Eröffnung InES Symposium Data-Driven Systems

Transkript

1 Eröffnung InES Symposium Data-Driven Systems Prof. Dr. Alexander Mädche Mannheim, 31. Oktober 2013

2 Mission The main purpose of InES is to actively enhance the valuable exchange between science and practice in the field of enterprise systems. We have a sociotechnical perspective and follow a theory-guided design approach. We pursue three targets: achieving high-quality results in research by following an interdisciplinary research approach transferring know-how into the practical world with a strong focus on software companies as well as users in middle-sized enterprises as well as large corporations providing young scientists with state-of-the-art qualification 2

3 Interdisciplinary Approach - InES Professors Computer Science Information Systems Operations Management Prof. Stuckenschmidt Prof. Heinzl Jun-Prof. Scherp Prof. Atkinson Jun-Prof. Armknecht Prof. Mädche Prof. Schader Prof. Fleischmann Data & Web Science Software Engineering Security New Media Enterprise Software Development and Management of Enterprise Software Logistics and Supply Chain Management 3

4 Research Focus We research the lifecycle of Enterprise Systems and design innovative Enterprise Systems. New Enterprise System Concepts New Solutions Development Information Technology Individual & Organisation Management Lifecycle of Enterprise Systems Enterprise System 4

5 Competency Clusters User-Centric Enterprise Systems User-Centered Software Development (Prof. Mädche) Multimedia Systems (Prof. Scherp) Individualized and Adaptive Systems (Prof. Mädche) Information- and Awareness-Centric User Interaction (Prof. Heinzl) Interactive Decision Support Tools (Prof. Stuckenschmidt) Testing and Dependability Engineering (Prof. Atkinson) Process-Centric Enterprise Systems Lean & Agile Development Processes (Prof. Heinzl) Collaborative Processes & Crowdsourcing (Prof. Schader) Enterprise System Transformation: Change & Business Value (Prof. Mädche) Globalization, Outsourcing & Offshoring (Prof. Heinzl) Business Process Management (Prof. Heinzl & Prof. Mädche) Process Modeling and Verification (Prof. Stuckenschmidt) Lightweight Global Software Development in SMEs (Prof. Schader) Service Differentiation (Prof. Fleischmann) Data-Centric Enterprise Systems Business intelligence & Intelligent Business Operations (Prof. Mädche) Data & Web Science: Unstructured Data Processing, Data Integration and Data Quality (Prof. Stuckenschmidt & Prof. Scherp) Supply chain planning (Prof. Fleischmann) Revenue management (Prof. Fleischmann) Data Security (Prof. Armknecht) 5

6 Project Partners 6

7 InES A unique research collaboration platform Truly interdisciplinary research Rigor and relevant research Balancing and interfacing business and technology 7

8 Agenda des InES Symposiums 13:30 Registrierung 14:00 Eröffnung Prof. Dr. Alexander Mädche (Universität Mannheim) 14:30 Data-Driven Systems - State-of-the-Art in Praxis und Wissenschaft Prof. Dr. Heiner Stuckenschmidt (Universität Mannheim) Prof. Dr. Alexander Mädche (Universität Mannheim) 15:15 News Headline Abstraction Through Event Pattern Clustering Enrique Alfonseca (Google Inc.) 16:00 Pause 16:30 Data Governance - Wer hochwertige Daten sät, kann effiziente Prozesse ernten Eric Ecker (Trillium Software Germany GmbH) 17:15 Predictive Maintenance and Service - Identifying Issues Before They Happen with SAP HANA Divya Vir Rastogi (EXA AG) Alan Southall (SAP AG) 18:00 Get Together 8

9 Data-Driven Systems: State-of-the-Art in Wissenschaft und Praxis Prof. Dr. Heiner Stuckenschmidt und Prof. Dr. Alexander Mädche InES Symposium, Mannheim, 31. Oktober 2013

10 Agenda Agenda 1 Einführung 2 Technologien zur Extraktion, Integration und Analyse von Daten 3 Intelligente Geschäftsprozesse 4 Zusammenfassung 10

11 Master Data Management Viele neue technologische Potenziale im Datenumfeld Big Data Semantic Data Data Quality Linked Open Data Data Integration Data Acquisition Data Warehouse Data Governance Data Mining Data Mart Metadata Data Management Data Integrity 11

12 und Managementkonzepte im Unternehmenskontext 12

13 Was ist ein Data-Driven System? Informationssysteme sind soziotechnische Systeme, welche aus den Elementen IT, Mensch und Organisation bzw. Gesellschaft bestehen. Gesellschaft Organisation Mensch Durch die fortschreitende Digitalisierung werden heute mehr Daten denn je erzeugt und stehen zur weiteren Verarbeitung zur Verfügung. Informationstechnologie Daten In datengetriebenen Informationssystemen sind Daten First-Class Citizen, sie werden als strategisches und wertschöpfendes Gut betrachtet. 13

14 Agenda Agenda 1 Einführung 2 Technologien zur Extraktion, Integration und Analyse von Daten 3 Intelligente Geschäftsprozesse 4 Zusammenfassung 14

15 Daten, Informationen, Wissen Interpretation Wissen Kontext Informationen Wir haben ein Problem In der Lagerhaltung! Daten Das Produkt ist zu warm geworden! Gemessener Wert: 7 C 15

16 Lebenszyklus zur Transformation von Daten in Wissen Analyse Integration Extraktion Unterstützende Infrastrukturen

17 Extraktion ETL (Extract-Transform-Load) Prozess bei strukturierten Daten Informationsextraktions-Prozess bei unstrukturierten Daten 17

18 Informationsextraktion aus unstrukturierten Daten 18

19 Anwendungsbeispiel: Lead Generation Identifikation potentieller Kunden über deren Web-Auftritt: Schlagworte Webseiten tatsächlicher Kunden Validierung benötigt Daten aus der Webseite: Größe des Unternehmens Produkte, Dienstleistungen, Beispiel: wäre diese Klinik ein Kunde für ein MRT? 19

20 Anwendungsbeispiel: Lead Generation Identifikation von Ansprechpartnern Extraktion von Kontaktinformationen: Name, Vorname, Titel , Telefon Position, Kompetenzen Beispiel: Wer ist Ansprechpartner für Netzwerksicherheit? 20

21 Lebenszyklus zur Transformation von Daten in Wissen Analyse Integration Unterstützende Infrastruktur Extraktion

22 Datenintegration Benutzer Datenintegration ist die Herstellung einer einheitlichen und konsistenten Sicht auf vorhandene Daten. ERP CRM Excel- Sheet Legacy Master Data Heterogene Applikationssysteme 22

23 Anwendungsbeispiel: Produktdatenmanagement Zulieferer Kunden

24 Vom Datenblatt zum Modell 25

25 Definition von Mapping-Regeln 26

26 Lebenszyklus zur Transformation von Daten in Wissen Analyse Integration Unterstützende Infrastruktur Extraktion

27 Was tun mit all den Daten? Verfügbarkeit von Informationen reicht nicht, man muss die richtigen Schlüsse daraus ziehen! Erst die Interpretation der Daten führt zu direktem Nutzen: Erkennen von Mustern und Zusammenhängen Analyse und Vorhersage der Entwicklung Identifikation von Abweichungen und Trends Data Mining 28

28 Anwendungsbeispiel: Kundensonderwünsche Extrem Variantenreiche Produkte: z.b. Stadt- und Reisebusse Sonderwünsche von Kunden verursachen erheblichen Aufwand in Planung und Konstruktion Ziel: häufig gewünschte Sonderausstattung zu Standardvarianten machen 30

29 Anwendungsbeispiel: Kundensonderwünsche Datenbasis: > 0.5 Mio Freitextbeschreibungen von Sonderwünschen für unterschiedliche Produkte, nur zum Teil Baugruppen zugeordnet. Fragestellung: Welche Sonderwünsche sollten standardisiert werden? 31

30 Anwendungsbeispiel: Kundensonderwünsche 32

31 Lebenszyklus zur Transformation von Daten in Wissen Analyse Integration Unterstützende Infrastruktur Extraktion

32 Big Data Werkzeuge 34

33 Wissensressourcen Beispiel DBpedia Multilinguale Wissensbasis auf der Basis von Wikipedia Englische Version enthält Beschreibungen für 4.0 Mio Dinge 3.22 Mio sind typisiert, davon 832,000 Personen 639,000 Orte 372,000 Produkte 209,000 Organisationen

34 Agenda Agenda 1 Einführung 2 Technologien zur Extraktion, Integration und Analyse von Daten 3 Intelligente Geschäftsprozesse 4 Zusammenfassung 36

35 Daten als Basis für Intelligent Business Operations 37

36 Wertgenerierung mit Daten: Das Beispiel Deutsche Bahn Model of Reality Model for Optimization Real-Time Events & Mobile Delivery 38

37 Process Visibility im Privatkundengeschäft von Banken Request Entry Request Update Request Update Exemplarische Kundenanfrage: Konto ist gesperrt Kunden erstellt Anfrage über mobile Anwendung, es wird eine Abschätzung der Bearbeitungszeit angegeben. Kunden erhält kontinuierliche Information über den Status des Prozesse sowie über etwaige Verzögerungen bei der Problemlösung. 39

38 Agenda Agenda 1 Einführung 2 Technologien zur Extraktion, Integration und Analyse von Daten 3 Intelligente Geschäftsprozesse 4 Zusammenfassung 40

39 Zusammenfassung 1 In datengetriebenen Systemen werden Daten als strategisches und wertschöpfendes Gut betrachtet. 2 Eine Vielzahl von Technologien zur intelligenten Verarbeitung von Daten stehen heute zur Verfügung. 3 Durch die Einbettung dieser Technologien in betriebliche Abläufe können Unternehmen ihre Geschäftsprozesse intelligenter machen. 41

40 Danke für Ihre Aufmerksamkeit! Prof. Dr. Heiner Stuckenschmidt University of Mannheim School of Business Informatics and Mathematics Institute for Enterprise Systems (InES) B6, 26 Room B Mannheim Germany Phone heiner@informatik.uni-mannheim.de Prof. Dr. Alexander Mädche University of Mannheim Business School Institute for Enterprise Systems (InES) L 15, th floor Mannheim Germany Phone Fax maedche@es.uni-mannheim.de