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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Datenintegration mit Informatica PowerCenter

Datenintegration mit Informatica PowerCenter Datenintegration mit Informatica PowerCenter Mein Weg vom Studenten zum Consultant Christoph Arnold 03.07.2013 1 Agenda Von der THM zu Infomotion Datenschieberei oder doch mehr? Die weite Welt von Informatica

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services COGNOS PERFORMANCE MANAGEMENT Jörg Fuchslueger, COGNOS Austria Manager Professional Services Agenda Cognos Performance Management Unternehmensweites Berichtswesen AdHoc Analysen Überwachung und Steuerung

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

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

Mehr

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

WIE SIE MIT MULTI-KANALSTRATEGIEN KUNDEN-MEHRWERT SCHAFFEN

WIE SIE MIT MULTI-KANALSTRATEGIEN KUNDEN-MEHRWERT SCHAFFEN WIE SIE MIT MULTI-KANALSTRATEGIEN KUNDEN-MEHRWERT SCHAFFEN Robert Schumacher Customer Intelligence Solution Manager SAS Institute AG, Schweiz AGENDA WIE SIE MIT MULTI-KANALSTRATEGIEN KUNDEN-MEHRWERT SCHAFFEN

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

Wie agil kann Business Analyse sein?

Wie agil kann Business Analyse sein? Wie agil kann Business Analyse sein? Chapter Meeting Michael Leber 2012-01-24 ANECON Software Design und Beratung G.m.b.H. Alser Str. 4/Hof 1 A-1090 Wien Tel.: +43 1 409 58 90 www.anecon.com office@anecon.com

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

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

Business Intelligence Competence Center. Business Analytics 2010 IBM Corporation

Business Intelligence Competence Center. Business Analytics 2010 IBM Corporation Business Intelligence Competence Center Business Analytics Agenda Was ist Cognos und das neue Paradigma im BI Collaboration Demo BICC - Grundlagen und Definitionen Rahmen des BICC und Vorgehensmodell zur

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

A central repository for gridded data in the MeteoSwiss Data Warehouse

A central repository for gridded data in the MeteoSwiss Data Warehouse A central repository for gridded data in the MeteoSwiss Data Warehouse, Zürich M2: Data Rescue management, quality and homogenization September 16th, 2010 Data Coordination, MeteoSwiss 1 Agenda Short introduction

Mehr

Social Business Erfolgsmessung

Social Business Erfolgsmessung Social Business Erfolgsmessung Praxisbericht aus dem Social Business Projekt bei der Robert Bosch GmbH 8.10.2013, Cordula Proefrock (Robert Bosch GmbH), Dr. Christoph Tempich (inovex GmbH) 1 The Bosch

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

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

Exercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1

Exercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1 Exercise (Part II) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All

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

PRODATIS CONSULTING AG. Folie 1

PRODATIS CONSULTING AG. Folie 1 Folie 1 Führend im Gartner Magic Quadranten für verteilte, interagierende SOA Projekte Oracle ist weltweit auf Rang 1 auf dem Markt der Enterprise Service Bus Suiten (ESB) für SOA Software 2010 26,3 %

Mehr

PRESS RELEASE. Kundenspezifische Lichtlösungen von MENTOR

PRESS RELEASE. Kundenspezifische Lichtlösungen von MENTOR Kundenspezifische Lichtlösungen von MENTOR Mit Licht Mehrwert schaffen. Immer mehr Designer, Entwicklungsingenieure und Produktverantwortliche erkennen das Potential innovativer Lichtkonzepte für ihre

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

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung 1 Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung Wiesbaden 06.11.2013 Ralph Giebel Business Development Mrg Public Sektor EMC Deutschland GmbH ralph.giebel@emc.com 2 Agenda 1) Herausforderungen

Mehr

Introduction Classified Ad Models Capital Markets Day Berlin, December 10, 2014. Dr Andreas Wiele, President Marketing and Classified Ad Models

Introduction Classified Ad Models Capital Markets Day Berlin, December 10, 2014. Dr Andreas Wiele, President Marketing and Classified Ad Models Capital Markets Day Berlin, December 10, 2014 Dr Andreas Wiele, President Marketing and Classified Ad Models Axel Springer s transformation to digital along core areas of expertise 3 Zimmer mit Haus im

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

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

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise A Company of Prof. Dr. Bernhard Humm OOP 2006 sd&m Developer Day München, 18. Januar 2006 sd&m AG, 18.1.2006, Seite 1 Anwendungslandschaften

Mehr

Analytisches CRM. Workshop Data Mining im Datenbasierten Marketing. Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.

Analytisches CRM. Workshop Data Mining im Datenbasierten Marketing. Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06. Analytisches CRM Workshop Data Mining im Datenbasierten Marketing Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.2015 Data Mining bietet Antworten auf zahlreiche analytische Fragestellungen

Mehr

Projektrisikomanagement im Corporate Risk Management

Projektrisikomanagement im Corporate Risk Management VERTRAULICH Projektrisikomanagement im Corporate Risk Management Stefan Friesenecker 24. März 2009 Inhaltsverzeichnis Risikokategorien Projekt-Klassifizierung Gestaltungsdimensionen des Projektrisikomanagementes

Mehr

MSDN Webcast: Team Foundation Server Mehr als nur eine Versionsverwaltung! Visual Studio Team System (Teil 1 von 10) Veröffentlicht: 20.

MSDN Webcast: Team Foundation Server Mehr als nur eine Versionsverwaltung! Visual Studio Team System (Teil 1 von 10) Veröffentlicht: 20. MSDN Webcast: Team Foundation Server Mehr als nur eine Versionsverwaltung! Visual Studio Team System (Teil 1 von 10) Veröffentlicht: 20. Februar 2008 Presenter: Neno Loje, MVP für Team System www.teamsystempro.de

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

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

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

Mehr

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar 2014 1. Schluss mit BIG DATA 2. BI-Basics: Best Practice ecommerce Reporting 3. Was muss ich mir anschauen? 4. Wie muss ich es mir anschauen? 5. Was

Mehr

Messer und Lochscheiben Knives and Plates

Messer und Lochscheiben Knives and Plates Messer und Lochscheiben Knives and Plates Quality is the difference Seit 1920 Since 1920 Quality is the difference Lumbeck & Wolter Qualität, kontinuierlicher Service und stetige Weiterentwicklung zeichnen

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

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

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie

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

Fujitsu Software-Tage 2013 Stefan Schenscher / Symantec

Fujitsu Software-Tage 2013 Stefan Schenscher / Symantec Fujitsu Software-Tage 2013 Stefan Schenscher / Symantec Hamburg 17. / 18. Juni 2013 2 Informationen Informationen 4 Informationen Verfügbarkeit Backup Disaster Recovery 5 Schutz vor Angriffen Abwehr Informationen

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

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

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors Privacy-preserving Ubiquitous Social Mining via Modular and Compositional s Evangelos Pournaras, Iza Moise, Dirk Helbing (Anpassung im Folienmaster: Menü «Ansicht» à «Folienmaster») ((Vorname Nachname))

Mehr

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

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

Mehr

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

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

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

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models Predictive Analytics Factory The approach for the production and maintenance of analytical models Dr. Gerhard Svolba Austria Forum Finnland Helsinki September24 h, 2013 Agenda Rationale and idea of a Predictive

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

AnyWeb AG 2008 www.anyweb.ch

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

Mehr

BIG DATA 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

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

A Platform for Complex Event Processing

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

Mehr

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG)

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) W W W. N O V E M B A. D E Sie haben Ihr Ziel erreicht! Strategie & Planung Unter vollen Segeln zum Erfolg Strategie & Planung Unter vollen

Mehr