BESTELLFAX an +49 (0)7254 / oder ONLINE:

Größe: px
Ab Seite anzeigen:

Download "BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de"

Transkript

1

2 BESTELLFAX an +49 (0)7254 / oder ONLINE: NEU: Leitfaden Marketing Automation Hrsg.: T. Schwarz, 288 S., geb., 2014 Digital neue Kunden gewinnen: Vom Lead Management über Big Data zum Lifecycle Marketing. Leitfaden Digital Commerce Hrsg.: T. Schwarz, 384 S., geb., 2013 Der E-Commerce-Umsatz wächst seit Jahren zweistellig. In diesem Buch zeigen innovative Unternehmen, worauf es ankommt und wie sie Digital Commerce umsetzen. Leitfaden Online Marketing Band 2 Hrsg.: T. Schwarz, S., geb., 2011 Band zwei des Standardwerks liefert aktuelle Trends der Online-Kundengewinnung. 166 Top-Experten verraten Tipps und Tricks zu SEO, Adwords- Kampagnen, Targeting und Social Media. Leitfaden Online Marketing, Band 1 Hrsg.: T. Schwarz, 858 S., geb., 2. Aufl Diese Buch gilt inzwischen als das anerkannte Standardwerk für die Online-Marketing-Branche. Leitfaden Digitaler Dialog Hrsg.: G. Braun, 444 S., geb., 2012 Professioneller Kundenkontakt via Social Media, und Mobile birgt neue Chancen und Risiken für Unternehmen. Wie damit umgehen? 55 Experten berichten aus der Praxis und geben Tipps für die Umsetzung. Leitfaden -Marketing 2.0 Hrsg.: T. Schwarz, 500. S. geb Das umfassendste deutschsprachige Fachbuch zum Top-Thema der US-Marketer. JA, ich bestelle: NEU: Leitfaden Marketing Automation 29,90 Euro Leitfaden Digital Commerce 34,90 Euro Leitfaden Online Marketing, Band 2 49,90 Euro Leitfaden Online Marketing, Band 1 39,90 Euro Leitfaden Digitaler Dialog 39,90 Euro Leitfaden -Marketing ,90 Euro Die Preise enthalten 7% MwSt., hinzu kommen pro Lieferung 3,- Euro Versandkosten. Bei internationalem Versand werden die tatsächlichen Portokosten in Rechnung gestellt. * Lieferung als PDF versandkostenfrei. Datum/Unterschrift Vor-/Nachname Firma Straße PLZ/Ort Telfon / Fax / Telefon / marketing-börse GmbH, Melanchthonstr. 5, Waghäusel, Tel / ,

3 Torsten Schwarz Herausgeber LEITFADEN Marketing Automation

4 ISBN-13: ISBN epub: ISBN pdf: Auflage 2014 Copyright 2014 marketing-börse GmbH Melanchthonstr. 5 D Waghäusel Umschlaggestaltung und Layout: Maren Wendt, Hamburg Satz: KOMM:ON Peter Föll, Karlsruhe Druckproduktion: Winfried Becker, Fulda Gedruckt auf säurefreiem, alterungsbeständigem und chlorfreiem Papier Printed in Germany Alle in diesem Buch enthaltenen Informationen wurden nach bestem Wissen der Autoren und des Verlags zusammengestellt. Gleichwohl sind Fehler nicht vollständig auszuschließen. Daher sind die im vorliegenden Buch enthaltenen Informationen mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Autoren und Verlag übernehmen infolgedessen keine juristische Verantwortung und werden auch keine daraus folgende oder sonstige Haftung übernehmen, die auf irgendeine Art aus der Benutzung dieser Informationen entsteht, auch nicht für die Verletzung von Patentrechten und anderer Rechte Dritter, die daraus resultieren können. Ebenso übernehmen Autoren und Verlag keine Gewähr dafür, dass die beschriebenen Verfahren usw. frei von Schutzrechten Dritter sind. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmung und die Einspeicherung und Verarbeitung in elektronischen Systemen.

5 Torsten Schwarz: Leitfaden Marketing Automation / Vorwort Vorwort Der Markt für Marketing-Automation-Lösungen soll laut IDC im Jahr 2015 ein Volumen von 4,8 Milliarden US-Dollar erreichen. Im Vergleich zu 2010 ist das eine Steigerung um fünfzig Prozent. Kein Wunder, denn das Potenzial von Marketing Automation ist hoch. Noch immer verbringen Marketingmanager zu viel Zeit mit dem Verwalten von Kampagnen, anstatt neue kreative Strategien zu entwickeln. Durch die Digitalisierung der Kommunikation erleben auch Service, Vertrieb und Verwaltung einen neuen Schub. Carl Benedikt Frey und Michael A. Osborne von der Oxford Universität prognostizieren, dass in den nächsten zehn Jahren 47 Prozent aller Tätigkeiten wegfallen. Bisher haben Roboter in Fabriken die Produktion übernommen, weil sie schneller, stärker und präziser arbeiten als Menschen. Nun aber wird auch die Kopfarbeit durch Maschinen ersetzt. Intelligente Algorithmen, künstliche Intelligenz und Big Data sorgen dafür, dass digitale Dienstleistungen besser werden. Hersteller von Investitionsgütern gewinnen neue Kunden über Messen und den Außendienst. Zunehmend spielt jedoch die Online-Leadgenerierung eine Rolle. Offline und online zu verbinden, ist eine große Herausforderung. Inbound-Marketing verwandelt die Website in eine kontinuierlich sprudelnde Quelle von Neukundenkontakten. Gleiches gilt für neue Kontakte zu Verbrauchern. Menschen sind heute zunehmend digital vernetzt. Über fünfzig Prozent haben ein Smartphone in der Tasche. Während des Fernsehens wird mit dem Tablet gesurft. Die Ersten laufen mit einer Datenbrille oder einer Smartwatch umher. Manch einer hat daheim schon Rollläden und Thermostate vernetzt. Werbeplakate erkennen bald, wer gerade vor ihnen steht. Neue Targeting-Möglichkeiten erlauben es, den richtigen Kunden im richtigen Moment mit der richtigen Botschaft zu erreichen. Content Marketing ist das Gebot der Stunde. Platte Reklame ist out. Ohne relevante Inhalte geht heute gar nichts mehr. Moderne Systeme erlauben es, jeder Zielperson die für sie am besten passenden Inhalte zuzuspielen. All dies läuft automatisiert. Die Digitalisierung des Marketings erlaubt Unternehmen, sich Wettbewerbsvorteile zu verschaffen. Statt Routinejobs am Computer zu erledigen, sollten Mitarbeiter mehr Zeit für den persönlichen Kontakt mit Kunden haben. Wer die richtigen Prozesse automatisiert, hat den Kopf frei, um neue kreative Ideen zu entwickeln. Und nur das wird sich auch in Zukunft nicht automatisieren lassen. Waghäusel, im Oktober 2014 Torsten Schwarz

6 Inhaltsverzeichnis Automatisierung im digitalen Marketing Torsten Schwarz... 7 Big Context wie Daten die Kommunikation verändern Franziska von Lewinski Banken, Big Data und Digitalisierungen Evelyn Damiani, Jens Frühling, Michael Tirpitz Von Mensch zu Mensch es bleibt dabei Christoph Pause Big Data: Der neue Katalysator für Business und andere Intelligenz Gottfried Vossen Ist Marktwirtschaft der beste Datenschutz? Tim Cole Digital Dialog Insights 2014 Fokus Data Management Harald Eichsteller, Jürgen Seitz Digitale Analysekultur Realtime, Trends und Optimierungen Timo Aden Lead Management und Marketing Automation im B2B Reinhard Janning Inbound-Marketing: Die Zukunft des Marketings? Olaf Kopp Integrierte Social-Media-Kommunikation Stephanie Wörmann Marketing Automation: Alter Rechtsrahmen neues Marketing? Jens Eckhardt Warum jedes Unternehmen einen Digital-CEO braucht Harald R. Fortmann

7 Inhaltsverzeichnis Praxisbeispiele 21 Praxisbeispiele von Unternehmen, die es besser machen Torsten Schwarz Dialogmarketing entlang des Kundenlebenszyklus Marketing Automation von E-Plus bis Uvex Henrik Salzgeber myphotobook weckt intelligent auf Philip Nowak Wie CarDelMar automatisiert reaktiviert Ulf Richter Effektiver Kundendialog mit Musicalbesuchern Alexander Kull Visionapp nutzt Marketing Automation für Events Reinhard Janning Marketing Automation im Onlineshop Küchenhändler macht aus Kaufabbrechern Kunden Nadine Bär Modeshop rettet Umsatz verlorener Warenkörbe Andreas Landgraf BTI optimiert Bestellprozesse für das Bauhandwerk Alexandra Bäuerle Kundendialog und Customer Journey bei Brille24 Dirk Thum

8 Torsten Schwarz: Leitfaden Marketing Automation / Inhaltsverzeichnis Big Data: Mehr Informationen für den individuellen Dialog Wie tegut große Datenmengen sicher im Griff hat Evi Richard Ohne Umleitung zum neuen Auto Ralf Schobert Fotocommunity verdoppelt Klicks mit Pre-Targeting Sebrus Berchtenbreiter Bessere Conversion Rates im B2B-Onlineshop Lukas Schröder Ticketverkauf mit automatischem Lead Management Katrin Meier ING Belgien: Mehr Abschlüsse durch Scoring Steffen Stahl Content Marketing: Die richtigen Inhalte an die richtige Zielgruppe AEB betreibt erfolgreiches Content Marketing Martin Philipp Payback optimiert mit Content Processing Stefan von Lieven Automatisierte Werbedruck-Optimierung im Verlag Frank Strzyzewski Trigger-Mails mit Gutscheincodes bei mydays Elisabeth Paech Fahrradshop setzt auf intelligente Partnersuche Birgit Linke Elektronikmarkt macht mit Regelverstoß mehr Klicks Stefan Appenrodt Anhang Autoren Stichworte

9 Big Data: Der neue Katalysator für Business und andere Intelligenz Gottfried Vossen Der Begriff Big Data war das Buzzword des Jahres 2013 und hält sich auch darüber hinaus. Laut Wikipedia bezeichnet Big Data Daten- Mengen, die zu groß sind, um sie mit händischen und klassischen Methoden der Datenverarbeitung auszuwerten. Die Daten können aus vielfältigen Quellen stammen. Es sind neue Technologien nötig, um Big Data zu erfassen, zu verteilen, zu speichern, zu durchsuchen, zu analysieren und zu visualisieren. In anderer Darstellung sind die 3 V, die Big Data charakterisieren (also Volume, Velocity und Variety) oder die 4 V (zusätzlich Veracity) dafür verantwortlich, dass Big Data die Speicher- und Verarbeitungskapazitäten einer Organisation, die für akkurate und zeitnahe Entscheidungsfindung erforderlich sind, übersteigt. Grundsätzlich bezieht sich Big Data auf die Situation, dass mehr und mehr Aspekte und Artefakte des täglichen Lebens, sowohl auf persönlicher wie auf professioneller Ebene, in digitaler Form vorliegen, darunter Profile, Postings in Blogs oder in sozialen Netzwerken, Kaufhistorien, Gesundheitsaufzeichnungen, dass zunehmend mehr Daten in Internet und Web automatisch erzeugt werden und dass heutzutage die Techniken und Werkzeuge zu deren Zusammenführung, Auswertung und Analyse in unterschiedlichsten Formen verfügbar sind. Zahlreiche Unternehmen erkennen bereits den enormen Wert, den analytische Szenarien auf der Basis von Big Data haben können, sowie deren Auswirkungen auf Business Intelligence (BI) allgemein sowie speziell auf Produktentwicklung, Produktion, Marketing, Kundenbeziehungsmanagement und letztlich Umsatz. Dieser Artikel gibt einen Überblick über die Fragestellungen, Techniken und Anwendungen von Big Data und wirft einen Blick auf zukünftige BI-Architekturen. Neue Technologien erforderlich Auswirkung auf Business Intelligence

10 Torsten Schwarz: Leitfaden Marketing Automation GB Gesamtvolumen in einer einzigen Internetminute Einführung Seit dem Beginn des Digitalzeitalters sind Daten in digitaler Form von zunehmender Bedeutung, sowohl im professionellen wie auch im privaten Bereich. Man denke etwa an die Anfänge der Nutzung von in den späten 1970er und frühen 1980er Jahren: Der Umfang der Nutzdaten, also die Anzahl an Bytes, aus denen die Nachricht bestand, war klein im Vergleich zu dem, was man heutzutage per verschicken kann. Und niemand hätte damals geglaubt, dass man die gleiche Aufgabe irgendwann einmal von einem intelligenten Telefon wesentlich schneller und mit erheblich umfangreicherem Inhalt würde erledigen können. Als zweites Beispiel denke man an frühe Digitalkameras und ihre Auflösung im Vergleich zu dem, was heute Standard ist. Neben der fortschreitenden Digitalisierung und der Tatsache, dass digitale Objekte im Laufe der Zeit immer größer geworden sind, hat die technologische Entwicklung immer schnelleren Datentransport ermöglicht und dank der Web 2.0-Entwicklungen die Erzeugung von Daten sowohl automatisch, also durch Maschinen, als auch durch Menschen dramatisch zunehmen lassen. Das Ergebnis dieser Entwicklung ist so überwältigend, dass die Bezeichnung Big Data angemessen erscheint. In einer neueren Statistik [1] hat Intel festgestellt, dass in einer einzigen Internetminute GB an IP-Daten über das Netz transportiert werden, was sich unter anderem aufgliedern lässt in s, Downloads von Apps, Verkaufstransaktionen im E-Commerce, Streaming von Musik- oder Videodaten sowie Status-Updates in sozialen Netzwerken, und diese Zahl wird in den nächsten Jahren rasant weiter wachsen. Sie stellt bereits ein erstes Charakteristikum von Big Data dar: sein Volumen (englisch: Volume) beziehungsweise seine Größe. Daten werden heute als big betrachtet, sofern ihre Größe im TB- oder gar im PB-Bereich liegt und sie typischerweise ein Volumen erreicht haben, das die Speicherkapazität einer einzelnen Organisation übersteigt. Weitere Charakteristika von Big Data, die zusammen mit dem Volumen als die vier Vs bezeichnet werden, sind die (hohe) Geschwindigkeit (englisch: Velocity), mit der Daten produziert werden und verarbeitet 52

11 Gottfried Vossen: Big Data: Der neue Katalysator für Business und andere Intelligenz werden müssen, die (hohe) Vielfalt (englisch: Variety), die Daten annehmen können, und die (nicht immer gegebene) Präzision, Genauigkeit oder Vertrauenswürdigkeit (englisch: Veracity), in der Daten vorliegen. (Die ersten drei dieser Charakteristika werden dem Analysten Doug Laney von Gartner zugeschrieben.) Geschwindigkeit bezieht sich auf die Tatsache, dass Daten heute oft in Form eines Datenstroms (zum Beispiel von Sensoren) auftreten, welcher der die Daten analysierenden Einrichtung keine Chance lässt, die Daten zu Analysezwecken dauerhaft zu speichern. Stattdessen muss die Verarbeitung unmittelbar erfolgen. Abb. 1: Die definierenden Vier Vs von Big Data. Vielfalt bedeutet, dass die Daten in unterschiedlichsten Formen und Formaten auftreten, darunter als unstrukturierter Text (zum Beispiel eines Twitter-Feeds), als semi-strukturierte Daten (zum Beispiel XML-Dokumente) oder als strukturierte Daten (zum Beispiel relationale Tabellen). Diese Eigenschaften von Big Data sind in Abb. 1 zusammengefasst. Wir betrachten den Übergang vom Web 1.0 auf Web 2.0 als einen der Haupttreiber, der zu Big Data geführt hat. In der Tat war dieser Übergang von drei parallelen Entwicklungslinien gekenn- Vielfältige Datenformate 53

12 Torsten Schwarz: Leitfaden Marketing Automation Anwendung Technologie Nutzer Read/Write Web zeichnet [2]: der Anwendungsseite, die uns zahlreiche Dienste beschert hat, welche heute in einfacher Weise von jedermann über Internet und Web genutzt werden können, der Technologieseite, die mit umfassenden Fortschritten in Netzwerktechnik und Rechner-Hardware sowie Entwicklungen in der Softwaretechnik die zugrunde liegende Infrastruktur für diese Dienste geliefert hat und der Nutzerseite, die durch eine umfassende Sozialisierung des Webs die Art und Weise, wie sowohl private wie professionelle Nutzer mit dem Web umgehen und insbesondere dort Informationen nicht mehr nur abrufen, sondern auch beitragen, dramatisch verändert hat. Diese drei Entwicklungen haben zahlreiche Techniken, Technologien und Nutzungsmuster hervorgebracht, die konvergiert sind und deren Ergebnis dann als Web 2.0 bezeichnet wurde. Insbesondere dadurch, dass heute permanent ins Web geschrieben wird (etwa über Twitter-Feeds, Facebook-Status-Updates und so weiter), spricht man in diesem Zusammenhang auch vom Read/Write Web. Eine unmittelbare Konsequenz aus der Tatsache, dass immer mehr Nutzer über Blogs, Messaging oder soziale Netzwerke Beiträge im Web publizieren, ist der zunehmende Umfang an (halb- oder unstrukturierten) Daten. Darüber hinaus entstehen Daten auf kommerziellen Webseiten, auf denen jede Kundentransaktion eine elektronische Spur in einer Datenbank hinterlässt. Dies hat zur Entwicklung und zum Einsatz von Data-Warehouse- Technologie zum Online Analytical Processing (OLAP) oder zur Anwendung von Data-Mining-Tools auf große Datensammlungen zwecks Erkenntnisgewinns geführt. Gerade diese Werkzeuge haben mittlerweile eine neue Reifestufe erreicht, sodass sie neben gespeicherten Daten auch Datenströme, die entweder nicht gespeichert werden können oder müssen, in eine Verarbeitung integrieren können. Große Datenmengen sind also unter anderem eine Folge der Web 2.0-Entwicklungen, und es ist anzustreben, diese Daten in sinnvoller oder zielführender Weise zu nutzen. Wie auch andere Informatikentwicklungen lässt sich Big Data aus unterschiedlichen Perspektiven betrachten, die in Abb. 2 zusammengefasst sind. Da hier vornehmlich ein kurzer Überblick über den derzeitigen Stand bei Big Data gegeben werden soll, werden zunächst verschiedene Use Cases betrachtet, die exemplarisch das 54

13 Gottfried Vossen: Big Data: Der neue Katalysator für Business und andere Intelligenz enorme Potenzial einer Verarbeitung von Big Data andeuten sollen und welche die ökonomische Seite betreffen. Darauffolgend wird die Technologie behandelt, die heute vornehmlich zur Verarbeitung von Big Data eingesetzt wird. Abb. 2: Big-Data-Dimensionen. Weiter widmet sich dieser Artikel der organisatorischen Perspektive und diskutiert, wie Big Data in einer Unternehmensumgebung, in der bisher das Data Warehouse das Werkzeug der Wahl darstellte, genutzt werden kann; wie sich herausstellt, lässt sich eine Data- Warehouse-Architektur angemessen erweitern. Der letzte Abschnitt fasst die Ausführungen zusammen und gibt einen kurzen Ausblick auf zu erwartende weitere Entwicklungen; auf eine Behandlung der rechtlichen Dimension wird hier verzichtet. Use Cases für Big Data In diesem Abschnitt werden verschiedene Nutzungsfälle (Use Cases) für Big Data beschrieben, die aufzeigen sollen, dass sich diese aktuelle Entwicklung tatsächlich von dem unterscheidet, was wir in der Vergangenheit gesehen haben. Die Beispiele stammen aus unterschiedlichsten Anwendungsbereichen und sie stellen keine vollständige Auflistung dar. 55

14 Torsten Schwarz: Leitfaden Marketing Automation Oakland Athletics mit Coach Billy Beane Indianapolis 500 Meilen- Rennen McLaren Hurrikan Sandy Sport Eines der ältesten Beispiele für das, was man mit einer sorgfältigen Analyse von seinerzeit nicht einmal als Big bezeichneten Daten erreichen kann, stammt vom amerikanischen Baseball-Team der Oakland Athletics und ihrem Coach Billy Beane, der Statistiken und Spielerdaten dazu nutzen konnte, durch Einkauf unbekannter Spieler innerhalb kurzer Zeit ein wenig erfolgreiches Team zu einem erfolgreichen zu machen. Dieses Beispiel ist gut dokumentiert [3] und wurde sogar unter dem Titel Moneyball verfilmt. Ein weiteres Beispiel aus dem Sport liefert das Indianapolis 500- Meilen-Rennen, das jährlich am Memorial-Day-Wochenende in den USA stattfindet. Ein moderner Indy 500-Rennwagen ist mit rund 200 Sensoren ausgestattet, die permanent die Motorleistung, Kupplung, Schaltung, Differential, Kraftstoffversorgung, Öl, Lenkung, Reifen, DRS und zahlreiche andere Komponenten und sogar den Gesundheitszustand des Fahrers überwachen. Sie produzieren rund ein GB an Telemetriedaten pro Rennen, die von Renningenieuren während und nach einem Rennen analysiert werden. Ähnlich bei McLaren, wo Rechner rund eintausend Simulationen während eines Rennens durchführen; nach nur wenigen Runden kann man dadurch die Leistung jedes Systems mit bis zu neunzig prozentiger Genauigkeit vorhersagen. Da die meisten dieser Systeme sogar während eines Rennens verändert werden können, können Boxenmannschaft und Fahrer minutengenaue Anpassungen vornehmen, wenn sich Veränderungen am Auto oder an den Rennbedingungen ergeben. Details findet man zum Beispiel im Blog von Doug Laney [4], und es leuchtet ein, dass die Situation bei Formel 1-Autos [5] oder der NASCAR-Serie ähnlich ist. Search & Rescue Ein Beispiel aus dem Rettungswesen lieferte im Herbst 2012 der Hurrikan Sandy [6] in der Karibik und an der amerikanischen Ostküste. Die Organisation Direct Relief nutzte Big-Data-Technologie zur Koordination von Rettungsaktivitäten, was auf ihrer Webseite nachzulesen ist. Mit Analyse- sowie Kartensoftware war man in der Lage, Bedarfe zu erfassen und geeignete Maßnahmen zu initiieren; unter anderem konnte man Kliniken, die über wichtige medizinische Ressourcen verfügten, miteinander verbinden, um 56

15 Gottfried Vossen: Big Data: Der neue Katalysator für Business und andere Intelligenz so zum Beispiel Stromausfälle oder Medikamentenmängel zu kompensieren [7]. Home Automation Ein weiteres Feld, welches sich dank Big Data endlich bewegen wird, ist die Hausautomatisierung, mit der man sich forschungsseitig bereits seit mehr als zehn Jahren beschäftigt. Hier ist zu erwarten, dass man durch die Fähigkeit, Daten von Klimaanlagen, Heizung, Licht oder Haushaltsgeräten wie Waschmaschine, Trockner oder Kühlschrank zusammen mit Informationen über die in dem betreffenden Haus lebenden Personen zu verarbeiten, Lebensbedingungen schaffen kann, die optimal an die jeweilige Alters- oder Gesundheitssituation angepasst sind. Auch das Gesundheitswesen verändert sich durch Big Data, etwa dadurch, dass man durch Sammlung und Analyse von Daten über einen Patienten, dessen tägliche Aktivität und dessen Ernährung sowie Informationen von einem Medikamentenhersteller, gegebenenfalls sogar unter Rückgriff auf das Genom, also die Erbinformation des Patienten, ideal konfigurierte Behandlungen schaffen kann. Die zunehmende Verbreitung von persönlichen Trackern wie Fitbit, das Nike+ Fuelband oder das Jawbone Up wird weitere Datenquellen liefern, die für Gesundheitsexperten wie Nutzer gleichermaßen von Interesse sind. Weitere Anwendungsbereiche Andere Gebiete, die sich bereits intensiv mit der Analyse von Big Data befassen, sind Marktforschung, Verkehrssteuerung (etwa in Ländern wie Singapur) oder autonome sowie vernetzte Fahrzeuge, die selbst fahren und mit anderen Fahrzeugen kommunizieren. Als Beispiel aus der Unterhaltungsindustrie hat Disney Parks & Resorts das MyMagic+ System entwickelt, das über die Webseite My Disney Experience und die zugehörige mobile App aktuellste Informationen über aktuelle Angebote an potentielle Besucher eines Disney-Parks liefern kann. Disneys MagicBand kann von Gästen als Zimmerschlüssel in einem der Park-Hotels, als Eintrittskarte in den Park, für den Zutritt zu FastPass+-Eingängen oder zum Einkaufen in Park-Shops verwendet werden. Besucher, die an diesem Programm teilnehmen, können Persönliche Tracker Warteschlangen vermeiden mit dem Disney MagicBand 57

16 Torsten Schwarz: Leitfaden Marketing Automation Auswertungen bei Twitter, Facebook und Google damit Warteschlangen überspringen, Vorausreservierungen vornehmen und später über ihr Smartphone ändern, und sie werden von Disney-Figuren mit Namen begrüßt. Das MagicBand unterliegende System sammelt Daten über den Besucher, dessen aktuellen Ort, seine Kaufhistorie sowie die Historie der besuchten Attraktionen im Park. Soziale Medien sowie Suchmaschinen sind ebenfalls intensiv mit einer Analyse der Daten, die in ihrem Kontext anfallen, befasst. Twitter analysiert beispielweise die Tweets seiner Nutzer, um Nutzergruppen zu identifizieren und zu vergleichen, um Nutzergewohnheiten zu erkennen oder zur Durchführung von Stimmungsanalysen bei Text-Tweets. Facebook interessiert sich für die Anzahl an Likes, die eine Seite im Laufe der Zeit bekommt, und unterhält einen Zähler für empfohlene URLs; zwischen einem Click und einer Aktualisierung des Zählers dürfen nicht mehr als dreißig Sekunden vergehen. Google schließlich führt Clustering von Texten in Google News durch und versucht, ähnliche Nachrichten nahe beieinander zu platzieren; Google klassifiziert ferner s in Gmail und wendet darauf verschiedene Analysen an, etwa im Zusammenhang mit AdWords. Technologie zur Handhabung von Big Data Zum Umgang mit Big Data sind in den letzten Jahren zahlreiche Techniken, Methoden und Technologien entwickelt worden, die hier kurz erwähnt seien. Wenn Daten in so hohen Quantitäten auftreten, dass lokal vorhandene Speicher- und Verarbeitungskapazitäten nicht mehr ausreichen, kann es nicht verwundern, dass traditionelle Technologie, die auf einer zentralen Datenbank fußt, nicht mehr ausreicht. Die Anforderungen an die Verarbeitung von Big Data lassen sich wie folgt zusammenfassen: Angemessene, hohe Verarbeitungsleistung für komplexe Berechnungen; skalierbare, verteilte und fehlertolerante Verarbeitung von Daten mit temporärem oder dauerhaftem Speicher; 58

17 Gottfried Vossen: Big Data: Der neue Katalysator für Business und andere Intelligenz parallele Programmier- und Verarbeitungsparadigmen, die mit großen Datenmengen angemessen umgehen können; angemessene Implementierungen und Ausführungsumgebungen für diese Programmiermodelle und Paradigmen. Datenbanktechnik Bezüglich Hardware-Lösungen zur Verarbeitung von Big Data sei der Leser auf [8] verwiesen. Relevant in diesem Zusammenhang ist insbesondere ein Wiederaufkommen von Hauptspeicherbeziehungsweise In-Memory-Datenbanktechnologie, eine Entwicklung, die ursprünglich aus den 1980er Jahren stammt [9] und die mittlerweile dank technologischer Fortschritte in kommerziellen Produkten verfügbar ist [10, 11]. Bei Datenbanken sind ferner sogenannte NoSQL-Systeme ( Not only SQL ) entstanden, die den Anforderungen von Big Data an Skalierbarkeit, Verteilung und Fehlertoleranz besser begegnen können als herkömmliche Systeme und die es in unterschiedlichen Erscheinungsformen gibt: als Key-Value Stores (zum Beispiel Amazon SimpleDB oder Dynamo, LinkedIn Voldemort), Column Stores (zum Beispiel Google BigTable [12], Apache Hbase oder Cassandra, Yahoo! PNUTS), Dokumentdatenbanken (zum Beispiel MongoDB oder Couchbase) sowie Graphendatenbanken (zum Beispiel Neo4J der Allegro) [13]. Darüber hinaus versprechen NewSQL -Systeme wie Clustrix, NuoDB, VoltDB oder Google Spanner transaktionale Garantien zusätzlich zur Skalierbarkeit von NoSQL-Systemen. Cloud Sourcing Wenn Daten nicht länger nur lokal gespeichert werden können, ist es naheliegend, auf Cloud-Speicher als Erweiterung der In-House- Möglichkeiten oder auf Stromverarbeitungssysteme auszuweichen, die keinen oder nur wenig lokalen Speicher erfordern. Die Fähigkeit, Daten zu verarbeiten, die lediglich als Strom verfügbar sind (zum Beispiel Daten von Temperatur- oder Drucksensoren in einer Wetterstation), aber mit hoher Frequenz auftreten, erfordert ferner eine hinreichende Prozessorleistung. Dieser Aspekt von Big Data wird jedoch gemeinhin nicht mehr als besondere Herausforderung betrachtet, dank der Verfügbarkeit moderner Multicore- Wiederaufkommen der In-Memory- Datenbanktechnologie 59

18 Torsten Schwarz: Leitfaden Marketing Automation Auslagerung in die Cloud SaaS/IaaS/ PaaS Prozessoren, von GPU-Computing, In-Memory-Verarbeitung, Hauptspeicherdatenbanken und der zunehmenden Verfügbarkeit von Hochleistungs-Datacentern. Sowohl für Rechenleistung als auch für Speicherplatz ist inzwischen eine Auslagerung in die Cloud ein typisches Szenario, was nach dem US National Institute for Standards and Technology (NIST) wie folgt definiert ist: Cloud sourcing is the utilization of IT capabilities from a cloud service provider (CSP) based on the cloud paradigm with the following five characteristics: resource pooling, rapid elasticity, on-demand self-service, broad network access, and measured service. NIST definiert drei Service-Modelle [14]: Software-, Platform- und Infrastructure-as-a-Service, abgekürzt SaaS, PaaS beziehungsweise IaaS; diese Modelle repräsentieren sowohl unterschiedliche Service- Typen als auch unterschiedliche Abstraktionsebenen oberhalb der physischen Infrastruktur. Alle drei Servicemodelle kommen im Kontext von Big Data zum Einsatz: IaaS für einfachen Zugriff auf potenziell unbeschränkte Rechen- oder Speicherressourcen, PaaS für das eigene programmiersprachliche oder algorithmische Paradigma zur Verarbeitung von Big Data und SaaS, wenn es lediglich um die Verwendung von einzelnen Diensten oder eine Kombination von Diensten zur Analytik bei Big Data geht. Cloud-Provider in diesem Bereich verlassen sich hinsichtlich Rechenleistung typischerweise auf große Ansammlungen gebräuchlicher Hardware, bestehend aus konventionellen Prozessoren ( Rechenknoten ), die zu Clustern zusammengefasst und miteinander vernetzt sind. Derartige Cluster werden häufig innerhalb eines Datacenters oder über mehrere Datacenter hinweg repliziert. Replikation als Form von Redundanz ist in diesem Zusammenhang der Schlüssel zur Zuverlässigkeit der Hardware und des fehlertoleranten Rechnens; analog werden Daten durch Replikation gegen Verlust geschützt. Das Ergebnis ist dann entweder ein verteiltes File-System (wie das Hadoop Distributed File System, kurz HDFS, siehe Abschnitt Hadoop) oder eine global verteilte Datenbank wie Google Spanner [15] oder F1 [16]. Neben Fehlertoleranz und (hoher) Verfügbarkeit 60

19 Gottfried Vossen: Big Data: Der neue Katalysator für Business und andere Intelligenz ermöglicht die Verteilung eine parallele Verarbeitung von Daten, speziell dann, wenn Rechenvorgänge unabhängig voneinander auf unterschiedlichen Teilen der Daten ausgeführt werden können. In einem solchen Fall werden Daten häufig über mehrere Cluster oder sogar Datacenter hinweg aufgeteilt (partitioniert). Falls eine Datenorganisation von einem Cloud-Provider unterhalb eines SaaS-Produkts betrieben wird, sind Replikation und Partitionierung für den Benutzer natürlich transparent. Datenmanagement in der Cloud hat seine spezifischen Herausforderungen, wenn es darum geht, Konsistenz gegen Verfügbarkeit und Toleranz gegenüber Partitionierungsfehlern auszubalancieren [17, 18]. Map-Reduce Während Replikation als Maßnahme zum Erhalt von Datenverfügbarkeit gilt, da bei Ausfall einer Kopie stets eine andere bereit steht, erweist sich Partitionierung als Schlüssel zur algorithmischen Behandlung zahlreicher Big-Data-Probleme. Partitionierung folgt im Wesentlichen dem alten Prinzip des Teile und Beherrsche (englisch: Divide and Conquer), das bereits von Caesar verwendet wurde und in Algorithmen der Informatik eine lange Tradition hat. Wenn Daten in mehrere unabhängige Teile zerlegt werden können, kann eine Verarbeitung dieser Teile parallel erfolgen, zum Beispiel in verschiedenen Kernen einer Multicore-CPU oder in unterschiedlichen CPUs eines Clusters. Die dort erzielten Einzelresultate müssen dann zu einem Gesamtresultat zusammengesetzt werden. Dies ist bereits die grundlegende Idee von Googles Map-Reduce-Ansatz [19] (US Patent 7,650,331 von Januar 2010), der aus der funktionalen Programmierung bekannte Funktionen höherer Ordnung zur Spezifikation von Berechnungen auf sehr großen Datenmengen heranzieht. Map-Reduce kombiniert zwei Funktionen, map und reduce, die auf Schlüssel-Wert-Paare angewendet werden. Eine Map- Reduce-Berechnung arbeitet grundsätzlich wie in Abb. 3 gezeigt: Eingabedaten werden in Teilen, sogenannten Chunks, bereitgestellt und stammen typischerweise aus einem verteilten Dateisystem. Die Chunks werden zunächst von Map-Tasks auf Mapper genannten Komponenten verarbeitet. Mapper konvertieren Chunks in eine Folge von Schlüssel-Wert-Paaren; wie genau dies passiert, hängt von Aufteilung der Daten über mehrere Cluster und Datencenter Teile und Beherrsche 61

20 Torsten Schwarz: Leitfaden Marketing Automation Map-Reduce- Berechnung der spezifischen Aufgabe ab und wird durch den Code bestimmt, welchen der Benutzer für die Map-Funktion geschrieben hat. Als nächstes werden die von den Mappern erzeugten Zwischenergebnisse durch einen Master-Controller gesammelt und anhand ihrer Schlüssel gruppiert. Die Schlüssel und die ihnen zugeordneten Gruppen werden dann so an Reduce-Tasks weitergeleitet, dass alle Schlüssel-Wert-Paare mit demselben Schlüssel derselben Reducer- Komponente zugewiesen werden. Die Reducer bearbeiten jeweils einen Schlüssel und kombinieren alle mit diesem assoziierten Wert in der Weise, wie die Anwendung es erfordert und der zugehörige Benutzercode spezifiziert. Grundsätzlich basiert eine Map-Reduce-Berechnung auf zwei Funktionen, die dem Group-By von SQL gefolgt von einer Aggregation ähneln: 1. map: (K 1, V 1 ) > list(k 2, V 2 ) 2. reduce: (K 2, list(v 2 )) > list(k 3, V 3 ) Abb. 3: Prinzip einer Map-Reduce-Berechnung. Beispiel Als Beispiel betrachten wir die Analyse von Wetterdaten, die als langer String von Wetterstationen geliefert werden; wir interessieren uns für die Höchsttemperatur pro Jahr. Input-Daten können in diesem Fall wie in Abb. 4 gezeigt aussehen. Die betreffende Wetterstation sendet (als Datenstrom!) regelmäßig lange Zeichenreihen, die entsprechend interpretiert werden müssen; jeder solche String enthält unter 62

Einführung in Hadoop

Einführung in Hadoop Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Thementisch Anwendungsgebiete und

Thementisch Anwendungsgebiete und Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Data Mining in der Cloud

Data Mining in der Cloud Data Mining in der Cloud von Jan-Christoph Meier Hamburg, 21.06.2012 1 Ablauf Einführung Verwandte Arbeiten Fazit / Ausblick Literatur 2 Ablauf Einführung Verwandte Arbeiten Fazit / Ausblick Literatur

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg Review Freelancer-Workshop: Fit für Big Data Mittwoch, 29.04.2015 in Hamburg Am Mittwoch, den 29.04.2015, hatten wir von productive-data in Zusammenarbeit mit unserem langjährigen Partner Informatica zu

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

Erfolgreich als Medical Advisor und Medical Science Liaison Manager

Erfolgreich als Medical Advisor und Medical Science Liaison Manager Erfolgreich als Medical Advisor und Medical Science Liaison Manager Günter Umbach Erfolgreich als Medical Advisor und Medical Science Liaison Manager Wie Sie effektiv wissenschaftliche Daten kommunizieren

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

Einfluss von Social Media auf die Suchmaschinenoptimierung mit spezieller Betrachtung von Google+

Einfluss von Social Media auf die Suchmaschinenoptimierung mit spezieller Betrachtung von Google+ Wirtschaft Lukas Peherstorfer Einfluss von Social Media auf die Suchmaschinenoptimierung mit spezieller Betrachtung von Google+ Bachelorarbeit Peherstorfer, Lukas: Einfluss von Social Media auf die Suchmaschinenoptimierung

Mehr

Konsumentenverhalten im Internet

Konsumentenverhalten im Internet Klaus-Peter Wiedmann/Holger Buxel/ Tobias Frenzel/Gianfranco Walsh (Hrsg.) 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com

Mehr

It's all in the Cloud! Cloud Computing Grundlagen

It's all in the Cloud! Cloud Computing Grundlagen It's all in the Cloud! Cloud Computing Grundlagen Folie: 1/25 Agenda Einleitung - Cloud Computing Begriffe Überblick - Wer bietet was? Der Weg zur Private Cloud Einblick - RRZK und Cloud Computing Anmerkung

Mehr

CHECKLISTE SUCHMASCHINENOPTIMIERUNG

CHECKLISTE SUCHMASCHINENOPTIMIERUNG CHECKLISTE SUCHMASCHINENOPTIMIERUNG Suchmaschinenoptimierung, auch Search Engine Optimization (SEO) genannt, ist ein Marketing-Instrument, das dazu dient, Websites auf den Ergebnisseiten der Suchmaschinen

Mehr

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 b Wien 08. Juni 2015 Stefanie Lindstaedt, b Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Die virtuelle Welt: Vision und Wirklichkeit

Die virtuelle Welt: Vision und Wirklichkeit Die virtuelle Welt: Vision und Wirklichkeit September 2015 Peter.moser1@swisscom.com Virtualität ist die Eigenschaft einer Sache, nicht in der Form zu existieren, in der sie zu existieren scheint Quelle:

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

Gliederung. Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik

Gliederung. Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik Cloud Computing Gliederung Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik 2 Bisher Programme und Daten sind lokal beim Anwender

Mehr

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Big Data Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Agenda Was ist Big Data? Parallele Programmierung Map/Reduce Der Big Data Zoo 2 3Vs oder: Was ist Big Data? Deutsche Telekom:

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Einführung in Hauptspeicherdatenbanken

Einführung in Hauptspeicherdatenbanken Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation

Mehr

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2.

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2. Cloud Computing Frank Hallas und Alexander Butiu Universität Erlangen Nürnberg, Lehrstuhl für Hardware/Software CoDesign Multicorearchitectures and Programming Seminar, Sommersemester 2013 1. Definition

Mehr

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de Frederik Dahlke Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology The enterprise 2.0 concept applied to lean software development Diplom.de

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,

Mehr

Corporate Performance Management als Weiterentwicklung von Business Intelligence

Corporate Performance Management als Weiterentwicklung von Business Intelligence Martin Kobrin Corporate Performance Management als Weiterentwicklung von Business Intelligence Grundlagen, Implementierungskonzept und Einsatzbeispiele Diplomica Verlag Martin Kobrin Corporate Performance

Mehr

BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de

BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de NEU: Leitfaden Marketing Automation Hrsg.: T. Schwarz, 288 S., geb., 2014 Digital neue Kunden gewinnen: Vom Lead Management

Mehr

Neue Ansätze der Softwarequalitätssicherung

Neue Ansätze der Softwarequalitätssicherung Neue Ansätze der Softwarequalitätssicherung Googles MapReduce-Framework für verteilte Berechnungen am Beispiel von Apache Hadoop Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik

Mehr

SAP HANA eine Plattform für innovative Anwendungen

SAP HANA eine Plattform für innovative Anwendungen SAP HANA eine Plattform für innovative Anwendungen Top Intelligence: Big Data & SAP HANA Zürich, Frankfurt, Hamburg, München, Mülheim/R Februar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder

Mehr

BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de

BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de BESTELLFAX an +49 (0)7254 / 95773-90 oder ONLINE: http://shop.marketing-boerse.de NEU: Leitfaden Marketing Automation Hrsg.: T. Schwarz, 288 S., geb., 2014 Digital neue Kunden gewinnen: Vom Lead Management

Mehr

Talentmanagement mit System

Talentmanagement mit System Talentmanagement mit System Peter Wollsching-Strobel Birgit Prinz Herausgeber Talentmanagement mit System Von Top-Performern lernen Leistungsträger im Unternehmen wirksam unterstützen Der PWS-Ansatz Herausgeber

Mehr

Open Source als de-facto Standard bei Swisscom Cloud Services

Open Source als de-facto Standard bei Swisscom Cloud Services Open Source als de-facto Standard bei Swisscom Cloud Services Dr. Marcus Brunner Head of Standardization Strategy and Innovation Swisscom marcus.brunner@swisscom.com Viele Clouds, viele Trends, viele Technologien

Mehr

Prozess- und Datenmanagement Kein Prozess ohne Daten

Prozess- und Datenmanagement Kein Prozess ohne Daten Prozess- und Datenmanagement Kein Prozess ohne Daten Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Prozess- und Datenmanagement Erfolgreiche Unternehmen sind Prozessorientiert.

Mehr

MapReduce in der Praxis

MapReduce in der Praxis MapReduce in der Praxis Rolf Daniel Seminar Multicore Programmierung 09.12.2010 1 / 53 Agenda Einleitung 1 Einleitung 2 3 Disco Hadoop BOOM 4 2 / 53 1 Einleitung 2 3 Disco Hadoop BOOM 4 3 / 53 Motivation

Mehr

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2 Seminar Cloud Data Management WS09/10 Tabelle1 Tabelle2 1 Einführung DBMS in der Cloud Vergleich verschiedener DBMS Beispiele Microsoft Azure Amazon RDS Amazon EC2 Relational Databases AMIs Was gibt es

Mehr

Erfolgsfaktoren von Customer Relationship Management Strategien

Erfolgsfaktoren von Customer Relationship Management Strategien Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen Diplomica Verlag Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen

Mehr

Harry Wessling. Network Relationship Management

Harry Wessling. Network Relationship Management Harry Wessling Network Relationship Management Harry Wessling Network Relationship Management Mit Kunden, Partnern und Mitarbeitern zum Erfolg Die Deutsche Bibliothek - CIP-Einheitsaufnahme Ein Titeldatensatz

Mehr

Hadoop. Simon Prewo. Simon Prewo

Hadoop. Simon Prewo. Simon Prewo Hadoop Simon Prewo Simon Prewo 1 Warum Hadoop? SQL: DB2, Oracle Hadoop? Innerhalb der letzten zwei Jahre hat sich die Datenmenge ca. verzehnfacht Die Klassiker wie DB2, Oracle usw. sind anders konzeptioniert

Mehr

Impulse für eine Optimierung für den SEOphonist SEO-Contest

Impulse für eine Optimierung für den SEOphonist SEO-Contest Impulse für eine Optimierung für den SEOphonist SEO-Contest karl kratz online marketing 2013 SEOphonist SEO-Contest» GO! In diesem E-Book findest Du ein paar kleine Impulse und Anregungen für die Suchmaschinen-

Mehr

Cloud-Computing Seminar - Vergleichende Technologien: Grid-Computing Hochschule Mannheim

Cloud-Computing Seminar - Vergleichende Technologien: Grid-Computing Hochschule Mannheim Sven Hartlieb Cloud-Computing Seminar Hochschule Mannheim WS0910 1/23 Cloud-Computing Seminar - Vergleichende Technologien: Grid-Computing Hochschule Mannheim Sven Hartlieb Fakultät für Informatik Hochschule

Mehr

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten: Eine praxisnahe Analyse

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center

Mehr

Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud

Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud Viele Clouds, viele Trends, viele Technologien Kommunikation Private Apps Prozesse Austausch Speicher Big Data Business Virtual Datacenter

Mehr

Seminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP

Seminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP Seminar WS 2012/13 S. Chaudhuri et al, CACM, Aug. 2011 Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP 2 Vorkonfigurierte, komplette Data Warehouse-Installation Mehrere Server,

Mehr

Das kleine Cloud-ABC. Die wichtigsten Cloud-Begriffe im Überblick. Einfach. Anders. cloud.de

Das kleine Cloud-ABC. Die wichtigsten Cloud-Begriffe im Überblick. Einfach. Anders. cloud.de Das kleine Cloud-ABC Die wichtigsten Cloud-Begriffe im Überblick Einfach. Anders. cloud.de Inhalt Vorwort 03 1. Cloud eine kleine Geschichtsstunde 04 2. Das ABC 06 2.1. Die Grundbegriffe 06 2.2 Die Cloud-Modelle

Mehr

HANAUER H!LFE e.v. (Hrsg.) Die Entwicklung professioneller Opferhilfe

HANAUER H!LFE e.v. (Hrsg.) Die Entwicklung professioneller Opferhilfe HANAUER H!LFE e.v. (Hrsg.) Die Entwicklung professioneller Opferhilfe VS RESEARCH HANAUER H!LFE e.v. (Hrsg.) Die Entwicklung professioneller Opferhilfe 25 Jahre Hanauer Hilfe VS RESEARCH Bibliografische

Mehr

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST? BERNADETTE FABITS WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS HINEIN GEHÖRT DATA SCIENTIST, STATISTIKER, DATA MINER, ANALYST,. Gibt es noch mehr von denen. die arbeiten mit Big Data

Mehr

BIG DATA Impulse für ein neues Denken!

BIG DATA Impulse für ein neues Denken! BIG DATA Impulse für ein neues Denken! Wien, Januar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust The Age of Analytics In the Age of Analytics, as products and services become

Mehr

BIG DATA STRATEGIE FÜR DEN ONLINE-HANDEL

BIG DATA STRATEGIE FÜR DEN ONLINE-HANDEL BIG DATA STRATEGIE FÜR DEN ONLINE-HANDEL Am Beispiel der OTTO GmbH & Co KG Dortmund, 09. September 2015 Conny Dethloff (OTTO GmbH & CO. KG) 1 Anliegen des heutigen Dialogs Über mich Inhalt des Dialogs

Mehr

Human Capital Management

Human Capital Management Human Capital Management Raimund Birri Human Capital Management Ein praxiserprobter Ansatz für ein strategisches Talent Management 2., überarbeitete Auflage Raimund Birri Zürich, Schweiz ISBN 978-3-8349-4574-7

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer Big in Azure Ein Beispiel mit HD Insight Ralf Stemmer Agenda owas ist Big? Was ist HD Insight? owelche Probleme kann man damit lösen? odemo Was ist Big? Was ist HD Insight? Datenexplosion - Rasanter Zuwachs

Mehr

Mobile Technologien in der Assekuranz: Wie sie effektiv genutzt und im Rahmen einer Mobile- Strategie umgesetzt werden können.

Mobile Technologien in der Assekuranz: Wie sie effektiv genutzt und im Rahmen einer Mobile- Strategie umgesetzt werden können. Studienabschlussarbeit / Bachelor Thesis Marcel Altendeitering Manuskript Mobile Technologien in der Assekuranz: Wie sie effektiv genutzt und im Rahmen einer Mobile- Strategie umgesetzt werden können.

Mehr

Top 10 der Business Intelligence-Trends für 2014

Top 10 der Business Intelligence-Trends für 2014 Top 10 der Business Intelligence-Trends für 2014 Das Ende der Datenexperten. Datenwissenschaft kann künftig nicht nur von Experten, sondern von jedermann betrieben werden. Jeder normale Geschäftsanwender

Mehr

Kunden im Dickicht der sozialen Netzwerke finden und binden - Content-Pushen ist out, eine perfekte Context- Strategie entscheidet über Ihren Erfolg

Kunden im Dickicht der sozialen Netzwerke finden und binden - Content-Pushen ist out, eine perfekte Context- Strategie entscheidet über Ihren Erfolg Kunden im Dickicht der sozialen Netzwerke finden und binden - Content-Pushen ist out, eine perfekte Context- Strategie entscheidet über Ihren Erfolg 1. Kunden finden Kunden verstehen Kunden binden... und

Mehr

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS BIG DATA & PREDICTIVE ANALYTICS BIG DATA & PREDICTIVE ANALYTICS Turn communication into usable data. In einer zunehmend vernetzten, digitalen Service-Ökonomie müssen Sie die Wünsche Ihrer Kunden laufend

Mehr

Lehrgebiet Informationssysteme

Lehrgebiet Informationssysteme Lehrgebiet AG Datenbanken und (Prof. Michel, Prof. Härder) AG Heterogene (Prof. Deßloch) http://wwwlgis.informatik.uni-kl.de/ Was sind? Computergestützte Programmsysteme, die Informationen erfassen, dauerhaft

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

BIG DATA - BIG OPPORTUNITIES

BIG DATA - BIG OPPORTUNITIES BIG DATA - BIG OPPORTUNITIES eday: 2014 Wien, 6. März 2014 EBA Executive Business Advice GmbH 1120 Wien, Am Euro Platz 2, Gebäude G Tel.: +43 1 71728 172 Email: office@eba-business.at www.eba-business.at

Mehr

Analytisches CRM und Data Mining

Analytisches CRM und Data Mining Analytisches CRM und Data Mining Magische Zahlen für das Marketing Computerwoche Initiative CRM 2009 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Mitglied im CRM Expertenrat

Mehr

Perzentile mit Hadoop ermitteln

Perzentile mit Hadoop ermitteln Perzentile mit Hadoop ermitteln Ausgangspunkt Ziel dieses Projektes war, einen Hadoop Job zu entwickeln, der mit Hilfe gegebener Parameter Simulationen durchführt und aus den Ergebnissen die Perzentile

Mehr

Maximieren Sie Ihr Informations-Kapital

Maximieren Sie Ihr Informations-Kapital Maximieren Sie Ihr Informations-Kapital Zürich, Mai 2014 Dr. Wolfgang Martin Analyst, Mitglied im Boulder BI Brain Trust Maximieren des Informations-Kapitals Die Digitalisierung der Welt: Wandel durch

Mehr

#Big Data in #Austria

#Big Data in #Austria Mario Meir-Huber und Martin Köhler #Big Data in #Austria Big Data Herausforderungen und Potenziale 23.6.2014 Vorstellung Studie Studie #BigData in #Austria Start: 1.11.2013 30.04.2014 Projektpartner: IDC

Mehr

Springer Spektrum, Springer Vieweg und Springer Psychologie.

Springer Spektrum, Springer Vieweg und Springer Psychologie. essentials Essentials liefern aktuelles Wissen in konzentrierter Form. Die Essenz dessen, worauf es als State-of-the-Art in der gegenwärtigen Fachdiskussion oder in der Praxis ankommt. Essentials informieren

Mehr

BWL im Bachelor-Studiengang

BWL im Bachelor-Studiengang BWL im Bachelor-Studiengang Reihenherausgeber: Hermann Jahnke, Universität Bielefeld Fred G. Becker, Universität Bielefeld Fred G. Becker Herausgeber Einführung in die Betriebswirtschaftslehre Mit 48 Abbildungen

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013 Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien Berlin, Mai 2013 The unbelievable Machine Company? 06.05.13 The unbelievable Machine Company

Mehr

Direktmarketing im Zentrum digitaler Vertriebsstrategien

Direktmarketing im Zentrum digitaler Vertriebsstrategien Direktmarketing im Zentrum digitaler Vertriebsstrategien Standortbestimmung und Key Learnings für Verlage Hamburg, September 2014 Im Zentrum digitaler Vertriebsstrategien steht zunehmend die Analyse komplexer

Mehr

Diplomarbeit. Planung eines Webauftritts. Ein Leitfaden für kleine und mittelständische Unternehmen. Daniel Jurischka. Bachelor + Master Publishing

Diplomarbeit. Planung eines Webauftritts. Ein Leitfaden für kleine und mittelständische Unternehmen. Daniel Jurischka. Bachelor + Master Publishing Diplomarbeit Daniel Jurischka Planung eines Webauftritts Ein Leitfaden für kleine und mittelständische Unternehmen Bachelor + Master Publishing Daniel Jurischka Planung eines Webauftritts: Ein Leitfaden

Mehr

NoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt

NoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt NoSQL & Big Data Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle

Mehr

Wird BIG DATA die Welt verändern?

Wird BIG DATA die Welt verändern? Wird BIG DATA die Welt verändern? Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data Entmythisierung von Big Data. Was man über Big Data wissen sollte. Wie

Mehr

Ausgewählte Kapitel der Systemsoftware: Cloud Computing

Ausgewählte Kapitel der Systemsoftware: Cloud Computing Ausgewählte Kapitel der Systemsoftware: Cloud Computing Zunächst heiter bis wolkig, später dauerhaft bedeckt Timo Hönig Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl Informatik 4 (Verteilte

Mehr

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Big Data im Marke

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

Hans-Christian Riekhof (Hrsg.) Customer Insights: Wissen wie der Kunde tickt

Hans-Christian Riekhof (Hrsg.) Customer Insights: Wissen wie der Kunde tickt Hans-Christian Riekhof (Hrsg.) Customer Insights: Wissen wie der Kunde tickt Hans-Christian Riekhof (Hrsg.) Customer Insights: Wissen wie der Kunde tickt Mehr Erfolg durch Markt-Wirkungsmodelle Bibliografische

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014 Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

Storage-Trends am LRZ. Dr. Christoph Biardzki

Storage-Trends am LRZ. Dr. Christoph Biardzki Storage-Trends am LRZ Dr. Christoph Biardzki 1 Über das Leibniz-Rechenzentrum (LRZ) Seit 50 Jahren Rechenzentrum der Bayerischen Akademie der Wissenschaften IT-Dienstleister für Münchner Universitäten

Mehr

SEMT. Prof. G. Bengel. Searching as a Service (Programming Model: MapReduce)

SEMT. Prof. G. Bengel. Searching as a Service (Programming Model: MapReduce) Hochschule Mannheim Fakultät für Informatik SEMT Prof. G. Bengel Sommersemester 2009 Semester 8I Searching as a Service (Programming Model: MapReduce) Michel Schmitt (520361) 1.06.2009 Inhalt 1. Einführung...

Mehr

Pavlo Baron. Big Data. für IT-Entscheider. Riesige Datenmengen. und moderne Technologien. gewinnbringend nutzen HANSER

Pavlo Baron. Big Data. für IT-Entscheider. Riesige Datenmengen. und moderne Technologien. gewinnbringend nutzen HANSER Pavlo Baron Big Data für IT-Entscheider Riesige Datenmengen und moderne Technologien gewinnbringend nutzen HANSER Inhalt Vorwort XI 1 Management Summary 1 2 Was? 7 2.1 Mein klassisches Business ist konkurrenzlos,

Mehr

BigTable. 11.12.2012 Else

BigTable. 11.12.2012 Else BigTable 11.12.2012 Else Einführung Distributed Storage System im Einsatz bei Google (2006) speichert strukturierte Daten petabyte-scale, > 1000 Nodes nicht relational, NoSQL setzt auf GFS auf 11.12.2012

Mehr

EMC. Data Lake Foundation

EMC. Data Lake Foundation EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt Was ist Big Data? Versuch einer Positionsbestimmung Wolfgang Marquardt Vorstandsvorsitzender des Forschungszentrum Jülich 02.06.2015 Jahrestagung des deutschen Ethikrates Ganz sicher auch ein Hype hohe

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

Usability Untersuchung eines Internetauftrittes nach DIN EN ISO 9241 Am Praxisbeispiel der Firma MAFI Transport-Systeme GmbH

Usability Untersuchung eines Internetauftrittes nach DIN EN ISO 9241 Am Praxisbeispiel der Firma MAFI Transport-Systeme GmbH Markus Hartmann Usability Untersuchung eines Internetauftrittes nach DIN EN ISO 9241 Am Praxisbeispiel der Firma MAFI Transport-Systeme GmbH Diplom.de Markus Hartmann Usability Untersuchung eines Internetauftrittes

Mehr