Big [Data] Picture im Wissensmanagement

Größe: px
Ab Seite anzeigen:

Download "Big [Data] Picture im Wissensmanagement"

Transkript

1 Big [Data] Picture im Wissensmanagement Mit selbstlernenden Verfahren wichtiges internes und externes Wissen identifizieren und nutzen Jörg Hoffmann, Projektleiter; Dr. Gerhard Paaß, Senior Research Scientist; Dr. Melanie Knapp, Gruppenleiterin, Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS 1 Abstract. Die inhaltliche Erschließung von digitalen Dokumenten wird durch semantische Technologien immens vereinfacht. Mit Smart Semantics, die das Fraunhofer IAIS im Kontext des THESEUS-Programms 2 entwickelt hat, ist es möglich, wichtige Zusammenhänge in Texten zu finden und für neue Anwendungen zu nutzen. Anhand einer mobilen App und einem Firmenbeispiel zeigen wir, wie die Technologien funktionieren und aus großen Datenmengen wichtiges Wissen für einen Einsatz, z. B. in der Produktentwicklung, der Expertensuche oder bei der Wettbewerbsbeobachtung, liefern können. 1. Problemstellung und Vorgehen 267 Unternehmen sind aus Sicht des strategischen Managements gefordert, verlässliche Informationen über den Markt, den Wettbewerb und aufkommende Technologien zu beziehen und diese in den eigenen Kontext zu übersetzen. Darüber hinaus ist in Zeiten des Fachkräftemangels und einer weiterhin steigenden Bedeutung der Wissensarbeit, die Identifizierung geeigneter interner und externer Experten von immenser Bedeutung. Auch Fragen des Reputationsmanagements sind mit Blick auf die schnelle Verbreitung von Stimmungen über Social Media und vor dem Hintergrund von Corporate-Social-Responsibility von immer größerer Bedeutung. Hier gilt es, eigene Aussagen zum Unternehmen, dessen Marken und Produkte 1 Schloss Birlinghoven; Sankt Augustin; iais.fraunhofer.de, Tel.: ; Tel ; Tel THESEUS war ein vom Bundesministerium für Wirtschaft und Technologie (BMWi) initiiertes Forschungsprogramm mit dem Ziel, neue Technologien und Methoden für das Internet der Dienste zu entwickeln (Laufzeit: 2007 bis 2011).

2 268 rechtzeitig zu erfassen und um gegenüber Investoren, Kunden, den eigenen und potenziellen Mitarbeitern sowie einer interessierten Öffentlichkeit vertreten zu können. Zusammengefasst lässt sich feststellen, dass die Anzahl der zur Verfügung stehenden und auszuwertenden Daten immens anwächst und Risiken und Potenziale von Big Data berücksichtigt und für die Wettbewerbsfähigkeit genutzt werden können [McKinsey (2011)]. Mit unseren Ansätzen der semantischen Textanalyse ist es möglich aus der Vielzahl an unstrukturierten Textdaten ein sogenanntes Big [Data] Picture zu erstellen. Das Big [Data] Picture ist mehr als nur ein Ausschnitt, es ermöglicht, dass aus einer großen Datenmenge die wesentlichen Aussagen und Themen extrahiert werden. Eine besondere Herausforderung liegt darin, die relevanten Informationen für die Analyse zu strukturieren. Daher wurden mit der Smart-Semantics-Technologie modulare, robuste und skalierbare Methoden entwickelt, die sich leicht auf verschiedene Anwendungsszenarien anwenden lassen. Die Übertragbarkeit dieser Technologien auf konkrete Fragestellungen des Wissensmanagements ist naheliegend: Welche internen oder externen Experten haben zu welchen Themen publiziert oder Berichte verfasst? Wie äußern sich unsere Unternehmensvertreter in der Öffentlichkeit? Was sagen unsere Wettbewerber? Welche Erwartungen haben Kunden an unsere Produkte? Ausgehend von einem Kundenbeispiel und einer bestehenden Lösung, sollen im folgenden Kapitel die Möglichkeiten der Übertragbarkeit auf Fragestellungen des Wissensmanagements dargestellt werden. So sind die Einsatzmöglichkeiten von Smart-Semantics-Technologien vielfältig und je nach Wissensbedarf und Wissensdomäne adaptierbar. Um diese Erwartungen an die Ergebnisse der Analyse zu erfüllen, kommt es vor allem darauf an, die Smart-Semantics-Komponenten auf die Wissensziele abzustimmen und die zu berücksichtigenden Quellen sehr bewusst auszuwählen.

3 Praxiseinsatz Die besondere Herausforderung aus Unternehmenssicht besteht nun darin, zum einen aus großen Textmengen die relevanten Themen und Wissensbestandteile für sich zu erkennen und zum anderen diese vielen Aussagen und unterschiedlichen Aspekte zu einem Überblick zusammenzuführen: Ein Bild, das die Gesamtsituation des Unternehmens gut abbildet und die relevanten Themen, die im Umfeld des Unternehmens Einfluss nehmen können, erkennt. Mit dem Big [Data] Picture auf Basis von Smart Semantics wird es möglich, die relevanten Themen zu identifizieren und die konkreten Schlüsse für das eigene Unternehmen abzuleiten. 2.1 Einsatz in der Produktentwicklung Verfahren des Text-Mining [Paaß 2012] sind heute immer besser in der Lage, wichtiges Wissen aus großen Textmengen zu extrahieren. Besonders für Unternehmen sind die Möglichkeiten dieser Techniken spannend, um Kundenfeedback aus Social Media effizient analysieren und für die Weiterentwicklung von Produkten und Dienstleistungen und damit für die Steigerung der Kundenzufriedenheit nutzen. Für einen Sportartikelhersteller war es wichtig zu erfahren, wie sein neues Produkt bei den Kunden angekommen ist. Die wenigsten Kunden melden sich beim Hersteller, um ihre Erfahrungen mitzuteilen. Solche Äußerungen finden sich vielmehr in Diskussionsforen, Blogs oder Bewertungsplattformen. Bei der Analyse dieser Quellen mit Smart Semantics wurden Aussagen von Nutzern und Konsumenten sowohl zu den eigenen Produkten als auch zu Produkten der Wettbewerber extrahiert und analysiert. Aus den Aussagen zum Spielverhalten und der Qualität der Produkte konnten wichtige Erkenntnisse für die Produktentwicklung gesammelt werden. So wurden durch Sentiment-Analysen positive oder negative Einstellungen deutlich, die konkrete Rückschlüsse auf die Produkteigenschaften zuließen (s. Abb. 1). Welche Eigenschaften haben sich als besonders gut oder schlecht herausgestellt? Das Unternehmen konnte sehen, von welchen Aussagen sich generelle Bewertungen des Produktes durch die Kunden ableiten lassen, die dazu führen ein Produkt bei der Kaufentscheidung zu wählen oder abzulehnen. Das Wissen um die entscheidenden Kriterien der Konsumenten, die auf Erfahrungen mit dem eigenen Produkt oder auch der Wettbewerbsprodukte beruhen, kann daraufhin direkt in der Entwicklung der Nachfolgemodelle berücksichtigt werden.

4 270 Abb. 1: Extrahierte Phrasen aus Nutzerforen 2.2 Erkennung von Experten, Talenten und Wettbewerbern Ein weiteres Anwendungsfeld der Smart-Semantics-Technologien zielt auf die Identifikation von Aussagen, die Personen zugeordnet werden können. Dies kann zum einen die Identifikation von Experten sein, die sich in der Vergangenheit zu einem Thema bereits geäußert haben, das aktuell für das Unternehmen von Bedeutung ist. Interne Dokumente, die auf unterschiedlichen Systemen im Unternehmen vorhanden sind oder fachliche Dokumentationen oder wissenschaftliche Publikationen, bilden dazu die Grundlage. So werden Themen in Topic-Maps extrahiert, zu denen im Unternehmen bereits Aussagen getätigt wurden oder konkrete Erfahrungen vorliegen. Zum anderen bieten das Internet, RSS-Feeds, Twitter und zahlreiche Blogs und Foren [Thurau et al. 2010] hervorragende Möglichkeiten, um persönliche Aussagen von Personen zu extrahieren, die sich über das eigene Unternehmen oder den Wettbewerb äußern. Deutlich wird dieses Potential anhand der aktuellen App Quote, die vom Fraunhofer IAIS als Demonstrator im Rahmen des THESEUS- Projektes entwickelt wurde und Zitate aus großen Textmengen analysiert

5 271 und extrahiert. Täglich werden Tausende von Zeitungsmeldungen, Presseerklärungen und Blogs publiziert, in denen Zitate von Personen eine hohe Glaubwürdigkeit und einen hohen Informationswert vermitteln. Besonders relevant können wörtliche Äußerungen von Werbeträgern, Politikern, Wirtschaftsführern oder Konkurrenten sein. Das Fraunhofer IAIS hat eine Technologie entwickelt, mit der solche Äußerungen mit hoher Zuverlässigkeit identifiziert werden können und z. B. von indirekter Rede unterschieden werden können. Abbildung 2 zeigt eine Smartphone-App, die die Analyseergebnisse zur Verfügung stellt. Ein Server überwacht kontinuierlich über 100 Newsfeeds und sammelt die neuesten Meldungen. Diese Dokumente werden dann durch die Smart-Semantics-Analyse-Pipeline verarbeitet und die Ergebnisse in einer Datenbank zur Verfügung gestellt. Es lassen sich Zitate von bestimmten Personen oder zu speziellen Themen finden, wobei die Themen einer Meldung durch Themenmodelle identifiziert werden. Zudem werden die Personen mit der Wikipedia verlinkt und deren Bilder und biographische Daten sind ebenfalls abrufbar. Abb. 2: Die Quote-Smartphone-App

6 272 Automatisch erstellte Tagclouds und Themenprofile der Zitategeber vereinfachen den schnellen Überblick über die Themen, die aktuell diskutiert werden und einzelne Personen auszeichnen: Ein Big [Data] Picture entsteht, das über direkte Verlinkungen zu den Quellen jederzeit die Vertiefung der Themen ermöglicht. 3. Fortschritte in der Textanalyse mit Smart Semantics Die Extraktion von Informationen aus Texten lässt sich in der Regel nicht mit einem Modul durchführen, sondern erfordert eine ganze Sequenz aufeinander abgestimmter Verfahren, die sukzessive relevante Merkmale in den Texten identifizieren und den nachfolgenden Analyseschritten zur Verfügung stellen. Wie in Abb. 3 dargestellt, gibt es drei große Gruppen von Analyseschritten: Die linguistische Verarbeitung erkennt Sätze, Wörter sowie Satzzeichen etc. in den fortlaufenden Texten und bestimmt mit statistischen Methoden die Wortarten und die Satzstruktur in Form von Syntaxbäumen. Text-Mining erkennt Eigennamen, identifiziert die Bedeutung von Worten aus dem Kontext und erkennt Relationen [Reichartz et al. 2009] [Horvarth et al. 2009] zwischen Argumenten, z. B. Anshu Jain ist Chef der Deutschen Bank. In der Anwendungsphase werden die extrahierten Fakten [Pilz and Paaß 2011] zusammen mit den Texten in einer Suchmaschine oder Datenbank abgelegt und stehen dem Anwender für beliebige Informationsanfragen zur Verfügung. Abb. 3: Analyse-Pipeline der Smart-Semantics-Extraktion

7 273 Bei der Extraktion von wörtlichen Zitaten wird diese Verarbeitungskette genutzt. Betrachten wir als Beispiel den Satz Frau Merkel betonte: Die Welt will wissen, wie stellen wir uns die politische Union zur Währungsunion vor. Hier wurde zunächst Merkel als Personenname identifiziert und Die Welt Währungsunion vor. als ein mögliches Zitat. Anschließend wurde untersucht, ob zwischen diesen beiden Argumenten die Relation existiert, dass das mögliche Zitat von Merkel ausgesprochen wurde. Im einfachsten Fall kann man die Relationsextraktion als ein Klassifikationsproblem auffassen: Der Eingabe aus zwei Entitäten, den Worten des Satzes und dem Syntaxbaum soll die Art der Relation zugeordnet werden, oder O, falls keine Relation existiert. Für den Vergleich von Syntaxbäumen wurden Tree-Kernel entwickelt, welche im Wesentlichen die gewichtete Anzahl der gemeinsamen Teile beider Syntaxbäume auszählen. Wir haben die bisherigen Verfahren [Zhang et al. (2006)] [Bunescu and Mooney (2005)] analysiert und die Art und Anzahl der zu vergleichenden Bestandteile der Dependenz- Bäume wesentlich erweitert, ohne die Rechenzeiten nennenswert zu erhöhen. Grundlage für die Relationsextraktion war eine Trainingsmenge mit Beispielen und Gegenbeispielen wörtlicher Rede. Mit Hilfe dieser Trainingsmenge wurde ein statistisches Modell trainiert, welches in der Lage ist, die Relation in neuen Texten zu identifizieren. Bei einer einfachen Version des Modelles waren auf neuen Testdaten 85,8 % der gefundenen wörtlichen Zitate korrekt (Präzision) und 74,2 % der vorhandenen Zitate wurden auch gefunden (Recall). Verwendete man zusätzlich grammatische Informationen aus dem Syntaxbaum als Eingabemerkmale, so waren auf neuen Testdaten 88,8 % der gefundenen wörtlichen Zitate korrekt (Präzision) und 79,9 % der vorhandenen Zitate wurden auch gefunden (Recall). Dieses Genauigkeitsniveau ist für die meisten Suchanwendungen ausreichend und ermöglicht eine schnelle und sehr gute Annäherung an einen Themen- oder Beobachtungsbereich. 4. Fazit Die steigende Menge an Informationen macht es nahezu unmöglich, ohne automatisierte Verfahren über alle für das eigene Unternehmen relevanten Entwicklungen informiert zu sein. Der Zeitaufwand ist zu groß, sich quasi händisch einen Überblick über die Veränderungen im Umfeld des Unternehmens und die rasante Entwicklung von Anforderungen und Problemlösungsansätzen des eigenen Unternehmens zu verschaffen. Unternehmen sind daher gefordert, sich über die sie betreffenden eigenen

8 274 Wissensfelder ein Big Picture zu verschaffen, das einerseits die Verortung und die Zusammenhänge zur Unternehmensumwelt aufzeigt, andererseits die konkreten Einflussfaktoren identifizieren hilft und Handlungsstrategien daraus ableiten lässt. Die Ansätze der Smart Semantics unterstützen diese Anforderungen durch die Analyse großer Datenmengen und versetzen Unternehmen damit in die Lage, wichtiges internes und externes Wissen gezielter zu finden und Einflussfaktoren auf relevante Themen und Wissensfelder zu identifizieren. Literatur [Bunescu and Mooney (2005)] R. Bunescu and R. Mooney. A shortest path dependency kernel for relation extraction. In Proceedings of the conference on Human Language Technology and Empirical Methods in Natural Language Processing, pages , [Horvath et al. (2009)] T. Horvath, G. Paaß, F. Reichartz, and S. Wrobel. A Logic-Based Approach to Relational Extraction from Texts, 19th Int. Conference on Inductive Logic Programming, ILP 09, [McKinsey (2011)] McKinsey & Company. Big data: The next frontier for innovation, competition, and productivity. Online verfügbar unter zuletzt geprüft am [Paaß (2012)] G. Paaß. Document Classification, Information retrieval, Text and Web Mining. In Handbook of Technical Communication: 8 (Handbooks of Applied Linguistics [Hal]); A. Mehler, L. Ramary, [Pilz and Paaß (2011)] A. Pilz and G. Paaß. From Names to Entities using Thematic Context Distance. In Proc. of the 20th ACM international conference on Information and Knowledge Management, CIKM 11, [Reichartz et al. (2009)] F. Reichartz, H. Korte, and G. Paaß. Dependency tree kernels for relation extraction from natural language text. In Proc. European Conference on Machine Learning, ECML 09, [Thurau et al. (2010)] C. Thurau, K. Kersting, C. Bauckhage. Yes we can: simplex volume maximization for descriptive web-scale matrix factorization. In Proc. of the 19th ACM international conference on Information and Knowledge Management, CIKM 10, [Zhang et al. (2006)] M. Zhang, J. Zhang, and J. Su. Exploring syntactic features for relation extraction using a convolution tree kernel. In Proc. HLT/NAACL 06, pages , 2006.

Big [Data] Picture im Wissensmanagement

Big [Data] Picture im Wissensmanagement Big [Data] Picture im Wissensmanagement Mit selbstlernenden Verfahren wichtiges internes und externes Wissen identifizieren und nutzen Dr. Melanie Knapp Jörg Hoffmann Dr. Gerhard Paaß Agenda Teil 1 des

Mehr

Big Data bei unstrukturierten Daten. AW1 Vortrag Sebastian Krome

Big Data bei unstrukturierten Daten. AW1 Vortrag Sebastian Krome Big Data bei unstrukturierten Daten AW1 Vortrag Sebastian Krome Agenda Wiederholung Aspekte von Big Data Datenverarbeitungsprozess TextMining Aktuelle Paper Identification of Live News Events Using Twitter

Mehr

Smart Information Management

Smart Information Management Smart Information Management Dr. Stefan Wess, Empolis Information Management GmbH Seite 1 Kernthesen des Beitrages Vom Pull zum Push Oder die Lösung findet das Problem Der Tod der Firewall Open Enterprise,

Mehr

AudioMining Nachsehen, was zu hören war

AudioMining Nachsehen, was zu hören war AudioMining Nachsehen, was zu hören war Automatisierte Suche nach dem gesprochenen Wort durch moderne Sprachanalyse für Medienbeobachtung, Archive und Portale AudioMining von Fraunhofer IAIS Mit unserer

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Social Media Monitoring Den Kunden zuhören. Teil I

Social Media Monitoring Den Kunden zuhören. Teil I Social Media Monitoring Den Kunden zuhören Teil I DVR: 0438804 Juli 2015 Social Media Monitoring bezeichnet die systematische, kontinuierliche und themenspezifische Suche, Erhebung, Aufbereitung, Analyse,

Mehr

Living Lab Big Data Konzeption einer Experimentierplattform

Living Lab Big Data Konzeption einer Experimentierplattform Living Lab Big Data Konzeption einer Experimentierplattform Dr. Michael May Berlin, 10.12.2012 Fraunhofer-Institut für Intelligente Analyseund Informationssysteme IAIS www.iais.fraunhofer.de Agenda n Ziele

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

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 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

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Text Mining Praktikum Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Rahmenbedingungen Gruppen von 2- (max)4 Personen Jede Gruppe erhält eine Aufgabe Die

Mehr

Big Data & High-Performance Analytics: Anwendungsszenarien

Big Data & High-Performance Analytics: Anwendungsszenarien Big Data & High-Performance Analytics: Anwendungsszenarien Dr. Thomas Keil, Program Manager Business Analytics Frankfurt 26.4.2012 McKinsey-Studie zeigt Big Value Quelle: McKinsey Global Institute, May

Mehr

Social Monitoring. HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014

Social Monitoring. HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014 HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014 Abdul-Wahed Haiderzadah abdul-wahed.haiderzadah@haw-hamburg.de Betreuer:

Mehr

OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH

OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH BEISPIEL FLUGHAFEN BERLIN-BRANDENBURG Offizielle Webseite des Flughafens https://ber.piratenfraktion-berlin.de/projekt/

Mehr

MIT DATEN. TDWI Konferenz SCHAFFEN REPORT 2015. Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) München, 22. Juni 2015

MIT DATEN. TDWI Konferenz SCHAFFEN REPORT 2015. Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) München, 22. Juni 2015 TDWI Konferenz Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) MIT DATEN WERTE SCHAFFEN REPORT 2015 München, 22. Juni 2015 WIE MACHE ICHAUS EINSEN UND NULLEN DAS EINS ZU NULL FÜR MICH? 01 EINSTELLUNG

Mehr

Projektbezogenes Social Media Monitoring

Projektbezogenes Social Media Monitoring Projektbezogenes Social Media Monitoring Überblick über unser Angebot Der ESEMOS MediaMiner ist ein Stimmungsbarometer und Monitoring-Werkzeug für soziale Netzwerke. MediaMiner zeichnet sich insbesondere

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Überblick. Seite 2 von 5

Überblick. Seite 2 von 5 Überblick Der ESEMOS MediaMiner ist ein Stimmungsbarometer und Monitoring-Werkzeug für soziale Netzwerke. MediaMiner zeichnet sich insbesondere durch die Sentiment-Analyse, die Spracherkennung sowie anspruchsvolle

Mehr

Detecting Near Duplicates for Web Crawling

Detecting Near Duplicates for Web Crawling Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen

Mehr

Kommentar von Dr. Hans Holger Rath, Attensity Europe Unstrukturierte Daten sind Tickets für den Geschäftserfolg

Kommentar von Dr. Hans Holger Rath, Attensity Europe Unstrukturierte Daten sind Tickets für den Geschäftserfolg Kommentar von Dr. Hans Holger Rath, Attensity Europe Unstrukturierte Daten sind Tickets für den Geschäftserfolg 08.10.14 Autor / Redakteur: Dr. Hans Holger Rath / Nico Litzel Mithilfe der Textanalyse-Technik

Mehr

Institut für angewandte Informationstechnologie (InIT)

Institut für angewandte Informationstechnologie (InIT) School of Engineering Institut für angewandte Informationstechnologie (InIT) We ride the information wave Zürcher Fachhochschule www.init.zhaw.ch Forschung & Entwicklung Institut für angewandte Informationstechnologie

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

Smart Content Creation and Annotation (SCCA)

Smart Content Creation and Annotation (SCCA) Smart Content Creation and Annotation (SCCA) Statusmeeting, 7. Oktober 2014 Agenda 1) Einleitung 2) Text Mining bei Neofonie 3) Text Mining für Unternehmen 4) Aufbau von Fachlexika 5) Big-Data-Technologien

Mehr

Logo MIA. Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web

Logo MIA. Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web Logo MIA Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web MIA Konsortium Ausgangslage Das deutschsprachige Web mit derzeit mehr als sechs Milliarden Webseiten

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

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

SAS TEXT ANALYTICS EVENT

SAS TEXT ANALYTICS EVENT SAS TEXT ANALYTICS EVENT DIENSTAG, 21. APRIL 2015 AGENDA Zeit Inhalt 16:00-16:30 Registrierung & Willkommenskaffee 16:30-16:45 16:45-17:15 17:15-17:45 Begrüssung und Einleitung ins Thema Text Analytics

Mehr

Von Big Data zu Smart Data

Von Big Data zu Smart Data Von Big Data zu Smart Data mit Technologieförderung des BMWi Big Data Summit BITKOM-Konferenz; Bonn, 24.06.2013 Dr. Andreas Goerdeler Unterabteilungsleiter Informationsgesellschaft; Medien Bundesministerium

Mehr

Persönliches Wissensmanagement

Persönliches Wissensmanagement Persönliches Wissensmanagement Open Online-Course SOOC13 7. Juni 2013 1 von 13 Gewusst wer Gabriele Vollmar M.A. Beratung und Training zu den Themen: + Wissens- und Informationsmanagement + Wissensbilanzierung

Mehr

Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining

Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining Wissenschaftliches Arbeiten (2014) Aufgabe 5 Kai Kühne 798797 Beuth Hochschule für Technik Berlin Fachbereich VI Informatik und

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,

Mehr

Erkennung und Visualisierung attribuierter Phrasen in Poetiken

Erkennung und Visualisierung attribuierter Phrasen in Poetiken Erkennung und Visualisierung attribuierter Phrasen in Poetiken Andreas Müller (1), Markus John (2), Steffen Koch (2), Thomas Ertl (2) und Jonas Kuhn (1) Einleitung (1) Institut für Maschinelle Sprachverarbeitung,

Mehr

EMPOLIS SMART SERVICE. Die zentrale Plattform für Ihr gesamtes Service-Wissen

EMPOLIS SMART SERVICE. Die zentrale Plattform für Ihr gesamtes Service-Wissen EMPOLIS SMART SERVICE Die zentrale Plattform für Ihr gesamtes Service-Wissen EMPOLIS SMART SERVICE Der Alltag im Service... 3 Herausforderungen im operativen Tagesgeschäft... 4 Die Lösung Empolis Smart

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

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

Soziale Netzwerke: Chance zur Verbesserung der Kommunikation mit den Bürgern

Soziale Netzwerke: Chance zur Verbesserung der Kommunikation mit den Bürgern Soziale Netzwerke: Chance zur Verbesserung der Kommunikation mit den Bürgern Dr. André Schulz SAS Deutschland Göttingen, 6. September 2012 SAS Institute Ein Unternehmen der Zahlen SAS is the first company

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

Web Analyzer. Das semantische Social Media Analyse-Tool!

Web Analyzer. Das semantische Social Media Analyse-Tool! Web Analyzer Das semantische Social Media Analyse-Tool! Über Web Analyzer Web Analyzer ist ein Tool für Kontinuierliches Monitoring relevanter Social Media und Online-Quellen Aufbereitung und Analyse der

Mehr

WMS Block: Management von Wissen in Dokumentenform. Myra Spiliopoulou

WMS Block: Management von Wissen in Dokumentenform. Myra Spiliopoulou WMS Block: Management von Wissen in Dokumentenform Myra Spiliopoulou Literatur K. Mertins, H. Seidel. Wissensmanagement im Mittelstand. 2009, Springer A. Stocker, K.Tochtermann. Wissenstransfer mit Wikis

Mehr

WHITE PAPER März 2015

WHITE PAPER März 2015 WHITE PAPER März 2015 Geschäftsentscheidende Erkenntnisse in Echtzeit Relevante Daten sammeln, analysieren und für Entscheidungen nutzen Einleitung Attensitys Sprachverarbeitungstechnologie (Natural Language

Mehr

Social CRM - Hype oder Notwendigkeit? www.steria.com. Dr. Elmar Stenzel, Steria

Social CRM - Hype oder Notwendigkeit? www.steria.com. Dr. Elmar Stenzel, Steria Social CRM - Hype oder Notwendigkeit? Dr. Elmar Stenzel, Steria Agenda Die richtige Quellen jenseits Facebook & Co. Herausforderungen bei der Datenselektion und extraktion Beispielreports und Kennzahlen

Mehr

Kundenwissen erschließen

Kundenwissen erschließen Ruth Goetze Kundenwissen erschließen Customer Knowledge Management Leitfaden mit Instrumenten für die Praxis Tectum Verlag Ruth Goetze Kundenwissen erschließen. Customer Knowledge Management Leitfaden

Mehr

Information Workbench Linked Data-Anwendungen im Unternehmen. Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations

Information Workbench Linked Data-Anwendungen im Unternehmen. Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations Information Workbench Linked Data-Anwendungen im Unternehmen Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations Agenda Linked Data im Unternehmen Herausforderungen Die Information Workbench

Mehr

Auszug JAHRESBERICHT

Auszug JAHRESBERICHT 2008 Auszug JAHRESBERICHT kurzporträt Mit seinen Mitarbeitern bündelt das Fraunhofer IAIS Kompetenzen und wissenschaftliche Qualitäten aller ingenieurwissenschaftlichen Disziplinen, insbesondere der Informatik

Mehr

Social Media Monitoring Den Kunden zuhören. Teil II. Gründe für die Analyse der Social-Media-Kommunikation

Social Media Monitoring Den Kunden zuhören. Teil II. Gründe für die Analyse der Social-Media-Kommunikation Social Media Monitoring Den Kunden zuhören Teil II Gründe für die Analyse der Social-Media-Kommunikation 4. Social Media Kommunikation als Marktforschungstool DVR: 0438804 August 2015 Zu keinem Zeitpunkt

Mehr

Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1.

Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1. Lösungsvorschlag für das Übungsblatt 1. Aufgabe 1. Zusammengefasst aus Ihren Beiträgen Wie bewerten sie das System ingesamt? Das Watson System verdeutlicht den Fortschritt der Künstlichen Intelligenz Forschung/Computerlinguistik/Informatik

Mehr

Politische Inhalte in Social Media:

Politische Inhalte in Social Media: Politische Inhalte in Social Media: Twitter zur Landtagswahl in Nordrhein-Westfalen 2012 Überblick 1. Einführung 2. Methoden 3. Ergebnisse 4. Fazit 5. Ausblick 2 Einführung Einführung Twitter hat 2012

Mehr

Kundenbindung optimieren mit Predictive Analytics und Text Mining

Kundenbindung optimieren mit Predictive Analytics und Text Mining Kundenbindung optimieren mit Predictive Analytics und Text Mining Ein Praxis-Beispiel mit der Analyse-Plattform STATISTICA CeBIT Hannover, 10. März 2014 www.statsoft.de StatSoft (Europe) GmbH 2014 Dr.

Mehr

Wissensmanagement 2.0.

Wissensmanagement 2.0. Wissensmanagement 2.0. Rahmenbedingungen, Barrieren, Erfolgsfaktoren präsen9ert von Lena Després, ebusiness- Lotse Darmstadt- Dieburg Agenda Vorstellung ebusiness- Lotse Was ist Wissensmanagement? Wie

Mehr

FRAUNHOFER-INSTITUT FÜR. SEMINAR - 9. Mai 2012. Social Media Management, Monitoring und regionales Internet-Marketing in der Praxis

FRAUNHOFER-INSTITUT FÜR. SEMINAR - 9. Mai 2012. Social Media Management, Monitoring und regionales Internet-Marketing in der Praxis FRAUNHOFER-INSTITUT FÜR Arbeitswirtschaft und Organisation iao SEMINAR - 9. Mai 2012 Social Media Management, Monitoring und regionales Internet-Marketing in der Praxis Einführung Drei Viertel der deutschen

Mehr

Erfolgreiche Maßnahmen für Ihr Reputationsmanagement

Erfolgreiche Maßnahmen für Ihr Reputationsmanagement Erfolgreiche Maßnahmen für Ihr Reputationsmanagement Roland Ballacchino Es dauert zwanzig Jahre, sich eine Reputation zu erwerben und fünf Minuten, sie zu verlieren. Wenn man das im Auge behält, handelt

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

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

Rainer Klapper QS solutions GmbH

Rainer Klapper QS solutions GmbH Rainer Klapper QS solutions GmbH Der Handlungsbedarf Die CRM-Welt ist umgeben von Social Media Foren Communities Netzwerke CRM Blogs Fehlende Prozessintegration wird zunehmend zum Problem Wir bauen Brücken

Mehr

Enterprise Search (Interne Informationen) + Big Data (Extern verfügbare Informationen)

Enterprise Search (Interne Informationen) + Big Data (Extern verfügbare Informationen) Enterprise Search (Interne Informationen) + Big Data (Extern verfügbare Informationen) = ILC WHITEPAPER Enterprise Search Mal ganz anders! Jeden Tag benötigt ein Büro-Arbeiter durchschnittlich 67 Minuten

Mehr

Towards Automated Analysis of Business Processes for Financial Audits

Towards Automated Analysis of Business Processes for Financial Audits Towards Automated Analysis of Business Processes for Financial Audits Michael Werner Universität Hamburg michael.werner@wiso.uni hamburg.de Max Brauer Allee 60 22765 Hamburg StB Prof. Dr. Nick Gehrke Nordakademie

Mehr

Intelligente Unterstützung für argumentatives Schreiben

Intelligente Unterstützung für argumentatives Schreiben Intelligente Unterstützung für argumentatives Schreiben Christian Stab Workshop Text als Werkstu ck - Wege zu einer computergestu tzten U berarbeitung von deutschen Texten Deutsches Institut fu r Internationale

Mehr

Vertrauen Kompetenz Innovation

Vertrauen Kompetenz Innovation Vertrauen Kompetenz Innovation Big Data in der Finanzindustrie - Praxisbericht European Computing Conference 2015 26. März 2015, Hannover Joachim Kolbe, Dr. Christopher Schulz Hohes Big Data Potenzial

Mehr

Usability Engineering in agilen Projekten

Usability Engineering in agilen Projekten Usability Engineering in agilen Projekten oder Wie entstehen in agilen Projekten gebrauchstaugliche Produkte? Regine Freitag Fraunhofer-Institut für Intelligente Knowledge Discovery Inhalte Usability Engineering

Mehr

CRM vs CEM. Was unterscheidet beide voneinander? Präsentiert von Metrinomics. Juni 2015. 2015 Metrinomics GmbH CRM vs CEM 1

CRM vs CEM. Was unterscheidet beide voneinander? Präsentiert von Metrinomics. Juni 2015. 2015 Metrinomics GmbH CRM vs CEM 1 CRM vs CEM Was unterscheidet beide voneinander? Präsentiert von Metrinomics Juni 2015 2015 Metrinomics GmbH CRM vs CEM 1 Hans Jürgen Schmolke Geschäftsführer +49 30 695 171-0 +49 163 511 04 89 h.schmolke@metrinomics.com

Mehr

Analyse von Diskursen in Social Media Ein Werkstattbericht

Analyse von Diskursen in Social Media Ein Werkstattbericht Analyse von Diskursen in Social Media Ein Werkstattbericht Ausgangspunkt in der Kommunikationswissenschaft Bisherige Öffentlichkeit: Journalisten als zentrale Vermittler von Themen und Meinungen ( Gatekeeper

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

SEO. Web-Popularität mit Hilfe von Suchmaschinenoptimierung. Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50

SEO. Web-Popularität mit Hilfe von Suchmaschinenoptimierung. Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50 SEO Web-Popularität mit Hilfe von Suchmaschinenoptimierung Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50 SEO: Web-Popularität mit Hilfe von Suchmaschinenoptimierung

Mehr

Macht Knowledge- Management Unternehmen effizienter?

Macht Knowledge- Management Unternehmen effizienter? Macht Knowledge- Management Unternehmen effizienter? Karl-Heinz Plünnecke Geschäftsführer H.U.T GmbH 1 Software Performance Entwicklung Performance Was dann? ecommerce ERP SCM CRM Zeit 2 1 Noch Potential?

Mehr

Die folgenden Features gelten für alle isquare Spider Versionen:

Die folgenden Features gelten für alle isquare Spider Versionen: isquare Spider Die folgenden s gelten für alle isquare Spider Versionen: webbasiertes Management (Administratoren) Monitoring Sichten aller gefundenen Beiträge eines Forums Statusüberprüfung Informationen

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

Kundenzentrisches Banking - mit Hilfe von Social Media

Kundenzentrisches Banking - mit Hilfe von Social Media Kundenzentrisches Banking - mit Hilfe von Was versteht man unter kundenzentrischem Banking? Problem: Banken haben heutzutage mit stagnierenden Märkten, starkem Wettbewerb und einer sinkenden Kundenloyalität

Mehr

Wissen aus unstrukturierten natürlichsprachlichen

Wissen aus unstrukturierten natürlichsprachlichen ZKI Tagung AK Supercomputing, 19.-20. Okt. 2015 Wissen aus unstrukturierten natürlichsprachlichen Daten Sprachtechnologie und Textanalytik in the large Udo Hahn Jena University Language & Information Engineering

Mehr

Webmonitoring: Analysieren. Reagieren. Optimieren.

Webmonitoring: Analysieren. Reagieren. Optimieren. Webmonitoring: Analysieren. Reagieren. Optimieren. Was Sie über Ihre Website wissen sollten und wie Sie diese optimal als Marketing- und Kommunikationsinstrument einsetzen. ERST ANALYSIEREN, DANN REAGIEREN.

Mehr

Content Marketing. Teil 3

Content Marketing. Teil 3 Content Marketing Teil 3 DVR: 0438804 Mai 2013 Business-to-Business-Content Marketing Besonderes Augenmerk wird darauf gelegt, welche Rolle Content Marketing innerhalb des B-to-B-Marketings spielen kann.

Mehr

Big Smart Data. Karl-Heinz Streibich, CEO Software AG. 2013 Software AG. All rights reserved.

Big Smart Data. Karl-Heinz Streibich, CEO Software AG. 2013 Software AG. All rights reserved. Big Smart Data Karl-Heinz Streibich, CEO Software AG 2013 Software AG. All rights reserved. Big Data wächst exponentiell Big Data ist das neue Öl Die Generierung von 5 Exabytes an Daten dauerte bis 2003:

Mehr

Geschäftsprozesse automatisieren: aber sicher!

Geschäftsprozesse automatisieren: aber sicher! Geschäftsprozesse automatisieren: aber sicher! Wege in die Automatisierung von Vorgängen per E-Mail, Brief, Web & App in Posteingang und Kundenservice Hans-Günter Hagen, GF ITyX Gruppe Seite 1 Multichannel

Mehr

Was sind Facebook-Fans»wert«?

Was sind Facebook-Fans»wert«? m a n a g e w h a t m a t t e r s Was sind Facebook-Fans»wert«? Social Insight Connect, die erste Lösung für Brand Controlling und Development im Social Web, liefert strategische Insights zu Social Media

Mehr

Sentiment Analysis. Eine Einführung. Robert Remus 1 rremus@informatik.uni-leipzig.de. Fakultät für Mathematik und Informatik Universität Leipzig

Sentiment Analysis. Eine Einführung. Robert Remus 1 rremus@informatik.uni-leipzig.de. Fakultät für Mathematik und Informatik Universität Leipzig Sentiment Analysis Eine Einführung Robert Remus 1 rremus@informatik.uni-leipzig.de 1 Abteilung Automatische Sprachverarbeitung Fakultät für Mathematik und Informatik Universität Leipzig Seminar Anwendungen

Mehr

AW2-Vortrag. Ambient Telephony. Nicolas Bänisch HAW Hamburg 07.06.2012

AW2-Vortrag. Ambient Telephony. Nicolas Bänisch HAW Hamburg 07.06.2012 1 AW2-Vortrag Ambient Telephony Nicolas Bänisch HAW Hamburg 07.06.2012 2 Gliederung Einführung Related Work Konferenzen Forschungsgebiete Verwandte Arbeiten Zusammenfassung 3 Einführung 4 Einführung Ambient

Mehr

Mehr passende Bewerber für ihren MBA-Studiengang

Mehr passende Bewerber für ihren MBA-Studiengang Mehr passende Bewerber für ihren MBA-Studiengang Reichweite und Orientierung im Bildungsverzeichnis der Süddeutschen Zeitung mba.sueddeutsche.de Wir schreiben über Ihr MBA-Programm. Im Bildungsverzeichnis

Mehr

Big Data und Social Media Analyse. Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales

Big Data und Social Media Analyse. Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales Big Data und Social Media Analyse Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales Big Data & Social Media Analyse werden in Zukunft zentrale Business

Mehr

Grenzen und Gemeinsamkeiten: Die Beziehung zwischen der Computerlinguistik und den Digital Humanities

Grenzen und Gemeinsamkeiten: Die Beziehung zwischen der Computerlinguistik und den Digital Humanities Grenzen und Gemeinsamkeiten: Die Beziehung zwischen der Computerlinguistik und den Digital Humanities Gerhard Heyer Universität Leipzig heyer@informatik.uni-leipzig.de Institut für Informatik Kurzvorstellung

Mehr

Forum International CIUTI-Marché du Travail, 21.05.03. Anforderungen an den Übersetzer seitens der Wirtschaft

Forum International CIUTI-Marché du Travail, 21.05.03. Anforderungen an den Übersetzer seitens der Wirtschaft Karsten Egeberg, Vice President, SAP AG, Vortrag gehalten auf dem Forum International CIUTI-Marché du Travail, May 21 st 2003, Geneva. Anforderungen an den Übersetzer seitens der Wirtschaft Sehr geehrte

Mehr

9. Oktober 2013, Congress Park Hanau

9. Oktober 2013, Congress Park Hanau 9. Oktober 2013, Congress Park Hanau DAS WIE & WARUM IN SOCIAL MEDIA RESEARCH. SOCIAL MEDIA ANALYSE & MONITORING IN ZEITEN CHAOTISCHER TOOLLAND- SCHAFTEN & BIG DATA. Daten sind im 21. Jahrhundert der wichtigste

Mehr

Georg Grzonka. Prozesse im Unternehmen strukturieren und darstellen. - Leseprobe -

Georg Grzonka. Prozesse im Unternehmen strukturieren und darstellen. - Leseprobe - Georg Grzonka Prozesse im Unternehmen strukturieren und darstellen Übersicht über die Arbeitshilfen Prozessbeschreibung in Tabellenform (datei_01.doc) Prozessdarstellung als Kombination von Ablaufdiagramm

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

Investitionen die sich rechnen Lösungen für ein effizientes Multi-Channel Input Management

Investitionen die sich rechnen Lösungen für ein effizientes Multi-Channel Input Management CENIT EIM Innovations-Tag 3.Juli 2014 Mit Analyse und Strategie zum Erfolg! Investitionen die sich rechnen Lösungen für ein effizientes Multi-Channel Input Management Lars Lampe, Key Account Manager EIM,

Mehr

Jakob Jünger, M.A. Till Keyling, M.A. Facepager. Ein Programm zur automatisierten Datenerhebung im Netz

Jakob Jünger, M.A. Till Keyling, M.A. Facepager. Ein Programm zur automatisierten Datenerhebung im Netz Jakob Jünger, M.A. Till Keyling, M.A. Ein Programm zur automatisierten Datenerhebung im Netz Agenda 1. Grundlagen der automatisierten Datenerhebung 2. Überblick über den 3. Fallstricke automatisierter

Mehr

Beteiligungsmöglichkeiten in FI-Content, Phase 2 und 3

Beteiligungsmöglichkeiten in FI-Content, Phase 2 und 3 Beteiligungsmöglichkeiten in FI-Content, Phase 2 und 3 Das europäische Future Internet PPP - Perspektiven für Web-Entrepreneurs und mittelständische IKT-Anbieter 22. Mai 2013 BMWi, Berlin Dr. Michael Eble

Mehr

FCP-Barometer Frühjahr 2015 Inhouse Communication & Content Marketing. München, 18. Juni 2015

FCP-Barometer Frühjahr 2015 Inhouse Communication & Content Marketing. München, 18. Juni 2015 FCP-Barometer Frühjahr 2015 Inhouse Communication & Content Marketing München, 18. Juni 2015 Inhalt Potenziale des mitarbeitergerichteten Content Marketing 2 Potenzial mitarbeitergerichtetes Content Marketing

Mehr

BIG DATA ANALYTICS VON DER FELDDATENANALYSE ZUM QUALITÄTSFRÜHWARNSYSTEM RAINER KENT VOGT - SAS INSTITUTE GMBH

BIG DATA ANALYTICS VON DER FELDDATENANALYSE ZUM QUALITÄTSFRÜHWARNSYSTEM RAINER KENT VOGT - SAS INSTITUTE GMBH BIG DATA ANALYTICS VON DER FELDDATENANALYSE ZUM QUALITÄTSFRÜHWARNSYSTEM RAINER KENT VOGT - SAS INSTITUTE GMBH QUALITÄT ZÄHLT DIE KUNDENWAHRNEHMUNG ENTSCHEIDET 91% 91% of unhappy customers unzufriedener

Mehr

Workshop 3: Recruiting durch Social Media. Prof. Dr. Thorsten Petry, Wiesbaden Business School, Hochschule RheinMain

Workshop 3: Recruiting durch Social Media. Prof. Dr. Thorsten Petry, Wiesbaden Business School, Hochschule RheinMain Workshop 3: Recruiting durch Social Media, Wiesbaden Business School, Hochschule RheinMain Recruiting durch Social Media igz Landeskongress Bayern Würzburg, 07. Oktober 2014 Lehrstuhl Organisation & Personalmanagement

Mehr

Intelligent Traveller Early Situation Awareness itesa

Intelligent Traveller Early Situation Awareness itesa Intelligent Traveller Early Situation Awareness itesa Dr. Martin Skorsky, Senior Researcher 22. Juni 2015 1 1 Intelligent Traveller Early Situation Awareness Automatischen Alarmsystems, das Reisende in

Mehr

Gewährleistung von Produktqualität und Lebensmittelsicherheit Praxisbeispiel: Issue Monitoring

Gewährleistung von Produktqualität und Lebensmittelsicherheit Praxisbeispiel: Issue Monitoring Gewährleistung von Produktqualität und Lebensmittelsicherheit Praxisbeispiel: Issue Monitoring Patrick Pongratz, European IT Consultancy EITCO GmbH 22.09.2014 09:45 16:30 Uhr EDEKA Handelsgesellschaft

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

Social Media in KMU: Wertschöpfung ohne Kontrollverlust

Social Media in KMU: Wertschöpfung ohne Kontrollverlust Social Media in KMU: Wertschöpfung ohne Kontrollverlust Finanzdienstleistungsworkshop, 5.12.2012 Dr. iur. Susanne Braun Agenda 1. Geschäftsmodell Social Media 2. Ökonomische Aspekte des Social Media Einsatzes

Mehr

Qualitative Aspekte Enterprise Search Volltextsuche & Text Mining. Franz Kögl Vorstand IntraFind Software AG

Qualitative Aspekte Enterprise Search Volltextsuche & Text Mining. Franz Kögl Vorstand IntraFind Software AG Qualitative Aspekte Enterprise Search Volltextsuche & Text Mining Franz Kögl Vorstand IntraFind Software AG Vorstellung IntraFind AG Qualitative Sucherweiterung: Search+ Wildcardsuche Einbindung von Synonymen

Mehr

ERP-Systemeinsatz bewerten und optimieren

ERP-Systemeinsatz bewerten und optimieren ERP-Systemeinsatz bewerten und optimieren Handlungsfelder zur Optimierung des ERP-Systemeinsatzes ERP-Lösungen werden meist über viele Jahre lang eingesetzt, um die Geschäftsprozesse softwaretechnisch

Mehr

Highlights auf dem Lago. Social Media Monitoring. Erfahrungen. Tipps. Namics. Michael Rottmann. Senior Consultant. 04. Juni 2010

Highlights auf dem Lago. Social Media Monitoring. Erfahrungen. Tipps. Namics. Michael Rottmann. Senior Consultant. 04. Juni 2010 Highlights auf dem Lago. Social Media Monitoring. Erfahrungen. Tipps. Namics. Michael Rottmann. Senior Consultant. 04. Juni 2010 Agenda. Fester Boden unter den Füssen Herausforderungen Social Media Monitoring

Mehr

Ob Sie es wollen oder nicht: Im Web wird über Sie geredet.

Ob Sie es wollen oder nicht: Im Web wird über Sie geredet. Ob Sie es wollen oder nicht: Im Web wird über Sie geredet. Täglich hinterlassen Millionen von Usern ihre Spuren im Internet. Sie geben Kommentare ab, unterhalten sich über dies und das und vielleicht auch

Mehr

Digitale Mundpropaganda in sozialen Medien

Digitale Mundpropaganda in sozialen Medien Digitale Mundpropaganda in sozialen Medien Prof. Dr. Maik Hammerschmidt Dipl.-Kfm. Welf Weiger www.innovationsmanagement.uni-goettingen.de 1. Social Media Paradigmenwechsel im Markenmanagement Kontrollverlust

Mehr