Eine gemeinsame Lösung von Atos und Blue Yonder. Ulrich Wilmsmann Head of BI&BIG DATA, Atos Deutschland 4. BIG DATA & ANALYTICS Kongress, Köln

Größe: px
Ab Seite anzeigen:

Download "Eine gemeinsame Lösung von Atos und Blue Yonder. Ulrich Wilmsmann Head of BI&BIG DATA, Atos Deutschland 4. BIG DATA & ANALYTICS Kongress, Köln"

Transkript

1 Eine gemeinsame Lösung von Atos und Blue Yonder Ulrich Wilmsmann Head of BI&BIG DATA, Atos Deutschland 4. BIG DATA & ANALYTICS Kongress, Köln

2

3 Die Situation Wegwerf-Mentalität in der UK Lebensmittel Supply Chain Bedarf an einem besseren Forecast 3 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

4 Bananen Äpfel Lachs Huhn 4 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

5 Bananen 18% of Äpfel 27% of Lachs 19% of Huhn 27% of enden Jahr für Jahr auf der Deponie 5 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

6 Beeren Sandwiches Backwaren Salat 6 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

7 Beeren 33% of Sandwiches 42% of 34% of 60% of Backwaren Salat landen im Abfalleimer und nicht auf unserem Tisch 7 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

8 Das Dilemma in Zahlen Jedes Jahr fallen rund 6,5 Million Tonnen Müll aus der Lieferkette der Lebensmittelbranche in UK an. 1,6 Millionen kommen aus dem Retail, inklusive der Großmärkte. Verpackungsmaterial: 1.2 Millionen Tonnen Müll Esswaren: Tonnen Müll ( 530 Millionen Gegenwert); Schätzungsweise 400,000 könnten vorhergesagt werden 4,9 Millionen Tonnen kommen aus der Industrie. Verpackung: 0.5 Millionen Tonnen Müll Esswaren: 3.9 Millionen Tonnen Müll ( 3.71 Milliarden Gegenwert); 3.8 Millionen Tonnen könnten vorhergesagt werden. Zusätzlich entstehen rund 3 Millionen Tonnen des Klimagiftes CO 2. Source: 8 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

9 Reduzieren wir also unseren CO 2 Footprint 9 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

10 Beispielprojekt Marks und Spencers 10 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

11 Bedarfsplanung PoV Scope Overview Lokationen Produkte Top 50 Geschäfte in UK 369 Produkte Forecast Periode & Horizont 01. Oktober September 2013 Transaction Data Promotions / Preis Produktverkauf in ausgewählten Lokationen Promotion & Preishistorie der Produkte 11 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

12 Demand Forecasting PoV Genauigkeit & Business Impact Vergleich der Forecasts von Marks & Spencer und Atos / BlueYonder Analyse der Abweichungen Fragestellung: Ist es möglich, die Forecastgenauigkeit zu erhöhen? FAZIT: Um die Forecastgenauigkeit zu verbessern, müssen weitere Datenquellen identifiziert werden. allgemeine Korrekturmöglichkeiten effektiv zur Verfügung stehen. 12 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

13 Bedarfsvorhersage PoV Ablauf eines typischen PoV Lieferung der abgestimmten Daten mit dem Ziel, im September 2014 einen erweiterten Forecast zu liefern. Übernahme des neuen Models für den Standardeinkaufsprozess Marks & Spencer / Blue Yonder / Atos Atos Blue Yonder Marks & Spencer / Blue Yonder / Atos Scope Agreement Abstimmung Datenquellen Prediction modelling Ergebnis Diskussion Abstimmung der Forecast Kriterien Daten Validierung, Vorbereitung und Queries Start Meeting 2-3 Wochen Meeting 13 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

14 Demand Forecasting PoV Data Preparation Overview Data Extract Data Validation Data Transformation Data Upload Generate Predictions Data Extract: Extract data from internal data sources Send data files to Atos and Blue Yonder Answer any data queries Data Validation: Examine received source data and perform data analysis and mapping to target API logical data model Validate received source data identify and rectify any data quality issues Data Transformation: Load source data files into staging tables Transform and load data into target tables Generate output files in XML format in Blue Yonder API definition Validate output XML files against XSD definitions Data Upload: Upload output XML data files to Blue Yonder SaaS platform Generate Predictions: Validate uploaded XML output files Feed uploaded XML files into Blue Yonder predictive model Generate predictions 14 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

15 Demand Forecasting PoV Logical Data Model Products Product Groups Locations Unit Types Unit Conversions (Not Used) Sales Promotions Common Promotions Prices Stocks (Not Used) Assignments Relations (Not Used) Local Calendars Event Calendars Events Opening Hours 15 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

16 Demand Forecasting PoV Data Preparation Volumetrics Volumetrics: Source Files: 11 csv files Output Files: 13 XML files Staging Tables: 8 Views: 4 Target Tables: 16 ETL Jobs: 12 ETL Transformations: 42 Technology: Database: MySQL ETL: Pentaho DI 16 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

17 Demand Forecasting PoV Qlik Sense App: Dashboard 17 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

18 Demand Forecasting PoV Qlik Sense App: Analysis by Revenue 18 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

19 Demand Forecasting PoV Qlik Sense App: Analyse der Mengen / Einheiten 19 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

20 Demand Forecasting PoV Qlik Sense App: Most Underforecast Products (Potential Out Of Stock) 20 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

21 Demand Forecasting PoV Qlik Sense App: Most Overforecast Products (Potential Wastage) 21 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

22 Demand Forecasting PoV Qlik Sense App: Produkte mit volatilem Abverkauf 22 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

23 Demand Forecasting PoV Ergebnisse des PoV Der Forecast konnte automatisiert um 8% verbessert werden M&S Über- Forecast im Verhältnis APADS Einheiten Über- Forecast. M&S Unter- Forecast im Verhältnis APADS 500 Einheiten Unter- Forecast. Die Genauigkeit wurde innerhalb 5 Tagen erreicht (ohne Aktionsdaten). Vergleich zum traditionellem Forecast Vorgehen Alter Forecast mit zahlreichen manuellen Eingriffen & basiert nicht auf voller Datenhistorie. War ein komplexer interner Prozess mit vielen differenzierten Entscheidungen. Pilot ( 117k Startkosten & 11k monatlich SaaS) Kosten zum erproben und zum Messen der Verbesserung Neueröffnungen Die Daten konnten parallel zur Bewertung genutzt werden. Wurde in Standard- Forecast System integriert/ersetzt kein manuelles Abgleichen mehr nötig. Geringes Risiko für den Kunden wegen ganzheitlichem APADS Ansatz Gute Kenntnis der Daten. Gute Arbeitsbeziehung. 23 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

24 Der APDAS Service Die Data Service Plattform Consulting Data Services 24 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

25 Services von APADS (1) Was ist APADS? Atos Predictive Analytics Data Services (APADS) Plattform besteht aus 2 Komponenten: APADS Plattform APADS Consulting Data Services APADS Plattform Eine sichere IT Plattform basierend auf DaaS ermöglicht: Aufnahme der Kunden und anderer externer Daten. Mapping und Transformation oder Quelldaten in das genutzte Blue Yonder Format (XML). Versorgung von Blue Yonder mit den Daten im Zielformat. Entgegenahme der Berechnungen von Blue Yonder SaaS. Übergabe der von Blue Yonder berechneten Daten zur Erweiterung des Lagerkalkulationssystems des Kunden. APADS Consulting Data Services Kundenabstimmungen Bedarfsanalyse Datenanalyse (Welche Daten können durch den Kunden verfügbar gemacht werden?) Abstimmung des Datentransfers in die Atos Landschaft. Lieferung des Blue Yonder Forecasts. Analyse der Ergebnisse und Generierung von Vorschlägen zur Anwendung. Review & Visualisierung im Front-End Layer. Erarbeitung einer erweiterten Analytics Strategie. 25 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

26 Services von APADS (2) Was ist Apads? Atos Predictive Analytics Data Services EXTERNE DATEN QUELLEN KUNDEN INTERNE DATEN QUELLEN RAW DATA (JEDES FORMAT) RAW DATA (JEDES FORMAT) DATEN PORTAL File Upload API SFTP DATA STORAGE & PROCESSING Staging Area Data Quality Main Repository File Storage ETL ATOS DATA-ANALYTICS-AS-A-SERVICE PLATFORM WEB PORTAL File Download API SFTP Dashboar ds Download BLUE YONDER PREDICTIONS Via Web Portal KUNDEN ZIEL SYSTEME KUNDEN BUSINESS & ABFRAGE PORTAL KERN SERVICE TRANSFORMIERTE DATEN (BLUE YONDER API FORMAT) BLUE YONDER PREDICTIONS OPTIONALE SERVICE API API BLUE YONDER DATA SCIENTISTS 26 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

27 Datenmanagement und Vorhersage Wie arbeitet APADS für den Kunden? Interne Data Attributes Artikel Größe Promotions M 10% Externe Daten Anreicherung 18.3 Preise des Mitbvewerbs Mit den Daten wird versucht, jede Korrelation zu finden, die Einfluss auf Verkaufsmenge und Wahrscheinlichkeit besitzt. Farbe Verkaufshistorie red 24 propabilityp E(X) Marke 171 Verkaufs Prediction Preis 19, C Wetter Nutzung alle verfügbaren und relevanten Informationen über Verkauf, Produkt und Sales Chain Input von externen Daten Aufbau eines Modells. Identifikation der echten Einflussfaktoren. Vorhersage der zukünftigen Salesraten inklusive statistischer Aussagen über die mögliche Bandbreite. 27 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

28 APADS Visualisierung Wie nutzt der Kunde die Vorhersagen? Actual Data (historic) Endpoint. Predicted demand closely matches historic demand Predicts significant sales increase during the next promotional period Use Qlik to customise views and selections for reports & dashboards Price Variations impact sales 28 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

29 Vorteile von APADS Finanzielle Vorteile APADS bietet eine genaue und präzise Einkaufsplanung und spart damit erhebliche Kosten: Bestandsreduktion auf 10%. Vermeidung von Abschreibungen in Höhe von 10%. Abverkaufserhöhung von ca. 1% (da Artikel seltener ausverkauft). Die richtigen Produkte am richtigen Ort, zur richtigen Zeit in der richtigen Form. Cloud-basierte Plattform keine primären Investitionskosten und gleitende Anpassung an das Datenvolumen. Pay-as-you-go Vorhersage 29 Atos Predictive Analytics Data Services (APADS) Ulrich Wilmsmann Atos

30 Vielen Dank Ansprechpartner für weitere Informationen: Ulrich Wilmsmann M Atos, das Atos Logo, Atos Consulting, Atos Worldgrid, Worldline, BlueKiwi, Bull, Canopy the Open Cloud Company, Yunano, Zero , Zero Certified und The Zero Company sind eingetragene Warenzeichen der Atos Gruppe. Juni Atos Die Informationen sind vertraulich und Eigentum von Atos. Sie dürfen nur vom Empfänger genutzt werden. Dieses Dokument darf weder ganz noch teilweise reproduziert, kopiert, in Umlauf gebracht, verteilt oder zitiert werden, ohne dass hierfür eine schriftliche Genehmigung von Atos vorliegt.

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick

Mehr

LOG AND SECURITY INTELLIGENCE PLATFORM

LOG AND SECURITY INTELLIGENCE PLATFORM TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

Andreas Emhart Geschäftsführer Alegri International Group Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service

Mehr

Die ökonomische Hebelwirkung von IT, Software und des Microsoft- Ecosystems in Deutschland

Die ökonomische Hebelwirkung von IT, Software und des Microsoft- Ecosystems in Deutschland Wachstumsmotor IT Die ökonomische Hebelwirkung von IT, Software und des Microsoft- Ecosystems in Deutschland IDC Studie im Auftrag von Microsoft November 2009 Agenda Hintergrund der Studie Wachstums- und

Mehr

Datenqualität transparent und messbar machen mit dem SAP Information Steward

Datenqualität transparent und messbar machen mit dem SAP Information Steward Datenqualität transparent und messbar machen mit dem SAP Information Steward Unterstützen Sie Ihre datengetriebenen Initiativen, wie z. B. ERP-, CRM- oder BI-Projekte, mit den notwendigen Informationen.

Mehr

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste

Mehr

IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database

IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database First European i2b2 Academic User Meeting IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database The IDRT Team (in alphabetical order): Christian Bauer (presenter), Benjamin

Mehr

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben! Take aways Mit Power BI wird Excel zum zentralen Tool für Self- Service BI End-End Self-Service Lösungsszenarien werden erstmals möglich Der Information Worker erhält ein flexibles Toolset aus bekannten

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

R im Enterprise-Modus

R im Enterprise-Modus R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org

Mehr

Data Discovery mit Qlik

Data Discovery mit Qlik Data Discovery mit Qlik Performante Datenanalyse, Visualisierung, Storytelling und Data Governance für alle Anforderungen Dr. Stefan Jensen, Director PreSales Qlik Rechtlicher Hinweis Diese Präsentation

Mehr

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen Frank Irnich SAP Deutschland SAP ist ein globales Unternehmen... unser Fokusgebiet... IT Security für... 1 globales Netzwerk > 70 Länder, >

Mehr

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc. Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken

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

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI around the world - Globale Reporting Lösungen bei Continental Automotive BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,

Mehr

Azure Machine Learning

Azure Machine Learning Azure Machine Learning Alexander Wechsler Wechsler Consulting GmbH & Co. KG Was ist Machine Learning? Technologie zur Vorhersage Ermittlung von Wahrscheinlichkeiten mit Hilfe von Mustern in großen Datenmengen

Mehr

Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient

Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient Zhihang Yao, Kanishk Chaturvedi, Thomas H. Kolbe Lehrstuhl für Geoinformatik www.gis.bgu.tum.de 11/14/2015 Webbasierte Exploration

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

RE.one. Self Service Information Management für die Fachabteilung

RE.one. Self Service Information Management für die Fachabteilung RE.one Self Service Information Management für die Fachabteilung Das Ziel Verwertbare Informationen aus Daten gewinnen Unsere Vision Daten Info Data Warehousing radikal vereinfachen in einem Tool Die Aufgabe

Mehr

... Peter Woetzel Director Product Management Online Software AG

... Peter Woetzel Director Product Management Online Software AG PRESTIGEenterprise Peter Woetzel Director Product Management Online Software AG PRESTIGEenterprise PRESTIGEenterprise 2015 PRESTIGEenterprise 4.3» Kampagnenorientierte Playlist Planung» Nachtschaltung

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

Partnerschaft als Strategie DER WEG WIRD FORTGEFÜHRT. Timo Wolters two@sitecore.net

Partnerschaft als Strategie DER WEG WIRD FORTGEFÜHRT. Timo Wolters two@sitecore.net Partnerschaft als Strategie DER WEG WIRD FORTGEFÜHRT Timo Wolters two@sitecore.net CMS Digital Marketing Ecommerce Customer Experience Plattform E-commerce Adaptive Print Solution Analytics Web Content

Mehr

Next Generation Cloud

Next Generation Cloud Next Generation Cloud Building Blocks In Zukunft wird es darum gehen, aus der Summe der Teile Anwendungen (Apps) zu generieren, die Mehrwerte zu schaffen App besteht aus Integration von > Funktionen, z.b.

Mehr

Business Analytics Die Finanzfunktion auf dem Weg zur Strategieberatung? IBM Finance Forum, 20. März 2013 Prof. Dr.

Business Analytics Die Finanzfunktion auf dem Weg zur Strategieberatung? IBM Finance Forum, 20. März 2013 Prof. Dr. v Business Analytics Die Finanzfunktion auf dem Weg zur Strategieberatung? IBM Finance Forum, 20. März 2013 Prof. Dr. Gerhard Satzger Agenda 1. Wie sieht die erfolgreiche Finanzfunktion von morgen aus?

Mehr

Data Center Management

Data Center Management Data Center Management Rechenzentrum, IT-Infrastruktur und Energiekosten optimieren Michael Chrustowicz Data Center Software Sales Consultant The global specialist in energy management Mehr als 140.000

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld

Mehr

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10.

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! 11.10.2012 1 BI PLUS was wir tun Firma: BI plus GmbH Giefinggasse 6/2/7 A-1210 Wien Mail: office@biplus.at

Mehr

Mission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden

Mission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines

Mehr

Das nächste Supermodel

Das nächste Supermodel Das nächste Supermodel Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer /bpaas Data Modelling 15th ofmarch 1993 Process Modelling Organization headquarters plant area planning levels organizational chart

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

1. 3. Introduction. Definitions. What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model

1. 3. Introduction. Definitions. What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model 1. 3. Introduction Definitions What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model WU-Wien, SS 2002 1 What 1. Introduction is (e-)marketing? Marketing

Mehr

Next Generation Recruitment

Next Generation Recruitment Next Generation Recruitment Ein Praxisvortrag Jörg Bolender 22.01.2015 Jörg Bolender Ausbildung: BWL Studium in Essen und Dublin > 15 Jahre Erfahrung im Recruitment Aktuelle Rolle: Global Head of Recruitment

Mehr

Profil. The Remote In-Sourcing Company. www.intetics.com

Profil. The Remote In-Sourcing Company. www.intetics.com The Remote In-Sourcing Company Profil Für weitere Informationen senden Sie uns bitte eine E-Mail an: contact@intetics.com oder rufen Sie uns bitte an: +49-211-3878-9350 Intetics erstellt und betreibt verteilte

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

Die digitale Zukunft des stationären Handels. Lars Trieloff @trieloff

Die digitale Zukunft des stationären Handels. Lars Trieloff @trieloff Die digitale Zukunft des stationären Handels Lars Trieloff @trieloff We always overestimate the change that will occur in the next two years and underestimate the change that will occur in the next ten.

Mehr

Geodatenmanagement und -harmonisierung mit GeoKettle

Geodatenmanagement und -harmonisierung mit GeoKettle Geodatenmanagement und -harmonisierung mit GeoKettle Agenda Kurze Vorstellung der WhereGroup Was ist GeoKettle Beschreibung des Anwendungsbeispiels GeoKettle in action Ergebnis Fazit Die WhereGroup Dienstleister

Mehr

SAP BI Fokustage 2015

SAP BI Fokustage 2015 SAP BI Fokustage 2015 Agenda 13:30 Uhr Begrüßung 13:45 Uhr Quo vadis SAP BW? Die Backend-Strategie der SAP Windhoff Software Services GmbH 14:30 Uhr Projektvortrag: Mobile Dashboard-Anwendung mit SAP Design

Mehr

automatische Filialdisposition: Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015

automatische Filialdisposition: Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015 : Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015 Agenda Einleitung Projektkonzept Einblick Buisness Case 2 2015: Trends in der IT Am Anfang steht der Buisness Case Software as a Service Predictive

Mehr

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project

Mehr

Predictive Modeling Markup Language. Thomas Morandell

Predictive Modeling Markup Language. Thomas Morandell Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML

Mehr

Gestaltung und Standardisierung von IT- Prozessen: Op9mierung an der Schni=stelle zwischen Dienstleistern und Kunden

Gestaltung und Standardisierung von IT- Prozessen: Op9mierung an der Schni=stelle zwischen Dienstleistern und Kunden Gestaltung und Standardisierung von Prozessen: Op9mierung an der Schni=stelle zwischen Dienstleistern und Kunden Tagung Kommunale Prozessintelligenz Bremen, 29.09.2009 Arne Fischer Entwicklung von Services

Mehr

Übernahme von Digitalisaten mittels scopeingest 10.09.2012

Übernahme von Digitalisaten mittels scopeingest 10.09.2012 Übernahme von Digitalisaten mittels scopeingest 10.09.2012 01.10.2012 scope solutions ag Company Overview 01.10.2012 scope 2 scope solutions ag History 2000 foundation of scope solutions ag Core activities

Mehr

JONATHAN JONA WISLER WHD.global

JONATHAN JONA WISLER WHD.global JONATHAN WISLER JONATHAN WISLER WHD.global CLOUD IS THE FUTURE By 2014, the personal cloud will replace the personal computer at the center of users' digital lives Gartner CLOUD TYPES SaaS IaaS PaaS

Mehr

Treffsichere Absatzprognose mit Predictive Analytics

Treffsichere Absatzprognose mit Predictive Analytics Treffsichere Absatzprognose mit Predictive Analytics BIG DATA & ANALYTICS Kongress in Köln, 19.06.2012 Otto (GmbH & Co. KG) Michael Sinn Das vielfältige Portfolio der Otto Group Die Geschäftstätigkeit

Mehr

SQL Server 2012. Technischer Überblick. Patrick Heyde

SQL Server 2012. Technischer Überblick. Patrick Heyde SQL Server 2012 Technischer Überblick Patrick Heyde Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/patrick_heyde Patrick.Heyde@Microsoft.com SQL Server 2012 Highlights Der neue

Mehr

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

Mehr

HANA Disruption oder Evolution? Klaus-Peter Wolf

HANA Disruption oder Evolution? Klaus-Peter Wolf HANA Disruption oder Evolution? Klaus-Peter Wolf HANA und S/4HANA eröffnen völlig neue Möglichkeiten und Anwendungen die deutlich über die traditionellen ERP Welt hinaus gehen was sind die verschiedenen

Mehr

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016 Citizen Data Science Balázs Bárány Linuxwochen Wien 2016 29. April 2016 Inhalt Einführung: Data Science Werkzeuge und Methoden Citizen Data Science Daten holen Daten verstehen Daten-Vorverarbeitung Prädiktive

Mehr

Social Listening. Werden Sie geliebt oder gehasst? Methoden und Nutzen der unkomplizierten Stimmungsanalyse im Internet

Social Listening. Werden Sie geliebt oder gehasst? Methoden und Nutzen der unkomplizierten Stimmungsanalyse im Internet Social Listening Werden Sie geliebt oder gehasst? Methoden und Nutzen der unkomplizierten Stimmungsanalyse im Internet Atos IT Solutions and Services GmbH Agenda Die richtige Strategie ist wichtiger als

Mehr

QUICK-START EVALUIERUNG

QUICK-START EVALUIERUNG Pentaho 30 für 30 Webinar QUICK-START EVALUIERUNG Ressourcen & Tipps Leo Cardinaals Sales Engineer 1 Mit Pentaho Business Analytics haben Sie eine moderne und umfassende Plattform für Datenintegration

Mehr

Anwendungsszenarien SAP BPC

Anwendungsszenarien SAP BPC Planung Ziele setzen (Top down, bottom up) Planen & Massnahmen definieren Pläne realisieren Erfolge messen (Plan versus Actuals, Benchmark, Vorjahr) Planung von Kartoffelkäferbekämpfung Anwendungsszenarien

Mehr

(Oracle) BPM in der Cloud

(Oracle) BPM in der Cloud ti&m seminare (Oracle) BPM in der Cloud Integration, Chancen und Risiken Alexander Knauer Architect ti&m AG Version 1.0 28. Januar 2013 ti&m AG Buckhauserstrasse 24 CH-8048 Zürich Belpstrasse 39 CH-3007

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

A central repository for gridded data in the MeteoSwiss Data Warehouse

A central repository for gridded data in the MeteoSwiss Data Warehouse A central repository for gridded data in the MeteoSwiss Data Warehouse, Zürich M2: Data Rescue management, quality and homogenization September 16th, 2010 Data Coordination, MeteoSwiss 1 Agenda Short introduction

Mehr

Integrationskonzepte für die HP Quality Center Plattform. Vivit 2009

Integrationskonzepte für die HP Quality Center Plattform. Vivit 2009 Integrationskonzepte für die HP Quality Center Plattform Thomas Jähnig Vivit 2009 Gliederung Einführung HP QualityCenter Synchronizer Plattform Implementierung eigener Adapter Alternativen Excel Import/Export

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

BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE. make connections share ideas be inspired. Wolfgang Schwab SAS D

BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE. make connections share ideas be inspired. Wolfgang Schwab SAS D make connections share ideas be inspired BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE Wolfgang Schwab SAS D Copyright 2013, SAS Institute Inc. All rights reserved. BIG DATA: BEDROHUNG ODER CHANCE?

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

Umsetzung von BI-Lösungen mit Unterstützung einer Suchmaschine. TDWI Stuttgart 15.04.2015 Tobias Kraft, exensio GmbH

Umsetzung von BI-Lösungen mit Unterstützung einer Suchmaschine. TDWI Stuttgart 15.04.2015 Tobias Kraft, exensio GmbH Umsetzung von BI-Lösungen mit Unterstützung einer Suchmaschine TDWI Stuttgart 15.04.2015 Tobias Kraft, exensio GmbH Suchmaschinen Elasticsearch BI-Stack mit Elasticsearch Use Cases Pharmabranche 2 Funktionen

Mehr

Your business technologists. Powering progress

Your business technologists. Powering progress Your business technologists. Powering progress Complexity to Simplicity Big Data ist mehr als das Sammeln von Informationen. Es geht darum, Erkenntnisse zu gewinnen. Ihr Unternehmen wird durch Entscheidungen

Mehr

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse

Mehr

Voraussetzungen für Industrie 4.0 Internet der Dinge

Voraussetzungen für Industrie 4.0 Internet der Dinge Voraussetzungen für Industrie 4.0 Internet der Dinge Thomas Kaiser Internet of Things & Mobile Anwendungen, Products & Innovation Industry Cloud Public Wembley 1966 Mit dem Internet der Dinge wäre das

Mehr

good. better. outperform.

good. better. outperform. good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

Mehr

Praxishandbuch SAP BW 3-1

Praxishandbuch SAP BW 3-1 Norbert Egger Praxishandbuch SAP BW 3-1 Technische Universität DarmsUdt FACHBEREICH INFORMATIK BIBLIOTHEK Inventar-Nr.: Ä/A< Sachgebiete: Standort- Co Galileo Press Inhalt Vorwort 13 Zu diesem Buch 17

Mehr

1. SNP Thementag. SNP Transformation Backbone Andreas Schneider-Neureither

1. SNP Thementag. SNP Transformation Backbone Andreas Schneider-Neureither 1. SNP Thementag SNP Transformation Backbone Andreas Schneider-Neureither 2 1. SNP Thementag Der Transformationsmarkt Copyright SAP, BCG 3 1. SNP Thementag Bedarf und Angebot Die Transformation von Unternehmen

Mehr

Enterprise Anwendungssysteme mit Schwerpunkt auf SCM und RFID Prozesse, Aufgaben und Methoden

Enterprise Anwendungssysteme mit Schwerpunkt auf SCM und RFID Prozesse, Aufgaben und Methoden Enterprise Anwendungssysteme mit Schwerpunkt auf SCM und RFID Prozesse, Aufgaben und Methoden Praxisnahe Erläuterung anhand der SAP-SCM-Lösung Dr. Alexander Zeier Lehrstuhlvertreter des Prof. Hasso-Plattner-Lehrstuhls

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

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Trends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016

Trends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 Trends im Markt für Business Intelligence Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 18.03.2016 BARC 2016 2 IT Meta-Trends 2016 Digitalisierung Consumerization Agilität Sicherheit und Datenschutz

Mehr

InfoSphere Change Data Capture/Change Data Delivery

InfoSphere Change Data Capture/Change Data Delivery InfoSphere Change Data Capture/Change Data Delivery Aktuellste Daten für Ihr Datawarehouse 1 Information Management ist eine Wertschöpfungskette für die RICHTIGE Information zu jeder Zeit, am richtigen

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

SAP HANA Im Takt des Motors. Christoph Rühle, MHP Competence Center SAP HANA June 2013

SAP HANA Im Takt des Motors. Christoph Rühle, MHP Competence Center SAP HANA June 2013 SAP HANA Im Takt des Motors Christoph Rühle, MHP Competence Center SAP HANA June 2013 Mieschke Hofmann und Partner (MHP) - A Porsche Company Unser Beratungsansatz Symbiose aus Prozess- und IT-Beratung

Mehr

Wir befinden uns inmitten einer Zeit des Wandels.

Wir befinden uns inmitten einer Zeit des Wandels. Wir befinden uns inmitten einer Zeit des Wandels. Geräte Apps Ein Wandel, der von mehreren Trends getrieben wird Big Data Cloud Geräte Mitarbeiter in die Lage versetzen, von überall zu arbeiten Apps Modernisieren

Mehr

SOA im Zeitalter von Industrie 4.0

SOA im Zeitalter von Industrie 4.0 Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING

Mehr

MicroStrategy. Mobile Enablement in der Value Chain. Bastian Köning, Professional Service Manager. Bernhard Webler VP Solutions

MicroStrategy. Mobile Enablement in der Value Chain. Bastian Köning, Professional Service Manager. Bernhard Webler VP Solutions MicroStrategy Mobile Enablement in der Value Chain Bernhard Webler VP Solutions Bastian Köning, Professional Service Manager 2014 1 MicroStrategy is Used By Leading Companies Across All Industries for

Mehr

Die Renaissance von Unified Communication in der Cloud. Daniel Jonathan Valik UC, Cloud and Collaboration

Die Renaissance von Unified Communication in der Cloud. Daniel Jonathan Valik UC, Cloud and Collaboration Die Renaissance von Unified Communication in der Cloud Daniel Jonathan Valik UC, Cloud and Collaboration AGENDA Das Program der nächsten Minuten... 1 2 3 4 Was sind die derzeitigen Megatrends? Unified

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche

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

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART

Mehr

MySQL Queries on "Nmap Results"

MySQL Queries on Nmap Results MySQL Queries on "Nmap Results" SQL Abfragen auf Nmap Ergebnisse Ivan Bütler 31. August 2009 Wer den Portscanner "NMAP" häufig benutzt weiss, dass die Auswertung von grossen Scans mit vielen C- oder sogar

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

SAP Technologien für die Telematik Chancen für die Versicherungsbranche. Dr. Alfred Geers, SAP Schweiz 28. Oktober 2014

SAP Technologien für die Telematik Chancen für die Versicherungsbranche. Dr. Alfred Geers, SAP Schweiz 28. Oktober 2014 SAP Technologien für die Telematik Chancen für die Versicherungsbranche Dr. Alfred Geers, SAP Schweiz 28. Oktober 2014 Der Markt ist bezüglich Telematik bereits in Bewegung Versicherungen Kunden Automobilhersteller

Mehr

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS AGENDA VISUAL ANALYTICS 9:00 09:30 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

CRM meets SPM - Über die Konvergenz von CRM und SPM! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS!

CRM meets SPM - Über die Konvergenz von CRM und SPM! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS! CRM meets SPM - Über die Konvergenz von CRM und SPM! MUNICONS( think!(act!(!!!!!!!!!!!!!!!!!!!!!!!!!rolf Pollmeier!!!MuniConS GmbH! Keynote MuniConS Rolf Pollmeier, Geschäftsführer MuniConS! Im Zentrum

Mehr

SAP Sales and Operations Planning on HANA Alexander Barbeito Parga, SAP Presales Cloud Solutions. SAP Forum Switzerland, Baden 11. -12.06.

SAP Sales and Operations Planning on HANA Alexander Barbeito Parga, SAP Presales Cloud Solutions. SAP Forum Switzerland, Baden 11. -12.06. SAP Sales and Operations Planning on HANA Alexander Barbeito Parga, SAP Presales Cloud Solutions SAP Forum Switzerland, Baden 11. -12.06.2013 Disclaimer This presentation is not subject to your license

Mehr

Nahrung für alle aber wie?

Nahrung für alle aber wie? Nahrung für alle aber wie? Alexander Müller Institute for Advanced Sustainability Studies e.v. (IASS) München, 21. Januar 2014 Institute for Advanced Sustainability Studies e.v. 1 Source FAO, SOFI 2013

Mehr

PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung

PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung Dr. Peter Weiß für Universität Hamburg 11. April 2014 1 Übersicht Fallstudien Softwaretechnische Umsetzung Productivity

Mehr

Automatisiertes UI Testing. Mark Allibone, 18.04.2013, #2

Automatisiertes UI Testing. Mark Allibone, 18.04.2013, #2 Coded UI Testing Automatisiertes UI Testing Mark Allibone, 18.04.2013, #2 Eine klassische Applikations Architektur Grafische Oberfläche Business Logik Datenzugriff (Datenbank, Cloud, etc) Mark Allibone,

Mehr

Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014

Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014 Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014 Digitale Realität Die Welt verändert sich in rasantem Tempo Rom, Petersplatz, März 2013 Franziskus

Mehr

+++ Bitte nutzen Sie die integrierte Audio-Funktion von WebEx (Menü Audio -> Integrated Voice Conference -> Start auswählen), um uns zu hören!!!.

+++ Bitte nutzen Sie die integrierte Audio-Funktion von WebEx (Menü Audio -> Integrated Voice Conference -> Start auswählen), um uns zu hören!!!. +++ Bitte nutzen Sie die integrierte Audio-Funktion von WebEx (Menü Audio -> Integrated Voice Conference -> Start auswählen), um uns zu hören!!!. +++ Oracle Mobile Cloud Service (MCS) MCS SDK & MAF MCS

Mehr

DIGITALE TRANSFORMATION MITTELSTAND POTENTIALE FÜR PROZESS-, PRODUKT- UND DIENSTLEISTUNGSINNOVATION

DIGITALE TRANSFORMATION MITTELSTAND POTENTIALE FÜR PROZESS-, PRODUKT- UND DIENSTLEISTUNGSINNOVATION DIGITALE TRANSFORMATION MITTELSTAND POTENTIALE FÜR PROZESS-, PRODUKT- UND DIENSTLEISTUNGSINNOVATION Dr. Daniel Jeffrey Koch Fraunhofer IAIS 19. Oktober 2015 1 Die Fraunhofer-Gesellschaft Forschen für die

Mehr

Vorhersagetechniken für zukünftiges Verhalten von Kunden

Vorhersagetechniken für zukünftiges Verhalten von Kunden IBM 360 Grad-Sicht auf den Kunden: Vorhersagetechniken für zukünftiges Verhalten von Kunden Sven Fessler, sven.fessler@de.ibm.com Solution Architect, IBM Germany Business Analytics & Optimization Das Spektrum

Mehr

Open Source Master Data Management. Die Zeit ist reif

Open Source Master Data Management. Die Zeit ist reif Open Source Master Data Management Die Zeit ist reif Inhaltsverzeichnis Einleitung 3 Anforderungen an den Open Source Markt 3 Freiheit 4 Vorhersagen über die Auswirkungen von Open Source auf MDM 4 Talend

Mehr

ETL in den Zeiten von Big Data

ETL in den Zeiten von Big Data ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse

Mehr

MARKUS WERKMEISTER UNTERNEHMENS- UND IT- BERATUNG

MARKUS WERKMEISTER UNTERNEHMENS- UND IT- BERATUNG MARKUS WERKMEISTER UNTERNEHMENS- UND IT- BERATUNG ZERTIFIZIERUNGEN UND TRAININGSNACHWEISE SAP MARKUS WERKMEISTER DATUM : 13. August 2015 KONTAKTPERSON : Markus Werkmeister TELEFON : +49(0)151-24068874

Mehr

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen

Mehr