Kundenbindung optimieren mit Predictive Analytics und Text Mining

Größe: px
Ab Seite anzeigen:

Download "Kundenbindung optimieren mit Predictive Analytics und Text Mining"

Transkript

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

2 StatSoft Unternehmensprofil Hauptsitz in Tulsa, Oklahoma seit 30 Jahren erfolgreich am Markt, seit 25 Jahren in Deutschland in 30 Ländern vertreten Entwickler von STATISTICA: Software für Datenmanagement, Data Mining & Predictive Analytics Mehr als 1 Million STATISTICA-Anwender umfangreiche Dienstleistungen

3 STATISTICA Funktionalität Datenmanagement Interaktive Visualisierung Statistik Data Mining & Predictive Analytics Text & Image Mining

4 STATISTICA Funktionalität ETL-Prozesse und Analysen lassen sich in einem Workspace übersichtlich abbilden und automatisieren

5 STATISTICA Funktionalität Umfangreiche Möglichkeiten der Datenbereinigung und -aufbereitung, beispielsweise Dublettenprüfung Bereinigung von fehlenden Werten und Ausreißern Data Health Check liefert Übersicht der Datenqualität Transformieren, Umkodieren und Binning (WoE) Ableiten von Größen Diverse Text- und Datums-Operationen Join- und Aggregations-Funktionen

6 STATISTICA Funktionalität High Performance & Big Data hoch-performante Datenbank-Schnittstelle natives 64-Bit & Parallelverarbeitung In-place-Database & In-Memory-Processing Enterprise-Server-Plattform zentrales Verwalten von Benutzern, Zugriffsrechten, Datenabfragen, Analysen und Ergebnissen Auswertungen & Reporting, ad-hoc und automatisiert Monitoring & Dashboards Scheduling & Echtzeit-Scoring

7 Marktposition STATISTICA Rexer-Anwender-Studien zu Data Mining 2013 zum 4. Mal in Folge höchste Platzierung erreicht Anwender aus 75 Ländern berichten über ihre Analysetechniken/-Tools Rexer ist IBM/SPSS-Partner! Mayato-Experten-Studien zu Data Mining in allen 4 Studien Spitzenplatz erreicht Funktionstest auf Herz und Nieren mayato ist SAS-Silber-Partner!

8 Data Mining & Predictive Analytics Data Mining ist der Prozess, aus vorhandenen, meist großen Datenbeständen Wissen zu generieren, um Unternehmens- Entscheidungen zu optimieren Predictive Analytics zielt auf die Prognose künftiger Ereignisse

9 Data Mining & Predictive Analytics Typische Anwendungsszenarien Risiko-Prognosen Credit Scoring Aufdecken von Betrugsversuchen Beschwerde-Management Kündigeranalysen Kampagnen-Optimierung Cross-/Up-Selling Retention-Kampaganen

10 Data Mining & Predictive Analytics Gängige Methoden Baumbasierte Verfahren CART & CHAID Boosted Trees Random Forest Maschinelles Lernen Neuronale Netze Support Vector Machines Naive Bayes Assoziationsregeln mit Sequenzen Feature Selection Clusterverfahren k-means EM

11 Text Mining Text Mining bezeichnet das Aufdecken von Bedeutungsstrukturen in gering strukturierten oder unstrukturierten Textdaten mit linguistischen und Data-Mining-Verfahren In einem ersten Schritt werden Textdaten strukturiert, um sie anschließend mit Data-Mining-Verfahren auszuwerten

12 Text Mining Die Herausforderung Die Textmengen, welche heutzutage in Unternehmen anfallen, können kaum alle gelesen, geprüft, interpretiert oder kategorisiert werden Eine einfache Stichwortsuche wäre zu banal Semantische Ansätze sind bisher nicht ausgereift oder bei großen Datenmengen nicht performant genug

13 Text Mining Lösungsansatz Text in eine Tabellenstruktur überführen und mit hochperformanten Data-Mining- Methoden auswerten Optional inklusive Extraktion von Bedeutungs- - Komponenten (Latent Semantic Indexing)

14 Text Mining Nutzen Text Mining verbessert in vielen Fällen die Prognosegüte von Modellen deutlich

15 Text Mining Anwendungsfelder im CRM Automatische Klassifikation von Kunden-Korrespondenz Beschwerde-Management (Churn Prediction) Betrugserkennung (Fraud Detection) Social Media Analyses Marktforschung, Kundenbefragungen (Sentiment Analysis)

16 Text Mining Beispiele unstrukturierter Text-Informationen Kundenkorrespondenz (Kundenbeschwerden etc.) Erhebungen mit offenen Fragen Produktbesprechungen Beispiele zu Textquellen CRM-Systeme s Formulare, Kommentarfelder Webseiten, Internetforen Twitter

17 Text Mining Typische Szenarien Exploration und Mustererkennung Welche Begriffe stehen in welcher Beziehung zueinander? Beispiel Produktimage: Welche Eigenschaften sind mit bestimmten Automarken verbunden? Fahrgefühl Getriebe ADAC Acura BMW sportlich Kilometer toll

18 Text Mining Typische Szenarien Stimmungsanalyse (Sentiment Analysis) Auslesen positiv und negativ besetzter Begriffe und ggf. von Emoticons anhand vordefinierter Listen, in denen Wörtern Scores zugeordnet sind Die Einzel-Scores werden zu einem Gesamt- Index verrechnet Index nach Nielsen Scores zwischen 5 (extrem negativ) und +5 (extrem positiv) Index = Summe Einzel-Scores / Wurzel aus Wortzahl Beispiel Das Produkt ist fantastisch [+4], der Service aber enttäuschend [ 3]. Summe Einzel-Scores: 4 3 = +1; Wortzahl = 8 Index = 1 / 8 = 0,35

19 Text Mining Typische Szenarien Automatisierte Prognosen Was sagen Wort-Kombinationen und ggf. weitere, strukturierte Informationen über eine interessierende Größe aus? Beispiel Beschwerde-Management: Woran erkenne ich zeitnah besonders unzufriedene Kunden??

20 Praxis-Beispiel mit STATISTICA Use Case: Telekommunikations-Anbieter möchte Kunden mit hohem Abwanderungs-Risiko rechtzeitig identifizieren 1) Predicitve Analyics (ohne Text Mining) Prognose des Kündigungsrisikos auf Basis von Kundenstamm- und Verbindungs-Daten 2) + Sentiment-Analyse berücksichtigt zusätzlich positiv bzw. negativ besetzten Keywords aus einer Kundenumfrage 3) + Latent Semantic Indexing berücksichtigt zusätzlich aus den Freitexten der Umfrage extrahierte Bedeutungskomponenten

21 Praxis-Beispiel mit STATISTICA Die Datenbasis Kundenstamm Verbindungen Umfrage

22 Praxis-Beispiel mit STATISTICA 1) Kündigerprognose mit Predictive Analytics (ohne Text Mining)

23 Praxis-Beispiel mit STATISTICA 1) Kündigerprognose mit Predictive Analytics (ohne Text Mining)

24 Praxis-Beispiel mit STATISTICA 2) Kündigerprognose mit Predictive Analytics und Sentiment Analyse

25 Praxis-Beispiel mit STATISTICA 2) Kündigerprognose mit Predictive Analytics und Sentiment Analyse

26 Praxis-Beispiel mit STATISTICA 3) Kündigerprognose mit Predictive Analytics, Sentiment Analyse und Latent Semantic Indexing

27 Praxis-Beispiel mit STATISTICA 3) Kündigerprognose mit Predictive Analytics, Sentiment Analyse und Latent Semantic Indexing

28 Praxis-Beispiel mit STATISTICA Die 3 Analyseszenarien im Vergleich Fazit: Die Kombination aus Predictive Analytics, Sentiment Analyse und Latent Semantic Indexing erkennt Kündigerrisiken am besten!

29 Praxis-Beispiel mit STATISTICA Automatisierte Prognosen als Schedule-Task auf dem Server Abfrage aktueller Datenbank-Daten inkl. ETL Anwenden von Text Mining, Sentiment Scoring und Prognosemodell Schreiben der Kündiger-Wahrscheinlichkeiten in die Datenbank

30 Dr. Thilo Eichenberg Senior Analyst StatSoft (Europe) GmbH Fon: (0) Vielen Dank für die Aufmerksamkeit StatSoft (Europe) GmbH 2014 Dr. Thilo Eichenberg

31 Besuchen Sie uns auf dem BARC CRM-Forum Halle 6 Stand A18 StatSoft (Europe) GmbH 2014 Dr. Thilo Eichenberg

Qualitätsberichte im MS Word-Format

Qualitätsberichte im MS Word-Format Qualitätsberichte im MS Word-Format StatSoft GmbH und STATISTICA 9.1 auf dem Forum der Control 2010 www.statsoft.de StatSoft (Europe) GmbH 2010 Michael Busch Inhalt StatSoft STATISTICA Anwendungen in der

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

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

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

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

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)

Mehr

Einladung zu den IBM SPSS Data und Text Mining Tagen. Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining

Einladung zu den IBM SPSS Data und Text Mining Tagen. Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining Einladung zu den IBM SPSS Data und Text Mining Tagen Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining Lassen Sie Daten und Texte für sich arbeiten mit Smarter Analytics

Mehr

Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG. 2013 IBM Corporation

Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG. 2013 IBM Corporation Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG 2013 IBM Corporation Agenda Data Science made in Switzerland Case Study 1: Social Media

Mehr

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

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

Mehr

Überblick. Seite 2 von 5

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

Mehr

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

Rainer Klapper QS solutions GmbH

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

Mehr

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende

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

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

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

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

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

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen!

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! CC NOW 2013-19.9.13 in Düsseldorf Klaus-J. Zschaage authensis AG stellen Sie sich vor Seite 2 stellen Sie sich vor was ist dafür zu tun? Seite 3 Geschäftsoptimierung

Mehr

Treffsichere Absatzprognosen durch Predictive Analytics

Treffsichere Absatzprognosen durch Predictive Analytics Treffsichere Absatzprognosen durch Predictive Analytics Prof. Dr. Michael Feindt, Karlsruhe Institute of Technology KIT Chief Scientific Advisor, Phi-T GmbH und Blue Yonder GmbH & Co KG 3. Europäischer

Mehr

Proseminar - Data Mining

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

Mehr

Wertvolle Textdaten erschließen mittels Text Mining

Wertvolle Textdaten erschließen mittels Text Mining IBM SPSS Data und Text Mining Tage 2013 Frankfurt Düsseldorf München Hamburg - Berlin Wertvolle Textdaten erschließen mittels Text Mining Jens Barthelmes Predictive Text Analytics Solution Architect 2013

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

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

CENIT Betrugsmanagement Analyse von natürlichsprachlichen Texten. Roman Mnich, Abteilungsleiter ECM, Zürich, 25.11.2014

CENIT Betrugsmanagement Analyse von natürlichsprachlichen Texten. Roman Mnich, Abteilungsleiter ECM, Zürich, 25.11.2014 CENIT Betrugsmanagement Analyse von natürlichsprachlichen Texten Roman Mnich, Abteilungsleiter ECM, Zürich, 25.11.2014 Wo liegt ihr Wissen? Die letzten Jahre haben wir geholfen, Daten zu archivieren und

Mehr

Vertriebssteuerung & Kundenmanagement bei Finanzinstituten. 1. Dezember 2010, Frankfurt am Main

Vertriebssteuerung & Kundenmanagement bei Finanzinstituten. 1. Dezember 2010, Frankfurt am Main Vertriebssteuerung & Kundenmanagement bei Finanzinstituten 1. Dezember 2010, Frankfurt am Main Erweitern Sie Ihre Analyse auch um unstrukturierte Daten: mehr Einblicke, bessere Entscheidungen! Unsere Agenda

Mehr

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

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

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

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

PR SAM. Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies

PR SAM. Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Intelligentes Instandhaltungsmanagement (4.0) Kein ungeplanter Stillstand durch rechtzeitige Wartung bei Nennbetrieb Intelligente,

Mehr

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,

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

Wissen intelligent suchen & schneller nutzen. Semantic Enterprise Search & Information Discovery

Wissen intelligent suchen & schneller nutzen. Semantic Enterprise Search & Information Discovery Wissen intelligent suchen & schneller nutzen Semantic Enterprise Search & Information Discovery CID GmbH CID Consulting GmbH Pattern Science AG 200 Mitarbeiter 1997 gegründet 4 Standorte Hauptsitz in Freigericht,

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner Agenda Universitätsrechenzentrum Heidelberg Data Mining SAS Mining Challenge Einführung in 14. November 2003 Hussein Waly URZ Heidelberg Hussein.Waly@urz.uni-heidelberg.de SAS Mining Challenge Generelle

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

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

ERP und CRM LIEBE oder doch eine ZWECKEHE. Mario Knezovic Senior Consultant nasdo AG. Benutzerfreundlichkeit vs. Funktionalität

ERP und CRM LIEBE oder doch eine ZWECKEHE. Mario Knezovic Senior Consultant nasdo AG. Benutzerfreundlichkeit vs. Funktionalität ERP und CRM LIEBE oder doch eine ZWECKEHE Mario Knezovic Senior Consultant nasdo AG Benutzerfreundlichkeit vs. Funktionalität So funktioniert Zusammenarbeit: Integration von CRM CRM-Griff ins ERP: Systemübergreifende

Mehr

Grenzen überschreiten Intelligente Suche im Input Management

Grenzen überschreiten Intelligente Suche im Input Management Grenzen überschreiten Intelligente Suche im Input Management Carsten Fuchs Lead Consultant / TPO XBOUND ReadSoft AG Carsten.Fuchs@ReadSoft.com #InspireEU15 Agenda Integration überschreitet Grenzen Anwendungsfälle

Mehr

Datenbanken-Themen im OS "Data Mining" SS 2010

Datenbanken-Themen im OS Data Mining SS 2010 Prof. Dr.-Ing. Thomas Kudraß HTWK Leipzig, FIMN Datenbanken-Themen im OS "Data Mining" SS 2010 Die Vorträge sollten eine Dauer von 60 Minuten (Einzelvortrag) bzw. 45 Minuten (Doppelvortrag) haben. Nachfolgend

Mehr

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

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

Mehr

Big Data zur B2B-Vertriebsunterstützung

Big Data zur B2B-Vertriebsunterstützung Big Data zur B2B-Vertriebsunterstützung Dr. Andreas Schäfer, Implisense GmbH Stephan Kreutzer, Cisco Systems GmbH Big Data Summit am 26. März 2014 in Hanau Big Data Smart Business 21.03.2014 Thema Produktivität

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

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014 SQL PASS Treffen RG KA Überblick Microsoft Power BI Tools Stefan Kirner Karlsruhe, 27.05.2014 Agenda Die wichtigsten Neuerungen in SQL 2012 und Power BI http://office.microsoft.com/en-us/office365-sharepoint-online-enterprise-help/power-bi-for-office-365-overview-andlearning-ha104103581.aspx

Mehr

Visual Business Analytics Visueller Zugang zu Big Data

Visual Business Analytics Visueller Zugang zu Big Data Visual Business Analytics Visueller Zugang zu Big Data Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax:

Mehr

Big Data & High-Performance Analytics: Anwendungsszenarien

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

Mehr

Social Business Intelligence Text Mining und Hadoop bei DB Fernverkehr AG

Social Business Intelligence Text Mining und Hadoop bei DB Fernverkehr AG Social Business Intelligence Text Mining und Hadoop bei DB Fernverkehr AG DB Fernverkehr AG Dr.-Ing. Axel Schulz, Dr. Matthias Platho P.FMB 2, DB Fernverkehr AG Frankfurt, 22.05.2015 Motivation An meinem

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 Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

MS SQL Server 2012 (4)

MS SQL Server 2012 (4) MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql

Mehr

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014 Martin Böhn, Head of CRM, Senior Analyst CRM in der heutigen Praxis: Kampf Vor-Ort- Termine Prospekte, Beispiele

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm Open Source BI Trends 11. Dezember 2009 Wien Konstantin Böhm Profil Folie 2 JAX 2009 11.12.2009 Gründung 2002, Nürnberg 50 Mitarbeiter Innovative Kunden Spezialisiert auf Open Source Integration Open Source

Mehr

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

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

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

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

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst Durchblick im Self-Service-Dschungel Hannover, 16.03.2015 Patrick Keller, Senior Analyst Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software

Mehr

Self Service BI mit Office 2013 Raúl B. Heiduk

Self Service BI mit Office 2013 Raúl B. Heiduk 1 Self Service BI mit Office 2013 Raúl B. Heiduk Partner: 2 Agenda Begrüssung Vorstellung Referent Inhalt F&A Weiterführende Kurse 3 Vorstellung Referent Name: Raúl B. Heiduk Ausbildung: Dipl. Ing. (FH),

Mehr

Open Source Data Mining Meets Business - Rapid-I beim Open Source Meets Business Kongress 2008 in Nürnberg

Open Source Data Mining Meets Business - Rapid-I beim Open Source Meets Business Kongress 2008 in Nürnberg Open Source Data Mining Meets Business - Rapid-I beim Open Source Meets Business Kongress 2008 in Nürnberg Datum: 17.12.2007 09:41 Kategorie: IT, New Media & Software Pressemitteilung von: Rapid-I Rapid-I

Mehr

Marketing mit Facebook & Co.

Marketing mit Facebook & Co. Internetmarketing für Unternehmer Marketing mit Facebook & Co. Internetmarketing für Unternehmen eine Überlebensfrage! www.hogeluecht-werbeberatung.de 1 Ein paar Worte zu mir: Meine Name ist Holger Hogelücht.

Mehr

Der Markt für Analysewerkzeuge & -verfahren. CeBIT, 16.03.2016 Larissa Seidler, Senior Analyst Business Intelligence

Der Markt für Analysewerkzeuge & -verfahren. CeBIT, 16.03.2016 Larissa Seidler, Senior Analyst Business Intelligence Der Markt für Analysewerkzeuge & -verfahren CeBIT, 16.03.2016 Larissa Seidler, Senior Analyst Business Intelligence 16.03.2016 BARC 2016 2 BARC: Expertise für datengetriebene Unternehmen 16.03.2016 BARC

Mehr

Planung und Performance Management Basis für Steuerungs- und Kontrollaktivitäten in Unternehmen

Planung und Performance Management Basis für Steuerungs- und Kontrollaktivitäten in Unternehmen Planung und Performance Management Basis für Steuerungs- und Kontrollaktivitäten in Unternehmen CeBIT, 19. März 2015 Dr. Christian Fuchs Head of Research Business Intelligence & Data Management Senior

Mehr

Herzlich Willkommen zur IT - Messe

Herzlich Willkommen zur IT - Messe Herzlich Willkommen zur IT - Messe» Automatisiert zu Windows 7 wechseln «Udo Schüpphaus (Vertrieb) baramundi software AG IT einfach clever managen 2011 www.baramundi.de IT einfach clever managen baramundi

Mehr

Verwandeln Sie Rohdaten in Wissens-Werte

Verwandeln Sie Rohdaten in Wissens-Werte D A T A M I N E R Verwandeln Sie Rohdaten in Wissens-Werte Intuitive Automatisierung von Performante Analyse auch Benutzerführung Standardaufgaben sehr großer Datenmengen Günstige Total Lizenzmodelle für

Mehr

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

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

Mehr

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28. PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt

Mehr

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere

Mehr

Digitale Analyse: Erfolgsmessung in digitalen Medien

Digitale Analyse: Erfolgsmessung in digitalen Medien Internet für Existenzgründer: Digitale Analyse: Erfolgsmessung in digitalen Medien IHK Bonn/Rhein-Sieg, 8. September 2015 Internet für Existenzgründer Digitale Analyse: Erfolgsmessung in digitalen Medien

Mehr

SAS TEXT ANALYTICS EVENT

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

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

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

Dominik Pretzsch TU Chemnitz 2011

Dominik Pretzsch TU Chemnitz 2011 Dominik Pretzsch TU Chemnitz 2011 Wir leben im Informationszeitalter und merken es daran, dass wir uns vor Information nicht mehr retten können. Nicht der überwältigende Nutzen der Information, sondern

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

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche

Mehr

SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH

SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH GERHARD SVOLBA COMPETENCE CENTER ANALYTICS WIEN, 17. NOVEMBER 2015 SAS CONTEXTUAL ANALYSIS 14.1 EIN BLICK IN DIE PRODUKTBESCHREIBUNG

Mehr

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr.

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr. Mining the Web Analyse von Benutzerpfaden und Nutzertypen im Internet Dr. Frank Säuberlich Business Unit CRM Solutions SAS Deutschland Agenda 1. Einleitung: Der Lebenszyklus eines e-kunden Begriffsdefinition

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

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

R-Akademie Kursangebot November 2012

R-Akademie Kursangebot November 2012 Kooperationspartner der R-Akademie Kursangebot November 2012 Was ist R? R ist eine Open Source Programmiersprache zur statistischen Datenanalyse und -visualisierung. Mittlerweile hat sich R, neben den

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

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

Fallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data

Fallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data Fallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data Institut für Finanz- und Aktuarwissenschaften Lise-Meitner-Str. 14 89081 Ulm Oktober 2015 www.ifa-ulm.de Einführung Mit

Mehr

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

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

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Was gibt es Neues in der BI Welt

Was gibt es Neues in der BI Welt BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Was gibt es Neues in der BI Welt Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. Juni 2015 CubeServ BI-Kongress 2015

Mehr

Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen?

Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen? Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen? Ihr Ansprechpartner bei EITCO Johannes Schabel Head of Business Unit BI Fon +49 (228) 33 88

Mehr

Data Mining Studie. Schwerpunkt. Praxistest & Benchmarking 2012. Prognosemodelle im Kundenbindungsmanagement

Data Mining Studie. Schwerpunkt. Praxistest & Benchmarking 2012. Prognosemodelle im Kundenbindungsmanagement Data Mining Studie Praxistest & Benchmarking 2012 Schwerpunkt Prognosemodelle im Kundenbindungsmanagement März 2012 mayato GmbH Alle Rechte vorbehalten. Analystenteam Peter Neckel (Lead Analyst) Peter

Mehr

EXASOL Anwendertreffen 2012

EXASOL Anwendertreffen 2012 EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2

Mehr

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

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

Mehr

Präsentation idh logging Framework ILF

Präsentation idh logging Framework ILF Präsentation idh logging Framework ILF Roger Zimmermann Consulting Informatik Projektleiter FA Tel +41 52 366 39 01 Mobile +41 79 932 18 96 roger.zimmermann@idh.ch www.idh.ch IDH GmbH Lauchefeld 31 CH-9548

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

Mehr

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. Schritt für Schritt in das automatisierte Rechenzentrum Converged Management Michael Dornheim Mein Profil Regional Blade Server Category Manager Einführung Marktentnahme Marktreife Bitte hier eigenes Foto

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

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

Behavioral Targeting und selbstlernende Kampagnen. Aktuelle Herausforderungen für Data Mining. Dr. Alexander K. Seewald

Behavioral Targeting und selbstlernende Kampagnen. Aktuelle Herausforderungen für Data Mining. Dr. Alexander K. Seewald Behavioral Targeting und selbstlernende Kampagnen Aktuelle Herausforderungen für Data Mining Dr. Alexander K. Seewald Behavioral Targeting Kognitive Neurowissenschaften Verhalten aussagekräftiger als Erklärung

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

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

Proseminar - Data Mining

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

Mehr