Weitz, B. (2002): Self-disclosure on the web: the impact of privacy policy, reward, and company reputation. In: Advances in Consumer Research. Vol. 29(1), S. 350-353.Google Scholar
  3. Baeriswyl, B. (2013): «Big Data» ohne Datenschutz-Leitplanken. In: Digma 2013. Vol. 14.Google Scholar
  4. Barton, D./Court, D. (2013): Three keys to building a data-driven strategy. http://www.mckinsey.com/insights/business_technology/three_keys_to_building_a_data_driven_strategy (zuletzt abgerufen am 24.11.2015).
  5. Cameron, S./ Pickersgill, A./ Turtle, R. (2014): New ways for turning data into dollars now. http://mckinseyonmarketingandsales.com/new-ways-for-turning-data-into-dollars-now (zuletzt abgerufen am 24.11.2015).
  6. Cumbley, R./Church, P. (2013): Is “Big Data” creepy? In: Computer Law & Security Review. Vol. 29 (5), S. 601-609.Google Scholar
  7. Dijcks, J.-P (2013): Big Data for the enterprise [White paper]. http://www.oracle.com/us/products/database/big-data-for-enterprise-519135.pdf (zuletzt abgerufen am 24.11.2015).
  8. Dinev, T./Hart, P. (2004): Internet privacy concerns and their antecedents-measurement validity and a regression model. In: Behaviour & Information Technology. Vol. 23(6), S. 413-422.Google Scholar
  9. Ellenberg, J. (2014): What’s even creepier than target guessing that you’re pregnant? http://ldgr.ch/1lRpCgJ (zuletzt abgerufen am 24.11.2015).
  10. European Commission (2011): Attitudes on Data protection and Electronic Identity in the European Union. Special Eurobarometer S. 359.Google Scholar
  11. European Commission (2012): Commission proposes a comprehensive reform of the data protection rules. http://ec.europa.eu/justice/newsroom/data-protection/news/120125_en.htm (zuletzt abgerufen am 24.11.2015).
  12. Ernst & Young (2014): The big data backlash. London, UK.Google Scholar
  13. Faja, S./Trimi, S. (2008): Privacy Concerns in E-Commerce: An Empirical Investigation of Gender Differences. In: International Journal of Electronic Business. Vol. 6 (4), S. 386-404.Google Scholar
  14. Frick, K./Höchli, B. (2014): Die Zukunft der vernetzten Gesellschaft: Neue Spielregeln, neue Spielmacher. Rüschlikon Zürich: GDI Gottlieb Duttweiler Institut.Google Scholar
  15. Gabisch A./Milne, G. (2014): The impact of compensation on information ownership and privacy control. In: Journal of Consumer Marketing. Vol. 31(1), S. 13-26.Google Scholar
  16. Gloeckner, A./Betsch, T. (2008): Multiple-Reason Decision Making Based on Automatic Processing. In: Journal of Experimental Psychology – Learning Memory and Cognition. Vol. 34 (5), S. 1055-1075.Google Scholar
  17. Günaydin, B./Wernery, J./Bananii, O. (2014): Eine Zillion Ads – Individuell für jeden Nutzer. In: Marketing Review St. Gallen. Vol. 1, S. 46-55.Google Scholar
  18. Heilmann D./Liegl T. (2013): Big Data und Datenschutz: Der Umgang der Deutschen mit persönlichen Daten und die Konsequenzen für den Einsatz von Big-Data-Analysen. In: Handelsblatt Research Institute.Google Scholar
  19. Helbing, D. (2013): Sozial orientierte Technologie. NZZ, 19.08.2013, abgerufen am 8.12.2014.Google Scholar
  20. Johnson, E. J./Russo, J. E. (1984): Product Familiarity and Learning New Information. In: Journal of Consumer Research. Vol. 11 (1), S. 542-550.Google Scholar
  21. Kahneman, D. (2011): Thinking, Fast and Slow. New York, NY: Farrar, Straus and Giroux.Google Scholar
  22. Latzer, M./Just, N./Metreveli, S./Saurwein, F. (2013): Internet-Anwendungen und deren Nutzung in der Schweiz 2013. Themenbericht aus dem World Internet Project – Switzerland 2013. Universität Zürich, Zürich. Retrieved from http://www.mediachange.ch/media/pdf/publications/Anwendungen_Nutzung_2013.pdf
  23. Lee, H./Lambert, C. U./Law, R. (2011): The Relationship of Perceived Cognitive and Decisional Controls in Information Disclosure: Decomposition of Perceived Control. In: International Journal of Tourism Science. Vol. 11 (1), S. 53-74.Google Scholar
  24. Lee, H./Park, H/Kim, J. (2013): Why Do People Share their Context Information on Social Network Services? A Qualitative Study and an Experimental Study on Users' Behavior of Balancing Perceived Benefit and Risk. In: International Journal of Human-Computer Studies. Vol. 71, S. 862-877.Google Scholar
  25. Liu, C./Ang, R. P./Lwin, M. O. (2013): Cognitive, Personality, and Social Factors Associated with Adolescents‘ Online Personal Information Disclosure. In: Journal of Adolescence. Vol. 36 (4), S. 629-638.Google Scholar
  26. Malheiros, M./Preibusch, S./Sasse, M. A. (2013): Fairly Truthful: The impact of perceived effort, fairness, relevance, and sensitivity on personal data disclosure. In: Lecture Notes in Computer Science. Vol. 7904, S. 250-266.Google Scholar
  27. Mesch, G. (2012): Is Online Trust and Trust in Social Institutions Associated with Online Disclosure of Identifiable Information Online? In: Computers in Human Behavior. Vol. 28, S. 1471-1477.Google Scholar
  28. Norberg, P. A./Horne, D. R./Horne, D. A. (2007): The Privacy Paradox: Personal Information Disclosure Intention Versus Behaviors. In: Journal of Consumer Affairs. Vol. 41 (1), S. 100-126.Google Scholar
  29. Phelps, J./Nowak, G./Ferrell, E. (2000): Privacy Concerns and Consumer Willingness to Provide Personal Information. In: Journal of Public Policy & Marketing. Vol. 19, S. 27-41.Google Scholar
  30. Preibusch, S./Kübler, D./Beresford, A. R. (2013): Price versus Privacy: An Experiment into the Competitive Advantage of Collecting Less Personal Information. In: Electronic Commerce Research. Vol. 13(4), S. 423-455.Google Scholar
  31. PWC (2012): Consumer Privacy: What Are Consumers Willing to Share? The Speed of Life: Consumer Intelligence Series.Google Scholar
  32. Rao, A. R./Sieben, W. A. (1992): The Effect of Prior Knowledge on Price Acceptability and the Type of Information Examined. In: Journal of Consumer Research. Vol. 19 (2), S. 256-270.Google Scholar
  33. Reisen, N./Hoffrage, U./Mast, F. W. (2008): Identifying Decision Strategies in a Consumer Choice Situation. In: Judgment and Decision Making. Vol. 3 (8), S. 641-658.Google Scholar
  34. Rothenberger (2014): Was Sie über Facebooks neue Richtlinien wissen sollten. Basler Zeitung. http://bazonline.ch/digital/social-media/Was-Sie-ueber-Facebooks-neue-Richtlinien-wissensollten/story/22368246 (zuletzt abgerufen am 24.11.2015).
  35. Taddei, S./Contena, B. (2013): Privacy, Trust and Control : Which Relationships with Online Self-Disclosure? In: Computers in Human Behavior. Vol. 29, S. 821-826.Google Scholar
  36. Payne, J. W./Bettman, J. R./Johnson, E. J. (1988): Adaptive Strategy Selection in Decision Making. In: Journal of Experimental Psychology: Learning, Memory, and Cognition. Vol. 14, S. 534-552.Google Scholar
  37. Spiekermann, S. (2014): Service nur gegen Unterschrift. FAZ, 09.09.2014, abgerufen am 10.09.2014.Google Scholar
  38. Steria Mummert Consulting. (2014): Discover the Power of Sharing: Potenzialanalyse Big Data Analytics.Google Scholar
  39. Treiblmaier, H./Pollach, I. (2007): Users’ Perceptions of Benefits and Costs of Personalization. In: International Conference on Information Systems (ICIS) Proceedings. Vol. 141, 1-15.Google Scholar
  40. Voss, A./Sylla, K.-H. (2014): Innovationspotentialanalyse Big Data – Ergebnisse für das Marketing. In: Marketing Review St. Gallen. Vol. 1, 36-45.Google Scholar
  41. White, G. L./Shah, J. R./Cook, J. R./Mendez, F. (2008): Relationship Between Information Privacy Concerns and Computer Self-Efficacy. In: International Journal of Technology and Human Interaction. Vol. 4 (2), 1-31.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2016

Authors and Affiliations

  1. 1.Institut für Marketing Management, School of Management and LawZürcher Hochschule für Angewandte WissenschaftenWinterthurSchweiz

Personalised recommendations