Advanced Analytics in dynamischen Märkten. tdwi München,

Größe: px
Ab Seite anzeigen:

Download "Advanced Analytics in dynamischen Märkten. tdwi München, 18.6.2013"

Transkript

1 Advanced Analytics in dynamischen Märkten tdwi München,

2 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 2

3 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 3

4 Mehr als 15 Jahre Leadership in E-Commerce Full-Service-Lösungen NETRADA Fakten GLOBAL REACH ROW-Shops für 156 Länder Mitarbeiter weltweit 80 Online-Shops für 30 Marken in ~25 Ländern in 15 Sprachen NORD- AMERIKA EUROPA RUSSLAND ca qm Lagerfläche (EU + USA + Asien) Bis zu Sendungen/Tag CHINA ~70 Millionen verschickte Artikel im Jahr Jährlich ~2,2 Mrd. EUR Auftragsvolumen NETRADA Globale Referenzen (Beispiele) EUROPA North America 4

5 Netrada: E-Commerce in den Bereichen Fashion, Beauty und Lifestyle Konzeptionelle Erstberatung, Planungsprozess & fortlaufende Kundenbetreuung ONLINE-SHOP DATA IMPLEMENTATION DIGITAL IMAGING PERFORMANCE MANAGEMENT CONTENT MANAGEMENT LOGISTICS CUSTOMER SERVICE FINANCIAL SERVICES 360 -Reporting durch die gesamte Wertschöpfungskette Performance Management: Echtzeitanalyse und Optimierung Implementation Operation Permanente Weiterentwicklung Vollständige Integration SOA-basierte Middleware Fashion Studios In-house Post Production Shop Optimierung Merchandising Strategie Marketing Strategie Produktbezogen Nichtproduktbezogen Lagerhaltung Versand Retourenverarbeitung Telefonie Risiko-& Zahlungs- Mgmt. NETRADA bietet sämtliche Bausteine der ecommerce Prozesskette an als eine End-to-End Lösung oder als efulfillment Services 5

6 Mandantenerfolg und Kostenmanagement sind kritisch für die Profitabilität Versandkapazität pro Tag Mandanten- Umsätze Interne Kosten 120,000* Internationale Expansion 5,050 9,400 17,500 25,500 40,000 65,000 80,000 Neue Mandanten Wachstum Bestands- Mandanten Anzahl Aufträge Durchschnittlicher Auftragswert Retouren- Minimierung Kundenbindung Logistik- Optimierung SLA-Einhaltung Fraud Prevention Inkasso- Vermeidung Customer Service Automation * Gesamtzahl für Europa und USA seit

7 BI-Unterstützung für die Erfolgsfaktoren unserer Mandanten Netrada verfügt als Europas größter Fashion-E-Commerce-Dienstleister über die umfassendste Sammlung von Kundendaten in der Branche. Schnelle Lieferung Marke Sortiment SHOP- ERFOLG Preis Service (Online-) Marketing 7

8 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 8

9 Zuverlässige Informationsversorgung auf Basis eines mandantenfähigen Data Warehouse Das etablierte DWH ist Basis für die stabile und standardisierte Versorgung der Fachabteilungen mit qualitätsgesicherten Daten. Prescriptive Analytics What should we do? (Decision Support) Predictive Analytics What will happen? (Data Mining, Forecasting) Historische und Auftragsdaten für 28 Mandanten in Near-Realtime Standardisiertes sowie mandantenspezifisches Reporting Retrospektive Ad-Hoc-Analysen für interne Mitarbeiter und Mandanten Diagnostic Analytics Why did it happen? (Statistical Analysis, OLAP) Descriptive Analytics What is happening? (Monitoring) What happened? (Reporting) A B C Vergangenheit Heute Vergangenheit Heute Zukunft Zukunft 9

10 Unterstützung geschäftskritischer Entscheidungsprozesse mit flexiblen Analysen auf Basis von Big Data Eine agile Architektur ist Grundvoraussetzung für die Anpassungsfähigkeit des DWH an ein volatiles Geschäftsumfeld. Prescriptive Analytics What should we do? (Decision Support) Predictive Analytics What will happen? (Data Mining, Forecasting) A C B Vergangenheit Heute Vergangenheit Heute Zukunft Zukunft Diagnostic Analytics Why did it happen? (Statistical Analysis) Descriptive Analytics What is happening? (Monitoring) Prognose auf Basis großvolumiger und polystrukturierter Daten Unterstützung operativer, taktischer und strategischer Entscheidungen Freie Analyse ad-hoc bereitgestellter Daten Modellbildung in Fachbereichen What happened? (Reporting) 10

11 Im E-Commerce übernimmt der Shop die Rolle des Einzelhändlers Ein guter Einzelhändler kennt seine Kunden Er weiß, was sie mögen und was nicht Er kennt Gewohnheiten und Lebensumstände Er empfiehlt Produkte auf Basis von Erfahrung Er gibt Kaufanreize durch Rabatte u.ä. Daten über den Kunden und Kaufhistorien ersetzen im Webshop das Wissen des Einzelhändlers Die Nutzung der Daten und Modelle muss in Realtime erfolgen (nicht die Modellgenerierung!) Das Web und soziale Netze ermöglichen Zusatzinformationen auf Basis von Feedback anderer Kunden Klassische Versandhändler haben diese Prinzipien bisher weniger gut umgesetzt als neue E- Commerce-Unternehmen 11

12 Advanced Analytics verleiht im E-Commerce dem Gesichtslosen Kunden Eigenschaften Fraud Prevention Retourenvermeidung Shop- Personalisierung (Online) Marketing Management ANWENDUNGSFELDER ADVANCED ANALYTICS Churn Prevention Förderung erwünschten Kundenverhaltens. Reduzierung von Risiken. Sanktionierung von unerwünschtem Verhalten. 12

13 Die Evolution der Marketing-Philosophie Customer lifetime value (CLV)-basierte Strategien Maximierung des Saldos der einem Kunden zurechenbaren Wertflüsse Ausrichtung auf Kundenservice und langfristiger Kundenzufriedenheit Voraussetzung sind leistungsfähige BI- und CRM-Systeme Einige Unternehmen beginnen mit CLV-basierten Marketing-Strategien Cost per order(cpo)-basierte Strategien Greifen nur, wenn eine Bestellung eingeht Maximieren den den kurzfristigen ROI einzelner Kampagnen Grundlage und bekannteste Kennzahl des Performance Marketing Budget-basierte Strategien Basieren auf Marketingzielen, Strategien und Plänen Traditionelles Marketing-Management-Werkzeug Marketing gilt als Kostenfaktor statt Performance-Treiber 13

14 Anwendungsbeispiel: Churn Prevention Ziel: Langfristige Bindung profitabler Kunden Problemstellungen: Prescriptive Analytics What should be offered to each customer class to retain at optimal revenue levels? Predictive Analytics Who is likely to churn in the future? Entscheidung über adäquate Interventionsstrategie bei Abwanderungsgefahr Früherkennung Kundenabwanderung Kundenwertbestimmung Customer Lifecycle-Analyse Diagnostic Analytics Who, why and when are they leaving? Identifikation von Anzeichen für drohende Kundenabwanderung Descriptive Analytics How many customers are churning? Geschäftsentwicklung Kundensegmente Profitable Bestandskunden Churn 14

15 Anwendungsbeispiel: Churn Prevention Verhinderung der Kundenabwanderung ist wesentlich günstiger als Neukundenakquise Längere Dauer von aktiven Geschäftsbeziehungen steigert Profitabilität Cross-und Up-SellingPotenzial durch Kundenkontakt Konzentration der Ressourcen auf abwanderungsgefährdete werthaltige Kundengruppen Herausforderungen Rechtzeitige Erkennung abwanderungsgefährdeter Kunden Keine schlafenden Hunde wecken Nutzen der ChurnPreventionAktivitäten muss Kosten übersteigen Chancen 15

16 Kenne Deine Kunden! Kundensegmentierung Grundvoraussetzung für zielgerichtetes CRM Ziele: Kriterium 2 Hoch Niedrig Segment 4 Segment D 3 B A C Segment 1 Segment 2 Niedrig Hoch Kriterium 1 Identifikation vorhandener oder fehlender Kunden(ziel)gruppen zur Ausrichtung der Marketingund CRM-Prozesse. Bewertung der Kundensegmente und Ableitung einer Marktstrategie auf Basis der Werterwartungen je Kundengruppe. Orientierung der Service-Angebote an den speziellen Bedürfnissen der höherwertigen Kunden(gruppen). Optimale Verteilung der verfügbaren Ressourcen auf Kunden entsprechend der antizipierten Kundenwerte. Planmäßige Steuerung des Kundenmixes durch aktives Halten bestehender und Neu-Akquise hochwertiger Kunden. 16

17 Kundensegmentierung zur zielgerichteten Kundenansprache Soziodemografische Kriterien Alter Schulbildung P Psychografische Kriterien Interessen Kaufabsichten P Profitabilitätsorientierte Kriterien Umsatz Retouren P Geografische Kriterien SEGMENTIERUNGSKRITERIEN Verhaltensorientierte Kriterien Region Preisklasse Stadtgröße Kaufhäufigkeit P P Kunden eines Segments sollten möglichst homogen sein Kunden verschiedener Segmente sollten möglichst heterogen sein Identifizierung von Segmentierungskriterien mit hoher Signifikanz 17

18 Kundensegmentierung Geschäftsverständnis Bestimmung Data Mining Ziele Bestimmung Geschäftsziel Situationsbewertung Projektplanung Grundvoraussetzung für eine nachhaltige Umsatzentwicklung ist eine stabile Bestandskundenbasis mit Cross- und Up-Selling- Potentialen. Dementsprechend gilt es, Kundenabwanderungen nach Möglichkeit mit geeigneten Mitteln zu verhindern. Zur Unterstützung der Churn Prevention sollen Kundencluster entsprechend dem Kundenwert und Kaufverhalten definiert werden. 18

19 Kundensegmentierung Datenverständnis Text Datensammlung Datenbeschreibung Datenexploration Verifizierung Datenqualität Alle für diesen Anwendungsfall relevanten Datenbestände liegen qualitätsgesichert und dokumentiert im Netrada- EDWH vor. Customer identification 19

20 Kundensegmentierung Datenvorbereitung Datenauswahl Datensäuberung Datenmodellierung Datenintegration Datenformatierung Alle relevanten Datenbestände liegen in Data Marts qualitätsgesichert und im CognosFramework fachlich modelliert vor oder können abgeleitet werden. Quantitativ Umsatz(Gesamtumsatz, Umsatz abzüglich Retouren, AOV, Kauf von Sonderangeboten, Absatzmenge aufgrund anderer Preisreduzierungen) Kosten (Retourenmenge und -Höhe) Kaufhäufigkeit (Bestellmenge, Kundentyp (Kaufhäufigkeit in den letzten 6 Monate) Qualitativ Kundenloyalität(Login Status) Allgemein Name, Adresse,Alter, Geschlecht, Sprache, Grund für evtl. Sperre 20

21 Kundensegmentierung Für die Segmentierung der Kunden wurde das k- MeansClusterverfahren eingesetzt. Bei diesem Verfahren werden Gruppen gebildet, die a priori noch nicht bekannt sind (nichtüberwachtes Verfahren). Für die Segmentierung wurden die verschiedenen Clusterverfahren getestet und bewertet. Hierbei wurde geprüft, ob sich die verschiedenen Cluster ausreichend voneinander abgrenzen lassen. Modellierung Generierung Testdesign Auswahl Modellierungstechnik Modellerstellung Modellverbrobung 21

22 Kundensegmentierung Cluster 1 Cluster 2 Cluster 3 Cluster 4 Gewicht Bewert. Score Bewert. Score Bewert. Score Bewert. Score AOV Retouren Kundentyp Umsatz Bestellhäufigkeit Kauf von reduzierter Ware Gesamt Bewertung Ergebnisbewertung Prozessbewertung Bestimmung nächster Schritte Im Rahmen der Kundenanalyse wurden in einem ersten Schritt 4 eindeutige Segmente als Basis für die Ausarbeitung optimaler Interventionsstrategien definiert. 22

23 Kundensegmentierung nach Bestellverhalten Durchschnittlicher Auftragswert Hoch Niedrig D Attention needed C A Underperformer Niedrig High Value Customers High Frequency Customers Hoch Bestellhäufigkeit B A: Hochwertige Neukunden 36 % sind Neukunden, die ebenfalls einen hohen AOV und eine besonders geringe Retourenquotebesitzen und häufig bei Prozentrabatten bestellen. B: Hochwertige Bestandskunden 16 % der Kunden bestellen regelmäßigen, besitzen den höchsten AOV und bestellen wenig bei Rabattaktionen C: Abwanderungsgefährdete, hochwertige Bestandskunden 45 % sind Kunden, die in den letzten 6 Monaten nicht mehr bestellt haben, aber einen hohen AOV besitzen und wenig retourniert haben. D: Underperformer 4 % der Kunden haben ebenfalls in den letzten 6 Monaten nichts bestellt, besitzen aber nur einen niedrigen AOV und eine hohe Retourenquote. Besonders auffällig ist, dass durchschnittlich jede zweite Bestellung aus einer Rabattaktion resultiert. 23

24 Analyse der Gründe für ausbleibende Kundenbestellungen Unternehmen Kunden Wettbewerber Abwanderungsgrund Hohe Preise Zahlungserinnerungen Produkt- und Serviceleistungen Geänderter Produktfokus Saisonale Gründe Konsumzurückhaltung Unzufriedenheit mit Lieferbereitschaft Mitbewerber Vorhersagezeitraum: 2 Monate blaue Linie: Werte rote Linie: Umsatzentwicklung Umsatzprognose starker Zuwachs für die nächsten 2 Monate erwartet 24

25 Kundensegmentierung Produktivsetzung Planung Produktivsetzung Erstellung finaler Bericht Planung Überwachung Projektreview 25

26 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 26

27 Beteiligte Rollen an analytischen Prozessen Descriptive Analytics Diagnostic Analytics Predictive Analytics Prescriptive Analytics Enable Produce Consume Technical Specialist Aufbau des DWH und Erstellung von Analyseartefakten, semantischem Layer und Berichten Information Consumer Power User Konsumiert Informationen und Analysen und wendet diese in Geschäftsprozessen an. Hebung existierender Informationen und Generierung neuer Erkenntnisse. Data Scientist Empfänger / Nutzer von Handlungsempfehlungen Recommendation recipient Erstellung analytischer Modelle mittels Advanced Analytics zur Schaffung neuer Erkenntnisse Solution Architect Bereitstellung einer Informationsinfrastruktur die Analysen in operative Geschäftsprozesse integriert Data Sources Quelle: Gartner 27

28 Zur Hebung der Versprechungen von AdvancedAnalyticsbedarf es einer BI-Organisation die verschiedenartige Expertisen integriert. Insufficient data quality No generally accepted BI strategy in place Internal BI competencies insufficient Very complex BI landscape P Top Challenges 38% 33% 24% 23% 21% Häufige Herausforderung ist fehlende interne Expertise Steigender Expertise- Bedarf Recipients of standard reports Consumers of dynamic standard reports Information Analyst Professional report authors Specialists for BI Methods Data Scientist 11% 13% 6% 10% 16% 19% 41% 39% 30% 38% Today In future 0% 20% 40% 60% Signifikante Nachfrage nach Data Scientists BÜNDELUNG RARER EXPERTISE IN BI-CC Vielfältiger Expertise- Mix 28

29 Das agile Projektvorgehen(SCRUM) unterstütztideal die iterative Modellentwicklung und Operationalisierung(CRISP-DM) BI-CC Data Scientist / Business Analyst Data Scientist Data Scientist Data Scientist Data Scientist SCRUM Team Functional Departments Product Owner Product Owner Product Owner Product Owner Product Owner CRISP-DM Business Understanding Data Understanding Data Preparation Modeling Evaluation Deployment SCRUM Pre-Sprint n: Story Preparation Concept Sprint n: Modeling (Analytical Sandbox) Sprint n+1: Deployment to Production 29

30 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 30

31 Der Einsatz von Advanced Analytics stellt die klassischen BI- Paradigmen in Frage Flexible Ausgabeformate Schnelle Einbindung neuer Datenquellen Großer Freiheitsgrade der Anwender Schnelle Reaktion auf veränderte Anforderungen und Rahmenbedingungen Analytical Agility Analytische Agilität Descriptive Reporting Data Discovery Diagnostic Dashboard Predictive/ Prescriptive Predictive Modelling OLAP Analytic Apps Systems of differentiation Systems of innovation Quelle: Gartner Analytical Consistency Systems of record Integationsgrad(Information, Prozesse) Zuverlässige Informationsdistribution Konstant hohe Datenqualität Effizienz in Wartung und Betrieb Hoher Wiederverwendungsgrad für Daten und Funktionen durch Standardisierung Hoher Grad an Prozessintegration analytischer Informationen 31

32 Analytical Ecosystem of the Future Workflow Management Consuming Operational Systems Packaged Solutions Desktop Desktop In-Memory Sandbox BI-Portal (Intranet) Content Management BI-Portal (Extranet) Analytic Lab Workspace Access Control &Security Environment Management Standard- Reporting Dashboard Ad-hoc- Reporting Multidimensional Analysis Advanced Analysis Planning Simulation Discovery Consolid. / FSR Multitemperature Data Management Archiving Data Hub BI Engine BI Engine BI Engine Business Rules Management Manual Correction Masterdata Management Metadata Management Data Quality Management Environment Mgnt. Presentation Layer BI Functionality Virtualization Data Processing Data Storage Business Rules Engine Calculatioulation Calc- Calc- Engines Engines Operational Data Store (ODS) Data Data Mart Mart Mart Data Data Data Mart (OLAP) Mart Mart Data Warehouse (DWH) Data Warehouse (DWH) Data Warehouse (DWH) Data Acquisition Layer Pre-processing Analytic Environment Data Data Data Mart (virtual) Mart Mart Corporate Memory Operational Systems (e.g. ERP, SCM, CRM) late binding Sandbox Data Data (virtual) Mart Mart Data Mart (indepen Data Data Mart Mart dent) Machine & Sensor Data Sandbox Data Data Mart Mart ETL/ ELT Event Services Business Rules Event Hub (Cache) Event Processing External Data Analytic Lab Administration Analysis Frameworks Distributed Processing Load Utilities Distributed Database Distributed File System Poly-structured Data 32

33 Die bei Netradaeingesetzte Architektur und die verwendeten Werkzeuge im Überblick Consuming Operational Systems BI-Portal (Intranet) BI-Portal (Extranet) Desktop IBM SPSS Modeler Analytic Lab Workspace Dashboard IBM Cognos BI Standard- Reporting IBM Cognos BI Ad-hoc- Reporting IBM Cognos BI Planning IBM Cognos TM1 Advanced Analysis (Data Mining) IBM SPSS Modeler Server BI Engine IBM Cognos BI Data Mart Microsoft Data Data Mart SQL MartServer Sandbox Data MS Data SQL Mart Mart Server Data Warehouse (DWH) Microsoft SQL Server Data Warehouse (DWH) Data Warehouse (DWH) Operational Data Store MS SQL Server Data Acquisition Layer Microsoft SQL Server ETL Informatica Powercenter Order Data Internal, structured Customer Data Internal, structured Webtracking Data External, XML External Data 33

34 In jeder Phase des CRISP-DM Prozesses kommen spezifische Komponenten zu Anwendung Datenaufbereitung Modellbildung Modellbewertung Desktop IBM SPSS Modeler Advanced Analysis (Data Mining) IBM SPSS Modeler Server BI Engine IBM Cognos BI Data Mart Microsoft Data Data Mart SQL MartServer Sandbox Data Data Mart Mart Presentation Layer BI Functionality Web Service Data Processing Data Storage Data Warehouse (DWH) Microsoft SQL Server Data Warehouse (DWH) Data Warehouse (DWH) Data Acquisition Layer Microsoft SQL Server Corporate Memory Source Data ETL Informatica Powercenter 34

35 Die bei Netradaeingesetzte Architektur und die verwendeten Werkzeuge im Überblick Modell und Ergebnisbereitstellung Consuming Operational Systems Desktop IBM SPSS Modeler Advanced Analysis (Realtime) IBM SPSS Colaboration & Deployment Service Advanced Analysis (Data Mining) IBM SPSS Modeler Server BI Engine IBM Cognos BI Data Mart Microsoft Data Data Mart SQL MartServer Presentation Layer BI Functionality Web Service Data Processing Data Storage Data Warehouse (DWH) Microsoft SQL Server Data Warehouse (DWH) Data Warehouse (DWH) Data Acquisition Layer Microsoft SQL Server Source Data Operational Data Store (ODS) ETL Informatica Powercenter 35

36 Agenda 1. Netrada E-Commerce Full Service Provider 2. Advanced Analytics-Anwendungsfelder bei Netrada 3. Organisatorischer Rahmen 4. netradar-architektur 5. Zusammenfassung 36

37 Zusammenfassung Starten Sie mit dem Anwendungsfall und nicht mit der Technik! Identifizieren Sie die richtigen Fragen! Welche Entscheidungen müssen unterstützt werden? Wie können Risiken reduziert werden? Weisen Sie frühzeitig den Mehrwert analytischer Informationen nach! Welche Quick-Wins können gehoben werden? Wo kann mit geringem Einsatz eine größtmögliche Hebelwirkung erzielt werden? Welche Daten sind relevant und welche sind vorhanden? Weniger ist unter Umständen mehr! Stellen Sie Transparenz über die Herleitung von Analyseergebnissen her um Akzeptanz zu gewinnen. Analytics ist ein andauernder Prozess von Verbesserung und Lernen. 37

38 Advanced Analytics in dynamischen Märkten Man sollte alles so einfach wie möglich machen, aber nicht einfacher! Albert Einstein Silvio Bergmann Director Business Intelligence Strategy Management NETRADA Europe GmbH Leverkusenstr Hamburg Fon Fax Mobile Volker Oßendoth Principal Consultant Enterprise Information Management Mobile: AG Derendorfer Allee 33, Düsseldorf Tel.:

39 Steria global and in Germany Steria Group (2012) 1.83 Mrd. revenue 20,000 employees Steria Mummert Consulting (2012) 244Mio. revenue 1,740 employees Off-/Nearshore in India, Easteurope and Morocco Austria Belgium Denmark Germany France Presence in Europe Hong Kong India Luxembourg Presence in Asia Morocco Norway Poland Singapore Sweden Switzerland UK Off-/Nearshore in India, Easteurope and Morocco Presence in Europe Presence in Germany and Austria... Berlin Cologne Dusseldorf Frankfurt Hamburg Presence Leipzig in Asia Munich Münster Vienna is the Business Transformation Partner helping its clients leverage innovation and productivity to deliver improvement in the alignment and performance of business processes and IT. 39

40 Understanding your challenges Business Intelligence has many facets that build on each other and interact on each other Analytical applications and effective usage of information in business processes Production and use of trustworthy data Customized systems using innovative technology for flexible architectures Organisational structures for an efficient provision of information Information as a strategic asset to your company 40

41 Why Steria? STERIA SUPPORTS ITS CLIENTS ALONG THE ENTIRE BUSINESS TRANSFORMATION PROCESS STARTING FROM MANAGEMENT AND PROCESS CONSULTING TO SYSTEMS INTEGRATION TO OPERATION SERVICES AND BUSINESS PROCESS OUTSOURCING. Steriaunderstands the needs of their customers and pursue them as our objectives. We keep focused turning the challenges of our clients into success stories. Steria is the partner for the entire BI Program of our clients for transforming the As-Is BI landscape with the help of our proven assets and methodologies step by step in a sustainable Analytical Ecosystem of the future. Steria is big enough for the biggest assignments, but small enough to act cooperatively and with a personal touch. Steria has more than 400 BI skilled Consultents and IT specialist in 16 countries Based on strong industrial expertise and technological excellence Steria delivers tailor-made solutions for all core processes of a modern company and ensures that its customers are always one step ahead in competition. Steria is the preferred supplier of BI services for leading companies across diverse sectors, including Deutsche Bank in financial services or Volkswagen in the automotive industry 41

MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA

MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA Erweiterung klassischer BI-Architekturen um neue Big--Technologien und Use Cases, 16:15-16:35 Uhr Dr. Carsten Dittmar / Peter Schulz Delivering

Mehr

BOARD Deutschland GmbH

BOARD Deutschland GmbH BOARD Deutschland GmbH Roger Schymik Senior PreSales Consultant BOARD Deutschland GmbH Better decisions. Better business. Der Wendepunkt WETTBEWERBSFÄHIGKEIT BI & CPM WENDEPUNKT Entscheidungs -effektivität

Mehr

EMEA Leader in Connecting Business & Technology

EMEA Leader in Connecting Business & Technology EMEA Leader in Connecting Business & Technology 15 years of International Expansion Information and Communication Technology 0.5 billion turnover NORWAY Long-term annual growth (>25%) UNITED KINGDOM DENMARK

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

Company Profile Computacenter

Company Profile Computacenter Company Profile Computacenter COMPUTACENTER AG & CO. OHG 2014 Computacenter an Overview Computacenter is Europe s leading independent provider of IT infrastructure services, enabling users and their business.

Mehr

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Beratung Business Analytics Software Entwicklung Datenmanagement AGENDA Der Kreislauf für die Betrugserkennung

Mehr

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

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

Mehr

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

Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben

Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben Jürgen Boiselle, Managing Partner 16. März 2015 Agenda Guten Tag, mein Name ist Teradata Wozu Analytics

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

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

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik

Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik Dr. Martin Hebach, Cebit 2015 Senior Solution Architect mhebach@informatica.com Abstract Für Business Intelligence Aufgaben

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

Dr.Siegmund Priglinger Informatica Österreich. 27.02.2007 spriglinger@informatica.com

Dr.Siegmund Priglinger Informatica Österreich. 27.02.2007 spriglinger@informatica.com Governance als Teil der IT Governance Dr.Siegmund Priglinger Informatica Österreich 27.02.2007 spriglinger@informatica.com 1 Agenda Informatica im Überblick Die Trends der Datenintegration versus der Haarschopf

Mehr

GESCHÄFTSZAHLEN SCHMACKHAFT ZUBEREITET Franke Kitchen Systems erhöht mit IBM Cognos die Flexibilität bei der Analyse von SAP-Daten

GESCHÄFTSZAHLEN SCHMACKHAFT ZUBEREITET Franke Kitchen Systems erhöht mit IBM Cognos die Flexibilität bei der Analyse von SAP-Daten GESCHÄFTSZAHLEN SCHMACKHAFT ZUBEREITET Franke Kitchen Systems erhöht mit IBM Cognos die Flexibilität bei der Analyse von SAP-Daten Thomas Ehret, Franke Kitchen Systems Group (Aarburg, Schweiz), email:

Mehr

ITIL V3 zwischen Anspruch und Realität

ITIL V3 zwischen Anspruch und Realität ITIL V3 zwischen Anspruch und Realität Christian Lotz, Dipl.-Inform. Med. certified IT Service Manager & ISO 20000 Consultant 9. März 2009 IT-Service Management ISO 20000, ITIL Best Practices, Service

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

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OSC Smart Integration GmbH SAP Business One GOLD-Partner in Norddeutschland GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 SAP Business One v.9.0 Heiko Szendeleit AGENDA OSC-SI 2013 / SAP Business One

Mehr

Exkursion zu Capgemini Application Services Custom Solution Development. Ankündigung für Februar 2013 Niederlassung Stuttgart

Exkursion zu Capgemini Application Services Custom Solution Development. Ankündigung für Februar 2013 Niederlassung Stuttgart Exkursion zu Capgemini Application Services Custom Solution Development Ankündigung für Februar 2013 Niederlassung Stuttgart Ein Nachmittag bei Capgemini in Stuttgart Fachvorträge und Diskussionen rund

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

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

Willkommen Zur MICROSOFT DYNAMICS CRM Online-Demo

Willkommen Zur MICROSOFT DYNAMICS CRM Online-Demo Willkommen Zur MICROSOFT DYNAMICS CRM Online-Demo Donnerstag, 16. Juni 2011 Microsoft Dynamics CRM As A Business Plattform Höhe Integration und Kompatibilität mit anderen Microsoft Produktportfolio Microsoft

Mehr

LOG AND SECURITY INTELLIGENCE PLATFORM

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

Mehr

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

Business Intelligence. Bereit für bessere Entscheidungen

Business Intelligence. Bereit für bessere Entscheidungen Business Intelligence Bereit für bessere Entscheidungen Business Intelligence Besserer Einblick in Geschäftsabläufe Business Intelligence ist die Integration von Strategien, Prozessen und Technologien,

Mehr

IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence?

IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence? Das IBM Leistungsversprechen zum Führungsinformationssystems IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence?

Mehr

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed Industrialisierung, Agilität und Compliance die Rolle von Performance Management

Mehr

ibpm - intelligent Business Process Management: WWW.AXONIVY.COM

ibpm - intelligent Business Process Management: WWW.AXONIVY.COM ibpm - intelligent Business Process Management: ein neues Zeitalter bricht an. Peter Wiedmann 14.11.2014 WWW.AXONIVY.COM AGENDA 2 Vorstellung und Einführung Produktvorstellung ibpm die neue Dimension Anwendungsszenario

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue Strategien und Innovationen im Umfeld von Kundenprozessen Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:

Mehr

BI@T-Mobile: Enabling Closed-Loop Capabilities

BI@T-Mobile: Enabling Closed-Loop Capabilities BI@T-Mobile: Enabling Closed-Loop Oracle Terabyte, Heinz Sandermann Business Intelligence, TMD Barbara Jansen BI Framework & Data Architecture, TMD Die Geschäftsfelder der Deutschen Telekom at home on

Mehr

Customer Intelligence. Die 360 - Sicht auf den Kunden

Customer Intelligence. Die 360 - Sicht auf den Kunden Customer Intelligence Die 360 - Sicht auf den Kunden Customer Intelligence unterstützt Versicherungen bei der Steuerung ihres Kundenportfolios. Der Wettbewerb um die Versicherungskunden wird härter und

Mehr

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13 Service Design Dirk Hemmerden - Appseleration GmbH An increasing number of customers is tied in a mobile eco-system Hardware Advertising Software Devices Operating System Apps and App Stores Payment and

Mehr

Raus aus der Bl-Falle

Raus aus der Bl-Falle Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur

Mehr

Wege zur Integration In und mit der Cloud. Wolfgang Schmidt Vorstand Cloud-EcoSystem. 2014 W.Schmidt, X-INTEGRATE

Wege zur Integration In und mit der Cloud. Wolfgang Schmidt Vorstand Cloud-EcoSystem. 2014 W.Schmidt, X-INTEGRATE Wege zur Integration In und mit der Cloud Wolfgang Schmidt Vorstand Cloud-EcoSystem Wie viele Cloud Integrationstechnologien braucht man? Antworten auf den 150+ Folien Quelle: Forrester Report: How Many

Mehr

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

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

Mehr

Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis

Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis E-Gov Fokus Geschäftsprozesse und SOA 31. August 2007 Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis Der Vortrag zeigt anhand von Fallbeispielen auf, wie sich SOA durch die Kombination

Mehr

AVL The Thrill of Solutions. Paul Blijham, Wien, 04.07.2005

AVL The Thrill of Solutions. Paul Blijham, Wien, 04.07.2005 AVL The Thrill of Solutions Paul Blijham, Wien, 04.07.2005 The Automotive Market and its Importance 58 million vehicles are produced each year worldwide 700 million vehicles are registered on the road

Mehr

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

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

Mehr

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

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH What is a GEVER??? Office Strategy OXBA How we used SharePoint Geschäft Verwaltung Case Management Manage Dossiers Create and Manage Activities

Mehr

Case Study: Zeitungen zustellen mit Oracle Maps und Oracle Apex

Case Study: Zeitungen zustellen mit Oracle Maps und Oracle Apex Case Study: Zeitungen zustellen mit Oracle Maps und Oracle Apex DOAG SIG-Spatial-Day, Essen 4 nov 2009 Bertram Hof, principal BI consultant Logica, Netherlands Logica 2009. All rights reserved Agenda Intro

Mehr

INTERXION Rechenzentrum & Cloud. Volker Ludwig Sales Director

INTERXION Rechenzentrum & Cloud. Volker Ludwig Sales Director INTERXION Rechenzentrum & Cloud Volker Ludwig Sales Director AGENDA Kurzvorstellung Interxion Evolution der Rechenzentren bis heute Hybrid Cloud ein Blick in die Zukunft 2 AUF EINEN BLICK FÜHRENDER EUROPÄISCHER

Mehr

THE NEW ERA. nugg.ad ist ein Unternehmen von Deutsche Post DHL

THE NEW ERA. nugg.ad ist ein Unternehmen von Deutsche Post DHL nugg.ad EUROPE S AUDIENCE EXPERTS. THE NEW ERA THE NEW ERA BIG DATA DEFINITION WHAT ABOUT MARKETING WHAT ABOUT MARKETING 91% of senior corporate marketers believe that successful brands use customer data

Mehr

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

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

Christian Lotz, Dipl.-Inform. Med. certified IT Service Manager (ITIL) & ISO 20000 Consultant. 13. Januar 2011

Christian Lotz, Dipl.-Inform. Med. certified IT Service Manager (ITIL) & ISO 20000 Consultant. 13. Januar 2011 ITIL V3 zwischen Anspruch und Realität Christian Lotz, Dipl.-Inform. Med. certified IT Service Manager (ITIL) & ISO 20000 Consultant 13. Januar 2011 IT Service Management ISO 20000, ITIL, Process Modelling,

Mehr

26. November 2014 HERZLICH WILLKOMMEN! SAP & Camelot Supplier Management Forum. Walldorf, SAP Guesthouse Kalipeh. From Innovations to Solutions.

26. November 2014 HERZLICH WILLKOMMEN! SAP & Camelot Supplier Management Forum. Walldorf, SAP Guesthouse Kalipeh. From Innovations to Solutions. 26. November 2014 HERZLICH WILLKOMMEN! SAP & Camelot Supplier Management Forum Walldorf, SAP Guesthouse Kalipeh From Innovations to Solutions. Agenda SAP & Camelot Supplier Management Forum Lieferantenmanagement

Mehr

HIR Method & Tools for Fit Gap analysis

HIR Method & Tools for Fit Gap analysis HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes

Mehr

Vorhersagetechniken für zukünftiges Verhalten von Kunden

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

Mehr

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

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

Mehr

Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012

Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012 Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012 In vielen Unternehmensbereichen sind mobile Prozesse gewünscht. Immer mehr neue Anforderungen

Mehr

Cloud Architektur Workshop

Cloud Architektur Workshop Cloud Architektur Workshop Ein Angebot von IBM Software Services for Cloud & Smarter Infrastructure Agenda 1. Überblick Cloud Architektur Workshop 2. In 12 Schritten bis zur Cloud 3. Workshop Vorgehensmodell

Mehr

Beschwerdemanagement / Complaint Management

Beschwerdemanagement / Complaint Management Beschwerdemanagement / Complaint Management Structure: 1. Basics 2. Requirements for the implementation 3. Strategic possibilities 4. Direct Complaint Management processes 5. Indirect Complaint Management

Mehr

SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013

SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013 SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013 SAS INSTITUTE EIN UNTERNEHMEN IN ZAHLEN SAS is the first company to call when you need to solve

Mehr

1 + 1 = mehr als 2! Geschwindigkeit, Transparenz und Sicherheit

1 + 1 = mehr als 2! Geschwindigkeit, Transparenz und Sicherheit Seite 1 objective partner 1 + 1 = mehr als 2! Sicherheit Effiziente Prozesse mit SAP Seite 2 objective partner AG Gründung: 1995 Mitarbeiterzahl: 52 Hauptsitz: Weinheim an der Bergstraße Niederlassungen:

Mehr

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition BI für Jedermann Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition Wolfgang Rütter Bereichsleiter Informationssysteme OPITZ CONSULTING Gummersbach GmbH 1 Warum BI für Jedermann? 1. Historie

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

Managed Self Service BI Vorgehensweise mit ODI und OBI

Managed Self Service BI Vorgehensweise mit ODI und OBI Managed Self Service BI Vorgehensweise mit ODI und OBI Michael Klose DOAG BI - München 23. April 2015 CGI Group Inc. Referent: Michael Klose Manager BI Architektur & Strategie, CGI Deutschland Ltd. & Co.

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

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

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

Mehr

Lizenzmanagement auf Basis DBA Feature Usage Statistics?

Lizenzmanagement auf Basis DBA Feature Usage Statistics? Lizenzmanagement auf Basis DBA Feature Usage Statistics? Kersten Penni, Oracle Deutschland B.V. & Co. KG Düsseldorf Schlüsselworte Oracle License Management Services (LMS), Lizenzen, Lizenzierung, Nutzungserfassung,

Mehr

Leistungssteuerung beim BASPO

Leistungssteuerung beim BASPO Leistungssteuerung beim BASPO Organisationsstruktur Advellence die Gruppe. Advellence Consulting Advellence Solutions Advellence Products Advellence Services HR-Migrator & albislex powered byadvellence

Mehr

Matthias Schorer 14 Mai 2013

Matthias Schorer 14 Mai 2013 Die Cloud ist hier was nun? Matthias Schorer 14 Mai 2013 EuroCloud Deutschland Conference 2013 Matthias Schorer Accelerate Advisory Services Leader, CEMEA 29.05.13 2 29.05.13 3 The 1960s Source: http://www.kaeferblog.com/vw-bus-t2-flower-power-hippie-in-esprit-werbung

Mehr

MatchPoint. Wirtschaftlichkeit von SharePoint Plattformen optimieren

MatchPoint. Wirtschaftlichkeit von SharePoint Plattformen optimieren MatchPoint Wirtschaftlichkeit von SharePoint Plattformen optimieren MatchPoint at a Glance Build Solutions in Less Time Provide a Better User Experience Maintain Your Platform at Lower Cost 2 MatchPoint

Mehr

Junisphere Systems AG 23.11.2010. Aligning Business with Technology. One step ahead of Business Service Management. Intelligentes ITSM

Junisphere Systems AG 23.11.2010. Aligning Business with Technology. One step ahead of Business Service Management. Intelligentes ITSM Aligning Business with Technology One step ahead of Business Service Management Intelligentes ITSM Agenda Junisphere s Lösung Use cases aus der Praxis Zentrale Informatik Basel-Stadt ETH Zürich Ausblick

Mehr

Oracle Business Process Analysis Suite. Gert Schüßler Principal Sales Consultant

<Insert Picture Here> Oracle Business Process Analysis Suite. Gert Schüßler Principal Sales Consultant Oracle Business Process Analysis Suite Gert Schüßler Principal Sales Consultant 1 Geschäftsprozesse Zerlegung am Beispiel Kreditvergabe Antrag aufnehmen Antrag erfassen Schufa Kunden

Mehr

PMI Munich Chapter 21.04.2008

PMI Munich Chapter 21.04.2008 Projektmanagement im Rahmen einer IT-Infrastruktur- Standardisierung mit internationalen Teams Christoph Felix PMP, Principal Project Manager, Microsoft Deutschland PMI Munich Chapter 21.04.2008 Agenda

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

Der LeadershipCompass Das richtige Identity Provisioning für ihr Unternehmen

Der LeadershipCompass Das richtige Identity Provisioning für ihr Unternehmen KuppingerCole Der LeadershipCompass Das richtige Identity Provisioning für ihr Unternehmen Martin Kuppinger Founder and Principal Analyst KuppingerCole mk@kuppingercole.com Identity und Access Management

Mehr

SAP mit Microsoft SharePoint / Office

SAP mit Microsoft SharePoint / Office SAP mit Microsoft SharePoint / Office Customer Holger Bruchelt, SAP SE 3. Mai 2016 Disclaimer Die in diesem Dokument enthaltenen Informationen können ohne vorherige Ankündigung geändert werden. Dieses

Mehr

Human Capital Management

Human Capital Management Human Capital Management Peter Simeonoff Nikolaus Schmidt Markt- und Technologiefaktoren, die Qualifikation der Mitarbeiter sowie regulatorische Auflagen erfordern die Veränderung von Unternehmen. Herausforderungen

Mehr

Management Cockpits. Business Intelligence für Entscheider. Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH

Management Cockpits. Business Intelligence für Entscheider. Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH Management Cockpits Business Intelligence für Entscheider Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH email: oliver.roeniger@oracle.com Tel.: 0211 / 74839-588 DOAG, Mannheim, 15.

Mehr

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

Mehr

Management Information System SuperX status quo and perspectives

Management Information System SuperX status quo and perspectives Management Information System SuperX status quo and perspectives 1 Agenda 1. Business Intelligence: Basics 2. SuperX: Data Warehouse for Universities 3. Joolap: OLAP for Universities 4. Cooperative reporting

Mehr

Integration mit Service Repositories zur SOA Governance

Integration mit Service Repositories zur SOA Governance Integration mit Service Repositories zur SOA Governance Nürnberg, 10.11.2009 I N H A L T 1. SOA Governance 2. Service Repository 3. Modelle und Service Repository 4. Modell-Driven SOA I N H A L T 1. SOA

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

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

>> PERFORMANCE MANAGEMENT & CONTROLLING

>> PERFORMANCE MANAGEMENT & CONTROLLING A S C E NTION I N F O RMATION M A N A G E M E NT >> PERFORMANCE MANAGEMENT & CONTROLLING 04.10.2010 ascention.com 1 Facts INTERNATIONALE STANDORTE >> Wien (A) >> Friedrichshafen (D) >> St. Gallen (CH)

Mehr

Ein frischer Blick auf existierende Prozesse

Ein frischer Blick auf existierende Prozesse Seite 1 objective partner Ein frischer Blick auf existierende Prozesse Seite 2 objective partner Agenda Einblick und Transparenz in und über ihre Geschäftsprozesse Kosten senken und Daten- und Prozessqualität

Mehr

Michael Bauer Niederlassungsleiter Köln

Michael Bauer Niederlassungsleiter Köln Click to edit Master title style 1 Michael Bauer Niederlassungsleiter Köln Hamburg, 18. Juni 2009 2009 IBM Corporation Agenda Click to edit Master title style 2 zur Person Wo, Warum.., Was - CPM liefert

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

Neuer Antrieb für BI Konsolidierung 03. Feb 2010

Neuer Antrieb für BI Konsolidierung 03. Feb 2010 Neuer Antrieb für BI Konsolidierung 03. Feb 2010 Stefan Meyer, Vice President Deutsche Bank AG Neuer Antrieb für BI Konsolidierung Seite 2 Agenda 1 Mission für den Entscheidungsprozess 2 Typisches BI-Application

Mehr

PAC IT-Services-Preisdatenbank 2015. Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister

PAC IT-Services-Preisdatenbank 2015. Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister Die PAC IT-Services-Preisdatenbank im Überblick 15.000 Referenzpreise ausgewertet über 6 Dimensionen

Mehr

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan 2011 Agenda Was ist arcplan Edge? Komponenten von arcplan Edge arcplan Edge Roadmap Live Demo arcplan

Mehr

Release Management und Automatisierung in der Praxis

Release Management und Automatisierung in der Praxis Release Management und Automatisierung in der Praxis Jürgen Decker, 15.06.2012 Director Business Development Warum Application Release Management? + Zunehmende Komplexität von Anwendungen und Infrastruktur

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

SPSS Cognos Positionierung. April 2010. Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation

SPSS Cognos Positionierung. April 2010. Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation SPSS Cognos Positionierung April 2010 Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation 2010 IBM Corporation Agenda 1. SPSS Positionierung 2. SPSS & Cognos

Mehr

SOA im Zeitalter von Industrie 4.0

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

Mehr

IT-Beratung: Vom Geschäftsprozess zur IT-Lösung

IT-Beratung: Vom Geschäftsprozess zur IT-Lösung Ralf Heib Senior Vice-President Geschäftsleitung DACH IT-Beratung: Vom Geschäftsprozess zur IT-Lösung www.ids-scheer.com Wofür steht IDS Scheer? Wir machen unsere Kunden in ihrem Geschäft erfolgreicher.

Mehr

Die wichtigsten Zahlen und Fakten über unser Unternehmen.

Die wichtigsten Zahlen und Fakten über unser Unternehmen. Die wichtigsten Zahlen und Fakten über unser Unternehmen. Unternehmenspräsentation, 2015 CGI Group Inc. Ihr Partner weltweit: Das Unternehmen CGI Erstklassige Business- und IT-Beratung Service für über

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Big Data im Bereich Information Security

Big Data im Bereich Information Security Der IT-Sicherheitsverband. TeleTrusT-interner Workshop Bochum, 27./28.06.2013 Big Data im Bereich Information Security Axel Daum RSA The Security Division of EMC Agenda Ausgangslage Die Angreifer kommen

Mehr

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions Vom OLAP-Tool zur einheitlichen BPM Lösung BI orientiert sich am Business

Mehr

Sitecore und Lionbridge:

Sitecore und Lionbridge: Sitecore und Lionbridge: Mehrsprachige Seiteninhalte durch effiziente Prozesse, Technologien und Ressourcen im Griff Bert Esselink, Lionbridge Jens Schüll, Uponor Agenda Lionbridge & Sitecore The Solution

Mehr

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics Vorstellung IBM Cognos 10.2 Oliver Linder Client Technical Professional Business Analytics Agenda IBM Cognos 10.2 Architektur User Interfaces IBM Cognos Workspace IBM Cognos Workspace Advanced IBM Cognos

Mehr

Faktenbasiert entscheiden auf Knopfdruck: Mythos oder Realität?

Faktenbasiert entscheiden auf Knopfdruck: Mythos oder Realität? Faktenbasiert entscheiden auf Knopfdruck: Mythos oder Realität? CommonSense Dr. Andreas Becks Senior Business Architect CoE Information Management & Analytics DACH SAS Institute Copyr i g ht 2012, SAS

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr