WILLKOMMEN Mehrwert von Big Data im Government-Umfeld BIENVENUE

Transkript

1 WILLKOMMEN Mehrwert von Big Data im Government-Umfeld BIENVENUE Lisa Winter, Data Scientistin, ELCA Christian Nançoz, Manager BI & Big Data, ELCA WELCOME Bern, 18. März 2015

2 Government Frühstück Daniel Remmele, Senior Key Account Manager (EFD, WBF) Bernard Jaeggi, Senior Key Account Manager (VBS, EDA, EJPD) Antonio Videa, Senior Key Account Manager (UVEK, EDI) Bern, 18. März 2015

3 AGENDA 1. Einleitung 2. Digitale Nachhaltigkeit: Mit Weitsicht in die ICT-Zukunft 3. Mehrwert von Big Data im Government-Umfeld 4. Frühstück / Diskussionen Dr. Matthias Stürmer Leiter Forschungsstelle Digitale Nachhaltigkeit Uni Bern Christian Nançoz Manager BI & Big Data ELCA Lisa Winter Data Scientist ELCA 3

4 UNTERNEHMEN ELCA Kurzübersicht ELCA ist ein führender unabhängiger Anbieter für Informatiklösungen und Gegründet 1968 Angestellte > 700 Dienstleistungen in der Schweiz Niederlassungen Lausanne (Hauptsitz), Bern, Genf, Zürich, Madrid, Paris, Ho-Chi-Minh-Stadt (Vietnam) Umsatz 2014 über 100 Millionen CHF Qualitätsstandards ISO 9001, ISO 14001, CMMI Stufe 3 Hauptmärkte Öffentliche Verwaltungen und Transport, Banken, Versicherungen, Gesundheit, Verteidigung, Industrie Projekterfahrung > 1000 Kundenprojekte in 10 Jahren Auszeichnungen 4

5 ELCA S KOMPETENZ - PORTFOLIO PROJEKT SERVICES System Integration IT Business Consulting COMPETENCY VIEW Transversal Competencies Projekt Management User Experience Offshoring Technical Competencies Architecture & SOA Mobile Migration Data Management BI, Big Data & Data Science CRM ECM BPM IT Strategy Project Management Information Security Application Management Cloud Collaboration& Intranet IT Management ecommerce Website & Portal Digital Strategy Business Analysis BUSINESS-SOLUTION Software Engineering Vertical Solutions Horizontal Solutions Secutix Fraud Management Digital Mailroom edossier Invoice Mgt Back-End Services ipension Suite Sumex Suite Marketing Automation Records Mgt Front-End Services Interfaces Life Science Quality Mgt CRM Framework for Banks Stakeholder Relationship Management Sales Force Automation 5 ECM Backbone Vivates Crisis Management ElcardM 5

6 DWH / BI / BIG DATA ERFAHRUNG UND REFERENZEN Mehr als 40 BI Experten: Verschiedenste Referenzprojekte Statistiker / Data Scientists Consulting / Strategie / Architektur ETL Spezialisten Infrastrukturangebot Tool Spezialisten Modellierung und Entwicklung Plus rund 600 IT-Experten Reporting / Dashboarding Unabhängige und produktneutrale Beratung Datenintegration und Migration Big Data Lab Impala 6

7 ELCA UND DIE BUNDESVERWALTUNG UVEK ASTRA BAKOM BAV - Liegenschafts- & Vertragsmanagement - Fahrtschreiberkartenregister FKR - ETC mobile - Auswertungen VUGIS - Wartungsleitung VU - BCI LDAP - Verkehrsmanagement - Geschäftsabwicklung - e-licensing / BAKOM online - Phoenix Ausweise für Lokführer WBF SECO SBFI KTI BLW ISCeco - Arbe07 / Tacho - Impex08 / Elic - Alfresco ECM Beratung für AVAM - Merlin Innovationsförderung - Sprengen online - CTIProjects (Folgeprojekt Merlin) - ASA2011 Audit - BUDIS Wartung (GS WBF) BAFU PostCom - Lärmdatenbank Schweiz sonbase - PostReg EFD und viele mehr EDI - SIP-EDI, NB, BAR, BAK, BAG, BFS, EJPD - IGE VBS - div. Projekte für armasuisse EDA - Weiterbildungsplattform EFV ESTV ZAS BIT - neue Finanzstatistik - Studie exchange - div. Registerprojekte - Partnerschaft.net, Sharepoint, Java - OXBA (GEVER Office) - egov Bausteine - div. Mandate 7

8 Mehrwert von Big Data im Government-Umfeld Lisa Winter, Data Scientist, ELCA Christian Nançoz, Manager BI & Big Data, ELCA Bern, 18. März 2015

9 AGENDA 1. Wieso brauchen wir «Big Data» im öffentlichen Bereich? 2. Anwendung von Big Data im öffentlichen Bereich 3. Demo 4. ELCA Analytics LABs 9

10 AGENDA 1. Wieso brauchen wir «Big Data» im öffentlichen Bereich? 2. Anwendung von Big Data im öffentlichen Bereich 3. Demo 4. ELCA Analytics LABs 10

11 HERAUSFORDERUNGEN DES 21. JAHRHUNDERTS Beispiele für «moderne» Herausforderungen im öffentlichen Bereich Budgetierung & Ressourcen Verkehr & Infrastruktur Ökonomie & Nachhaltigkeit Naturgefahren & Klima Bedarf an Sozialdienstleistungen & Arbeitsplätzen Wirtschafts- und Finanzkrisen / Steigende Gesundheitskosten / Verschuldung öffentlicher Haushalte Erhöhte Sicherheitserfordernisse & Terrorismusgefahr Demographischer Wandel & Bevölkerungszunahme Was braucht es, um diese Herausforderungen anzugehen? Die Antwort liegt in den Daten! 11

12 HERAUSFORDERUNGEN DES 21. JAHRHUNDERTS Fragen, die man sich im Vorfeld stellen muss Wie kann Big Data im öffentlichen Bereich helfen? Welche der erwähnten (Big) Data Potentiale sind in der Schweiz tatsächlich umsetzbar? Welche der (Big) Data Potentiale können mit den vorhandenen Daten ausgeschöpft werden? ELCA hilft Ihnen diese Fragen zu beantworten Besitzen wir die Expertise um das Daten Potential zu identifizieren und auszuschöpfen? Besitzen wir die richtige Methodologie für die Aufbereitung und den Zugriff auf die Daten? ELCA bietet beides, die Methodologie und die Expertise zur Identifizierung UND Prüfung des Wertes von Big Data im öffentlichen Bereich 12

13 AGENDA 1. Wieso brauchen wir «Big Data» im öffentlichen Bereich? 2. Anwendung von Big Data im öffentlichen Bereich 3. Demo 4. ELCA Analytics LABs 13

14 BIG DATA: EINE ANALOGIE Angenommen, jemand versorgt uns ständig mit Nahrung (Velocity, Data) aus verschiedenen Shops, in verschiedenen Konsistenzen (Variety, Structure) Wir verfügen also über eine Vielzahl an Lebensmitteln (Volume, DWH) und wollen etwas daraus «schaffen» (Value, Big Data Potential) Sobald wir entschieden haben, was wir damit tun wollen, werden die einzelnen Bestandteile zu «Zutaten» (ie. einem Teil von Etwas) 14

15 BIG DATA «TORTE» Welche Zutaten stehen uns zur Verfügung? Wir betrachten die zur Verfügung stehenden Zutaten und entscheiden was wir gern daraus machen würden: Schwarzwälder Torte? Abgrenzung der relevanten Zutaten (Signal) von den überflüssigen Elementen (Noise) in Bezug auf das ausgewählte Gericht (Ziel) 15

16 BIG DATA «TORTE» Welche Zutaten stehen uns zur Verfügung? Wir betrachten die zur Verfügung stehenden Zutaten und entscheiden was wir gern daraus machen würden: Schwarzwälder Torte? Abgrenzung der relevanten Zutaten (Signal) von den überflüssigen Elementen (Noise) in Bezug auf das ausgewählte Gericht (Ziel) 16

17 BIG DATA «TORTE» Kombination der Zutaten zur Geschmacks( / Wert-)maximierung Säubern, Aufbereiten und Testen der Zutaten (Data Cleaning, Aufbereitung) Iterative Kombination der Zutaten (Data Analysis) Identifizierung des idealen, zukünftig verwendbaren Rezeptes ((predictive) Modelling, Algorithmus) Optimieren & Geniessen des Ergebnisses (Effizienzsteigerung, Reorganisation, ROI Maximierung ) Servieren und Feedback erhalten (Validation) 17

18 MULTIPLE DATENQUELLEN Gesundheitsdaten (Frequencies / Cases, (semi-)structured) Historical Data Gesetzgebung und Administration (unstructured, structured, text, video, audio ) Krimonalitätsdaten Weblogs (browsing behavior, structured) Verhaltens Daten (social media, pictures, unstructured) 18

19 MULTIPLE DATENQUELLEN Gesundheitsdaten (Frequencies / Cases, (semi-)structured) Open Data (unstructured, structured, text, video, audio ) Historical Data Gesetzgebung und Administration (unstructured, structured, text, video, audio ) Krimonalitätsdaten Weblogs (browsing behavior, structured) Social Media Daten (unstructured, text, pictures, video) Ökonomische Daten (structured, numbers) Verhaltens Daten (social media, pictures, unstructured) 19

20 MULTIPLE DATENQUELLEN Gesundheitsdaten (Frequencies / Cases, (semi-)structured) Open Data (unstructured, structured, text, video, audio ) Socio-Demographische Daten (structured) Historical Data Gesetzgebung und Administration (unstructured, structured, text, video, audio ) Krimonalitätsdaten Weblogs (browsing behavior, structured) Social Media Daten (unstructured, text, pictures, video) Einstellungsdaten (surveys, socialmedia) Ökonomische Daten (structured, numbers) Umweltdaten (structured, unstructued) Verhaltens Daten (social media, pictures, unstructured) 20

21 MULTIPLE DATENQUELLEN Gesundheitsdaten (Frequencies / Cases, (semi-)structured) Open Data (unstructured, structured, text, video, audio ) Socio-Demographische Daten (structured) Historical Data Gesetzgebung und Administration (unstructured, structured, text, video, audio ) Krimonalitätsdaten Weblogs (browsing behavior, structured) Social Media Daten (unstructured, text, pictures, video) Einstellungsdaten (surveys, socialmedia) Ökonomische Daten (structured, numbers) Umweltdaten (structured, unstructued) Verhaltens Daten (social media, pictures, unstructured) All Source Transformers & Connectors 21

22 KATEGORIEN VERFÜGBARER «OPEN DATA» Beispiele für Kategorien verfügbarer Daten: intern & extern Open Gov Data Politik Gesundheit Territorium und Umwelt Population Finanzen Bildung und Wissenschaft Administration Gesetzgebung Extern (Social Media, OSINT) 22

23 BIG DATA ANWENDUNGSBEREICHE ELCA s Dualer Big Data Ansatz Gesundheit Prävention, Erhaltung, Versicherungen Sicherheit Recht Forschung & Entwicklung Militär, Nachrichtendienste, Grenzüberwachung Kriminalität, Beobachtung, Steuerwesen («tax complicance»), Budgetierung Weltraum & Wissenschaft, Meteo, Medizin, Bildung, konkrete Forschungsthemen Effizienz & Effektivitätssteigerung / Ressourcen Optimierung Transport Luft, Land, Verkehrsmanagement Landschaft & Forstwirtschaft Gesellschaft Effektivitätssteigerung, Land, Boden Sozialprogramme, Bedarf, Kultur Konkrete Zielerreichung Städteplanung & - optimierung Smart Cities Energie Effizienz und Effektivitätssteigerung, Luft, Wind 23

24 ELCA S BIG DATA ANSATZ Konkrete Zielerreichung Reduktion von Verbrechen Verbesserung von Gesundheit und Behandlungsmöglichkeiten Sicherstellung hoher Lebensqualität Optimierung von Transport und Verkehrssituation Prädiktion von Krisen Identifizierung von sozialen Bedürfnissen auf Personenebene Steigerung der Varianzaufklärung in jeglichen Statistiken durch «multi source» data Effizienz & Effektivitätssteigerung Detektion und Prävention von Steuer-Fraud und unzulässiger Beanspruchung von Sozialleistungen Ressourcenoptimierung Prozessoptimierung Evaluation und Effektivitätsprüfung jeder «Zielerreichung» Identifikation / Analyse / Evaluation / Verständnis Modellierung / Prädiktion / Prävention / Steuerung 24

25 USECASE 1 Sicherheit & Forschung Analyse von unstrukturierten Textinformationen oder von Nachrichtenverkehr. Die Kombination aus unstrukturierte Textinformation (Open Source, s, Social Media ) mit ökonomischen und Bevölkerungs- & Personendaten ermöglicht die Prävention von (organisierten Verbrechen) und die Identifikation von kriminellen Aktivitäten und Netzwerken Analysemethoden ebenfalls einsetzbar für Biomedizin und Umweltforschung, Bildungswesen Prädiktion von Epidemien durch Social Media 25

26 USECASE 2 Wohnqualität, Städteoptimierung & Sicherheit Missbrauch von Abwasserkanälen durch Restaurants über Daten von verschiedenen Ämtern (Adressen von Restaurants, lizensierte Entsorgungsfirmen etc.) 26

27 USECASE 3 UN / Global Pulse Krisen werden in Echtzeit beobachtbar durch Kombination aus Daten zu Suchmaschinenanfragen Social Media Kriminalität Gesundheit Preise von Benzin, Lebensmitteln etc Die Organisation will damit auch zukünftige Entwicklungen wie Finanzkrisen oder Epidemien frühzeitig reagieren 27

28 USECASE 4 Transporting Chinese Government SAP und die Chinesische Regierung verwenden Big Data zur Optimierung von Verkehrsregelungen und zur Entwicklung einer integrierten Lösung zur Transportkommunikation. 28

29 AGENDA 1. Wieso brauchen wir «Big Data» im öffentlichen Bereich? 2. Anwendung von Big Data im öffentlichen Bereich 3. Demo 4. ELCA Analytics LABs 29

30 DEMONSTRATION Use Case: Predictive Analytics Kriterium: Steigerung der Sicherheit (z-wert: Effektivität; Senkung der Kriminalitätsrate in %) Prädiktor: (z-wert: Initiative; Investment in Sicherheitsinitiativen & Polizei ) Durch welche Variable(n) kann der Verlauf der Sicherheitssteigerung vorhergesagt werden? Inwiefern ändert sich die Steigerung der Sicherheit bei gezielter Einflussnahme auf das Investment in Sicherheitsinitiativen & Polizei? Sammlung von Daten aus verschiedenen Quellen z-transformation der metrischen Variablen Explorative Datenanalyse (EDA) Identifikation von Prädiktor & Kriterium Durchführung der Analyse 30

31 AGENDA 1. Wieso brauchen wir «Big Data» im öffentlichen Bereich? 2. Anwendung von Big Data im öffentlichen Bereich 3. Demo 4. ELCA Analytics LABs 31

32 BIG DATA IN DER ICT-LANDSCHAFT Das ICT-Quadrantenmodell Strategic High Potential Zukünftiger Erfolg der Organisation Systeme, von denen die Umsetzung der Geschäftsstrategie abhängt Systeme, die möglicherweise für den zukünftigen Erfolg wichtig sein werden Heutiger Erfolg der Organisation Systeme, von denen der Erfolg der Organisation heute abhängt Systeme, die wertvoll jedoch nicht kritisch sind für Erfolg Key Operational Grosser Beitrag zum Erfolg Support Weniger grosser Beitrag zum Erfolg 32

33 BIG DATA IN DER ICT-LANDSCHAFT Das ICT-Quadrantenmodell Strategic High Potential Zukünftiger Erfolg der Organisation Systeme, von denen die Umsetzung der Geschäftsstrategie abhängt Systeme, die möglicherweise für den zukünftigen Erfolg wichtig sein werden Heutiger Erfolg der Organisation Systeme, von denen der Erfolg der Organisation heute abhängt Systeme, die wertvoll jedoch nicht kritisch sind für Erfolg Key Operational Grosser Beitrag zum Erfolg Support Weniger grosser Beitrag zum Erfolg Lab 33

34 ELCA LAB Unser Vorgehen Scoping Use Cases für das LAB definieren und/oder schärfen Potentialanalyse Ressourcen Infrastruktur Team Daten Installation Hardware Tools Daten interpretieren Infrastruktur Analytische Tools, Experten-Team Findings / Output Studiendokumention Umsetzbare Anwendungsfälle Value Proposition pro Use Case Schätzung der Kosten (OPEX/CAPEX) und des finanziellen Mehrwerts pro Use Case Architekturvarianten Roadmap Grobanforderungen an das Projekt 29

35 POTENTIALANALYSE Bewertung der Big Data-Relevanz Use Case A Use Case B Use Case C Konventionell; Aktuelle Nutzung Big Data; Wenig realisierter Nutzen Volume Velocity Variety 35

36 FALLBEISPIEL: SBB Wie hat es mit Big Data angefangen? Vorstudie zur Identifizierung des Big Data Potentiales (2013) Verschiedene fachliche Gebiete mit hohem Potential Und wie geht es weiter? SBB hat ELCA ausgewählt Umsetzung von konkreten Use Cases, die den Mehrwert von Big Data Technologien und Methoden aufzeigen Erarbeitung eines Vorschlages zum Aufbau und zur Integration einer Big Data Plattform in der SBB IT Landschaft Identifikation der passenden Organisation und Definition der erforderlichen Prozesse für eine erfolgreiche Einführung von Big Data bei der SBB ELCA Lab = Pool of experts Boot camps + Infra. & Tools 36

37 FALLBEISPIEL: SBB Use Case: Fahrbahn Instandhaltung Squat 100 TB proprietäre Dateiformate Diagnosefahrzeug PROAKTIVES HANDELN MIT PROGNOSEFÄHIGKEIT. Messung Nachbearbeitung Datenpool Analyse Planung 37

38 FALLBEISPIEL: SBB Was ist der effektive Mehrwert von Big Data? 3.) Kosten-/Nutzen-optimiertes Roadmap ) Value proposition 2015 Agility, time-tomarket Central Data Mgmt & Governance Open platform, reusability New analytical possiblities Big Data Data exploration Increasing efficiency cost reduction Active archive 2.) 360 Big Data Konzept Organisation Strategy Services Outsourcing Roles Skills Mgmt Teams Platform Architecture Technologie Scenarios Integration EDW, Hana Processes Governance Data Mgmt DQ Privacy 38

39 ELCA LAB Modulierbar und in Hermes integrierbar Einsatzbereites Lab Business Cases Value proposition Kosten/Mehrwert Roadmap Lösungsvarianten 360 Grobkonzept Projekt- Initialisierungsauftrag Projektauftrag Phasenfreigabe Phasenfreigabe Betriebsaufnahme Projektabschluss Initialisierung Konzept Realisierung Einführung Betrieb Projekt gemäss HERMES 5 39

40 ELCA LAB Konkrete Zusammenstellung Big Data & Analytics Competence Center LAB Infrastruktur LAB Expert Force Infrastruktur Analyse-Tools 15+ Experten Skalierbare Hardware (modular TB disk packages) Öffentlich und privat Cloud Verwendung von bis zu zwei Tools Konkrete zielbasierte Toolauswahl Bereits eingesetzte Tools können verwendet werden Keine Verpflichtung die Tools zu kaufen Mehr als 15 Experten im Kernteam Data scientists, Statistiker, Mathematiker Zusätzliche Datenspezialisten Wissen über den öffentlichen Bereich, Daten und Big Data Trends Ohne grosse Investitionen Expertenwissen ab Tag 1 40

41 DATA ANALYTICS Multistrukturierte Daten Natural Language Processing (NLP) and Search Advanced search and monitoring Named entity recognition Key-phrase/topic extraction Sentiment analysis Speech recognition and understanding Question answering Automatic translation Web, Social Media, Communication Video / Audio Web, Social Media, Communication Text / String Documents, Log Files, Multiling Business data, frequencies, behavioral indicators, attitudinal, economic, Numeric Data nominal, ordinal, metric, absolute Advanced Statistics & mathematical Modeling Descriptive Modeling Predictive Modeling Inference Statistics K-means Clustering Classification trees Gnerealized linear model (GLM) Logistic regression Linear regression Residual diagnostics Fit statistics Visualisations Exploration Model assessment and comparison Model Scoring Clusteranalysis Discriminantanalysis Bayes Monto Carlo Simulations Discrete mathematical models 41

42 REFERENZARCHITEKTUR Überblick Analysen Standard Users Erweiterte Analysen Data Scientist Team In-Memory EDW / DWH (relationale DB) Data Lake (Hadoop) Realtime Streaming relationale Quellen Strukturübergreifende Quellen und externe Daten Impala 42

43 BIG DATA Take Away Lagerung CPU Tool Set Vorgehen Methoden Methodik Business know-how Management Techno Personen Statistiker Datenspezialisten Tool-Spezialisten 43

44 TIPP: SAS TEXT ANALYTICS 2h-Veranstaltung am in Wallisellen Neue Perspektiven im Kundendialog mit Text Analytics Swisscom zeigt auf, wie Text Mining in ihrem Unternehmen automatisiert umgesetzt wird SAS bringt Ihnen "Market Intelligence" mit Hilfe von Text Analytics näher ELCA präsentiert, wie Ihnen mit "Content Analytics" der Sprung vom Mythos zur Realität gelingt Mehr unter 44

45 Besten Dank. Kontakt Christian Nançoz Manager BI & Big Data Daniel Remmele Key Account Manager ELCA Informatique SA Lausanne Genève ELCA Informatik AG Zürich Bern ELCA 45