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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Office & CRM. Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag

Office & CRM. Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag Office & CRM Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag Atos IT Solutions and Services GmbH Agenda Ohne Systembruch: Vom ersten E-Mail zum

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

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

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

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

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

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

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

Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen

Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen Blue Yonder in der Praxis Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen Anwendungsbeispiele für Blue Yonder Predictive Analytics in der Industrie Heute werden

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

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

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

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

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag SAP HANA ist schnell erklärt TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag Ihr Referent Steckbrief Name: Miroslav Antolovic Jahrgang: 1975 Stationen: SAP, Walldorf 1999-2004 Realtech, Walldorf

Mehr

Digitale Transformation - Ihre Innovationsroadmap

Digitale Transformation - Ihre Innovationsroadmap Digitale Transformation - Ihre Innovationsroadmap Anja Schneider Head of Big Data / HANA Enterprise Cloud Platform Solutions Group, Middle & Eastern Europe, SAP User Experience Design Thinking New Devices

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

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

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

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

A Platform for Complex Event Processing

A Platform for Complex Event Processing A Platform for Complex Event Processing Einführung Business Process Technology Prof. Dr. Mathias Weske Matthias Kunze Nico Herzberg Business Process Technology Seit 2001 Untersuchung realer Probleme des

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

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

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

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

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

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

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

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

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

Arbeiten mit amtlichen und offenen Daten - NAS. Move Your Official Data Organized

Arbeiten mit amtlichen und offenen Daten - NAS. Move Your Official Data Organized Arbeiten mit amtlichen und offenen Daten - NAS Move Your Official Data Organized FME im Kontext von amtlichen Daten Überblick NAS Datenverarbeitung NAS Reader NAS schreiben Lösungsangebot: NAS2SHP-Template

Mehr

Die SaaS-Lösung für präzise Absatzplanung im Handel und für Konsumgüter. Einfach schärfer planen! Mit einem klaren Blick in die Zukunft.

Die SaaS-Lösung für präzise Absatzplanung im Handel und für Konsumgüter. Einfach schärfer planen! Mit einem klaren Blick in die Zukunft. Die SaaS-Lösung für präzise Absatzplanung im Handel und für Konsumgüter Einfach schärfer planen! Mit einem klaren Blick in die Zukunft. Klare Anforderungen. In der Ferienzeit haben wir je nach Bundesland

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

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

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

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB

Mehr

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...

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

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

BIG DATA: EXPECT THE UNEXPECTED. T-SYSTEMS AUSTRIA 2014 Dipl.-Ing. Axel Quitt @ Bundestagung der Jungen Wirtschaft

BIG DATA: EXPECT THE UNEXPECTED. T-SYSTEMS AUSTRIA 2014 Dipl.-Ing. Axel Quitt @ Bundestagung der Jungen Wirtschaft BIG DATA: EXPECT THE UNEXPECTED T-SYSTEMS AUSTRIA 2014 Dipl.-Ing. Axel Quitt @ Bundestagung der Jungen Wirtschaft Big Data Ein Wort wie eine Grippeepidemie Quelle: Google Trends Unternehmen werden mit

Mehr

Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases

Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. Fachbereich: Die richtigen Fragen SAS BIG DATA

Mehr

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf

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

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

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

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

Halbautomatische Migration bestehender ETL-Prozesse von Informatica nach Talend

Halbautomatische Migration bestehender ETL-Prozesse von Informatica nach Talend Halbautomatische Migration bestehender ETL-Prozesse von Informatica nach Talend Proof of Concept, Möglichkeiten und Grenzen Markus Pepping Dipl. Wirtschaftsinformatiker, IT-Architekt Senior Consultant

Mehr

Eliciting Requirements for a Company-wide Data Leakage Prevention System

Eliciting Requirements for a Company-wide Data Leakage Prevention System Eliciting Requirements for a Company-wide Data Leakage Prevention System Stefan Gärtner, Svenja Schulz, and Kurt Schneider Software Engineering Group, Leibniz Universität Hannover, Germany Steffen Förster

Mehr

ITSM Roundtable. Linz, den 25.09.2014

ITSM Roundtable. Linz, den 25.09.2014 ITSM Roundtable Linz, den 25.09.2014 USU auf einen Blick Gründung 2014 Fokus Branche Know-how Rechtsform Mitarbeiter Standorte Unabhängiger Software- und Lösungsanbieter IT Service Management & Knowledge

Mehr

Eine Echtzeit-Plattform für das Smart Grid. Gero Bieser, IBU Utilities, SAP AG Februar 2015

Eine Echtzeit-Plattform für das Smart Grid. Gero Bieser, IBU Utilities, SAP AG Februar 2015 Eine Echtzeit-Plattform für das Smart Grid Gero Bieser, IBU Utilities, SAP AG Februar 2015 Agenda Warum eignet sich die SAP HANA Plattform insbesondere für Anwendungen im Smart Grid? Beispiel: Analyse

Mehr

SAS Forecast Server. Copyright 2005, SAS Institute Inc. All rights reserved.

SAS Forecast Server. Copyright 2005, SAS Institute Inc. All rights reserved. SAS Forecast Server Eine neue Lösung für automatisierte Prognosen bei großen Datenmengen Stefan Ahrens Competence Center Analytic Intelligence SAS Deutschland Copyright 2005, SAS Institute Inc. All rights

Mehr

Ingenics Project Portal

Ingenics Project Portal Version: 00; Status: E Seite: 1/6 This document is drawn to show the functions of the project portal developed by Ingenics AG. To use the portal enter the following URL in your Browser: https://projectportal.ingenics.de

Mehr

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 OLAP im IT-Management Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 Inhalt 1. OLAP 2. Einsatz im CRM 3. Einsatz im IT-Management 4. Produkt 2 In eigener Sache? Gegründet 01. Januar 2008 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

STRATO setzt bei Nutzungsanalyse und Kapazitätsplanung des Cloud- Angebots HiDrive auf Pentaho BI

STRATO setzt bei Nutzungsanalyse und Kapazitätsplanung des Cloud- Angebots HiDrive auf Pentaho BI STRATO setzt bei Nutzungsanalyse und Kapazitätsplanung des Cloud- Angebots HiDrive auf Pentaho BI Mit Pentaho kann STRATO die Ressourcen hinter seiner HiDrive Lösung vorrausschauend ausbauen und das Produkt

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

good. better. outperform.

good. better. outperform. good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

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

AnyWeb AG 2008 www.anyweb.ch

AnyWeb AG 2008 www.anyweb.ch Agenda - BTO IT heute Was nützt IT dem Business? Die Lösung: HP Software BTO Q&A IT heute Kommunikation zum Business funktioniert schlecht IT denkt und arbeitet in Silos und ist auch so organisiert Kaum

Mehr

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

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

Mehr

Sicherheit dank Durchblick. Thomas Fleischmann Sales Engineer, Central Europe

Sicherheit dank Durchblick. Thomas Fleischmann Sales Engineer, Central Europe Sicherheit dank Durchblick Thomas Fleischmann Sales Engineer, Central Europe Threat Landscape Immer wieder neue Schlagzeilen Cybercrime ist profitabel Wachsende Branche 2013: 9 Zero Day Vulnerabilities

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

Eine kurze Einführung in die Technologiegrundlage. Future Internet Technologies and Funding for Agri-Food, Logistics, Transport and Manufacturing

Eine kurze Einführung in die Technologiegrundlage. Future Internet Technologies and Funding for Agri-Food, Logistics, Transport and Manufacturing Eine kurze Einführung in die Technologiegrundlage www.finish-project.eu Future Internet Technologies and Funding for Agri-Food, Logistics, Transport and Manufacturing Was ist FIWARE? Future Internet Ware

Mehr

SQL Azure Technischer Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk

SQL Azure Technischer Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk SQL Azure Technischer Überblick Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Haftungsausschluss Microsoft kann für die Richtigkeit und Vollständigkeit

Mehr

Deutsche Bank Magellan

Deutsche Bank Magellan 19. März 2013 Agenda Motivation für Operational BI Architektur Kosten und Nutzen Beispiele Operative Datenintegration auch für BI Roadmap ETL-Factory 1 Meta / Quality Management End-2-End Process Monitoring

Mehr

Workflows, Ansprüche und Grenzen der GNSS- Datenerfassung im Feld

Workflows, Ansprüche und Grenzen der GNSS- Datenerfassung im Feld Workflows, Ansprüche und Grenzen der GNSS- Datenerfassung im Feld Alexander Fischer Senior Application Engineer Asset Collection & GIS 1 Leica Zeno GIS Agenda Erfassung im Feld VS Erfassung im Office Validierung

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

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

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

Mehr

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

Finish Future Internet Acceleration Programme

Finish Future Internet Acceleration Programme Finish Future Internet Acceleration Programme Informationsveranstaltung für Entwickler 13.11.2014 Bonn Guidelines against Food Waste Cooper, Frederic G. 1883 US FOOD ADMINISTRATION Währenddessen in Deutschland

Mehr

Mobile Backend in der

Mobile Backend in der Mobile Backend in der Cloud Azure Mobile Services / Websites / Active Directory / Kontext Auth Back-Office Mobile Users Push Data Website DevOps Social Networks Logic Others TFS online Windows Azure Mobile

Mehr

Analyse und Feedback in Echtzeit

Analyse und Feedback in Echtzeit Analyse und Feedback in Echtzeit Die Daten-Strategie von IDG Michael Beilfuß, Verlagsleiter Stefan Huegel, VP Digital 20.11.2014 / VDZ Tech Summit 2014 in Hamburg // BIG DATA - der Game-Changer Paradigmenwechsel

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

Potenziale der Nutzung von EPCIS für BI-Anwendungen. Ralph Tröger Senior Manager Ident./Data Carrier MicroStrategy Summit Frankfurt 2014-05-06

Potenziale der Nutzung von EPCIS für BI-Anwendungen. Ralph Tröger Senior Manager Ident./Data Carrier MicroStrategy Summit Frankfurt 2014-05-06 Potenziale der Nutzung von für BI-Anwendungen Ralph Tröger Senior Manager Ident./Data Carrier MicroStrategy Summit Frankfurt 2014-05-06 Kurzportrait GS1 - Jeder kennt sie die GTIN (Global Trade Item Number)

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

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

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

Mehr

Big Data Herausforderungen für Rechenzentren

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

Mehr

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public SAP Finanz- und Risikolösungen Volker Mohr, SAP SE 20. Mai 2015 Public Agenda Überblick Integrierte Finanz- und Risikoarchitektur Relevanz eines integrierten Ansatzes Innovationen und Roadmap Zusammenfassung

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie4RISuPV.PPT/hoffmann/feb10/1 R4eGov Technologie4RISuPV.PPT/hoffmann/feb10/2 Ausgangspunkt:

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

Ableitung & prototypische Anwendung eines Vorgehensmodells für die Migration von Product- Lifecycle-Daten bei einem Automobilhersteller

Ableitung & prototypische Anwendung eines Vorgehensmodells für die Migration von Product- Lifecycle-Daten bei einem Automobilhersteller Fakultät für Informatik Technische Universität München Diplomarbeit: Ableitung & prototypische Anwendung eines Vorgehensmodells für die Migration von Product- Lifecycle-Daten bei einem Automobilhersteller

Mehr