BI-Architektur heute. Erweiterung klassischer BI-Architekturen um neue Big Data Technologien und Use Cases

Größe: px
Ab Seite anzeigen:

Download "BI-Architektur heute. Erweiterung klassischer BI-Architekturen um neue Big Data Technologien und Use Cases"

Transkript

1 BI-Architektur heute Erweiterung klassischer BI-Architekturen um neue Big Data Technologien und Use Cases 14. Europäische TDWI-Konferenz Juni 2014, MOC München T2A-2: 24. Juni 2014, 10:45-12:00 Uhr Dr. Carsten Dittmar / Peter Schulz

2 Discover the Power of Sharing BI-Architektur heute Datum: Erweiterung klassischer BI-Architekturen um neue Big Data Technologien und Use Cases Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Team: Dr. Carsten Dittmar Senior Manager Peter Schulz Principal Consultant Dries Ballerstedt Senior Consultant Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen schriftlichen Zustimmung von Steria Mummert Consulting. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen und die Einspeicherung und Verarbeitung in elektronischer Form. Eine Weitergabe an Dritte ist nicht gestattet. Steria Mummert Consulting GmbH Hans-Henny-Jahnn-Weg 29, Hamburg Telefon: Fax: Vorsitzender des Aufsichtsrates: François Enaud Geschäftsführer: Urs Michael Krämer Gesellschaftssitz: Hamburg - HRB Amtsgericht Hamburg - USt-ID-Nr.: DE

3 Inhalt Klassische BI-Architekturen Neue Technologien und Konzepte Use Case orientierte Erweiterung der BI-Architektur Wege zur information-driven company durch das Analytical Ecosystem of the Future Fazit 3

4 Kapitel 1 Klassische BI-Architekturen Spannungsfeld BI-Architektur Aktuelle Herausforderungen für klassische BI-Architekturen 4

5 Vielfältiges Verständnis zu BI-Architektur Klassische BI-Architekturen BI-Architektur beschreibt allgemein die konzeptionelle Planung der Funktionen, des Aufbaus und des Zusammenwirkens der unterschiedlichen Komponenten eines BI-Systems. BI-Architektur bewegt sich im Spannungsfeld zwischen logischen und physischen Aspekten. Logische Architektur Physische Architektur Datenmodelle, Datenschichten, Verarbeitungsmodule mit Fokus auf Repräsentation der fachlichen Semantik Bereitstellung von Hardware-, Software- und Netzwerkkomponenten mit Fokus auf anforderungsgerechte Leistungs- und Funktionalitätsspektrum 5

6 Die richtige BI-Architektur Klassische BI-Architekturen Aus theoretischer Sicht war die richtige BI-Architektur lange klar definiert: Logische Zergliederung des Datenintegrations- und veredlungsprozesses in vier mandatorische Datenschichten als logischer Standard (Data Acquisition Layer, (Core) Data Layer, Analytical Layer, Presentation Layer) Redundante Speicherung operativer Daten und physische Datenintegration in einer singulären Hub&Spoke Architektur mit 3NF orientiertem Core Warehouse gemäß Inmon Approach als Standardreferenzarchitektur Standard & Ad-hoc-Reporting Functionality Data Mart Data Mart Data Mart Technologiekonsolidierung und One Size fits All treibt kostenoptimalen (Enterprise-) Data Warehouse Approach, Komplexitätsreduktion und in Folge die semantische Integration Operational Data Store als temporäre Datensenke auf feingranularer Ebene (Core-) Data Warehouse (DWH) Operational Data Store (ODS) Operational Systems (e.g. ERP, SCM, CRM) Data Acquisition Layer Batch External Data 6

7 Die richtige BI-Architektur in der Realität Klassische BI-Architekturen Die Einhaltung der Paradigmen klassischer BI- Architekturen wird in der Realität jedoch immer schwieriger: Die in der Vergangenheit durch klassische BI- Architekturen versprochenen Benefits wurden häufig nicht erreicht Informationssilos und heterogene Architekturen als Regel statt Ausnahme Hohe Komplexität und Intransparenz sowie projektindividuelles Vorgehen Technologie-getriebene Projekte und Projektgetriebene Datenintegration Anwender fordern höhere Flexibilität und Autonomie (Self Service BI) Vielzahl neuer Technologien (z.b. Analytische DB, Visual Analysis & Data Discovery) Neue IT-Modelle (z.b. Cloud Computing, Pre-packaged Solutions) Aktuell hinterfragt eine Vielzahl von neuen Technologien und Konzepten klassische BI- Paradigmen. 4 5 Spread-Mart Wachstum unter Umgehung von architekturellen Vorgaben Kein fachliches Funding für Architekturkonsolidierungsmaßnahmen 9 10 Megatrend Big Data liefert neue Use Cases und Datenquellen/-formen BI-Integration in andere Softwaresegmente (CRM, ERP) 7

8 Blick in die Empirie: bima -Studie 2012/13 - Status Quo von BI in Europa Klassische BI-Architekturen Länderverteilung Branchenverteilung Unternehmensgröße (Jahresumsatz) Feldphase: November 2012 bis Januar 2013 # Fragen: 40, # Kontakte: , # Teilnehmer: 668 Teilnehmer nach Untern.-bereich Ihre elektronische Kopie der bima -Studie 2012/13 erhalten Sie am Stand von Steria Mummert Consulting! 8

9 Ändert sich in Zukunft die BI-Architektur? Klassische BI-Architekturen Mehrere Data Warehouses mit mehreren, fachlich abgestimmten Data Marts Marts mit gemeinsamen Dimensionen ohne zentrales DWH (Data Marts Bus Architektur) Keine dedizierte dispositive Datenhaltung zur Entscheidungsunterstützung Es existiert eine Virtualisierungsschicht zur logischen Integration mehrerer Quellen Architektur Pattern heute und zukünftig Data Marts mit einem zentralen EDWH (Hub and Spoke Architektur) Die Architektur enthält einen Operational Data Store (ODS) Unabhängige Data Marts (ohne zentrales DWH) Ein zentrales Enterprise DWH ohne Data Marts Eine Sandbox zur flexiblen Integration fachlicher Daten für Sonderanalysen 5% 27% 13% 24% 25% 23% 26% 19% 19% 17% 15% 23% 29% 33% 13% 27% 30% 40% ist vorhanden 0% 20% 40% 60% 80% 100% Heute Zukünftig bima -Studie 2012/13 - Status Quo von BI in Europa, Steria Die physische Integration von Daten gemäß Single Point of Truth wird immer noch als der heilige Gral der BI beobachtet. Dennoch sind Architekturvarianten mit mehreren Data Warehouse bzw. Daten-pools aus empirischer Sicht die Regel. Eine hohe zu vermutende Dunkelziffer bekräftigt diese Einschätzung. Darüber hinaus erhöht das Aufkommen neuer Anwendungsbereiche die Komplexität von BI- Landschaften deutlich und treibt das Aufkommen weiterer fragmentierter analytischer Silos. 9

10 Komplexität treibt überproportional die Anzahl der analytischen Applikationen Klassische BI-Architekturen Zwischen der flexiblen Ad-hoc Analyse auf granularer Datenebene, der Erfüllung von feststehenden regulatorischen Berichtspflichten oder dem sekundengenauen Logistik Tracking bestehen große Unterschiede: Latenzzeit Volumen Transformationsspezifität Änderungsdynamik Quellenspektrum Funktionsbedarf.... strategisch taktisch operativ Beispiele für wachsende analytische Silos Logistik-Steuerung Treiberbasiertes Forecasting BaFin-Reports nach SolvV/LiqV/MaRisk Kampagnenselektion Treasury Dashboard Sales Controlling Accounting Production... EDWH Approach 10

11 Big Data dehnt die analytische Spielwiese weiter aus Klassische BI-Architekturen Durch die explizite Adressierung von großen Datenmengen, komplexe Analyse und Echtzeitintegration von Daten verschiedenster Struktur und Herkunft (Big Data) werden bekannte Herausforderungen von Small Data eher verschärft und offenkundig. Data Variety Data Velocity strategisch taktisch Big Data Big Data Data Granularity operativ Big Data Big Data Sales Controlling Accounting Production... Data Volume 11

12 Auch internationale Studien bestätigen die Relevanz von verteilten BI-Architekturen Klassische BI-Architekturen TDWI sieht in aktueller Research Studie den deutlichen Trend weg vom Enterprise Data Warehouse (EDW) hin zu sog. Multi-platform Data Warehouse Environments (DWEs) Hinzufügen von neuen Standalone-Datenplattformen in Ergänzung zu bestehender Architektur Traditionelle Core Date Warehouse nach wie vor als ideale Plattform für Standardreporting, Dashboarding, Performance Mgmt. und OLAP. Ergänzende Standalone-Datenplattformen sind auf das Management, die Verarbeitung und die Analyse insb. von Big Data Use Cases. TDWI Best Practice Report: Evolving Data Warehouse Architectures, 02/2014, TDWI Research. 12

13 Kapitel 2 Neue Technologien und Konzepte Überblick Kategorisierung und Einsatzpotenziale pro Technologie Cluster 13

14 Architektur beeinflussende Treiber und zu integrierende Komponenten < 3 Jahre Neue Technologien und Konzepte Top 15 zu integrierende Architekturkomponenten in den nächsten 3 Jahren Architektur beeinflussende Treiber Fokus: Steigerung technische Performance Erhöhung Flexibilität und Funktionalität für Nutzer Verkürzung Umsetzungsdauer Senkung Kosten Aufbau- und Betrieb : Klassische DWH/BI Architekturkomponente TDWI Best Practice Report: Evolving Data Warehouse Architectures, 02/2014, TDWI Research 14

15 Selektion Technologiecluster Neue Technologien und Konzepte Neue Technologien und Konzepte haben Einfluss auf alle Schichten einer DWH/BI Architektur. Mehrzahl der Anwendungsszenarien ist in der mittelfristigen Perspektive additiv. 15

16 Erweiterung des Quellenspektrums um Streaming / (Near) Realtime Neue Technologien und Konzepte Streaming: Anbindung Datenquelle mit kontinuierlichem Datenfluss mit niedriger Latenzzeit Complex Event Processing: Automatisierte Analyse bezogen auf ein Zeitfenster von Ereignissen und Ableitung von Reaktionen nach definierten Regeln Streaming im Kontext DWH: Perpetual Analytics Analyse mit Predictive Analytics Methoden und unter Anwendung Machine Learning. Complex Event Processing "top k" trending items heavy-hitters distinct items Perpetual Analytics Aktuelle Erkenntnis analog CEP In Verbindung mit Kontext bestehendes Wissen Einsatz erfolgt selektiv für Anwendungsfälle die fachlich eine near realtime Datenaktualität bedingen. 16

17 Erweiterung des Quellenspektrums um Streaming / (Near) Realtime Neue Technologien und Konzepte Schlüssel zur Erreichung der notwendigen Leistungsfähigkeit für Perpetual Analytics ist Konzept der Parallelisierung: Alternativen klassische Massiv Parallele DBMS oder Hadoop Implementierung von verteilten Dateisystemen. Die Entwicklung von Lösungen um Hadoop ist aktuell vielfältig und intensiv. Besondere Verbreitung unter den Open Source Implementierungen findet aktuell Spark / Spark Streaming. Unterschiede Implementierungen sind insbesondere in der Leistungsfähigkeit, als auch in der Möglichkeit der Wiederverwendung von Code sowohl für die near real-time, als auch für das Batch Prozessing vorhanden. Data source Git logs; chart courtesy of Matei Zaharia, Stand

18 Architekturelement Streaming / (Near) Realtime Neue Technologien und Konzepte Das Architekturelement Streaming ergänzt die DWH/BI Architektur um die Komponenten: Interface near real time Datenquelle Verarbeitung von Mini Batches Online Analyse Frontend Optional: Decision Engine Standard & Ad-hoc-Reporting Functionality Data Mart Data Mart Data Mart (Core-) Data Warehouse (DWH) Online-Analyse & Automatisierte Auslöung von Aktionen Decision Engine Event Services Business Rules Operational Data Store (ODS) Data Acquisition Layer Event Hub (Cache) Event Processing Batch Operational Systems (e.g. ERP, SCM, CRM) External Data Near Real time Machine & Poly-structured Sensor Data Data 18

19 Self Service BI und Sandboxing erweitern den Freiheitsgrad der Anwender Neue Technologien und Konzepte Self Service BI: Anwender erstellt und modifiziert analytischen Abfragen, unterstützt durch grafische Analysefunktionen und intuitive Bedienung Sandboxing: zusätzlicher Freiheitsgrad für Anwender eigene Datenbestände (auch aus eigenen Datenquellen und/oder in Kombination mit Daten aus dem DWH) für einen begrenzten Zeitraum im Zugriff zu haben Spektrum von Self Service BI ist vielfältig, der Begriff wird heterogen verwendet. Synonym auch der Begriff Data Discovery. 19

20 Self Service BI / Konvergenz Frontend Neue Technologien und Konzepte Konvergenz Frontend: Funktionsklasse Self Service BI wurde zunächst nur von Nischen-BI-Herstellern bedient, in den letzten Jahren haben Hersteller der etablierten BI Tool Suites diese Funktionen in ihren Produkten ergänzt. Weitere Folge ist Ausrichtung aller am Markt befindlicher BI Tool Suites auf Analyse- und nicht mehr Reporting-Zentrierung. Gartner s Magic Quadrant for Business Intelligence and Analytics Platforms integriert nun z.b. auch Business user Data Mashup and modeling Interactive Visualization The Disruptive Impact of Data Discovery, Joao Tapadinhas / Dan Sommer, 02/2014, Gartner 20

21 Architekturelement Self Service BI / Sandboxing Neue Technologien und Konzepte Self Service BI erweitert die Funktionsklassen des Frontend Layers. Möglichkeit der Bildung eigener Analyseräume im Frontend Tool oder im Rahmen des DWH. Data Governance bleibt die Top Herausforderung bei Öffnung der Reporting-Definitionen und für durch Nutzer eingebrachte Daten. Standard & Ad-hoc-Reporting Functionality User ext. Data Data Mart Data Mart Data Mart Sandbox Advanced Analysis Desktop In-Memory Sandbox Discovery (Core-) Data Warehouse (DWH) Operational Data Store (ODS) Data Acquisition Layer How to Deliver Self Service BI, Kurt Schlegel, 02/2014, Gartner Batch Operational Systems (e.g. ERP, SCM, CRM) External Data 21

22 Analytische Plattformen: neue Konzepte und technische Optimierungen zur Datenhaltung Neue Technologien und Konzepte Analytische Plattformen sind für die Analyse optimierte Datenhaltungssysteme. Zusätzlich werden analytische Funktionen integriert. Weitere Form ist der Ansatz einer Plattform optimiert sowohl für transaktionale und zugleich für analytische Workloads. BARC(2013) 22

23 late binding Verortung Einsatzszenarien Analytische Plattformen Neue Technologien und Konzepte Analytische Plattformen sind geeignet die Basis für eine DWH/BI Architektur zu bilden. Aktuell werden sie jedoch i.d.r. additiv eingesetzt. Dieser Einsatz lässt sich wie folgt beschreiben: Analytical Lab: tiefgehende Analyse großer Datenmengen incl.polystrukturierte Daten außerhalb des etablierten DWH, häufig Überführung der Ergebnisse in das DWH Pre-processing: kostengünstige Vorverarbeitung großer Datenmengen Möglichkeit der Aufbereitung polystrukturierter Daten late bindung Aufbereitung erst bei Abfrage Data Mart / Sandbox: gezielter Einsatz für die Analyse großer Datenmengen mit hoher Abfrageperformance Operational Data Store (ODS) Standard & Ad-hoc-Reporting Functionality Data Data Mart Mart Mart Data Mart Data Warehouse (DWH) Data Acquisition Layer Sandbox Pre-processing Analytic Environment Batch Operational Systems (e.g. ERP, SCM, CRM) Advanced Analysis Discovery External Data Analytic Lab Workspace Analytic Lab Administration Analysis Frameworks Distributed Processing Load Utilities Distributed Database Distributed File System Near Real time Machine & Poly-structured Sensor Data Data 23

24 Prepacked vertical BI Solutions Neue Technologien und Konzepte Prepacked vertical BI Solutions sind vorgefertigte out of the box analytische Anwendungen die neben allen notwendigen, aufeinander abgestimmten Softwarekomponenten auch fachliche Inhalte vorgefertigt beinhalten. Sowohl bei klassischen DWH Architekturen, als auch bei den Analytischen Plattformen werden fachliche Lösungen gebaut. Ziele Einsatz Verkürzung Dauer bis zur Nutzbarkeit Lösung Erhöhung fachliche Qualität Lösung Abwandlungen Cloud Lösungen Appliances Rechenkerne Einsatz finden diese insbesondere bei standardisierten Anwendungsfällen wie z.b. HR Reporting oder regulatorischen Auflagen wie EMIR/REMIT. 24

25 Verortung Prepacked vertical BI Solutions Neue Technologien und Konzepte Prepacked vertical BI Solutions sind entweder Konsumenten von durch das DWH bereitgestellten Daten oder sind im Fall von vorgefertigten Rechenkernen Teil der Datenaufbereitung. Packaged Solutions Data Hub Standard & Ad-hoc-Reporting Functionality Data Mart Data Mart Data Mart Calculation Engines (Core-) Data Warehouse (DWH) Operational Data Store (ODS) Data Acquisition Layer Batch Operational Systems (e.g. ERP, SCM, CRM) External Data 25

26 Abstraktion und Schnelligkeit durch Logische Integration / Virtualisierung Neue Technologien und Konzepte Virtualisierung bildet einen Abstraktionslayer zwischen Datenhaltungs- und Verarbeitung- zur Nutzungsschicht. Motivation aus Anwendersicht Beschleunigung Dauer Implementierung Lösung Zugriff auf Daten unterschiedlicher Typen Steigerung Abdeckungsgrad zur Verfügung stehende Informationen Steigerung Aktualität zur Verfügung stehende Informationen Senkung Kosten Umsetzung, Betrieb, Infrastruktur Technische Motivation Abstraktion Nutzungs- von Datenversorgungsschicht und damit Möglichkeit des iterativen, transparenten Umbaus Transparente Integration von Cloud Lösungen Verringerung Wartungs- und Managementaufwand Datenintegrationslösungen Virtualization Federation Materialization In Anlehnung an Darstellung von Rick van der Lans 26

27 Verortung Logische Integration / Virtualisierung Neue Technologien und Konzepte Open Data Virtualization ermöglicht die Abstraktion der DWH und BI Schichten. Weiterhin können Bereichs-bezogene DWHs integriert werden. Voraussetzung bilden ein integriertes Stammund Metadaten-Management. Entscheidungsfaktoren Standard & Ad-hoc-Reporting Functionality Data Mart Data Mart Data Mart Data Warehouse (DWH) (Core-) Data Warehouse (DWH) (Core-) Data Warehouse (DWH) Operational Data Store (ODS) Data Acquisition Layer Batch Operational Systems (e.g. ERP, SCM, CRM) External Data TDWI Data Virtualization - Solving Complex Data Integration Challenges, tdwi 08/

28 Nutzung BI On-demand / Cloud BI Neue Technologien und Konzepte Cloud BI beschreibt die Nutzung von BI Komponenten die nicht im eigenen Rechenzentrum, sondern in der Cloud betrieben werden. Das Angebot an Cloud BI Angeboten wächst stetig. Insbesondere bei operativen Lösungen die bereits in der Cloud betrieben werden ist die Anwendung sinnvoll. Business Analytics Market Trends, Dan Sommer, 02/2014, Gartner 28

29 Verortung BI On-demand / Cloud BI Neue Technologien und Konzepte Cloud BI kann analog operativer Cloud Sourcing Modelle in unterschiedlicher Fertigungstiefe integriert werden. Integrationsszenarien Standard & Ad-hoc-Reporting Functionality Data Data Mart Mart Mart Data Warehouse (DWH) Operational Data Store (ODS) Data Acquisition Layer Batch Operational Systems (e.g. ERP, SCM, CRM) Monitoring Scheduling ETL External Data Business Analytics in the Cloud: BI Heaven or Too Good to Be True?, Joao Tapadinhas, 02/2014, Gartner 29

30 Kapitel 3 Use Case orientierte Erweiterung der BI-Architektur Kategorisierung von Big Data Use Cases BI-Architekturerweiterung für ausgewählte Use Cases 30

31 Alle reden über Big Data Erweiterungen der BI-Architektur Big Data setzt den Fokus auf die Skalierbarkeit von BI. Big Data umfasst Methoden und Technologien für die hochskalierbare Integration, Speicherung und Analyse polystrukturierter Daten. Bei Big Data geht es nicht ausschließlich um die Verarbeitung von großen Datenmengen, sondern auch um heterogene Datenformate und extreme Verarbeitungs- bzw. Analysegeschwindigkeit. Die Herausforderungen in der Small Data Welt sind noch längst nicht gelöst. In der Regel scheitert traditionelle BI nicht an technischen Hürden. Durch die Big Data Diskussion wird der Stellenwert von Daten neu bewertet. Daten werden zum wichtigen Produktionsfaktor. Gefordert wird die information-driven company. Big Data auf dem Höhepunkt der Erwartungshaltung. Nicht immer werden bestehende Erfahrungswerte ausreichend berücksichtigt. 31

32 Die Suche nach den erfolgreichen Big Data Anwendungsfällen hat gerade erst begonnen Erweiterungen der BI-Architektur Relevanz von Big Data Erwarteter Nutzen von Big Data Tieferes und präziseres 100% Geschäftsverständnis 7% Verbesserte Markttrends Analysen Verbesserte 16% Kundensegmentierung 80% Verbesserte CRM-Kampagnen mit Big Data Erkennen von Verkaufsund Marktchancen 27% Erschließung neuer Geschäftsfelder 60% Verbesserte Planung und Forecasting Verbesserte Risikoberechnung 18% Früherkennung 40% von Churn Identifikationen von Kostentreibern Betrugserkennung 20% Automatische 33% Entscheidungsableitung Verbesserte Clickstream Analyse Verbesserte 0% Fertigungsprozesse Sonstige 2% Niedrig Hoch bima -Studie 2012/13 - Status Quo von BI in Europa, Steria % 17% 13% 13% 9% 28% 26% 26% 26% 25% 25% 23% 21% 21% 0% 20% 40% 60% 80% 100% Bisher ist noch keine horizontale "Killer- Anwendung" für Big Data identifiziert worden. Die technologiegetriebene Debatte um Big Data klammert die Frage nach dem Business Nutzen regelmäßig aus. Darüber hinaus werden traditionelle BI Anwendungsszenarien (z.b. tiefere Einblicke in Kunden- und Marktgeschehen) mit Big Data verbunden. Big Data ist im Moment ein Hype: Alle reden darüber und jeder denkt der andere macht es. Doch tatsächlich machen es die wenigsten und bei denen läuft es auch noch schlecht. Darüber hinaus wird die Bedeutung von Big Data durch Vertreter der Fachseite deutlich positiver als gesehen als durch IT-Vertreter: Die Big Data Parabel ist eingängig, die Zahl der (Nach-)Fragen wächst. 32

33 Unternehmen Analysegegenstand Markt Big Data bietet Chance für neue Geschäftsmodelle Erweiterungen der BI-Architektur Vielzahl der industriespezifischen Use Cases zeigt breites Spektrum zwischen interner Effizienz und (externer Markt-)Innovation auf Basis der Big Data Charakteristika (Volume, Velocity, Variety) in der benötigten Datenbasis 3 Marktanalyse 4 Intelligente/Neue Produkte 4 Intelligente/Neue Produkte: Maschinen/Geräte, die insb. über Sensorenauswertungen eine Selbstregulierung vornehmen (z.b. selbstregulierende Häuser, autonom fahrende Fahrzeuge) 3 Marktanalyse: Identifizierung von Meinungs-bildern und trends (z.b. Werbewirksamkeit, Markenwahrnehmung, Sentimentanalyse, etc.) über Unternehmen/Produkte im Markt 1 Effizientere Prozesse/Steuerung 2 Massenindividualisierung 2 Massenindividualisierung: Analyse Kunden-verhalten (360 Sicht) und Ableitung Individual-ansprache bzw. Individualleistung, (z.b. Next-Best-Offering, Kampagnen, nutzungsbezogene Produkte) Bestehendes Geschäftsmodell Geschäftsmodellbezug Neues Geschäftsmodell 1 Effizientere Prozesse/Steuerung: z.b. durch Erhöhung der Prognosesicherheit für Abverkäufe, Energieverbrauch, Maschinenverschleiß, durch GPS basierte Logistiksteuerung. 33

34 Unternehmen Analysegegenstand Markt Kategorisierung ausgewählter Use Cases Erweiterungen der BI-Architektur Das Spektrum von Big Data Use Cases beschränkt sich nicht nur auf die vielzitierte Social Media Analyse. Der Einsatz neuer Big Data -Technologien eröffnen z.b. auch neue Effizienzpotentiale für klassische Bi-Architekturen. 3 Marktanalyse 4 Intelligente/Neue Produkte Sentiment Analysis 1 Effizientere Prozesse/Steuerung 2 Massenindividualisierung Churn Prediction durch Social Media Analyse Kontinuierliche Absatzprognose Bestehendes Geschäftsmodell Geschäftsmodellbezug Neues Geschäftsmodell Predictive Maintenance Optimierung Datenintegration Datenarchivierung Weitere Use Cases im Managementkompass Big Data Analytics 34

35 Kostengünstige Datenarchivierung durch neue Analytische Plattformen Erweiterungen der BI-Architektur USE CASE Kostengünstige langfristige Datenarchivierung bei direkten Abfragezugriff bei Bedarf Ggf. auch Archivierung von weiteren Datendomänen neben dem dispositiven Datenhaushalt Ggf. auch Datenentschlackung der BI Landschaft NEUE LÖSUNGS- KONZEPTE Übergabe der Daten des in der Regel tempörären Data Acqusition Layers in einen separaten Corporate Memory Vorschaltung eines Data Lake/Data Hub vor BI- Architektur (übergreifender Corporate Memory) Nutzung von einer analytischen Plattform mit niedrigen Kosten pro Terabyte (z.b. Hadoop) NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 35

36 Optimierung der Datenintegration durch Code to Data statt Data to Code Erweiterungen der BI-Architektur USE CASE Performante Integration von Daten in limitierten Zeitfenstern bei steigendem Volumen und höherer Quellen- und Formatvielfalt Steigender Bedarf nach einmaliger Adhoc- Datenintegration NEUE LÖSUNGS- KONZEPTE (Vor-)Verarbeitung mit hohem Parallelitätsgrad in analytischen Plattformen unter Nutzung von ELT Nutzung von Verarbeitungsfähigkeiten/analyt. Funktionen in analytische Plattformen Klassifizierung Integrationsbedarf nach Nutzungshäufigkeit, Late Binding aus Data Lake/ Hub für seltenen Bedarf NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 36

37 Kontinuierliche operative Absatzprognose auf Gesamtsortimentsebene Erweiterungen der BI-Architektur USE CASE Bereitstellung der richtigen Warenmenge (z.b. Ersatzteile, Endprodukte ) am richten Ort zum richtigen Zeitpunkt unter Vermeidung von Out-of-Stock- Situationen und bei gleichzeitiger Reduzierung der Lagerhaltungskosten NEUE LÖSUNGS- KONZEPTE Zusätzliche Nutzung von neuen, externen (Geo-) Daten zur Erhöhung der Prognosegenauigkeit Automatisierung von Massenentscheidungen über eine Business Rule Engine und Verlagerung von Analytik in Back-End Nutzung von neuen Visualisierungsformen zur Nutzbarkeit der Prognosen NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 37

38 Churn Prediction auf Grundlage Informationen aus Social Media Quellen Erweiterungen der BI-Architektur USE CASE Vorhersage Abwanderungswahrscheinlichkeit von Kunden mit Hilfe ihrer Posts in Social Media Plattformen und ihrer Verhaltensdaten Automatisierte Ableitung von Aktionen für den Moment des folgenden Kundenkontaktes NEUE LÖSUNGS- KONZEPTE Vorverarbeitung, ggf. im Data Lake oder einer Cloud-Lösung Profilbildung auf Basis der Kundenverhaltens mittels machine learning Integration von internen Kunden- und externen Social Daten, ggf. unter Nutzung von statistischen Verfahren (z.b. in R) Near Realtime Analyse zum Ausspielen von z.b. Angeboten im Web NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 38

39 Sentiment Analysis auf Grundlage von Informationen aus Social Media Quellen Erweiterungen der BI-Architektur USE CASE Transparenz Produktwahrnehmung am Markt Monitoring des Images von Marken NEUE LÖSUNGS- KONZEPTE Vorverarbeitung in einer analytischen Umgebung, ggf. auch in einer Cloud- Lösung Nutzung des Data Lake für flexible Ad-hoc- Analysen der Daten Nutzung von prepackaged vertical solutions NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 39

40 Predictive Maintenance Erweiterungen der BI-Architektur USE CASE Vorhersage von notwendigen Wartungsarbeiten an Produkten, Maschinen oder IT- Infrastruktur Ursache zum richtigen Zeitpunkt beheben, um Auswirkung zu minimieren Gesteuerte Information des Kunden bevor eine Auswirkung ihn betrifft NEUE LÖSUNGS- KONZEPTE Vorverarbeitung von Massendaten unter Nutzung von ELT in einer analytischen Umgebung Machine Learning zur Erkennung von Ausfallmustern als Teil der Datenintegrationsprozesse Nutzung von Analysen und Data Discovery zur Aufklärung von Fehlersituationen Prognose von Fehlern NEUE TECHNOLOGIEN Streaming, Realtime Analytische Plattformen Self Service/ Sandboxing /Konvergenz Anwendungsfelder Logische Integration / Virtualisierung Erweiterung Quellenspektrum Pre-packaged vertical solutions 40

41 Kapitel 4 Wege zur information-driven company durch das Analytical Ecosystem of the Future Single Point of Truth verliert Gültigkeit: Überblick zum Analytical Ecosystem of the Future Der Weg zum Analytical Ecosystem 41

42 Spezialisierte Analyselandschaft statt Single Point of Truth Analytical Ecosystem Die dispositiven Systemwelt löst sich von starren und zentralistischen Strukturen und Architekturen. Die Zielarchitektur besteht vielmehr aus flexiblen Elementen, die bei definierten Freiheitsgraden miteinander agieren und jeweils spezielle Anforderungsbedarfen zwischen Extremen wie Standardreporting und Big Data Analytics erfüllen. Analytical Ecosystem of the Future Vom unvollendeten Turmbau zu Babel zum dynamischen, atmenden Organismus 42

43 Information Governance Anforderungen an eine zukunftsfähige BI-Landschaft Analytical Ecosystem 1 Dezentral Logische Integration Use Case & Service Orientierung Technische Heterogenität Prozessuale Standardisierung 6 Flexibilität Gestiegene fachliche und technische Anforderungen erfordern alternative Architekturansätze in Ergänzung zu traditionellen Lösungen. Das Analytical Ecosystem of the Future beschreibt eine zukunftsfähige Komponentenarchitektur auf konzeptioneller Ebene. Daten- Drehscheibe Traditionelle DWH-Komponenten BI-Funktionen Datenvirtualisierung Datenquellen BI-Nutzungsschicht Komplexe Event- Steuerung Analytisches Labor 43

44 late binding Information Governance Konzeptionelle Komponentenarchitektur des Analytical Ecosystem of the Future Analytical Ecosystem Workflow Management Access Control &Security Environment Management Calculatioulation Calc- Calc- Engines Engines Multitemperature Data Management Archiving Business Rules Management Manual Correction Masterdata Management Metadata Management Data Quality Management Environment Mgmt. Access Channel Presentation Layer BI Functionality Virtualization Data Processing Data Storage File Transfer Consuming Operational Systems Data Hub Direct Interface Packaged Solutions Daten- Drehscheibe Business Rules Engine Web Service Operational Data Store (ODS) Design Workspace Dashboard Desktop Application Standard- Reporting Data Data Mart Mart Mart Desktop In-Memory Sandbox Ad-hoc- Reporting Data Warehouse (DWH) Data Warehouse (DWH) Data Warehouse (DWH) Data Acquisition Layer BI BI Engine Engine BI Engine Data Data Data Mart (OLAP) Mart Mart Operational Systems (e.g. ERP, SCM, CRM) Browser (Desktop) Multidimensional Analysis Data Data Data Mart (virtual) Mart Mart Corporate Memory BI-Portal (Intranet) Advanced Analysis BI-Funktionen Datenvirtualisierung Traditionelle DWH-Komponenten Sandbox Data Data Mart Mart Planning Pre-processing Analytic Environment Browser (Mobile) BI-Nutzungsschicht Batch / Near real time Datenquellen Machine & Sensor Data Content Management Data Mart (indepen Data Data Mart Mart dent) Simulation Decision Search Engine Decision Monitoring Scheduling ETL / ELT Mobile Application Discovery BI-Portal (Extranet) Event Services Business Rules Event Hub (Cache) Event Processing External Data Consolid. / FSR Decision Decision Engine Decision Komplexe Event- Steuerung Collaboration Analytic Lab Analytic Lab Workspace Analytisches Labor Administration Analysis Frameworks Distributed Processing Load Utilities Distributed Database Distributed File System Poly-structured Data

45 Generische Roadmap zur Nutzung analytischer Plattformen Analytical Ecosystem Grundlage für die Nutzung analytischer Plattformen bildet immer der Erfahrungsaufbau mit einem definierten, überschaubaren Scope. Eine individuelle Roadmap kann in Abhängigkeit der Use Cases andere Reihenfolge aufweisen. Notwendige Voraussetzung für einen erfolgreichen Einsatz ist die initiale Bewertung von Potentialen und die darauf ausgerichtete initaile Etablierung. Kritischer Erfolgs-faktor ist eine hands- on Erfahrung im eigenen Unternehmen um die Erwartungs-haltungen auf ein realistisches Niveau zu nivellieren. notwendige Basis 45

46 Unsere Expertise zum Aufbau Ihres Analytical Ecosystems Analytical Ecosystem USE CASE PROOF OF CONCEPT TRANSFORMATION Abbildung von Use Cases zur Identifikation der benötigten Komponenten eines Analytical Ecosystems und deren funktionales Zusammenspiel Proof of Concept der Hersteller-Konzepte gegen Ihren realen Bedarf Identifikation benötigter Softwareprodukte und Bewertung des Funktionsumfangs Ableitung eines individuellen Transformationspfades zum Erreichen des Zielbilds in pragmatischen Schritten Business Value Transformation Step n Analytical Ecosystem Transformation Step 1 As-Is Situation Time Ein solides Zielbild mit pragmatischem Transformationsweg 46

47 Kapitel 5 Fazit: Umparken im Kopf 47

48 Umparken im Kopf ist auch in Sachen BI- Architektur gefordert Fazit Past Presence Future Physischer Single Point of Truth als heiliger Gral der BI-Architektur Die alten Hausaufgaben der BI sind noch nicht gelöst Die existierenden small data werden noch nicht ausreichend analysiert und genutzt Datenjäger & -sammler Traditionelle BI-Paradigmen und resultierende BI-Architekturen sind kritisch zu hinterfragen Die Big Data Story ist sexy, fundamentale Fragen nach den Use Cases sind zu beantworten Eine Innovationswelle von neuen Big Data Technologien und Konzepten erfasst die BI Umdenken Die BI-Architektur der Zukunft wird vielfältiger und komplexer und stellt Flexibilität vor Stabilität in den Fokus Technologien zur Umsetzung des Analytical Ecosystem of the future sind vorhanden Der Einsatz Analytischer Plattformen wird auch in wenig innovativen Use Cases zum Regelfall werden. Information-Driven 48

49 Dr. Carsten Dittmar Senior Manager Enterprise Information Management Mobile: Steria Mummert Consulting GmbH Derendorfer Allee 33, Düsseldorf Tel.: Peter Schulz Principal Consultant Enterprise Information Management Mobile: Steria Mummert Consulting GmbH Mainzer Landstraße 209, Frankfurt/Main Tel.: Vielen Dank für Ihre Aufmerksamkeit Ihre elektronische Kopie des Managementkompass Big Data Analytics erhalten Sie am Stand von Steria Mummert Consulting!

50 Steria Mummert Business Transformation begleiten & Innovationen von Morgen schaffen Steria Mummert Consulting Transformation Services Datenmanagement Prozessund IT- Transformation Systemintegration Wir begleiten unsere Kunden über den gesamten Business- Transformations-Prozess in den wichtigsten europäischen Märkten. Verantwortung bis hin zu Risikoträgerschaft sorgen für effiziente Partnerschaften. Innovative Impulse auf Basis von Themen- und Technologieexpertise Operation Services Innovation Produktivität Effizienz Business Intelligence BPO vertikale Märkte Onshore Offshore - Nearshore BPO Human Resources BPO Finanzen/ Accounting Kunde Infrastrukturmanagement Testmanagement & Quality Assurance Applikationsentwicklung Applikationsmanagement Steria Mummert Consulting Ein Unternehmen der Steria Gruppe. 50

51 Steria global und vor Ort Steria Mummert Consulting Steria Group (2013) Off-/Nearshore in Indien, Osteuropa und Marokko 1,75 Mrd. Umsatz Mitarbeiter Belgien Dänemark Deutschland Frankreich Hongkong Präsenz in Europa Indien Vor Ort in Asien Luxemburg Marokko Norwegen Österreich Polen Singapur Schweden Schweiz UK Steria Mummert Consulting (2013) Off-/Nearshore in Indien, Osteuropa und Marokko 239 Mio. Umsatz Mitarbeiter Präsenz in Europa Präsenz in Deutschland und Österreich Berlin Düsseldorf Frankfurt Hamburg Köln Vor Ort in Leipzig Asien München Wien Steria steht für IT enabled business services. Wir sind der Trusted Transformation Partner für private und öffentliche Organisationen weltweit. 51

52 Branchen- und Lösungsportfolio Steria Mummert Consulting GESCHÄFTSPROZESSBERATUNG BRANCHENSPEZIFISCHES LÖSUNGSPORTFOLIO TECHNOLOGIEPORTFOLIO Mobility, Security, Enterprise Information Management, SAP INDUSTRIALISIERTE SERVICE LINES Application Management, Testing Services Infrastructure Management, BPO Services Banking Insurance Public Services Transport Utilities Telecommunications 52 Health Care Manufacturing, Retail, Service Industries

53 Unsere Kompetenzen bauen aufeinander auf Business Intelligence / Big Data Solutions Flexibilität und Qualität sind die Maßstäbe in unseren Projekten. Unsere praxiserprobten Frameworks & Methoden bilden die analytische Landschaft ganzheitlich ab: Analytische Applikationen und effektive Nutzung der Information Produktion und Nutzung von vertrauenswürdigen Daten innovative Technologien mit agilen Architekturen Organisationsstrukturen für eine effiziente Informationsversorgung Information als strategisches Asset im Unternehmen 53 53

54 Unser Leistungsspektrum begleitet Sie ganzheitlich Business Intelligence / Big Data Solutions Unser Leistungsspektrum garantiert die erfolgreiche und industrialisierte Transformation vom Consulting, über die System Integration bis hin zu Operation Services. BI Transformation Services BI Operation Services Strategie- & Organisationsberatung Architektur- & Technologieberatung Konzeption & Umsetzung von BI- / Big Data- / DWH- Lösungen Einführung von analytischen COTS 1) -Lösungen Betrieb von BI- / Big Data- / DWH- Lösungen z.b. bise bigov z.b. Analytical Ecosystem Controlled Selfservice BI z.b. Data Integration Framework z.b. Regulatorische Reportingplattform Driver Based Planning z.b. runbi Roadmap zur Umsetzung einer innovativen Zukunftsvision entlang einzelner Transformationsschritte As is Situation Transformation Schritt 1 Transformation Schritt n Analytical Ecosystem 1): COTS: components-off-the-shelf 54

55 Warum Steria Mummert Consulting? Business Intelligence / Big Data Solutions STERIA BEGLEITET IHRE KUNDEN ÜBER DEN GESAMTEN BUSINESS- TRANSFORMATIONS-PROZESS VON DER PROZESS- UND IT- BERATUNG ÜBER DIE SYSTEMINTEGRATION BIS HIN ZU OPERATION SERVICES UND BUSINESS PROCESS OUTSOURCING Steria versteht den Bedarf der Kunden und verfolgt sie als eigene Ziele. Wir fokussieren uns darauf, die Herausforderungen unserer Kunden in Erfolgsgeschichten zu verwandeln. Steria ist der Partner für die Transformation der BI-Landschaft zu einem nachhaltigen analytischen Ökosystem. Mit unseren erprobten Lösungen und Methoden verhelfen wir zu zukunftsfähigen Ergebnissen. Steria ist groß genug für Großaufträge, aber klein genug, um kooperativ und mit einer persönlichen Note zu agieren. Mit mehr als 800 erfahrenen BI-Beratern in 16 Ländern bietet Steria auf Basis großer Branchenexpertise und technischer Fähigkeiten maßgeschneiderte Lösungen für alle Kernprozesse eines modernen Unternehmens und gewährleistet damit, dass ihre Kunden dem Wettbewerb immer einen Schritt voraus sind. Steria ist der bevorzugte Anbieter von BI-Lösungen für führende Unternehmen aller Branchen. 55

MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA

MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA MODERNISIERUNG KLASSISCHER BI-ARCHITEKTUREN DURCH BIG DATA Erweiterung klassischer BI-Architekturen um neue Big--Technologien und Use Cases, 16:15-16:35 Uhr Dr. Carsten Dittmar / Peter Schulz Delivering

Mehr

Wie wird Ihr Unternehmen reif für Big Data? www.steria-mummert.de

Wie wird Ihr Unternehmen reif für Big Data? www.steria-mummert.de Wie wird Ihr Unternehmen reif für Big Data? Wege zur Information-driven Company Discover the Power of Sharing Wie wird Ihr Unternehmen reif für Big Data? Datum: Wege zur Information-driven Company Dieses

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

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

bima -Studie 2012: Schwerpunkt Personalcontrolling

bima -Studie 2012: Schwerpunkt Personalcontrolling è bima -Studie 2012: Schwerpunkt Personalcontrolling Zusammenfassung Steria Mummert Consulting AG è Wandel. Wachstum. Werte. bima -Studie 2012: Schwerpunkt Personalcontrolling Datum: 20.09.12 Team: Björn

Mehr

PRODATIS CONSULTING AG. Folie 1

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

Mehr

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende

Mehr

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

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

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

Mehr

Digitalisierung wie aus einer Strategie Realität wird.

Digitalisierung wie aus einer Strategie Realität wird. Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,

Mehr

PAC IT-Services-Preisdatenbank 2015. Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister

PAC IT-Services-Preisdatenbank 2015. Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister Preise und Entwicklungen im deutschen IT-Dienstleistungsmarkt 2014-2016 Angebot für IT-Dienstleister Die PAC IT-Services-Preisdatenbank im Überblick 15.000 Referenzpreise ausgewertet über 6 Dimensionen

Mehr

Big Data, small Data und alles dazwischen!

Big Data, small Data und alles dazwischen! Technologische Entwicklung Governance & Compliance Entwicklung 15.05.2015 Big Data, small Data und alles dazwischen! Wien, 20.5.2015 Herbert Stauffer Geschichtliche Entwicklung der Weg zu Big Data 1970

Mehr

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe 4. WORKSHOP - OSBI Big Data und Datenvirtualisierung Dr. Sebastian Streit & Maxim Zehe F. Hoffmann-La Roche AG Gegründet 1896 in Basel Über 80.000 Mitarbeitende Führende Position in Pharma Fokussierung

Mehr

SOA im Zeitalter von Industrie 4.0

SOA im Zeitalter von Industrie 4.0 Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI 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

Mehr

Peter Garlock Manager Cloud Computing Austria. Cloud Computing. Heiter statt wolkig. 2011 IBM Corporation

Peter Garlock Manager Cloud Computing Austria. Cloud Computing. Heiter statt wolkig. 2011 IBM Corporation Peter Garlock Manager Cloud Computing Austria Cloud Computing Heiter statt wolkig 1 Was passiert in Europa in 2011? Eine Markteinschätzung Quelle: IDC European Cloud Top 10 predictions, January 2011 2

Mehr

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

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

Mehr

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,

Mehr

Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012

Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012 Mobile Factory. Wie mobilisieren wir Ihre Unternehmensprozesse. Hannes Fischer, Global Business Development Sept 2012 In vielen Unternehmensbereichen sind mobile Prozesse gewünscht. Immer mehr neue Anforderungen

Mehr

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst Durchblick im Self-Service-Dschungel Hannover, 16.03.2015 Patrick Keller, Senior Analyst Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Martina Schnelle, PreSales Senior Specialist BI 21. Mai 2015 Public Haftungsausschluss In dieser Präsentation wird nur eine allgemeine

Mehr

Industrie 4.0. Potentiale für BI-/DWH-Lösungen und Big-Data-Ansätze

Industrie 4.0. Potentiale für BI-/DWH-Lösungen und Big-Data-Ansätze Industrie 4.0 Potentiale für BI-/DWH-Lösungen und Big-Data-Ansätze Prof. Dr. Hans-Georg Kemper Keplerstr. 17 70174 Stuttgart Telefon: +49 (711) 685-83194 Telefax: +49 (711) 685-83197 E-Mail: kemper@wi.uni-stuttgart.de

Mehr

Creating your future. IT. αacentrix

Creating your future. IT. αacentrix Creating your future. IT. αacentrix We bring IT into Business Context Creating your future. IT. Wir sind eine Strategie- und Technologieberatung mit starkem Fokus auf die IT-Megatrends Cloud, Mobility,

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center

Mehr

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

Mehr

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

Mehr

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Big Data im Marke

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 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

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

Industrie 4.0 22.07.2014

Industrie 4.0 22.07.2014 Industrie 4.0 Georg Weissmüller 22.07.2014 Senior Consultant Fertigungsindustrie Agenda Überblick Industrie 4.0/Anwendungsfälle Intelligenter Service Augmented Reality Diskussion 2014 SAP AG or an SAP

Mehr

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public SAP Finanz- und Risikolösungen Volker Mohr, SAP SE 20. Mai 2015 Public Agenda Überblick Integrierte Finanz- und Risikoarchitektur Relevanz eines integrierten Ansatzes Innovationen und Roadmap Zusammenfassung

Mehr

ETL in den Zeiten von Big Data

ETL in den Zeiten von Big Data ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

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

Mehr

Risk Management for Banking Herausforderungen für einen integrierten Approach

Risk Management for Banking Herausforderungen für einen integrierten Approach Risk Management for Banking Herausforderungen für einen integrierten Approach Frank Hansen Risk Practice Leader, SAS Deutschland Agenda Situation und Herausforderungen - Integrierte Risikosteuerung Stresstests

Mehr

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB

Mehr

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg Review Freelancer-Workshop: Fit für Big Data Mittwoch, 29.04.2015 in Hamburg Am Mittwoch, den 29.04.2015, hatten wir von productive-data in Zusammenarbeit mit unserem langjährigen Partner Informatica zu

Mehr

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

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

Mehr

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

ITSM Infoday 2013. Mit Business Process Service Management zu mehr Flexibilität, Transparenz und Stabilität. Peter Brückler

ITSM Infoday 2013. Mit Business Process Service Management zu mehr Flexibilität, Transparenz und Stabilität. Peter Brückler ITSM Infoday 2013 Mit Business Process Management zu mehr Flexibilität, Transparenz und Stabilität Peter Brückler Copyright 2013 NTT DATA EMEA Ltd. Agenda Der Druck auf Unternehmen Business Process Management

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival 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

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

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014 Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig

Mehr

Michael Bauer Niederlassungsleiter Köln

Michael Bauer Niederlassungsleiter Köln Click to edit Master title style 1 Michael Bauer Niederlassungsleiter Köln Hamburg, 18. Juni 2009 2009 IBM Corporation Agenda Click to edit Master title style 2 zur Person Wo, Warum.., Was - CPM liefert

Mehr

Business Intelligence

Business Intelligence Business Intelligence TOP Priorität für CIOs? Köln 08. Mai 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business Intelligence BI TOP Priorität

Mehr

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung 29.10.2013 Susan Volkmann, IBM Cloud Leader Deutschland, Österreich, Schweiz (DACH) "The Grounded

Mehr

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan 2011 Agenda Was ist arcplan Edge? Komponenten von arcplan Edge arcplan Edge Roadmap Live Demo arcplan

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

Cockpits 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

Mehr

Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben

Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben Jürgen Boiselle, Managing Partner 16. März 2015 Agenda Guten Tag, mein Name ist Teradata Wozu Analytics

Mehr

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

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting 1 Lange bewährt immer noch gelitten Das Data Warehouse ist vielen ein Dorn im Auge IT-Manager messen der zentralen

Mehr

ICMF, 22. März 2012. Markus Zollinger. Leiter Cloud Computing IBM Schweiz. 2011 IBM Corporation

ICMF, 22. März 2012. Markus Zollinger. Leiter Cloud Computing IBM Schweiz. 2011 IBM Corporation ICMF, 22. März 2012 Markus Zollinger Leiter Cloud Computing IBM Schweiz 2011 IBM Corporation Cloud Computing ist...real! Internet Apple icloud 2 Unternehmen passen sich sehr schnell an! Collaboration CRM

Mehr

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014 Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung

Mehr

DOKUMENT- ERZEUGUNG FÜR MICROSOFT SHAREPOINT

DOKUMENT- ERZEUGUNG FÜR MICROSOFT SHAREPOINT DOKUMENT- ERZEUGUNG FÜR MICROSOFT SHAREPOINT Leon Pillich Geschäftsführer MEHR PRODUKTIVITÄT FÜR IHREN DOKUMENTEN-WORKFLOW Ihre Anwender bei der Erstellung von Korrespondenz unterstützt Vorlageverwaltung

Mehr

SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck

SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck Horst Meiser, PreSales Principal BI SAP-Forum für die Versorgungswirtschaft, 4. 5. November 2014, Essen Public Agenda

Mehr

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin HP Autonomy Information Governance Strategie: Die Kontrolle über die Informationsflut Petra Berneaud - Account Manager Autonomy Status in vielen

Mehr

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise

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

Mehr

Wird BIG DATA die Welt verändern?

Wird BIG DATA die Welt verändern? Wird BIG DATA die Welt verändern? Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data Entmythisierung von Big Data. Was man über Big Data wissen sollte. Wie

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue Strategien und Innovationen im Umfeld von Kundenprozessen Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Wie Amazon mit Hilfe von Technologie und Daten erfolgreich ist Startup Firmen in Deutschland und weltweit haben Agilität, Innovation und globale

Wie Amazon mit Hilfe von Technologie und Daten erfolgreich ist Startup Firmen in Deutschland und weltweit haben Agilität, Innovation und globale Wie Amazon mit Hilfe von Technologie und Daten erfolgreich ist Startup Firmen in Deutschland und weltweit haben Agilität, Innovation und globale Reichweite in ihrer DNA. Was sind ihre Erfolgskriterien,

Mehr

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v.

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v. 1 Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge 2 Motivation Seite 3 SAP BO/BW Frontendwerkzeuge Seite 4-5 Roadmap Analyse Werkzeuge Seite 6-7 Übersicht Kundenszenarien

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

Virtualisierung im IT-Betrieb der BA

Virtualisierung im IT-Betrieb der BA Virtualisierung, essenzielles Werkzeug in der IT-Fabrik Martin Deeg, Anwendungsszenarien Cloud Computing, 31. August 2010 Virtualisierung im IT-Betrieb der BA Virtualisierung im IT-Betrieb der BA Effizienzsteigerung

Mehr

Business Intelligence Meets SOA

Business Intelligence Meets SOA Business Intelligence Meets SOA Microsoft People Ready Conference, München, Nov. 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Internet of Things wesentlicher Teil der Industrie 4.0 Strategie

Internet of Things wesentlicher Teil der Industrie 4.0 Strategie Products & Systems Processes & Software DI Werner Schöfberger, Leiter Business Unit Process Automation; Siemens AG Österreich Internet of Things wesentlicher Teil der Industrie 4.0 Strategie Inhalt Herausforderungen

Mehr

BIG DATA Impulse für ein neues Denken!

BIG DATA Impulse für ein neues Denken! BIG DATA Impulse für ein neues Denken! Wien, Januar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust The Age of Analytics In the Age of Analytics, as products and services become

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

Mehr

ibpm - intelligent Business Process Management: WWW.AXONIVY.COM

ibpm - intelligent Business Process Management: WWW.AXONIVY.COM ibpm - intelligent Business Process Management: ein neues Zeitalter bricht an. Peter Wiedmann 14.11.2014 WWW.AXONIVY.COM AGENDA 2 Vorstellung und Einführung Produktvorstellung ibpm die neue Dimension Anwendungsszenario

Mehr

Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik

Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik Dr. Martin Hebach, Cebit 2015 Senior Solution Architect mhebach@informatica.com Abstract Für Business Intelligence Aufgaben

Mehr

Holger Nickel M.A. (Geschäftsführer) LANline TechForum Zentralisierung des IT-Managements mit einer Advanced CMDB 10.02.

Holger Nickel M.A. (Geschäftsführer) LANline TechForum Zentralisierung des IT-Managements mit einer Advanced CMDB 10.02. Holger Nickel M.A. (Geschäftsführer) LANline TechForum Zentralisierung des IT-Managements mit einer Advanced CMDB 10.02.2015, München AixpertSoft GmbH Meilensteine der Firmen- und Produktentwicklung AixpertSoft

Mehr

amball business-software SharePoint 2010 think big start small Marek Czarzbon marek@madeinpoint.com

amball business-software SharePoint 2010 think big start small Marek Czarzbon marek@madeinpoint.com amball business-software SharePoint 2010 think big start small Marek Czarzbon marek@madeinpoint.com Agenda Dipl. Inf. Marek Czarzbon marek@madeinpoint.com [Tschaschbon] Software Architekt, Consulting Workflow

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen.

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen. FRT Consulting GmbH Projekt KATEGO Komfortable SAP-Datenanalyse Gustav Sperat FRT Consulting GmbH 1 FRT Consulting das Unternehmen Spin off der TU Graz von langjährigen IT Experten Hauptsitz Graz, Büro

Mehr

Operational Intelligence

Operational Intelligence Operational Intelligence Eric Müller Wenn Sie diesen Text lesen können, müssen Sie die Folie im Post-Menü mit der Funktion «Folie einfügen» erneut einfügen. Sonst kann kein Bild hinter die Fläche gelegt

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

Moderne Arbeitsstile im Unternehmen Faktor Mensch vs. Moderne Technik? Frank Roth - Vorstand

Moderne Arbeitsstile im Unternehmen Faktor Mensch vs. Moderne Technik? Frank Roth - Vorstand Moderne Arbeitsstile im Unternehmen Faktor Mensch vs. Moderne Technik? Frank Roth - Vorstand Was versteht man unter modernen Arbeitsstilen? Moderne Arbeitsstile erhöhen Mitarbeiterproduktivität und zufriedenheit

Mehr

Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud

Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud Die Cloud, die alles anders macht. Die 6 Grundzüge der Swisscom Cloud Viele Clouds, viele Trends, viele Technologien Kommunikation Private Apps Prozesse Austausch Speicher Big Data Business Virtual Datacenter

Mehr

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics Vorstellung IBM Cognos 10.2 Oliver Linder Client Technical Professional Business Analytics Agenda IBM Cognos 10.2 Architektur User Interfaces IBM Cognos Workspace IBM Cognos Workspace Advanced IBM Cognos

Mehr

BIG DATA@Automotive: Die Daten sind da! Was nun?

BIG DATA@Automotive: Die Daten sind da! Was nun? BIG DATA@Automotive: Die Daten sind da! Was nun? BITKOM Big Data Summit 2014 Alf Porzig& Uwe Trost BIG DATA, MHP, Alf Porzig BIG DATA @ Automotive Enterprise Intelligence Use Cases entlang der Wertschöpfungskette

Mehr

Globales Supply Chain Management in der Cloud. Hermes Winands Senior Executive Stuttgart, 02. März 2010

Globales Supply Chain Management in der Cloud. Hermes Winands Senior Executive Stuttgart, 02. März 2010 Globales Supply Chain Management in der Cloud Hermes Winands Senior Executive Stuttgart, 02. März 2010 Logistik wird zunehmend global 2 Die Geschäftsbeziehungen in der Logistik werden zunehmend komplexer

Mehr