Von der Datenspeicherung zum Wissensmanagement Fragestellungen, Begriffe und Technische Konzepte. Pallas Intelligence. Enterprise Knowledge-Portals
|
|
- Daniela Lorenz
- vor 8 Jahren
- Abrufe
Transkript
1 Ein Unternehmen der ExperTeam-Gruppe Wege aus dem Daten-Chaos Von der Datenspeicherung zum Wissensmanagement Fragestellungen, Begriffe und Technische Konzepte DLR Workshop Hans-Gerd Schaal Geschäftsführer Pallas GmbH HermülheimerStraße Brühl Emil-Figge-Straße Dortmund Die Geschäftsbereiche der Pallas GmbH Pallas Performance Pallas Intelligence Pallas Security Performance Consulting Knowledge- Consulting Security Consulting High Performance Application Enterprise Knowledge-Portals Security Center App. Service Providing High Performance Tools E-Learning
2 Von der Datenspeicherung zum Wissensmanagement Aktuelle Herausforderungen Von Daten zum Wissen Historische Perspektive Konzeptionelle Perspektive Technologische Perspektive Überblick über wichtige Konzepte Datawarehouse Data-Mining Knowledge-Discovery Ausblick Daten-Chaos: Die Herausforderung Reich an Daten, arm an Information. Alle klagen über zu viel an Informationen, keiner fühlt sich gut informiert. Wenn Ihre Organisation wüsste, was sie alles wissen? Informationsflut ist ein Teil der Tragödie der Kultur des modernen Menschen Georg Simmel
3 Aus dem Datenchaos entwickelt sich zunächst ein Begriffschaos EIS Data Marts Data Warehouse PLM Wissens- Management Desicion Support DBMS Portal Knowledge Discovery Wissensnetze Business- Intelligence Web Mining Information Daten, Informationen, Wissen... bilden eine Wertschöpfungskette Wert/ Nutzen Technologie- Basiert Daten Informationen Wissen Unternehmens- Intelligenz Einsicht Entscheiden Handeln Zeichen - Werte - Fakten - Zusammenhänge - Muster Prinzipien - Erfahrung einfach komplex Strukturiert unstrukturiert Ohne Bedeutung Bedeutungsgehalt Kontextunabhängig Kontextbezogen Personenunabhängig (Personenabhängig)
4 Wertsteigerung durch Informationstechnologie heißt Semantik mit Computern beherrschen Wert/ Nutzen Wissen verstehen verteilen generieren Technologie- Basiert Informationen Daten extrahieren finden bereitstellen speichern Treiber für die Entwicklung von Konzepten und Technologien Auslöser Treiber Ziele Wettbewerbs- Druck Zunehmende Bedeutung von Information Exponentielles Datenwachstum Globalisierung Wissens- Gewinnung Qualität Standardisierung Prozess- Orientierung Integration Automatisierung Kosteneinsparung Strategieentwicklung Qualitäts- Steigerung Time to Market Ergebnis- Steigerung
5 Vom Daten zum Wissensmanagement aus historischer Perpektive... Funktions - orientierung Datenbankadministration Datenmodellierung Wissens - management Treiber Intelligence- Orientierung Information als Ressource Transparenz Flexibilität Qualität Prozess & Standardisierung Transaktion & Integration Informationsmanagement Datenmanagement Technologie- Entwicklung & Automation In Anlehnung an Dippolt et al. Unternehmensweites Datenmanagement 2001 Der Weg zum Wissensmanagement führt nur über das Daten und Informationsmanagement Erfolgreiches Wissensmanagement setzt ein effizientes Daten- und Informations-Management voraus Wissens-Management Informations-Management Daten-Management
6 Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Entwickeln & Entdecken Speichern & Bereitstellen Pull / Push Technologie Reporting Intelligente Agenten Foren, emeetings 58% Web-Mining Verdopplung alle 18 Monate MIS, EIS, DSS Case Based Reasoning Kennzahlenanalyse 88% sind nicht per Search-Engine Data Warehouse E-Learning auffindbar Internet/Intranet Operative Systeme DMS-Systeme (OLTP) Archiv-Systeme Wissensredaktion Communities Konferenzen Kultur-Entwicklung Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Delphi-Studie Memory Abteilungen / Teams Mitarbeiter 42 % Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Reporting Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken Speichern & Bereitstellen MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
7 Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Reporting Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken Speichern & Bereitstellen MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Entwickeln & Entdecken Speichern & Bereitstellen In Anlehnung an Grothe/Gentsch Business Intelligence 2000 Pull / Push Technologie Reporting MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Intelligente Agenten Foren, emeetings Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Wissensredaktion Communities Konferenzen Kultur-Entwicklung Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
8 Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Reporting Kultur-Entwicklung Entwickeln & Entdecken MIS, EIS, DSS Kennzahlenanalyse Web-Mining Case Based Reasoning Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Speichern & Bereitstellen Data Warehouse Operative Systeme (OLTP) E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter / EDM Integration der Engineering-Daten während des Produktlebenszyklus S PLMS Erweiterte EDMS-Definition ( nachploenzke)
9 Durchgängige Nutzung und Verteilung von Engineering- Daten bietet hohe Rationalisierungspotentiale Simultaneous-Engineering-Prinzip führt zu verbessertem Informationsfluss in der gesamten Vorgangsbearbeitung Integration bereichsübergreifender Abläufe und Zusammenarbeit Standardisierung und erhöhte Wiederverwendung von Produkten Steigerung der Entwicklungsqualität: Wiederverwendungsgrad ca. 70% 20% der Arbeitszeit für die Konstruktion von Produkten 35% für die Suche nach Daten Ideale Einsparungsmöglichkeiten: Dokumentenmanagement (ablegen, anfordern, verteilen) Freigabe, Prüfung, Änderungsmanagement, Klassifikation, Daten und Dokumente suchen Projektplanung, -verfolgung, -controlling Quelle: S/EDMS Systemintegration PPS Auftrags- Daten - Technische Daten Produktbezogen CAD Entwicklung Konstruktion CAP Arbeits- Planung NC NC-Programm Erstellung Kundenbezogen Produktionsprogramm Planung Ablauf- Planung Menge Termine CAM Fertigung Auftragssteuerung Auftragsüberwachung Termine Kapazitäten CAQ Qualitäts überwachung Quelle:
10 Grundprinzip von Informationssystemen Operative Systeme OLTP Externe Daten Interne Daten Informations- Systeme Ziel Priorität DBMS Datenoperationen Abwicklung, Transaktion Verfügbarkeit, Performance Hierarchisch relational Schreiben, ändern, löschen Beobachtung, Analyse, Entscheidung Einfache Benutzung flexibler Datenzugriff Relational multidimensional Lesen, ergänzen Art der Daten Nutzer dynamisch Operativer Bereich Anwender, Kunde, Lieferant Zeitpunktbezogen, Historie, periodisch geladen Entscheider Wissensarbeiter, Zusammenspiel von OLTP und Data-Warehouse OLTP ETL Staging Area Data-Warehouse Präsentation SCM ERP CRM WWW Daten-Reengineering Extraktion,Transformation,Laden Replikation Data- Warehouse Operational Data-Store Data- Data- Marts Marts Reports Data-Mining Ad hoc Analyse DB-Katalog Tool- Dircetory DB Katalog Meta-Daten Scheduler Report Mgt.
11 Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Reporting Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken MIS, EIS, DSS Kennzahlenanalyse Web-Mining Case Based Reasoning Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Speichern & Bereitstellen Data Warehouse Operative Systeme (OLTP) E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter MIS mit zentraler Datenkomponente erfordern ein einheitliches Datenmodell MIS: Management Information System EIS: Executiv Information System Top-Management DSS: Decision Support System Taktischer Bereich Klassische MIS-Systeme Moderne MIS-Systeme A B C D Daten- Akquisition 1 Daten- Akquisition 2 Daten- Akquisition 3 EIS 1 DSS 1 EIS 2 A B C D Daten-Akquisition 1 DW Daten-Akquisition 1 EIS 1 DSS 1 EIS 2
12 DW-Analysen mit -Technologien sind Stand der Technik Würfel (Cube) Element Auswertung nach Dimensionen Produkt Ergebnisse Deckungsbeitrag Wahrscheinlichkeit Preis-Sensitivität Dimension Zeit Kunde Performance Risikoklassen Kundensegmentierung 1. Welchen Deckungsbeitrag hat ein bestimmtes Produkt im letzten Quartal in einer bestimmten Region für Kundensegment A erzielt? 2. Wie verändert sich der Umsatz in Region A bei bestimmten Preisänderungen? Trends in der Weiterentwicklung von DW Schreibender Zugriff: zurückschreiben von gewonnen Information in das Data Warehouse Manuelle Datenerweiterung: manuelle Anreicherung von Daten, z.b. zusätzliche Kategorisierungen Realtime Analysen: Informationen müssen sofort aus den OLTP- Systemen in das Data Warehouse gebracht werden (ODS) Informationserweiterung auf unstrukturierte Informationen (Web) Portalintegration, Einbindung in personalisierte Web- Portale My place-idee
13 Effiziente Suche nach verborgenen, wertvollen Informationen in großen Datenmengen und deren Interpretation (Schommer C. et al) Erkennen von Mustern / Strukturen / Gesetzmäßigkeiten in strukturierten Datenbeständen, um Entscheidungen und Vorhersagen zu treffen Hypothesenfreie Wissensgenerierung Endeckungsmodell bzw. explorative Datenanalyse Maschinelles Lernen (Aneignen von Hypothesen über Gesetzmäßigkeiten der realen Welt) Mit können unübersichtliche Daten auf wenige, interpretierbare Muster reduziert werden viele Einzelfälle wenige typische Kombinationen Lesbar und analysierbar undurchschaubar
14 Aufgaben und Methoden des Fragestellung Beispiel Data-MiningAufgabe Data-MiningMethode WarenkorbAnalyse AssoziationsAnalyse Assoziationsverfahren Erkennen von Marktsegmenten Segmentierung Clustering Prognose Bonität Klassifikation EntscheidungsBäume Prognose Umsatz Prognose Neuronale Netze Quelle: Grothe/Gentsch Business Intelligence Pallas GmbH Im werden Methoden des induktiven Lernens angewendet MaschiMaschinelles nelles Lernen Lernen Deduktives Deduktives Lernen Lernen Induktives Induktives Lernen Lernen Data Data Mining Mining Überwachtes Überwachtes Lernen Lernen Klassifikation (Klassifikation) Prognose Unüberwachtes Unüberwachtes Lernen Lernen Assoziationen, (Assoziationen, Segmentierung Segmentierung) Neuronale Neuronale Netze Netze Entscheidungsbäume Entscheidungsbäume Regelinduktion Regelinduktion k-nächste k-nächste-nachbarn -Nachbarn Diskriminanzanalyse Diskriminanzanalyse Assoziationen Assoziationen Neuronale Neuronale Netze Netze Demographisches Clustern Clustern Demographisches k-means Clustering hierarchisches Clustern hierarchisches Clustern Deskriptive Statistik, Lineare Methoden, Fuzzy Logic, Statistik, Lineare Methoden,Fuzzy Logic, Genetische Algorithmen Quelle: Krahl / Windheuser / Zick: : Einsatz in der Praxis Pallas GmbH 14
15 Herausforderung Herausforderung besteht in der Wahl der optimalen Methode, häufig heuristisches Verfahren Data-Mininig liefert Informationen in Form von Mustern und Gesetzmäßigkeiten, keine Entscheidungen garbage in < > garbage out 80 % des Aufwandes entsteht für Datenreinigung Wichtiges Anwendungsgebiet Data Quality Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Reporting Kultur-Entwicklung Entwickeln & Entdecken MIS, EIS, DSS Kennzahlenanalyse Web-Mining Case Based Reasoning Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Speichern & Bereitstellen Data Warehouse Operative Systeme (OLTP) E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
16 Just in time -Bereitstellung von relevanten Informationen Boole sche Logik Kontextoperatoren Komposita- Zerlegung Exact match Phonetische Suche Isolierte Dokumente partial match (Ranking) Vernetzte Dokumente Merkmalsbasiert Strukturbasierte Cluster- Ansätze Assoziations - analyse Fuzzy-Set Probalistische Ansätze Vektor modelle Linguistische Netze Semantische Netze Ontologien Quelle: Text- / Web Mining basiert auf den Methoden des und zielt auf unstrukturierte Daten Fragestellungen Ähnlichkeiten in Kundenkorrespondenz Zuordnung von Zeitungsartikeln Auswertung von Reklamationsberichten Abstrakterstellung Methoden Assoziationsverfahren Clustering Entscheidungs- Bäume Neuronale Netze Aufbau von Knowledge-Maps Web Mining ist die Übertragung von Data-und Text Mining-Techniken auf unstrukturiertes Datenmaterial, das im Zusammenhang mit Prozessen im Internet /Intranet gesammelt wird.
17 Integriertes Knowledge-Mining im E-Business E-Business Web Usage Web Content Log Files Online - Shop WWW Data-Mining Data-Mining E-Business-Intelligence Quelle: Grothe/Gentsch Business Intelligence 2000 Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Reporting Kultur-Entwicklung Entwickeln & Entdecken MIS, EIS, DSS Kennzahlenanalyse Web-Mining Case Based Reasoning Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Speichern & Bereitstellen Data Warehouse Operative Systeme (OLTP) E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
18 Die Balance Scorecard ist ein strategisches Management- und Kommunikations-Instrument Ausgewogener Berichtsbogen für Performance Management Umsetzung von Zielen in Kennzahlen Gleichgewicht zwischen Perspektiven Strategische Entscheidungen werden transparent Zukunftsorientierung statt Vergangenheit Herausforderungen: Geeignete Kennzahlen für die Perspektiven Informationsquellen für Kennzahlen Kunden Perspektive Finanzielle Perspektive Vision & Strategie Lern und Wachstum- Perspektive Prozess- Perspektive Ziele Aktionen Maßstab Intelligence-Portfolio Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Reporting Kultur-Entwicklung Entwickeln & Entdecken MIS, EIS, DSS Kennzahlenanalyse Web-Mining Case Based Reasoning Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Speichern & Bereitstellen Data Warehouse Operative Systeme (OLTP) E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
19 Das Grundproblem des Knowledge-Discovery beschreibt das Bedeutungs-Dreieck Aktiviert eine Vorstellung Symbol / Wort Begriff Konzept steht für bezieht sich auf Reale Welt Beispiel: Data-Mining - Data-Warehouse? - Statistisches Verfahren? - Cognos? - Daten-Mine? Computer verarbeiten nur Symbole Interpretation von Symbolen ist kontext- und personenabhängig Kommunikation mit Computer oder zwischen Personen setzt gleiche Interpretation voraus. Gemeinsames Verständnis der Realen Welt Idee des auf Basis von Wissensnetzen und Ontologien Wissensnetze mit Topic Map Standard Multidimensionaler Begriffs- Beziehungs- Komplex Assoc Informationsressource (occurrence, Belegstelle) Topic Topic Occurrence Assoc Assoc Topic Assoc O-Assoc O-Assoc T-A-O ist relevant, weil...
20 Topic Map am Beispiel Business Intelligence EIS Data Marts Portal T-A-O basiert auf ist ein ist ein Data Warehouse basiert auf basiert auf Business- Intelligence ist ein Balanced Scorecard DBMS Data Management Veranstaltungen Web Mining Text Mining Information Semantic Web Wissensnetze DLR Knowledge Discovery Ontologie DBMS Intranet DMS Ontologie ist eine von mehreren Anwendern geteilte begriffliche Spezifikation eines Anwendungsbereiches Darstellung in Form von semantischen Netzen mit Begriffen, Beziehungen, Typenhierarchien Begriffe bilden eine Metastruktur über den Inhalten Funktion/Nutzen Visualisierung von intellektuelle Wissensstrukturen Navigation in Wissensstrukturen Intelligentes, Suche in Netzen (Query Answering) Inferenzmechanismen (Schlussfolgerungen) Mitarbeiter arbeitet in KM-Projekt > Mitarbeiter hat KM Knowhow Standardisierter Austausch (XML-Basis) Beispiel: Topic Map Standard
21 Kommunikation mit Intelligenten Agenten Ein Agent ist ein Softwareprogramm, das für seinen Nutzer bestimmte Aufgaben erledigt und dabei ein ausreichendes Maß an Intelligenz besitzt, um seine Aufgaben in Teilen autonom durchzuführen, seine Nutzer gegenüber Dritten zu repräsentieren und mit seiner Umwelt auf sinnvolle Art und Weise zu interagieren. [Zarnekow & Brenner 1999] Beispiele für Agenten Anwendungsbereiche Gezielte Informationsversorgung Überwachung dynamischer Datenquellen Preisvergleich im E-Commerce Vermittler in elektronischen Marktplätzen Telematiksysteme Workflow Management Produktionsteuerung Informationsversorgung Such-Agenten für wiederverwendbare Recherchen Profil-Agenten für individuelle Interessen Kategorie-Agenten für Taxonomien News-Agenten für Themenkanäle
22 Intelligence-Portfolio Business- Intelligence Business Intelligence i.e.s Verteilen & Kommunizieren Quantitativ Pull / Push Technologie Reporting Explizit Intelligente Agenten Foren, emeetings ...Qualitativ Strukturiert......Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken Speichern & Bereitstellen MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter Intelligence-Portfolio Wissens- Management Wissens- Management i.e.s Verteilen & Kommunizieren Quantitativ Pull / Push Technologie Reporting Explizit Intelligente Agenten Foren, emeetings ...Qualitativ Strukturiert......Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken Speichern & Bereitstellen MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter
23 Intelligence-Portfolio Enterprise Information- Portale Explizit Quantitativ Strukturiert......Qualitativ...Unstrukturiert Daten Informationen......Wissen Implizit Human Ressource Verteilen & Kommunizieren Pull / Push Technologie Reporting Intelligente Agenten Foren, emeetings Wissensredaktion Communities Konferenzen Kultur-Entwicklung Entwickeln & Entdecken Speichern & Bereitstellen MIS, EIS, DSS Kennzahlenanalyse Data Warehouse Operative Systeme (OLTP) Web-Mining Case Based Reasoning E-Learning Internet/Intranet DMS-Systeme Archiv-Systeme Innovations-Mgt. Personal-Mgt. Organisationsentwicklung Intellectual Capital Organizational Memory Abteilungen / Teams Mitarbeiter Enterprise-Information-Portale Höchste Stufe der Evolution und Integration Intelligentes Wissensportal Menü, Knowledge-Map, Agenten,, Pull/Push Daten, Informationen und Wissen über Kunden, Produkte, Prozesse, Projekte, etc. Visualisierung Navigation Usability Zugriffsteuerung Personalisierung Prozessorientierung Data Mining Knowledge Discovery Search & Business-Intelligence OLTP- Systeme Data- Warehouse DMS/ Archiv ERP- CRM- Mail- Server Externe Datenquellen Enterprise Integration Pallas GmbH
24 Ausblick: Daten-Chaos ist beherrschbar Daten- und Informations-Management sind technisch lösbar Wissensmanagement ist eine kulturelle Herausforderung Die Lösungen: Datenqualität / Data-Reenginiering Metadatenkonzepte Semantik Bei aller Euphorie: Entscheidungen werden häufig nicht mit dem Kopf sondern mit dem Bauch getroffen. Ein Unternehmen der ExperTeam-Gruppe Wege aus dem Daten-Chaos Von der Datenspeicherung zum Wissensmanagement Fragestellungen, Begriffe und Technische Konzepte DLR Workshop Hans-Gerd Schaal Geschäftsführer Pallas GmbH HermülheimerStraße Brühl Emil-Figge-Straße Dortmund Hans-Gerd.Schaal@pallas.com
Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller
Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrKnowledge City Einsatz eines Enterprise Portals
the Business to Enterprise Portal Knowledge City Einsatz eines Enterprise Portals World Trade Center - Zürich, 12. April 2002 Seite 1 These Eine integrierte Immobiliengesellschaft kann nur mittels einer
MehrW.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)
Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,
MehrDISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne
Mehr360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf
360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf Von der Entstehung bis heute 1996 als EDV Beratung Saller gegründet, seit 2010 BI4U GmbH Firmensitz ist Unterschleißheim (bei München)
MehrWeb Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion
Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische
MehrMission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden
Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines
MehrData 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,
MehrBig, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen
Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung
MehrINFORMATION LIFECYCLE AKTUELLE TRENDS IM INPUT MANAGEMENT CENIT EIM IT-TAG 13. JUNI 2013 IN STUTTGART LARS LAMPE
INFORMATION LIFECYCLE AKTUELLE TRENDS IM INPUT MANAGEMENT CENIT EIM IT-TAG 13. JUNI 2013 IN STUTTGART LARS LAMPE AM ANFANG WAR DAS PAPIER Der Papyrus Westcar(Altes Museum, Berlin) aus der 13. Dynastie
MehrVon BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor
Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung
MehrErweiterung von klassischen MIS-Systemen zu BI-Portalen
Erweiterung von klassischen MIS-Systemen zu BI-Portalen Rene Paul Agenda Ausgangslage klassischer MIS-Systeme Definition und Kernfunktionen eines BI-Portals Produkteauswahl Fallstrick Nr. 1 Live - Demonstration
MehrBusiness 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
MehrGIN WEAVER. Kontextsensitive Bereitstellung von Informationen: Relevante Inhalte zur richtigen Zeit
GIN WEAVER Kontextsensitive Bereitstellung von Informationen: Relevante Inhalte zur richtigen Zeit GIN WEAVER Paradigmenwechsel von Suche, zur Bereitstellung von Informationen für Ihren Arbeitskontext
MehrData/Information Quality Management
Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!
Mehr1Ralph Schock RM NEO REPORTING
1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen
Mehrwindream für Microsoft Office SharePoint Server
windream für Microsoft Office SharePoint Server Geschäftprozesse und Formulare Business Intelligence Enterprise Content Management Zusammenarbeit Unternehmensweite Suche Portale Integration, Interaktion,
Mehr!!!!T!!! Systems!() Multimedia Solutions
Inhalt. Was ist das semantische Web? Wie findet man einen Arzttermin mit Hilfe des semantischen Web? Wie gibt man Inhalten einen Sinn? Welche Werkzeuge stehen zur Verfügung? Wo können strukturierte Inhalte
MehrData Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse
Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher
MehrIDV Assessment- und Migration Factory für Banken und Versicherungen
IDV Assessment- und Migration Factory für Banken und Versicherungen Erfassung, Analyse und Migration von Excel- und AccessAnwendungen als User-Selfservice. Sind Ihre Excel- und Access- Anwendungen ein
MehrBI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
MehrANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.
ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrSeminar 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?
MehrBig 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
MehrIntelligente Systeme in der Praxis
Ihr keytech Partner DMS für PLM und DMS Intelligente Systeme in der Praxis Systemübergreifende Workflows zur Steigerung der Effizienz Die meisten Dinge, die wir lernen, lernen wir von den Kunden. Charles
MehrBI Organisation und Governance. Patrick Keller, Senior Analyst und Prokurist CeBIT 2016
BI Organisation und Governance Patrick Keller, Senior Analyst und Prokurist CeBIT 2016 15.03.2016 BARC 2016 2 Warum eine Organisation für BI? Menschen verursachen mehr Probleme als Technik! 15.03.2016
MehrBusiness Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand
Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand 2. Fachtagung Dynamisierung des Mittelstandes durch IT, 09.09.2008 Was ist Business Intelligence
MehrGESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013
OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld
MehrData Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
MehrInformationsflut bewältigen - Textmining in der Praxis
Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland
MehrDr.Siegmund Priglinger. 23.03.2007 spriglinger@informatica.com
Vernetzung geschäftsrelevanter Informationen Dr.Siegmund Priglinger 23.03.2007 spriglinger@informatica.com 1 Agenda 2 Die Herausforderung Der Markt verbindet diese fragmenierten Daten Geschäftssicht M&A
MehrEntscheidungsunterstützungssysteme
Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
MehrBusiness Intelligence im Krankenhaus
Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence
MehrMarketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische
MehrUmfrage: Ihre Erwartungen, Ihr Bedarf und der aktuelle Einsatz von Informationstechnologie (IT) in Ihrem Unternehmen
Umfrage: Ihre Erwartungen, Ihr Bedarf und der aktuelle Einsatz von Informationstechnologie (IT) in Ihrem Unternehmen A.1 Welche Funktion bekleiden Sie in Ihrem Unternehmen? A.2 Sind Sie entscheidungsbefugt
MehrData Warehouse ein strategisches Projekt
Gosch Consulting GmbH DI Bernhard Scherdoner IDC Österreich Data Warehouse / Data Mining Konferenz Wien, am 21.03.2002 81 Die Bedeutung von Informationen Motivation/Ziele bei DWH-Projekten Aufbau erfolgreicher
MehrSharePoint Portal für eine effiziente Zusammenarbeit
Portal für eine effiziente Zusammenarbeit SharePoint Zusammenarbeit im Unternehmen Die Informationstechnologie, die Mitarbeitern dabei hilft mit ihren Kollegen während der täglichen Arbeit leicht und schnell
MehrBusiness Performance Management Next Generation Business Intelligence?
Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl
MehrTest zur Bereitschaft für die Cloud
Bericht zum EMC Test zur Bereitschaft für die Cloud Test zur Bereitschaft für die Cloud EMC VERTRAULICH NUR ZUR INTERNEN VERWENDUNG Testen Sie, ob Sie bereit sind für die Cloud Vielen Dank, dass Sie sich
MehrSSZ Policy und IAM Strategie BIT
SSZ Policy und IAM Strategie BIT Thierry Perroud Unternehmensarchitekt BIT Agenda Geschäftstreiber SSZ Abgrenzung Access Management / Identity Management IAM Strategien Zugriffsmuster Stand der Arbeiten
Mehr1 Ihre BI-Galaxie von BITMARCK!
1 Ihre BI-Galaxie von BITMARCK! Die Summe aller Sterne ist die Galaxie Ihre BI-Galaxie von BITMARCK! Michael Heutmann, Peter Hernold, Markus Jankowski Neuss, 4. November 2013 Sie haben uns mit auf den
MehrOntologiebasiertes Kennzahlenmanagement
Ontologiebasiertes Kennzahlenmanagement Dan Garconita Competence Center Information Management Bundesrechenzentrum GmbH www.brz.gv.at Der IT-Dienstleister des Bundes Kennzahlensysteme No doubt companies
MehrWerkzeuge für ein innovatives Wissensmanagement. W3L AG info@w3l.de
1 Werkzeuge für ein innovatives Wissensmanagement W3L AG info@w3l.de 2013 2 Informationen und Wissen John Naisbitt (15.01.1929 - ) Wir ertrinken in Informationen, aber wir hungern nach Wissen... 3 Wo und
MehrLars Priebe Senior Systemberater. ORACLE Deutschland GmbH
Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele
MehrNeuer Rahmen für die Unternehmensführung Welche Strategie soll es zukünftig sein? Franz Hunger Abteilung Bildung und Beratung
Neuer Rahmen für die Unternehmensführung Welche Strategie soll es zukünftig sein? Franz Hunger Abteilung Bildung und Beratung Überblick Was ist eine Strategie? Was beeinflusst die Strategie? Entwicklungen
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrBusiness Application Framework für SharePoint Der Kern aller PSC-Lösungen
Business Application Framework für SharePoint Der Kern aller PSC-Lösungen Überblick pscbaf Dieses Dokument liefert die Antworten auf folgende Fragen: Was ist das Portal Systems Business Application Framework
MehrLinked Open Data (LOD) in der Landwirtschaft. Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I
Linked Open Data (LOD) in der Landwirtschaft Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I zentrum der BLE (Qualitative Aspekte in Bezug auf linked Data) Dr. Maul 1 Ziele des zentrums
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
MehrMarketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele
MehrInside. IT-Informatik. Die besseren IT-Lösungen.
Inside IT-Informatik Die Informationstechnologie unterstützt die kompletten Geschäftsprozesse. Geht in Ihrem Unternehmen beides Hand in Hand? Nutzen Sie Ihre Chancen! Entdecken Sie Ihre Potenziale! Mit
MehrMacht Knowledge- Management Unternehmen effizienter?
Macht Knowledge- Management Unternehmen effizienter? Karl-Heinz Plünnecke Geschäftsführer H.U.T GmbH 1 Software Performance Entwicklung Performance Was dann? ecommerce ERP SCM CRM Zeit 2 1 Noch Potential?
MehrSeminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006
Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet
MehrThe 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
MehrProjektplanung und Wissensmanagement. Kooperative Projektplanung unter Einsatz eines Wissensmanagement Systems
Kooperative Projektplanung unter Einsatz eines Wissensmanagement Systems Christian Nürnberger, TO DO SOLUTIONS GmbH & Co. KG Tel.: 0421 98600001 christian.nuernberger@todo-solutions.de Michael Klingemann,
MehrLÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG CLOSED LOOP MARKETING
LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG CLOSED LOOP MARKETING W W W. N O V E M B A. D E Branchenlösung pharma navigator CLOSED LOOP MARKETING VON DER ERFOLGREICHEN ANALYSE ZUR ZIELGERICHTETEN PROMOTION ANALYSE
Mehrsage Office Line und cobra: die ideale Kombination!
sage Office Line und cobra: die ideale Kombination! 1 Sage und cobra: Die Kombination und ihre Synergieeffekte! Unternehmen brauchen eine ERP-Lösung zur Verwaltung und Abwicklung ihrer Geschäftsprozesse.
MehrOperational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland
Operational Big Data effektiv nutzen TIBCO LogLogic Martin Ulmer, Tibco LogLogic Deutschland LOGS HINTERLASSEN SPUREN? Wer hat wann was gemacht Halten wir interne und externe IT Richtlinien ein Ist die
MehrTitel BOAKdurch Klicken hinzufügen
Titel BOAKdurch Klicken hinzufügen Business Objects Arbeitskreis 2015 Aufbau einer BI-Strategie Referent Stefan Weber, ZIS Verkehrsbetriebe Zürich 15.09.2015 Hotel UTO KULM Thema Um was geht es! C1: Aufbau
MehrIndustrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit
Eckard Eberle, CEO Industrial Automation Systems Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit siemens.com/answers Industrie 4.0 Was ist das? Der zeitliche Ablauf der industriellen Revolution
MehrProduct Lifecycle Management Studie 2013
Product Lifecycle Studie 2013 PLM Excellence durch die Integration der Produktentwicklung mit der gesamten Wertschöpfungskette Dr. Christoph Kilger, Dr. Adrian Reisch, René Indefrey J&M Consulting AG Copyright
MehrC09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl
C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl
MehrMehrwert durch 3D-Druck generieren
Mehrwert durch 3D-Druck generieren Zwei fundamentale Unterschiede von 3D-Druck zu traditionellen Produktionsverfahren No economies of scale Complexity for free Stückkosten Stückkosten Stückzahl Stückzahl
MehrSpezialisierung Business Intelligence
Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business
MehrContent Management System mit INTREXX 2002.
Content Management System mit INTREXX 2002. Welche Vorteile hat ein CM-System mit INTREXX? Sie haben bereits INTREXX im Einsatz? Dann liegt es auf der Hand, dass Sie ein CM-System zur Pflege Ihrer Webseite,
Mehresearch one-single-point-of-information Federated Search Modul
Produktbroschüre esearch one-single-point-of-information Federated Search Modul WIR HABEN DIE LÖSUNG FÜR IHREN VORSPRUNG www.mira-glomas.net esearch ermöglicht es, Ihren benötigten internen Informationsbedarf
MehrBusiness Intelligence in NRW
Fragebogen zur Erhebung von Unternehmensdaten für die Business Intelligence Studie in Nordrhein-Westfalen ishot, wwwphotocasede Sehr geehrte Teilnehmerin, sehr geehrter Teilnehmer, wir führen für das Land
MehrCross-Platform. Visualize. Innovate. IT-Lösungen und Services konsequent zu Ende gedacht!
Cross-Platform. Visualize. Innovate. IT-Lösungen und Services konsequent zu Ende gedacht! UplinkIT ist ihr service- und technikstarker Partner, der Lösungen aus den Bereichen plattformunabhängiger Applikationen
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrECM und Zusammenarbeit
ECM und Zusammenarbeit Bernhard Freudenstein Leiter Technical Sales TEIMS TRIA Enterprise Information Management Services Enterprise Content Management Wissen ist das wichtigste Asset im Unternehmen Content
MehrMEHRWERK. Einheitliche Kundenkommunikation
MEHRWERK Einheitliche Kundenkommunikation Alle Prozesse und Daten aus bestehenden Systemen werden im richtigen Kontext für relevante Geschäftsdokumente eingesetzt. Flexible Geschäftsprozesse Änderungszyklen
MehrMehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen.
Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Definitionen Business Intelligence (BI) bezeichnet Verfahren, Prozesse und Techniken zur systematischen Analyse von Daten in elektronischer
MehrDie Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link
Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas
MehrInfor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr
Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können
MehrInterview zum Thema Management Reporting &Business Intelligence
Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit
MehrMHP Auditmanagement Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung!
MHP Auditmanagement Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung! 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda Motivation MHP Lösung
MehrI T & A U T O M A T I O N. SCADA.web. Ausgezeichnete Anlagenüberwachung im Web
I T & A U T O M A T I O N SCADA.web Ausgezeichnete Anlagenüberwachung im Web Innovation in Technologie und Dienstleistung SCADA.web ist das Portal zur Fernüberwachung für Betreiber von kleinen dezentralen
MehrBusiness Intelligence
Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence
MehrTRAINING & LEARNING. So werden Sie von SELECTEAM unterstützt
TRAINING & LEARNING So werden Sie von SELECTEAM unterstützt 1 TRAINING & LEARNING: SO UNTERSTÜTZEN WIR SIE Definition Implementierung Erfolgsmessung Vorbereitung und Planung Analyse der Ist- Situa=on und
MehrTraditionelle Suchmaschinenoptimierung (SEO)
Traditionelle Suchmaschinenoptimierung (SEO) Mit der stetig voranschreitenden Veränderung des World Wide Web haben sich vor allem auch das Surfverhalten der User und deren Einfluss stark verändert. Täglich
MehrOpen Source Knowledge Management
Georg Hüttenegger Open Source Knowledge Management Mit 10 Abbildungen und 9 Tabellen 4ü Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Definitionen (Knowledge, Knowledge Management, Open Source,...) 2
Mehr1 Was ist Personal Online-Coaching?
1 Was ist Personal Online-Coaching? 2 Welchen Nutzen bringt Personal Online-Coaching? 3 Wie funktioniert Personal Online-Coaching in der Praxis? 4 Wie kann die Personal Online-Coaching Akademie für Ihr
MehrMitarbeiterbefragung als PE- und OE-Instrument
Mitarbeiterbefragung als PE- und OE-Instrument 1. Was nützt die Mitarbeiterbefragung? Eine Mitarbeiterbefragung hat den Sinn, die Sichtweisen der im Unternehmen tätigen Menschen zu erkennen und für die
MehrOpen Source als de-facto Standard bei Swisscom Cloud Services
Open Source als de-facto Standard bei Swisscom Cloud Services Dr. Marcus Brunner Head of Standardization Strategy and Innovation Swisscom marcus.brunner@swisscom.com Viele Clouds, viele Trends, viele Technologien
MehrCorporate Design leicht gemacht. officeatwork für Microsoft Dynamics AX und Microsoft Dynamics CRM
Corporate Design leicht gemacht officeatwork für Microsoft Dynamics AX und Microsoft Dynamics CRM officeatwork Dynamics Connector Corporate Design leicht gemacht officeatwork ist die Business-Lösung für
MehrSemantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph!
Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! www.semantic-web-grundlagen.de Ontology Engineering! Dr. Sebastian Rudolph! Semantic Web Architecture
MehrBessere Daten durch Stammdatenmanagement
make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere
MehrCad-OasEs Int. GmbH. 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen. Nutzen Sie dieses Wissen!
Cad-OasEs Int. GmbH 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen Nutzen Sie dieses Wissen! Roland Hofmann Geschäftsführer der Cad-OasEs Int. GmbH Die Cad-OasEs bietet seit mehr als 20 Jahren
MehrVom Intranet zum Knowledge Management
Vom Intranet zum Knowledge Management Die Veränderung der Informationskultur in Organisationen von Martin Kuppinger, Michael Woywode 1. Auflage Hanser München 2000 Verlag C.H. Beck im Internet: www.beck.de
MehrCockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr
Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche
MehrCorporate Smart Process Content. Wissensmanagement mittels Prozesskontext
Corporate Smart Process Content Wissensmanagement mittels Prozesskontext Agenda 1. Ziele des Teilvorhabens 2. Einführung in die Prozesswelt 3. SemTalk als Werkzeug für Prozessmodellierung und Wissensmanagement
MehrOrganisationen neu sehen
Organisatione n neu sehen Organisationen neu sehen ~ Soziale Netzwerkanalyse für Unternehmen ~ The best way to understanding how work really gets done in organizations Rob Cross, IBM Research PZN Kooperationsberatung
Mehr! APS Advisor for Automic
APS Advisor for Automic Business Service Monitoring für Fachanwender, IT- Manager and IT- Experten www.apsware.com Überblick for Automic ist eine auf die spezifischen Bedürfnisse von Fachanwendern, IT-
MehrVorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com
Vorhersage mit CA CleverPath Predictive Analysis Server Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Agenda Herausforderung CP PAS Neugents Modelle Mustererkennung Tools CA World 1 Herausforderung
MehrDokumenten- und Änderungsmanagement mit Geschäftspartnern
Dokumenten- und Änderungsmanagement mit Geschäftspartnern Wie Sie den Austausch von Dokumenten sicher machen, Zeit sparen und Kosten senken Ralph Schermann Wettbewerbsumfeld Automobil- und Fertigungsindustrie
MehrEinführung von DMS in 5 Schritten
Einführung von DMS in 5 Schritten Vorgespräch 01 - Grundlagen Präsentation 02 - Nutzenermittlung Workshop 03 - Lösungsdetails Angebot 04 - Kalkulation Einrichtung/Schulung 05 - Einführung Dokumentenmanagement
Mehr