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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

Cluster-Analyse Implizites Wissen Hauptkomponentenanalyse Faktorenanalyse Assoziationsanalyse

Cluster-Analyse Implizites Wissen Hauptkomponentenanalyse Faktorenanalyse Assoziationsanalyse Datenanalyse Cross Selling Analytisches CRM Marketing Mix Preisoptimierung Kundenzufriedenheit Marktpotenzial Gap-Analyse Mulitvariate Analysen Deskriptive Statistik Data Mining Transformation Operations

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

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

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

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

Kundenbindung optimieren mit Predictive Analytics und Text Mining

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

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

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

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

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

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

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung Next Best Product Kundenspezifische Produktangebote in einer Multichannel Umgebung - Mag. Thomas Schierer - Erste Bank der oesterreichischen Sparkassen AG Agenda Erste Bank Allgemeine Information CRM in

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

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

1 Predictive Analytics mit Random Forest

1 Predictive Analytics mit Random Forest Predictive Analytics Demokratie im Wald 1 Agenda 1. Predictive Analytics Übersicht 2. Random Forest Grundkonzepte und Anwendungsfelder 3. Entscheidungsbaum Classification and Regression Tree (CART) 4.

Mehr

Business Intelligence. Business Intelligence Seminar, WS 2007/08

Business Intelligence. Business Intelligence Seminar, WS 2007/08 Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung

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

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

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

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

Rainer Klapper QS solutions GmbH

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

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

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

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

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

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

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

Mehr

Data Mining und der MS SQL Server

Data Mining und der MS SQL Server Data Mining und der MS SQL Server Data Mining und der MS SQL Server Data Mining ist der Prozess der Ermittlung aussagefähiger I n- formationen aus großen Datensätzen. Data Mining nutzt die m a- thematische

Mehr

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

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

Mehr

SAS 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

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

Dominik Pretzsch TU Chemnitz 2011

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

Mehr

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

Firmenspezifische Trainings Führung & Kommunikation

Firmenspezifische Trainings Führung & Kommunikation Firmenspezifische Trainings Führung & Kommunikation www.kuzinski-coaching.de/training Eine überzeugende Konzeption Nach dem Baukasten-Prinzip stehen Ihnen eine Reihe von Trainings- en zur Verfügung, die

Mehr

Revolution Analytics eine kommerzielle Erweiterung zu R

Revolution Analytics eine kommerzielle Erweiterung zu R Revolution Analytics eine kommerzielle Erweiterung zu R Webinar am 17.07.2014 F. Schuster (HMS) Dr. E. Nicklas (HMS) Von der Einzelplatzlösung zur strategischen Unternehmens- Software Zur Einführung Was

Mehr

Wir haben für jedes Thema die Richtigen.

Wir haben für jedes Thema die Richtigen. Trendico Trainings & Seminare Referenzen Kont@kt MS Office Word MS Office Excel MS Office Powerpoint MS Office Access MS Office Outlook Projektmanagement Knowhow Qualitäts- Management Knowhow Verwaltungs-

Mehr

Data Mining - Wiederholung

Data Mining - Wiederholung Data Mining - Wiederholung Norbert Fuhr 9. Juni 2008 Problemstellungen Problemstellungen Daten vs. Information Def. Data Mining Arten von strukturellen Beschreibungen Regeln (Klassifikation, Assoziations-)

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

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

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

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

Maßgeschneidert passt! Kundenspezifische analytische Anwendungen auf Baukastenbasis

Maßgeschneidert passt! Kundenspezifische analytische Anwendungen auf Baukastenbasis Maßgeschneidert passt! Kundenspezifische analytische Anwendungen auf Baukastenbasis Agenda Einführung Beispiele Qualitätssicherung Fazit 2 Bevor wir anfangen Baustein steht für eine Vielzahl von künstlichen

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

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

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

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

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

Werkzeuge für effizientes Wissensmanagement. Agenda. Vorstellung. ! Kurzvorstellung itemis AG. ! Werkzeuge für effizientes Wissensmanagement

Werkzeuge für effizientes Wissensmanagement. Agenda. Vorstellung. ! Kurzvorstellung itemis AG. ! Werkzeuge für effizientes Wissensmanagement Werkzeuge für effizientes Wissensmanagement Dipl. Inf. Sebastian Neus (Mitglied des Vorstands) Bielefeld, 15.10.2013 Vorstellung! Studium Wirtschafts-Informatik, Essen/Dortmund (Diplom Informatiker)! IT

Mehr

Grundlagen zur Erstellung und dem Relaunch einer Homepage. Julius Hoyer Osnabrück - 11. März 2015

Grundlagen zur Erstellung und dem Relaunch einer Homepage. Julius Hoyer Osnabrück - 11. März 2015 Grundlagen zur Erstellung und dem Relaunch einer Homepage Julius Hoyer Osnabrück - 11. März 2015 Fakultät Wirtschafts- und Sozialwissenschaften 11. März 2015 ebusiness-lotse Osnabrück 2 Das Team an der

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

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

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

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

Data Mining. Janine Oswald, plus-it GmbH. 07. April 2009.Net User Group, Regensburg

Data Mining. Janine Oswald, plus-it GmbH. 07. April 2009.Net User Group, Regensburg Data Mining Janine Oswald, plus-it GmbH 07. April 2009.Net User Group, Regensburg W e m a k e y o u r b u s i n e s s m o r e i n t e l l i g e n t 1 Agenda Data Mining - Einführung Data Mining Grundlagen,

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

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

Data Mining und maschinelles Lernen

Data Mining und maschinelles Lernen Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:

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

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

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

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

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

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

Data Warehouse und Data Mining

Data Warehouse und Data Mining Data Warehouse und Data Mining Marktführende Produkte im Vergleich von Dr. Heiko Schinzer, Carsten Bange und Holger Mertens 2., völlig überarbeitete und erweiterte Auflage -. - Verlag Franz Vahlen München

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

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

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Dr. Thomas Bernard 6. Karlsruher Automations-Treff (KAT) Leit- und Automatisierungstechnik der Zukunft Karlsruhe,

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

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

Einführung in Business Intelligence

Einführung in Business Intelligence Einführung in Business Intelligence Grundlagen und Anwendungsmöglichkeiten Prof. Dr. Wolfram Höpken wolfram.hoepken@eloum.net eloum @ Hochschule Ravensburg-Weingarten Informationsveranstaltung ebusiness-lotse

Mehr

Übersetzung von SAP Eigenentwicklungen und Customizing- Texten

Übersetzung von SAP Eigenentwicklungen und Customizing- Texten Übersetzung von SAP Eigenentwicklungen und Customizing- Texten SNP Dragoman Moderation: Gerd Kasdorf Marketing/Sales SNP AG SNP AG I The Transformation Companý 12/03/13 2 01 SNP AG Überblick über Unternehmen

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

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

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