Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg,

Größe: px
Ab Seite anzeigen:

Download "Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg, 16.09.2014 www.boak.ch"

Transkript

1 Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg,

2 it

3 Diese Session gibt einen Überblick über Predictive und Data Mining, die Value-Proposition der «Demoktratisierung» von Predictive und eine praxisorientierte Betrachtung der Möglichkeiten, welche sich uns bieten, um Predictive auf breiter Ebene nutzenstiftend einzusetzen. AGENDA Einführung Vorstellung Etablierung gemeinsames Verständnis Herstellung Realitätsbezug Use Cases Nutzenerwartung / Positionierung Technische Aspekte Zusammenfassung und Ausblick Slide 3

4 Vorhandenes Wissen kombiniert mit sich rasant entwickelnder Technologie, zunehmender Digitalisierung der Information (und Prozesse) und steigendem Wettbewerbsdruck durch die Globalisierung schaffen starken Anreiz («Motiv und Gelegenheit»), das meist im Unternehmen vorhandene Wissen zu nutzen. EINFÜHRUNG / VORSTELLUNG Predictive the next big thing? Statistisches Wissen + Globalisierung Digitalisierung Technologie «Motiv und Gelegenheit» Slide 4

5 Zur Etablierung eines gemeinsamen Verständnisses sei ein kurzer Ausflug in die Welt der Statistik und der Definitionen erlaubt AUSFLUG IN DIE STATISTIK Statistik: Lehre von Methoden zum Umgang mit quantitativen Informationen. Möglichkeit, eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen. Zusammenfassung bestimmter Methoden, um empirische Daten zu analysieren. Gebiete der Statistik: Deskriptiv: Beschreibung Verteilung eines Merkmals Induktiv: Aus Stichproben Eigenschaften einer Grundgesamtheit ableiten (incl. Wahrscheinlichkeitstheorie für Schätz- & Testverfahren) Explorativ / Data Mining: auch hypothesen-generierende Statistik, analytische Statistik Slide 5

6 Data Mining generiert Hypothesen bezüglich Mustern in Datenhaufen. Wir suchen in einem Datenberg nach wertvollem Wissen und bewerten die gefundenen Kandidaten nach Stärke und Ergebnissicherheit DATA MINING Methodisch: Zwischenform von deskriptiv und induktiv Mittels deskriptiver Verfahren und induktiver Testmethoden sucht Data Mining systematisch mögliche Zusammenhänge (oder Unterschiede) zwischen Daten in vorhandenen Datenbeständen und will sie zugleich in ihrer Stärke und Ergebnissicherheit bewerten. Die so gefundenen Ergebnisse lassen sich als Hypothesen verstehen, die erst, nachdem darauf aufbauende, induktive Testverfahren mit entsprechenden (prospektiven) Versuchsplanungen sie bestätigten, als statistisch gesichert gelten können Slide 6

7 Mit den heute bestehenden BI- und DWH-Lösungen ist in vielen Fällen der Grundstein für erfolgreiche Predictive-Vorhaben bereits gelegt. Voraussetzung ist, dass der potentielle Wert erkannt und abgeschöpft wird. DER PROZESS DES DATA MINING / TASKS Fokussieren Bestimmen bereits vorhandenen Wissens Datenerhebung Selektion Vorverarbeiten Datenintegration Bereinigung Transformieren In passende Form bringen für Analyseschritt Selektion von Attributen Diskretisierung Data Mining Evaluation Beurteilung der Findings durch Experten > nächste Iteration? Ausreisser Anomalien, Fehler, Änderungen Cluster Gruppieren von Ähnlichem Klassifikation Zuordnung zu bestehenden Klassen Regression Identifikation von Beziehzungen Assoziation Identifikation von Zusammenhängen A+B->C Slide 7

8 REALITÄTSBEZUG / USE CASES

9 Use Cases aus der Praxis zwecks Illustration der Möglichkeiten für Predictive / Data Mining. EINIGE USE-CASES Ein TelCo Unternehmen 1: Kundensegmentierung / Verhalten Eine Versicherung: Verkaufschancen (Kundensegmentierung) Eine Hochschule: Identifikation von Hi-Potentials (indiv. Förderung) Infrastruktur-Intensives Unternehmen: Predictive Maintenance / Economies of Scope & Scale Ein TelCo Unternehmen 2: Hotline (Know-Your-Customer) Ein TelCo Unternehmen 3: Churn-Analyse (Influencer / Influencees) Debitoren-Klassifizierung und Mahnung (Indiv. Mahnwesen) TelCo: Geo-Information Slide 9

10 Während Data Scientists (rare Spezies) und Data / Business Analysten Modelle erstellen, sind es v.a. die Fachanwender, welche von diesen Modellen profitieren (bewusst und unbewusst). Das gibt ein enormes «Hebel»-Potential im Unternehmen. PREDICTIVE: NUR FÜR DATA SCIENTISTS? Data Scientist (0.001%) Komplexe Modelle und Simulationen erstellen Data Analyst (3%) Transformieren und Anreichern von Daten Einfache Modelle und Simulationen erstellen Visualisieren der Resultate und Publikation Executives / Business Users (97%) Interaktion mit Publikation Use-Case-Kontext Zusammenarbeit mit Kollegen (Act) Slide 10

11 Für den Einsatz von Predictive / Data Mining eigen sich eine Vielzahl von Szenarien ANWENDUNGSMÖGLICHKEITEN :-) Brand Sentiment Predictive Maintenance Network Optimization Insider Threats Asset Tracking Personalized Care Product Recommendation Risk Mitigation, Real-time Propensity to Churn Real-time Demand/ Supply Forecast 360 O Customer View Fraud Detection Quelle: In Anlehnung an SAP Slide 11

12 Predictive-Projekte sind gegenüber dem Fach in der Regel einfach zu positionieren, da einfach nachvollziehbar was Vorgehen und erwarteter Nutzen angeht. INTERNE POSITIONIERUNG: EINFACH / EINLEUCHTEND Zu erwartende Resultate aus einem Predictive / Data Mining Vorhaben sind nach der Planungsphase (PDCA), sicher aber nach der Check-Phase (also vor dem in der Regel aufwändigeren «Act»): klar quantifiziert: E(x) in der Regel einfach logisch nachvollziehbar für Fachentscheider Sind gegenüber E(x) messbar im Verlauf der Umsetzung Mit «kleinen» Vorhaben starten, um das Konzept zu verinnerlichen Automatisierung = Demokratisierung. Wenige Spezialisten können viele Modelle in unterschiedlichste Prozesse einbinden und Administrieren (Economies of Scope) Verbesserung der Modelle im Laufe der Zeit (Learning) Gewisses statistisches KnowHow ist erforderlich Slide 20

13 TECHNISCHE ASPEKTE

14 Mit der Akquise von KXEN (SAP Infinite Insight), Predictive Analysis (in Lumira) und HANA (PAL) sowie «R» Integration kann quasi jedes erdenkliche Szenario abgebildet werden. SAP TOOLS FÜR PREDICTIVE / DATA MINING Quelle: SAP Slide 22

15 ZUSAMMENFASSUNG / FRAGERUNDE

16 ZUSAMMENFASSUNG / Q&A Sie alle haben die aufwändigsten ersten Schritte des Data Mining Prozesses bereits hinter sich (Daten weitgehend vorhanden und anbindbar (EDWH?), via Hadoop auch Big Data anbindbar) Predictive Projekte sind dem Fachbereich einfach schmackhaft zu machen, da der Nutzen klar verständlich und quantifizierbar ist Mit IT-Logix steht Ihnen ein diesbezüglich proaktiver, erfahrener Partner zur Seite, um in dieses Gebiet einzusteigen Nebst den Corporate-Nutzen investieren Sie mit dem Erfahrungsaufbau in Ihre eigenen Karriere, da gemäss Gartner BI Themen immer häufiger von Marketing / Sales finanziert werden, Trend ungebrochen Slide 24

17 Bitte beachten Sie die Thementische während dem Mittagessen! Ich freue mich auf angeregte Gespräche mit Ihnen Samuel Rentsch CEO / Partner / Fachgruppenleiter Predictive Follow

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

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch WANN REDEN WIR VON BIG DATA SCIENCE? Big Data ist der technische Teil von Big Data Science. Mehr Daten! Mehr Datenquellen(-änderungen)!

Mehr

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

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

Mehr

Machine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.

Machine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose. Machine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.com 13.06.20 15 SQLSaturday Rheinland 2015 1. Zu komplex: Man kann

Mehr

ADVANCED ANALYTICS. Auswirkungen auf das Controlling und Unternehmenssteuerung

ADVANCED ANALYTICS. Auswirkungen auf das Controlling und Unternehmenssteuerung ADVANCED ANALYTICS Auswirkungen auf das Controlling und Unternehmenssteuerung Unternehmen im Zeitalter der Digitalisierung Was bedeutet Digitalisierung der Welt? Digitale Fußabdrücke in allen Branchen

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

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

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

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

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-

Mehr

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

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

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz 2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax

Mehr

Self Service BI der Anwender im Fokus

Self Service BI der Anwender im Fokus Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches

Mehr

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

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

Mehr

Exploration und Klassifikation von BigData

Exploration und Klassifikation von BigData Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)

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

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

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren BI, Big Data, CRM Forum @ CeBIT 2015, Hannover, 19.03.2015 Patrick Keller, Senior Analyst Status Quo Business Intelligence

Mehr

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch In dieser Session wird IDAREF, ein Framework, dass auf logischer Ebene eine analytische

Mehr

Thementisch Anwendungsgebiete und

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

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

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

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

Top 10 der Business Intelligence-Trends für 2014

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

Mehr

Vorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com

Vorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Vorhersage mit CA CleverPath Predictive Analysis Server Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Agenda Herausforderung CP PAS Neugents Modelle Mustererkennung Tools CA World 1 Herausforderung

Mehr

Big Data - Fluch oder Segen?

Big Data - Fluch oder Segen? mitp Professional Big Data - Fluch oder Segen? Unternehmen im Spiegel gesellschaftlichen Wandels von Ronald Bachmann, Guido Kemper, Thomas Gerzer 1. Auflage Big Data - Fluch oder Segen? Bachmann / Kemper

Mehr

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

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP AGENDA HADOOP 9:00 09:15 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT und Fachbereiche Big

Mehr

BIG DATA Impulse für ein neues Denken!

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

Mehr

Von 0 auf 100 in Rekordzeit Erfolgsfaktoren beim Aufbau der Kundenanalytik

Von 0 auf 100 in Rekordzeit Erfolgsfaktoren beim Aufbau der Kundenanalytik Von 0 auf 100 in Rekordzeit Erfolgsfaktoren beim Aufbau der Kundenanalytik Raiffeisen Schweiz Christian Mewes, Stv. Projektleiter CRM SAP Banken und Versicherungen 2015, 01.07.2015, Zürich Von 0 auf 100

Mehr

Internes Audit in universitären Hochschulen

Internes Audit in universitären Hochschulen Internes Audit in universitären Hochschulen Theorie und international empirische Befunde DISSERTATION der Wirtschaftswissenschaftlichen Fakultät der Universität Zürich zur Erlangung der Würde einer Doktorin

Mehr

8 Juli 2015. Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics

8 Juli 2015. Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics Contents Predictive Analytics Erwartungen erfüllt? Einfach denken worauf achten, bevor gestartet wird?

Mehr

Innovation entsteht zuallererst in klugen Köpfen

Innovation entsteht zuallererst in klugen Köpfen Innovation entsteht zuallererst in klugen Köpfen Lernen ganz nach Ihren Bedürfnissen Schulungen Die Data Science Academy bietet aktuell sowohl Tagesschulungen als auch einen 5-Tage-Kompaktkurs an. In Fachvorträgen

Mehr

Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014

Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014 Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014 Agenda Vorstellung Kundenbeispiel Absatzprognose SAP Predictive Analysis Anwendung SAP Predictive

Mehr

Operational Intelligence

Operational Intelligence Operational Intelligence Eric Müller Wenn Sie diesen Text lesen können, müssen Sie die Folie im Post-Menü mit der Funktion «Folie einfügen» erneut einfügen. Sonst kann kein Bild hinter die Fläche gelegt

Mehr

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

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

Customer Engagement Management im digitalen Unternehmen

Customer Engagement Management im digitalen Unternehmen Customer Engagement Management im digitalen Unternehmen Frankfurt, April 2015 Dr. Wolfgang Martin Analyst, Mitglied im Boulder BI Brain Trust und im CRM Expertenrat Die Digitalisierung der Welt Nach der

Mehr

Web 2.0 @ Deutsche Telekom

Web 2.0 @ Deutsche Telekom Web 2.0 @ Deutsche Telekom Etablierung interner Web 2.0-Applikationen und Förderung des Web 2.0-Grundgedankens innerhalb der Deutschen Telekom Frank Schrader, Michael Wand & Jörg Hermes 16.09.2010 Agenda

Mehr

Apps. Connecting the Enterprise

Apps. Connecting the Enterprise Connect Talents Oracle Fusion HCM und Oracle Network@Work vernetzt das Unternehmen Facebook und Twitter wird für die Gewinnung neuer Mitarbeiter ein immer zentraleres Medium. Doch während die Außendarstellung

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

Big Data Alter Wein in neuen Schläuchen? 27.11.2013 Josef Schmid M.A. Dynelytics AG

Big Data Alter Wein in neuen Schläuchen? 27.11.2013 Josef Schmid M.A. Dynelytics AG Big Data Alter Wein in neuen Schläuchen? 27.11.2013 Josef Schmid M.A. Dynelytics AG 2 Big Data Gartner prognostiziert, dass Unternehmen im laufenden Jahr für IT-Lösungen im Big-Data- Bereich 34 Milliarden

Mehr

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

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

Mehr

The Day in the Life of a Business Manager @ Microsoft

The Day in the Life of a Business Manager @ Microsoft The Day in the Life of a Business Manager @ Microsoft A look at analytics in action inside Microsoft Frank.Stolley@Microsoft.com Daniel.Weinmann@microsoft.com Microsoft Deutschland GmbH Big Data: Die Management-Revolution?

Mehr

Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft

Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft Inhalt Inhalt Consulting / Workshops 2 Programmierung / Automatisierung 3 Validierung 3 Schulungen Softwareunabhängige Methodenschulungen

Mehr

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers.

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers. Business und IT. Ein Team. Aus Sicht eines Retailers. Hier steht ein Bild randabfallend. Wenn kein Bild vorhanden ist, bitte Folie 2 benutzen. IT-Services Club of Excellence. Das CIO Forum der IBM vom

Mehr

3. Cloud Use Cases Day Herzlich Willkommen

3. Cloud Use Cases Day Herzlich Willkommen 3. Cloud Use Cases Day Herzlich Willkommen 1 Cloud Digitalisierung und Transformation @ 3. Cloud Use Cases Day 2009 Hochschule für Wirtschaft 1 2016 Prof. Dr. Stella Gatziu Grivas FHNW 3. Cloud Use Cases

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

Kunden managen heißt Daten managen! Wie neue Touchpoints neues Marketing ermöglichen!

Kunden managen heißt Daten managen! Wie neue Touchpoints neues Marketing ermöglichen! Kunden managen heißt Daten managen! Wie neue Touchpoints neues Marketing ermöglichen! Institut für Finanzdienstleistungen Zug IFZ Prof. Dr. Nils Hafner Leiter CAS Customer Focus T direkt +41 41 724 65

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

Intelligente Kundensegmentierung mit SAP HANA

Intelligente Kundensegmentierung mit SAP HANA GLOOOBAL E A l GLOOOBAL Energy Analyzer Intelligente Kundensegmentierung mit SAP HANA Die Herausforderung Wenn Energieversorger Strom an Unternehmenskunden verkaufen, ist ein detailliertes Verständnis

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

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

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

Mehr

Predictive Analytics 25.06.2014. Prediction is very difficult, especially if it s about the future. (Bohr, Niels)

Predictive Analytics 25.06.2014. Prediction is very difficult, especially if it s about the future. (Bohr, Niels) Predictive Analytics München, 25. Juni 2014 Markus Enderlein, Stefan Jäschke, Gert Jan Feick TDWI Konferenz 2014 Prediction is very difficult, especially if it s about the future. (Bohr, Niels) 25.06.2014

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

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

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

SAP Strategie für Analytics Highlights und Innovationen

SAP Strategie für Analytics Highlights und Innovationen SAP Strategie für Analytics Highlights und Innovationen Andreas Forster, Predictive Solution Advisor Mohamed Abdel Hadi, VP Presales Analytics Germany 2005 2013 St. Peter s Square Visitors at public viewing

Mehr

Industrie 4.0 22.07.2014

Industrie 4.0 22.07.2014 Industrie 4.0 Georg Weissmüller 22.07.2014 Senior Consultant Fertigungsindustrie Agenda Überblick Industrie 4.0/Anwendungsfälle Intelligenter Service Augmented Reality Diskussion 2014 SAP AG or an SAP

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

Analytisches CRM in der Automobilindustrie

Analytisches CRM in der Automobilindustrie Analytisches CRM in der Automobilindustrie Dr. Frank Säuberlich Practice Manager European Customer Solutions Urban Science International GmbH Automobilhersteller müssen neue Wege gehen Anforderungen in

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

Prozessorientierte Applikationsund Datenintegration mit SOA

Prozessorientierte Applikationsund Datenintegration mit SOA Prozessorientierte Applikationsund Datenintegration mit SOA Forum Business Integration 2008, Wiesbaden Dr. Wolfgang Martin unabhängiger Analyst und ibond Partner Business Integration 1998 2008 Agenda Business

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung

Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung Das Potenzial von Multikanal- Recommendations nutzen Chancen und Grenzen der Personalisierung Dr. Philipp Sorg (Senior Data Scientist) Peter Stahl (Senior Business Development Manager) 24. März 2015, Internet

Mehr

Näher am Kunden mit Microsoft Business Intelligence

Näher am Kunden mit Microsoft Business Intelligence Nürnberg, April 2014 Näher am Kunden mit Microsoft Business Intelligence Schnellere AHA-Effekte aus Small Data. Big Data. All Data - Online wie Offline. Sehr geehrte Damen und Herren, die rasant voranschreitende

Mehr

ANALYSIEREN VON SOCIAL MEDIA AKTIVITÄTEN

ANALYSIEREN VON SOCIAL MEDIA AKTIVITÄTEN ANALYSIEREN VON SOCIAL MEDIA AKTIVITÄTEN PROFI-Webcast 10.03.2015 Dr. Michael Kosmowski Software-Architekt Tel.: 0721 46 46 46 64 44 E-Mail: m.kosmowski@profi-ag.de AGENDA Was passiert bei unseren Kunden?

Mehr

Big Data Modewort oder echter Mehrwert. freenet Group Dr. Florian Johannsen

Big Data Modewort oder echter Mehrwert. freenet Group Dr. Florian Johannsen Big Data Modewort oder echter Mehrwert freenet Group Dr. Florian Johannsen freenet Group 2 Titel der Präsentation 07.07.2015 Mobilfunkgeschäft der freenet Group Austausch von Daten und Informationen Im

Mehr

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Schober Group Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Mag. (FH) Alexandra Vetrovsky-Brychta Wien, 23.10.2012 Mehr IQ für Ihre Kundendaten Seite 2 Agenda Themen

Mehr

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Martin Herzog 06/07.11.2012 Data Mining als Herzstück von Predictive Analytics Data Mining

Mehr

Virtual Roundtable: Business Intelligence - Trends

Virtual Roundtable: Business Intelligence - Trends Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,

Mehr

Optimale Integration der IT-Security in Geschäftsprozesse

Optimale Integration der IT-Security in Geschäftsprozesse Optimale Integration der IT-Security in Geschäftsprozesse A Min TJOA Edgar WEIPPL {Tjoa Weippl}@ifs.tuwien.ac.at Übersicht Einleitung ROPE (S. Tjoa, S. Jakoubi) MOS³T (T. Neubauer) Security Ontologies

Mehr

Pricing Engineering. im Private Banking. Gebühren müssen kompetitiv, ertragsoptimiert und steuerbar sein. Wir haben die Methodik dafür.

Pricing Engineering. im Private Banking. Gebühren müssen kompetitiv, ertragsoptimiert und steuerbar sein. Wir haben die Methodik dafür. Pricing Engineering im Private Banking Gebühren müssen kompetitiv, ertragsoptimiert und steuerbar sein. Wir haben die Methodik dafür. Pricing Engineering im Private Banking Nur mit einer fundierten, transparenten

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

BIG DATA@Automotive: Die Daten sind da! Was nun?

BIG DATA@Automotive: Die Daten sind da! Was nun? BIG DATA@Automotive: Die Daten sind da! Was nun? BITKOM Big Data Summit 2014 Alf Porzig& Uwe Trost BIG DATA, MHP, Alf Porzig BIG DATA @ Automotive Enterprise Intelligence Use Cases entlang der Wertschöpfungskette

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

Mit einem Geleitwort von Prof. Dr. Helmut Krcmar

Mit einem Geleitwort von Prof. Dr. Helmut Krcmar Sonja Hecht Ein Reifegradmodell für die Bewertung und Verbesserung von Fähigkeiten im ERP- Anwendungsmanagement Mit einem Geleitwort von Prof. Dr. Helmut Krcmar 4^ Springer Gabler Inhaltsverzeichnis Geleitwort

Mehr

Analytisches CRM und Data Mining

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

Mehr

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 DAS ERWARTET SIE IN MEINEM VORTRAG Neue Anforderungen, neue Herausforderungen, neue Möglichkeiten Software Demo:

Mehr

Modellbasierte Teststrategie in der Fahrzeugerprobung am Beispiel der car2go

Modellbasierte Teststrategie in der Fahrzeugerprobung am Beispiel der car2go Daimler Mobility Services 09.10.2013 Modellbasierte Teststrategie in der Fahrzeugerprobung am Beispiel der car2go Aachener Kolloquium Fahrzeug- und Motorentechnik 2013 Slavko Bevanda (Daimler Mobility

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

Virtual Roundtable: Business Intelligence - Trends

Virtual Roundtable: Business Intelligence - Trends Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Andreas Seufert Organisation: Institut für Business Intelligence

Mehr

HP Big Data Anwendungsfälle

HP Big Data Anwendungsfälle HP Big Data Anwendungsfälle Bernd Mussmann, Strategist & Senior Principal HP Analytics & Data Management Services Agenda HP Day @TDWI 1 09:00-10:15 - BI Modernization: BI meets unstructured data 2 10.45-12.00

Mehr

SAP Predictive Maintenance and Service. Gero Bieser, IBU Utilities, SAP AG Februar 2015

SAP Predictive Maintenance and Service. Gero Bieser, IBU Utilities, SAP AG Februar 2015 SAP Predictive Maintenance and Service Gero Bieser, IBU Utilities, SAP AG Februar 2015 Agenda Warum Predictive Maintenance? Die SAP Lösung Predictive Maintenance and Service Ausblick auf weitere Entwicklungen

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

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Optimiertes IT Service Management durch Predictive Analytics München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Agenda Herausforderungen im IT Service Management (ITSM) Predictive

Mehr

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

Mehr

Aktuelle Trends im CRM

Aktuelle Trends im CRM . CRM-Symposium.. Aktuelle Trends im CRM Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt. &. Generation KM ext Best X Aktionsorientiertes

Mehr

Handbuch Business Intelligence

Handbuch Business Intelligence Handbuch Business Intelligence BERNHARD SÖLLNER Vorwort 15 [l. Geschäftspotenziale von Business Intelligence OLAF JACOB Der Wertbeitrag von Business Intelligence 19 Ziele und Erwartungen an Business Intelligence

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen

Mehr

Der BPM-Lebenszyklus in Theorie und Praxis. Prof. Dr. Mathias Weske

Der BPM-Lebenszyklus in Theorie und Praxis. Prof. Dr. Mathias Weske Der BPM-Lebenszyklus in Theorie und Praxis Prof. Dr. Mathias Weske Hasso Plattner Institut 2 An-Institut der Universität Potsdam, aus privaten Mitteln von SAP- Gründer Hasso Plattner finanziert Bachelor

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Wissensmanagement im Bankvertrieb

Wissensmanagement im Bankvertrieb Anja Peters Wissensmanagement im Bankvertrieb Universitätsverlag Regensburg Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XIV XVII XVIII 1 Wissensmanagement im Bankvertrieb

Mehr

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Self-Service Business Intelligence Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Agenda Einleitung Self-Service Business Intelligence Definition(en) und Grundlage(n)

Mehr

Jan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008

Jan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008 Ermittlung dynamischer Fahrzeiten für die City-Logistik Jan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008 Inhalt Einführung Planung in der City-Logistik Erhebung dynamischer Fahrzeiten Konzeption

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

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

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

Mehr

2 Begriffliche und theoretische Grundlagen... 9

2 Begriffliche und theoretische Grundlagen... 9 Inhaltsverzeichnis Geleitwort... V Vorwort... VII Zusammenfassung... IX Inhaltsverzeichnis... XI Abbildungsverzeichnis... XVII Tabellenverzeichnis... XIX Abkürzungsverzeichnis... XXIII 1 Einführung...

Mehr

Die Rolle des Stammdatenmanagements im digitalen Unternehmen

Die Rolle des Stammdatenmanagements im digitalen Unternehmen Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Die Rolle des Stammdatenmanagements im digitalen Unternehmen Frankfurt, April 2015 Die Digitalisierung der Welt Nach der Globalisierung

Mehr

CUSTOMER JOURNEY IN DER PRAXIS - NICE TO KNOW ODER ACTIONABLE INSIGHTS?

CUSTOMER JOURNEY IN DER PRAXIS - NICE TO KNOW ODER ACTIONABLE INSIGHTS? PERFORMANCE RELATIONS BRAND CUSTOMER JOURNEY IN DER PRAXIS - NICE TO KNOW ODER ACTIONABLE INSIGHTS? IHRE AGENTUR FÜR DIGITALES MARKETING UND VERTRIEB WAS BRINGT MULTICHANNEL-TRACKING? ERGEBNIS EINER ADOBE

Mehr