Webinar, Verborgene Schätze heben. Data Mining mit dem Microsoft SQL Server. Thomas Jahnke Martin Oesterer. HMS Analytical Software GmbH

Größe: px
Ab Seite anzeigen:

Download "Webinar, 28.11.2013. Verborgene Schätze heben. Data Mining mit dem Microsoft SQL Server. Thomas Jahnke Martin Oesterer. HMS Analytical Software GmbH"

Transkript

1 Webinar, Verborgene Schätze heben Data Mining mit dem Microsoft SQL Server Thomas Jahnke Martin Oesterer HMS Analytical Software GmbH 1

2 Unsere heutige Agenda Verborgene Schätze heben Herzlich Willkommen! Ein paar Worte zu HMS Verborgene Schätze heben: eine Einleitung Was ist Data Mining? Data Mining-Methoden von Microsoft Anwendungsfelder von Data Mining Verborgene Schätze heben: Live Demo Prognose von potentiellen Käufern mittels Klassifikationsverfahren Bildung von homogenen Kundengruppen mittels Clusterverfahren Zusammenfassung 2

3 HMS Analytical Software GmbH Ihr Gastgeber in Zahlen Gegründet 1989 Standorte in Heidelberg und München (ab 1/2014) 50 Mitarbeiter, davon 38 BI- und Analytics- Spezialisten, 9 akkreditierte Trainer Jährlich 18 Tage pro Mitarbeiter für Fortbildungen Seit fast 25 Jahren setzen wir auf nachhaltige Partnerschaften mit unseren Kunden. Als Experten für Datenmanagement, Analyse und BI schaffen wir Mehrwerte in Form von passgenauen IT-Lösungen. Andreas Mangold (Gründer und Geschäftsführer HMS) 3

4 HMS Analytical Software GmbH Unser Know-how... Methoden-Know-how Visualisierung Datenmanagement Analyse Software Engineering Projektmanagement Branchen-Know-how Banken und Versicherungen Life Science (Forschung, Entwicklung und Produktion) Erfahrung in diversen anderen Branchen Software-Know-how Microsoft Business Intelligence SAS JMP Open Source Analytics, z.b. R Java.Net... Partnerschaften Microsoft SAS JMP 4

5 HMS Analytical Software GmbH... schafft Lösungen... Beratung Business Intelligence und Analytics- Systeme unabhängig lösungsorientiert topaktuelles, praxiserprobtes Know-how Individuelle Anpassung Anwendungsentwicklung Customizing Performanceoptimierung... Aufbau von Standardlösungen Ist-Analyse: IT-technische Rahmenbedingungen und organisatorische Einbindung Umsetzung: Systemarchitektur, Implementierung, Lifecycle-Management-Konzept Service, Support und Wissenstransfer: Wartungsverträge, Benutzerdokumentationen, Foren, Wikis Schulung & Training Standardschulungen HMS-Kurse Individuelles Coaching durch Microsoft und SAS akkreditierte Trainer 5

6 HMS Analytical Software GmbH... für unsere Kunden. Finanzdienstleister Allianz Commerzbank Deutsche Bank Fiducia Finanz Informatik Ikano Bank Mercedes Benz Bank VPV WGZ Bank... Fertigungsindustrie Aspentech Heidelberger Druckmaschinen Schott AG ThyssenKrupp ZF Friedrichshafen... Life Science Abbvie Accovion Bayer Business Services Carl Zeiss Meditec Daiichi Sankyo Grünenthal medac Merz Roche Diagnostics Siemens Healthcare... Weitere Branchen Fraport MVV Energie Schober Information Group Unitymedia Kabel BW Verivox Yves Rocher... 6

7 HMS Analytical Software GmbH Folgen Sie uns auf XING https://www.xing.com/company/hmsanalyticalsoftwaregmbh 7

8 Und nun: Data Mining Ihr Experte: Thomas Jahnke 8

9 Unsere heutige Agenda Verborgene Schätze heben Herzlich Willkommen! Ein paar Worte zu HMS Verborgene Schätze heben: eine Einleitung Was ist Data Mining? Data Mining-Methoden von Microsoft Anwendungsfelder von Data Mining Verborgene Schätze heben: Live Demo Prognose von potentiellen Käufern mittels Klassifikationsverfahren Bildung von homogenen Kundengruppen mittels Clusterverfahren Zusammenfassung 9

10 Was ist Data Mining? Nützlich! Data Mining ist die Extraktion von Wissen, das gültig (im statistischen Sinne), bisher unbekannt und potentiell nützlich ist, zur Bestimmung bestimmter Regelmäßigkeiten, Gesetzmäßigkeiten und verborgener Zusammenhänge.S Muster erkennen Prognose Beschreibung Klassifikation Prognose, Zeitreihen Segmentierung, Cluster Assoziationsanalyse 10

11 Was ist Data Mining? Die Methoden im SQL Server Muster erkennen mit SQL Server 2012 Decision Tree Algorithmen Entropie, Bayes-Methode mit K2-A-priori-Verteilung oder Bayes-Dirichlet- Äquivalent mit uniformer A-priori-Verteilung Clustering Algorithmen Expectation-Maximization-Algorithmus (EM) skalierbar, EM nicht skalierbar K- Means skalierbar oder K-Means nicht skalierbar Naive Bayes Neural Network Logistic Regression Linear Regression Association Model Sequence Clustering Time Series Algorithmen Autoregressive integrated moving average (ARIMA), Autoregressive tree method (ARTXP), Mixed ARIMA/ ARTXP 11

12 Was ist Data Mining? Die Anwendungsfelder (Auswahl) Marktsegmentierung Web Mining Produktionsund Qualitätskontrolle Social Media Analyse Kanal- Affinität Up-Selling X-Selling Betrugserkennung Mustererkennung in Health Care Muster erkennen mit SQL Server 2012 Warenkorbanalyse Churn Prevention Credit Scoring, Bonitätsanalyse Aktienanalyse 12

13 Unsere heutige Agenda Verborgene Schätze heben Herzlich Willkommen! Ein paar Worte zu HMS Verborgene Schätze heben: eine Einleitung Was ist Data Mining? Data Mining-Methoden von Microsoft Anwendungsfelder von Data Mining Verborgene Schätze heben: Live Demo Prognose von potentiellen Käufern mittels Klassifikationsverfahren Bildung von homogenen Kundengruppen mittels Clusterverfahren Zusammenfassung 13

14 Data Mining am Beispiel Der rote Data-Mining-Faden SSIS: Modell bereitstellen/ aktualisieren Problem definieren SSAS: Vorhersagen treffen Excel/SSIS: Daten vorbereiten SSAS: Modell prüfen SSAS: Modell entwickeln 14

15 Data Mining am Beispiel Unser Szenario: Cross Selling im Telekommunikationsumfeld 1. Ziel: Umsatz steigern Das Produkt schnelles Internet soll per Print-Mailing beworben werden. 2. Vorgabe: Kosten senken Das Budget soll durch die Steigerung der Reaktionsrate zielgerichtet eingesetzt. Aufgabe (1): Priorisierung Es sollen die Adressaten mit der höchsten Abschlusswahrscheinlichkeit identifiziert werden. Aufgabe (2): Individualisierung Zur weiteren Optimierung sollen vier unterschiedliche Versionen des Mailings verschickt werden abhängig vom Profil der selektierten Zielgruppe. Schritt 1 Testmailing mit geringer Auflage Schritt 2 Trainings- und Testdaten aufbereiten Schritt 3 Modell entwickeln und testen Schritt 4 Modell auf den Verteiler anwenden Schritt 5 4 beschreibbare Segmente definieren Schritt 6 Clusteranalyse durchführen Schritt 7 Optimierter Mailingsversand 15

16 Data Mining am Beispiel Aufgabe 1: Priorisierung Data Mining Respondierende Kunden Käufer Kontaktierte Kunden

17 Data Mining am Beispiel Aufgabe 2: Clustering v2 v3 V4 v1 v5 v v v8 v7 v v9 v12 v11 v10 17

18 Data Mining am Beispiel Der rote Data-Mining-Faden SSIS: Modell bereitstellen/ aktualisieren Problem definieren SSAS: Vorhersagen treffen Excel/SSIS: Daten vorbereiten SSAS: Modell prüfen SSAS: Modell entwickeln 18

19 Daten in Excel vorbereiten Daten vorbereiten 1. Relevante Variablen identifizieren 2. Jedes Merkmal prüfen: Fehlende Werte, Ausreißer, Verteilung 3. Dimensionsreduktion, Standardisierung/Transformation 4. Inhaltliche Abhängigkeiten mehrerer Variablen prüfen (z.b. Geburtsdatum und Alter) 5. Zufallswahl (Sampling) und Aufteilung in Trainings- und Testdaten 19

20 Daten in Excel vorbereiten Data Mining Add-In: Daten explorativ durchsuchen 20

21 Daten in Excel vorbereiten Data Mining Add-In: Daten bereinigen (z.b. Ausreißer) 21

22 Data Mining am Beispiel Der rote Data-Mining-Faden SSIS: Modell bereitstellen/ aktualisieren Problem definieren SSAS: Vorhersagen treffen Excel/SSIS: Daten vorbereiten SSAS: Modell prüfen SSAS: Modell entwickeln 22

23 Modell entwickeln in SSAS Visual Studio: Neues Projekt anlegen 23

24 Modell entwickeln in SSAS Neue Datenquellen(-sicht) anlegen 24

25 Modell entwickeln in SSAS Neue Miningstruktur anlegen 25

26 Modell entwickeln in SSAS Datenrollen vergeben, Formate spezifizieren 26

27 Modell entwickeln in SSAS Parameter des Algorithmus spezifizieren 27

28 Modell entwickeln in SSAS Entscheidungsbaum 28

29 Modell prüfen in SSAS Modellgüte vergleichen: Lift-Chart 29

30 Modell prüfen in SSAS Modellgüte vergleichen: Klassifikationsmatrix 30

31 Vorhersagen treffen in SSAS Miningmodell auf Zieldatensatz anwenden 31

32 Vorhersagen treffen in SSAS Berechnung der Kaufwahrscheinlichkeit 32

33 Clusteranalyse in SSAS Parameter des Algorithmus spezifizieren 33

34 Clusteranalyse in SSAS Cluster Profile einsehen und zur Verfügung stellen 34

35 Data Mining am Beispiel Der rote Data-Mining-Faden SSIS: Modell bereitstellen/ aktualisieren Problem definieren SSAS: Vorhersagen treffen Excel/SSIS: Daten vorbereiten SSAS: Modell prüfen SSAS: Modell entwickeln 35

36 Data Mining am Beispiel SSIS: Modell bereitstellen/aktualisieren 36

37 Unsere heutige Agenda Verborgene Schätze heben Herzlich Willkommen! Ein paar Worte zu HMS Verborgene Schätze heben: eine Einleitung Was ist Data Mining? Data Mining-Methoden von Microsoft Anwendungsfelder von Data Mining Verborgene Schätze heben: Live Demo Prognose von potentiellen Käufern mittels Klassifikationsverfahren Bildung von homogenen Kundengruppen mittels Clusterverfahren Zusammenfassung 37

38 Zusammenfassung Verborgene Schätze heben Abgerundetes Gesamtpaket, das leicht in bestehende Prozesse und Systemlandschaften integriert werden kann. Nur eine Software nötig Alle Funktionalitäten (Services) sind auch in der Standardversion ohne Zusatzkosten verfügbar. Sehr gutes Preis-/Leistungsverhältnis Schnell erlern- und leicht bedienbar. Keine Programmierkenntnisse notwendig* HMS bietet Schulung und Coaching * DMX (Data Mining Extension) und SQL von Vorteil. 38

39 Ihr Kontakt Verborgene Schätze heben Martin Oesterer Diplom Geograph Leiter Vertrieb HMS Analytical Software GmbH Häusserstr Heidelberg Telefon Thomas Jahnke Diplom Kaufmann Software Ingenieur HMS Analytical Software GmbH Rohrbacher Str Heidelberg Telefon XING: https://www.xing.com/profiles/martin_oesterer XING: https://www.xing.com/profiles/thomas_jahnke6 39

Verborgene Schätze heben

Verborgene Schätze heben Verborgene Schätze heben Data Mining mit dem Microsoft SQL Server Martin Oesterer Leiter Vertrieb HMS Analytical Software GmbH Data Mining. Was ist eigentlich wichtig? Data Mining ist: die Extraktion von

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

Mehr

Mensch und Algorithmus ein gutes Gespann

Mensch und Algorithmus ein gutes Gespann Mensch und Algorithmus ein gutes Gespann Wolfgang Oelschlegel Heidelberger Druckmaschinen AG Andreas Mangold HMS Analytical Software GmbH 25 Jahre Variantenprognose für die Heidelberger Druckmaschinen

Mehr

MS SQL Server 2012 (4)

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

Mehr

Data Mining mit Microsoft SQL Server

Data Mining mit Microsoft SQL Server Data Mining mit Microsoft SQL Server Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008 von Jan Tittel, Manfred Steyer 1. Auflage Data Mining mit Microsoft SQL Server Tittel /

Mehr

Neuerungen Analysis Services

Neuerungen Analysis Services Neuerungen Analysis Services Neuerungen Analysis Services Analysis Services ermöglicht Ihnen das Entwerfen, Erstellen und Visualisieren von Data Mining-Modellen. Diese Mining-Modelle können aus anderen

Mehr

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 sverzeichnis Holger Schrödl Business Intelligence mit Microsoft SQL Server 2008 BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41210-1

Mehr

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

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

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

Mehr

R im Enterprise-Modus

R im Enterprise-Modus R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org

Mehr

Predictive Modeling Markup Language. Thomas Morandell

Predictive Modeling Markup Language. Thomas Morandell Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML

Mehr

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP AGENDA HADOOP 9:00 09:15 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT und Fachbereiche Big

Mehr

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

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

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

Mehr

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Copyright 2005, SAS Institute Inc. All rights reserved. Ulrich Reincke, SAS Deutschland Agenda Der Neue Enterprise Miner 5.2 Der Neue Text Miner 2.3

Mehr

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

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

Mehr

Menschen entscheiden über Geschäftserfolg

Menschen entscheiden über Geschäftserfolg 1C01 Die Microsoft Business Intelligence- Plattform: SQL Server 2005, das 2007 Office System und Office Business Applications Steffen Krause Technologieberater Microsoft Deutschland GmbH http://blogs.technet.com/steffenk

Mehr

Künstliche Neuronale Netze und Data Mining

Künstliche Neuronale Netze und Data Mining Künstliche Neuronale Netze und Data Mining Catherine Janson, icasus GmbH Heidelberg Abstract Der Begriff "künstliche Neuronale Netze" fasst Methoden der Informationstechnik zusammen, deren Entwicklung

Mehr

Wertvolle Einblicke in die Gamer-Welt bei ProSiebenSat.1 Games

Wertvolle Einblicke in die Gamer-Welt bei ProSiebenSat.1 Games 10. April, 11:45 12:05 Uhr Wertvolle Einblicke in die Gamer-Welt bei ProSiebenSat.1 Games HMS Analytical-Software GmbH, Rohrbacher Straße 26, 69115 Heidelberg Wertvolle Einblicke in die Gamer-Welt bei

Mehr

HMS. Statistiken mit SAS ins Internet. HMS Analytical Software GmbH - Johannes Lang

HMS. Statistiken mit SAS ins Internet. HMS Analytical Software GmbH - Johannes Lang HMS Statistiken mit SAS ins Internet HMS Analytical Software GmbH - Johannes Lang Schweizer Tage der öffentlichen Statistik, Davos 08.09. 10.09.2008 1 Agenda Vorstellung Inhaltliche Einleitung Statische

Mehr

Data Mining in SAP NetWeaver BI

Data Mining in SAP NetWeaver BI Martin Kießwetter, Dirk Vahl kam p Data Mining in SAP NetWeaver BI Galileo Press Bonn Boston 2.1 Was ist Data Mining? 17 2.2 Data Mining, KDD und Business Intelligence 20 2.3 KDD-Prozessmodelle 22 2.4

Mehr

The Day in the Life of a Business Manager @ Microsoft

The Day in the Life of a Business Manager @ Microsoft The Day in the Life of a Business Manager @ Microsoft A look at analytics in action inside Microsoft Frank.Stolley@Microsoft.com Daniel.Weinmann@microsoft.com Microsoft Deutschland GmbH Big Data: Die Management-Revolution?

Mehr

Integriertes Marketingmanagement 2013

Integriertes Marketingmanagement 2013 Integriertes Marketingmanagement 2013 Schneller sehen, verstehen und entscheiden Dr. Andreas Becks Senior Business Architect SAS Deutschland GmbH Agenda Integriertes Marketingmanagement 2013 Die neue Bank

Mehr

BI - Der strategische Erfolgsfaktor im Unternehmen

BI - Der strategische Erfolgsfaktor im Unternehmen BI - Der strategische Erfolgsfaktor im Unternehmen Kunde: Universität Oldenburg, Department für Informatik Ort: Oldenburg, 26.09.2008 Referent: Dirk Vahlkamp Gedruckt: 28.09.2008, [Version 0.1] 2007-2008

Mehr

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Dr. Frank Säuberlich Business Unit e-intelligence SAS Deutschland Agenda 1. Begriffsdefinition e-intelligence: Systemdimension Angebotsdimension

Mehr

Data Mining mit Microsoft SQL Server

Data Mining mit Microsoft SQL Server Jan Tittel, Manfred Steyer Data Mining mit Microsoft SQL Server Microsoft Mrocc Inhaltsverzeichnis Vorwort 17 Einleitung i 19 Business Intelligence und SQL Server 20 Data Mining 20 Ziel des Buchs und Voraussetzungen

Mehr

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

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

Mehr

Self-Service-BI die große Freiheit?

Self-Service-BI die große Freiheit? Self-Service-BI die große Freiheit? IT oder Fachbereich - wer profitiert wann von Self-Service-BI? Vortragende Nico Haag Klaus Kepert Self-Service im Alltag Längst Gewohnheit Bankautomaten Internet Kantine

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Das Beste aus zwei Welten

Das Beste aus zwei Welten : Das Beste aus zwei Welten Das Beste aus zwei Welten Aufruf von R Funktionen mit PROC IML KSFE 2012 08.03.2012 ist IT Dienstleister für Business Intelligence und Datenanalyse gibt es seit über 20 Jahren

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

WEBINAR@LUNCHTIME THEMA: "SAS STORED PROCESSES - SCHNELL GEZAUBERT" HELENE SCHMITZ

WEBINAR@LUNCHTIME THEMA: SAS STORED PROCESSES - SCHNELL GEZAUBERT HELENE SCHMITZ WEBINAR@LUNCHTIME THEMA: "SAS STORED PROCESSES - SCHNELL GEZAUBERT" HELENE SCHMITZ HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Training

Mehr

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

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

Mehr

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS AGENDA VISUAL ANALYTICS 9:00 09:30 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT

Mehr

Moderne Datenbankentwicklung mit Hilfe von SQL Server Data Tools

Moderne Datenbankentwicklung mit Hilfe von SQL Server Data Tools Moderne Datenbankentwicklung mit Hilfe von SQL Server Data Tools David Schäfer Vorstellung: HMS Analytical Software Anwendungs-Know-how, u.a. Banken und Versicherungen Pharma- und Medizinprodukte Technologie-Know-how,

Mehr

accantec vergrößert Unternehmenszentrale in Hamburg

accantec vergrößert Unternehmenszentrale in Hamburg Pressemitteilung Hamburg, 12.02.2014 accantec vergrößert Unternehmenszentrale in Hamburg Kontinuierliches Wachstum des Business Intelligence Dienstleisters erfordern neue Angebote für Kunden und mehr Platz

Mehr

Data Mining @ Netezza mit IBM SPSS

Data Mining @ Netezza mit IBM SPSS Michael Ridder Senior Technical Sales Professional Predictiv Analytics Data Mining @ Netezza mit IBM SPSS Software Wir ertrinken in Informationen, aber wir hungern nach Wissen. John Naisbitt Trendforscher

Mehr

Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K.

Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K. badger Effektives Empfehlungsmarketing durch Customer Analytics bei der BAWAG P.S.K. Die www.bawagpskfonds.at neue Bank. Die neue BAWAG. www.bawagpsk.com Montag, 25. Februar 2013 BAWAG P.S.K. EINE BANK

Mehr

Schwerpunkte von SQL Server 2005

Schwerpunkte von SQL Server 2005 3K05 Business Intelligence mit SQL Server 2005 Steffen Krause Technologieberater Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Schwerpunkte von SQL Server 2005 Mission Ready Developer Ready

Mehr

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor Yves-Deniz Obermeier Sales Manager Financial Services Ing. Thomas Heinzmann Division Management BI Mag. Martin Feith Senior Expert Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Mehr

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST? BERNADETTE FABITS WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS HINEIN GEHÖRT DATA SCIENTIST, STATISTIKER, DATA MINER, ANALYST,. Gibt es noch mehr von denen. die arbeiten mit Big Data

Mehr

Ressourcenmanagement in Forschung und Entwicklung Grünenthal integriert SAS in sein Berechtigungs- und Mandantenkonzept 7.

Ressourcenmanagement in Forschung und Entwicklung Grünenthal integriert SAS in sein Berechtigungs- und Mandantenkonzept 7. Ressourcenmanagement in Forschung und Entwicklung Grünenthal integriert SAS in sein Berechtigungs- und Mandantenkonzept 7. Nov 2012 Seite 1 Unternehmensprofil IT-Spezialist für Business Intelligence und

Mehr

Data Mining mit Microsoft SQL-Server 2005/2008

Data Mining mit Microsoft SQL-Server 2005/2008 Data Mining mit Microsoft SQL-Server 2005/2008 Marcel Winkel Hochschule für Technik, Wirtschaft und Kultur Leipzig Fachbereich Informatik, Mathematik und Naturwissenschaften 19. Mai 2010 1 2 Klassifikationsalgorithmen

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

Langfristprognose von Lastprofilen. Microsoft Azure ML für Energieversorger

Langfristprognose von Lastprofilen. Microsoft Azure ML für Energieversorger Langfristprognose von Lastprofilen Microsoft Azure ML für Energieversorger Das Thema und der Nutzen Fundierte Vorhersage von langfristigen Lastprofilen für den Strom- und Energieverbrauch von EVU- Kunden.

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Drive the Change. SAS Hostanwendungen erfolgreich auf eine zentrale SAS-BI-Plattform migrieren

Drive the Change. SAS Hostanwendungen erfolgreich auf eine zentrale SAS-BI-Plattform migrieren Drive the Change SAS Hostanwendungen erfolgreich auf eine zentrale SAS-BI-Plattform migrieren Konferenz: SAS Forum Deutschland, September 2013, Mannheim Agenda Mehrwert 1 Ausgangslage Zieldesign 2 3 Drive

Mehr

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner

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

Mehr

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Frank Effenberger, Marco Fischer, 22.06.2015, München Agenda Firmenpräsentation Einführung Anwendungsfall Fazit Zahlen und

Mehr

Social Networking für Finanzvertriebe. Sie müssen dort sein, wo Ihre Kunden sind. Social Networking. Köln, 6. Juni 2012

Social Networking für Finanzvertriebe. Sie müssen dort sein, wo Ihre Kunden sind. Social Networking. Köln, 6. Juni 2012 Social Networking für Finanzvertriebe Sie müssen dort sein, wo Ihre Kunden sind Social Networking Köln, 6. Juni 2012 Agenda Social Media: Grundlagen Welche Portale sind relevant? Ein Überblick Umsetzung

Mehr

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de EBERHARD MEISEL Datenbankentwickler Diplom - Informatiker Jahrgang 1962 Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de Kompetenzen MS SQL Server Datenbankentwicklung T-SQL Programmierung Administration

Mehr

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

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

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen!

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

Mehr

Microsoft SharePoint als Technologieplattform am Beispiel Projektmanagement mit Prios Foundation

Microsoft SharePoint als Technologieplattform am Beispiel Projektmanagement mit Prios Foundation Microsoft SharePoint als Technologieplattform am Beispiel Agenda Vorstellung INNEO SharePoint als Unternehmensplattform Prios Foundation Folie 2 2010 2009 INNEO Solutions GmbH INNEO Solutions GmbH Zahlen

Mehr

Schöne neue Welt. So können Sie fehlende SAS-Funktionalitäten mit PROC FCMP nachrüsten. SAS Treff 13. Juni 2013

Schöne neue Welt. So können Sie fehlende SAS-Funktionalitäten mit PROC FCMP nachrüsten. SAS Treff 13. Juni 2013 Schöne neue Welt So können Sie fehlende SAS-Funktionalitäten mit PROC FCMP nachrüsten SAS Treff 13. Juni 2013 ist IT-Dienstleister für Business Intelligence und Datenanalyse gibt es seit fast 25 Jahren

Mehr

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Autoren: Alexander Schramm Marcus Mertens MuniConS GmbH Einleitung Unternehmen verfügen heute über viele wichtige Informationen

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

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

Mehr

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Optimiertes IT Service Management durch Predictive Analytics München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Agenda Herausforderungen im IT Service Management (ITSM) Predictive

Mehr

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Schober Group Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Mag. (FH) Alexandra Vetrovsky-Brychta Wien, 23.10.2012 Mehr IQ für Ihre Kundendaten Seite 2 Agenda Themen

Mehr

WEKA A Machine Learning Interface for Data Mining

WEKA A Machine Learning Interface for Data Mining WEKA A Machine Learning Interface for Data Mining Frank Eibe, Mark Hall, Geoffrey Holmes, Richard Kirkby, Bernhard Pfahringer, Ian H. Witten Reinhard Klaus Losse Künstliche Intelligenz II WS 2009/2010

Mehr

Messestand Ebene 3. Direkt nach der Rolltreppe und vor den Branchentreffs

Messestand Ebene 3. Direkt nach der Rolltreppe und vor den Branchentreffs Messestand Ebene 3 Direkt nach der Rolltreppe und vor den Branchentreffs Schön Sie (wieder) zu sehen Das SAS Forum bietet Ihnen in den nächsten zwei Tagen die Gelegenheit, Ihre Ideen für den Geschäftsalltag

Mehr

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

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

Mehr

Das HMS-Reporting-Framework Schneller Zugang zu relevanten Reports

Das HMS-Reporting-Framework Schneller Zugang zu relevanten Reports Das HMS-Reporting-Framework Schneller Zugang zu relevanten Reports Ein flexibel konfigurierbares Web Portal für den Aufruf STP*-basierter Berichte * Stored Process Reporting Framework Das Ziel der Lösung

Mehr

FOKUS STATT STREUBÜCHSE: MIT MEDIA ANALYTICS DEN WERBEERFOLG MESSEN

FOKUS STATT STREUBÜCHSE: MIT MEDIA ANALYTICS DEN WERBEERFOLG MESSEN FOKUS STATT STREUBÜCHSE: MIT MEDIA ANALYTICS DEN WERBEERFOLG MESSEN Dr. Marcus Dill 6. Workshop Open Source Business Intelligence 5. März 2015 Hochschule Offenburg NEU! 2. Auflage Peter Neckel Beratungsleiter

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

Proseminar - Data Mining

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

Mehr

INTERVIEW. Wissensmanagement bei HMS Analytical Software GmbH. Ein erfolgreiches Praxisbeispiel aus dem Mittelstand

INTERVIEW. Wissensmanagement bei HMS Analytical Software GmbH. Ein erfolgreiches Praxisbeispiel aus dem Mittelstand INTERVIEW Wissensmanagement bei HMS Analytical Software GmbH Ein erfolgreiches Praxisbeispiel aus dem Mittelstand HMS Analytical Software GmbH Der ebusiness-lotse Darmstadt-Dieburg hat mit Andreas Mangold,

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

Business Analytics im E-Commerce

Business Analytics im E-Commerce Business Analytics im E-Commerce Kunde, Kontext und sein Verhalten verstehen für personalisierte Kundenansprache Janusz Michalewicz CEO Über die Firma Crehler Erstellung von Onlineshops Analyse von Transaktionsdaten

Mehr

SAS Education. Grow with us. Der richtige Einstieg in SAS

SAS Education. Grow with us. Der richtige Einstieg in SAS 2014 SAS Education Grow with us Der richtige Einstieg in SAS SAS Programmierung I SAS Enterprise Guide SAS Analytics I Data Mining I Business Intelligence Data Integration I Platform Administration sas.de/education

Mehr

Proseminar - Data Mining

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

Mehr

Learning by Doing - mit Blended Learning zum Experten für Blended Learning und Online Learning

Learning by Doing - mit Blended Learning zum Experten für Blended Learning und Online Learning Learning by Doing - mit Blended Learning zum Experten für Blended Learning und Online Learning Konrad Fassnacht FCT Akademie GmbH 1 Kursangebot der FCT Akademie und der CLC 2.0 Kurs Vom Trainer zum Live

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

Mehr

Anlagenweites Informationssystem für höchste Transparenz

Anlagenweites Informationssystem für höchste Transparenz siemens.de/wincc Anlagenweites Informationssystem für höchste Transparenz Prozessvisualisierung mit SIMATIC WinCC V7.2 Answers for industry. SIMATIC WinCC: weltweit die erste Wahl in allen Branchen Mit

Mehr

Motivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining.

Motivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining. Motivation Themenblock: Klassifikation Praktikum: Data Warehousing und Data Mining Ziel Item hat mehrere Attribute Anhand von n Attributen wird (n+)-tes vorhergesagt. Zusätzliches Attribut erst später

Mehr

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

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

Mehr

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh?

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer Alexander P.

Mehr

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825 Folien zum Textbuch Kapitel 6: Managementunterstützungssysteme Teil 2: Managementunterstützung auf strategischer Ebene Datenverwaltung und -auswertung Textbuch-Seiten 794-825 WI 1 MUS MUS auf strategischer

Mehr

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz 2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax

Mehr

Data Mining - Clustering. Sven Elvers

Data Mining - Clustering. Sven Elvers Agenda Data Mining Clustering Aktuelle Arbeiten Thesis Outline 2 Agenda Data Mining Clustering Aktuelle Arbeiten Thesis Outline 3 Data Mining Entdecken versteckter Informationen, Muster und Zusammenhänge

Mehr

Bachelor of Eng. (Wirtschafts-Ing.-wesen)

Bachelor of Eng. (Wirtschafts-Ing.-wesen) Persönliche Daten Name Philipp Müller Geburtsdatum 21.11.1982 Berufsausbildung Studium Industriekaufmann Bachelor of Eng. (Wirtschafts-Ing.-wesen) Kompetenzen Methodisch Datenmodellierung Fachlich Allgemeines

Mehr

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

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

Mehr

novem business applications GmbH BI Forum München, 7. Oktober 2009 Dr. Peer Schwieren Geschäftsführer

novem business applications GmbH BI Forum München, 7. Oktober 2009 Dr. Peer Schwieren Geschäftsführer 1 novem business applications GmbH BI Forum München, 7. Oktober 2009 Dr. Peer Schwieren Geschäftsführer 2 novem business applications GmbH novem Perspektiven Mehr Performance für unsere Kunden Niederlassungen

Mehr

DATEN. WISSEN. LENKEN.

DATEN. WISSEN. LENKEN. DATEN. WISSEN. LENKEN. ANALYSE-SOFTWARE UND BUSINESS-INTELLIGENCE-LÖSUNGEN SEIT ÜBER 25 JAHREN UNSER ANTRIEB Liebe Leser Wissbegierde und die Lust, den Dingen auf den Grund zu gehen das ist es, was uns

Mehr

Analytics in der Cloud. Das Beispiel Microsoft Azure

Analytics in der Cloud. Das Beispiel Microsoft Azure Analytics in der Cloud Das Beispiel Microsoft Azure Warum überhaupt Cloud Computing? Ein kleiner Blick in den Markt Microsoft : hat sein Geschäftsmodell komplett umgestellt vom Lizenzgeschäft auf Devices

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

SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke

SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke SAS Visual Analytics In einer Welt wachsender Datenmengen sind Informationen schneller verfügbar und Auswertungen auf Big Data möglich Motivation

Mehr

Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP

Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP Kompakt-Intensiv-Training OLAP gilt als Schlüsseltechnologie auf dem Gebiet Business Intelligence. In unserer Schulung "Microsoft SQL-Server 2008 R2/2012

Mehr

Qualifikationsprofil:

Qualifikationsprofil: Qualifikationsprofil: STEG Jahrgang 1974 Nationalität Deutsch Fremdsprachen Englisch Ausbildung Datenverarbeitungskaufmann Technische Kenntnisse: D B S C R u b a n G m b H D - 7 1 0 3 4 B ö b l i n g e

Mehr

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

Mehr

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

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

Mehr

IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung

IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung Evaluieren & Erkennen, Weiterentwickeln & Reporten Datenerhebung, Datenanalyse und Data Mining

Mehr

Wie aus Steuerungsinformation öffentliche Statistik wird

Wie aus Steuerungsinformation öffentliche Statistik wird Wie aus Steuerungsinformation öffentliche Statistik wird Schweizer Statistiktage Vaduz, 19. - 21. September 2012 Lukas Calmbach, Statistisches Amt des Kantons Basel-Landschaft Statistisches Amt des Kantons

Mehr

7 Erstellen der Preisplanung für Interquench 137 Anlegen des Modells Preisplanung 138

7 Erstellen der Preisplanung für Interquench 137 Anlegen des Modells Preisplanung 138 Vorwort 13 Einleitung 15 Planungsprozesse als Bestandteil der Unternehmensführung 16 Planung als Bestandteil von Performance Management 17 Regelkreise und Planungsprozesse 19 Software-Lösungen für Planungsunterstützung

Mehr