Controller s Performance

Größe: px
Ab Seite anzeigen:

Download "Controller s Performance"

Transkript

1 Der Controlling-Berater Herausgeber: Gleich/Klein Band-Herausgeber: Andreas Klein Controller s Performance Mit welchen Skills Sie überzeugen > Soziale und persönliche Kompetenzanforderungen > Wirksam präsentieren, moderieren und kommunizieren > Veränderungsprojekte zum Erfolg führen > Mind Mapping, Big Data und Visual Analytics Inklusive Online-Version Haufe Controlling Office

2 Der Controlling-Berater Als Controller überzeugen Methoden- und Sozialkompetenzen für Controller Controller sind zahlenfixiert, introvertiert und sitzen nur im stillen Kämmerlein? Mitnichten! Für die Rolle des internen betriebswirtschaftlichen Beraters sind auch Kommunikationsfähigkeit und Methodenkompetenzen notwendig, um Management und Kollegen von Ihrer Arbeit zu überzeugen. Die Beiträge in diesem Band zeigen, auf welche Soft Skills es in der Praxis ankommt und wie Sie Ihre persönlichen und kommunikativen Fähigkeiten weiterentwickeln können. Dabei stehen die folgenden Fragen im Fokus: > Was zeichnet einen guten Controller aus? > Controller und Kommunikator Wie geht das? > Was sind die Erfolgsfaktoren von Präsentation und Moderation? > Wie können Sie Akzeptanz in Change Management Projekten schaffen? > Wie können Fehlentscheidungen durch Bias (Wahrnehmungsverzerrungen) vermieden werden? > Wie reagiert man als Controller auf die typischen Managerausreden? Der Herausgeber: Dr. Andreas Klein ist Professor für Controlling und International Accounting an der SRH Hochschule Heidelberg sowie als Berater und Referent tätig. Die Autoren sind Experten aus der Unternehmenspraxis, der Beratung und der Wissenschaft. ISBN: B CB-Band 28

3 Inhalt Kapitel 1: Standpunkt Die 25 häufigsten Ausreden der Fachbereiche in Controllingerlebnissen Albrecht Deyhle Kapitel 2: Grundlagen & Konzepte Soft Skills soziale und persönliche Kompetenzanforderungen an Controller Marion Kellner-Lewandowsky Psychologie für Controller: Wie Bias zu Fehlentscheidungen führen können Hanno Drews Controller im Wandel der Zeit Was zeichnet sie aus? Rosita Blaha Kapitel 3: Umsetzung und Praxis Controller und Kommunikator Wie geht das? Katrin Kuhls, Lothar Kuhls Wirksam präsentieren, moderieren und kommunizieren Matthias Hettl Akzeptanz in Projekten schaffen: Mit weichen Faktoren harte Erfolge erzielen Alexandra Schichtel Controller als führende Kraft : Tipps zur Führung in Veränderungsprozessen mit und ohne Macht Norbert Albert Kommunikation mit Mind Mapping 1 kreativ vereinfachen und trotzdem die Übersicht behalten Michael Gadow

4 Kapitel 4: Organisation & IT Flexibles Change Management: Projektorganisation für Veränderungsprozesse unter volatilen Rahmenbedingungen Robert Paust, Jan Philipp Dörner Innovative Formen der Arbeitsorganisation Bernd G. Jaenicke Zeitmanagement (Teil 1): Hintergründe, Fakten und Analyse Heinz-Josef Botthof Zeitmanagement (Teil 2): Lösungen und Instrumente Heinz-Josef Botthof Big Data und Visual Analytics: Neue IT-Werkzeuge für Controller Matthias Nagel, Matthes Nagel, Robert Janetzko, Bastian Schneider Kapitel 5: Literaturanalyse Literaturanalyse Stichwortverzeichnis

5 Big Data und Visual Analytics Big Data und Visual Analytics: Neue IT-Werkzeuge für Controller Big Data ist eine neue Dimension, relevante Daten zu nutzen, egal, ob sie strukturiert oder unstrukturiert sind. Der Beitrag zeigt die verschiedenen Facetten von Big Data. Ausgangspunkt ist das exponentielle Wachstum elektronisch verfügbarer Daten, die erst zusammen mit anderen Faktoren und in einem bestimmten Kontext zu wertvollen Informationen werden. Es geht um die Nutzung aller relevanten Daten im Unternehmen strukturiert und unstrukturiert und es wird gezeigt, warum sich die bisherigen IT-Systeme mit Big Data schwertun. Nach der Definition von Big Data wird die Bedeutung von Datenqualität im Unternehmen sowohl für herkömmliche BI-Systeme als auch für Big-Data-Analysen gezeigt. Big Data und Visual Analytics gemeinsam ermöglichen es, empirisch Informationen und Regeln aus Unternehmensdaten zu extrahieren. Anhand von Anwendungsbeispielen zeigt der Beitrag, wie Big Data dem Controlling neue Möglichkeiten bei der Datenanalyse und Entscheidungsunterstützung bietet. Inhalt Seite 1 Big Data ist anders und neu Der Wert von Daten Definition von Big Data Strukturiert und unstrukturiert! Was Big Data nicht ist Big Data: Großes Potenzial Bisherige Datenwelt im Unternehmen Controlling und Big Data Qualität der Daten ist entscheidend Visual Analytics und Visual Discovery Big-Data-Anwendungsbeispiele Immobilienbewertung: Nutzung unstrukturierter Rohdaten Dynamisches Pricing: Cross Selling und Marktbeobachtung Objektivierung des Bauchgefühls: Transaktionsrohdaten

6 Organisation & IT 5 Fazit: Big Data eröffnet neue Perspektiven Literaturhinweise Die Autoren Dr. Matthias Nagel, CEO der n 3 Data Analysis, Software Development & Consulting GmbH & Co. KG und verfügt über jahrzehntelange Erfahrung in der Datenanalyse und in der Analyse von Massendaten. Dipl.-Ing. Matthes Nagel, CTO der n 3 Data Analysis, Software Development & Consulting GmbH & Co. KG und leitet die Projektentwicklung. Er baut bei außerdem n 3 eine dynamische Projektsteuerung und tagesaktuelle Controllinginstrumente auf. Dipl.-Ing. Robert Janetzko, Software-Ingenieur bei der n 3. Neben der Weiterentwicklung der technologischen Plattform von n 3 betreut er Individualprojekte bei Kunden. Er ist zudem in Projekten als Data Scientist tätig. Bastian Schneider, Software-Ingenieur bei der n 3. Neben der Weiterentwicklung der technologischen Plattform von n 3 betreut er Individualprojekte bei Kunden. Er ist zudem in Projekten als Data Scientist tätig. 238

7 Big Data und Visual Analytics 1 Big Data ist anders und neu Wir leben heute im Datenzeitalter. Über Twitter, Facebook oder als Videos werden gewaltige Informationsmengen durch das digitale Universum geschickt und hinterlassen digitale Spuren oder landen auf Festplatten in Unternehmensnetzen. Aber auch Behörden und Unternehmen produzieren Datenmengen, die aufgrund von Vorschriften und Gesetzen länger vorgehalten werden müssen. Es handelt sich dabei beispielsweise um Kundendaten, Transaktionsdaten oder Rechnungen, aber auch um unstrukturierte Daten wie Bilder, Konstruktionszeichnungen, Filme. Die Rollen von Marketing und Marktforschung haben sich durch die sozialen Netzwerke und das Internet geändert: Stand am Anfang eine gerichtete Botschaft vom Hersteller zum Verbraucher, sind heute die Verbraucher vernetzt. Vor einem Kauf suchen sie aktiv nach Informationen und Empfehlungen in Netzwerken, denen sie wesentlich mehr als den Werbebotschaften vertrauen. Märkte sind zu Netzwerken geworden und wandeln sich damit ständig. Solche Datenmengen werden heute als Big Data bezeichnet, wobei es ein unterschiedliches Verständnis davon und dafür gibt: Einige betrachten Big Data als riesigen Datenhaufen, andere erkennen den potenziellen Wert, den diese Daten bieten können. Datenflut durch soziale Netzwerke Netzwerke der Kunden ersetzen den Markt Begriff Big Data ist schwer zu fassen 1.1 Der Wert von Daten Unternehmen sammeln Daten, da sie ohne Daten als Basis von Informationen nicht existieren können. Aber werden auch die richtigen Daten gesammelt? Stehen diese zeitnah zur Verfügung, wenn man sie braucht? Wie schwierig ist es, darauf zuzugreifen? Häufig erfüllen die im Unternehmen bereitgestellten Daten diese Anforderungen nicht. Nicht selten werden hauptsächlich die Daten gesammelt oder aus IT-Systemen extrahiert, die einfach zu beschaffen sind. Dies sind aber oft keine entscheidungsrelevanten Daten. Für sich allein genommen haben Daten keinen oder nur geringen Nutzen. Ihr wahrer Wert ergibt sich erst, wenn man Daten mit anderen in einem bestimmten Kontext zu Informationen kombiniert, d.h., Daten müssen immer im Kontext von Entscheidungen gesehen werden. Dabei garantieren mehr Daten nicht unbedingt bessere Entscheidungen: Ausschlaggebend ist vielmehr deren Art und wie sie mit anderen kombiniert werden. Kombination von Daten führt zu Informationen 239

8 Organisation & IT Dazu muss man aber genau wissen, welche Daten wie und wofür benötigt werden. Das klingt einfach, ist in der Praxis aber oft schwierig umzusetzen. Datenvielfalt in Unternehmen Ungenutzte Unternehmensdaten Big Data: Alle Daten in Beziehung zum Geschäftsmodell 15 % der Daten sind strukturiert, 85 % unstrukturiert Die relevanten Aussagen herausholen 1.2 Definition von Big Data Berücksichtigt man zusätzlich zu den betrieblichen Daten aus Datenbanken, Data Warehouses und Finanzsystemen noch Prozess-, Messund Sensordaten, Logfiles und die Daten der Unternehmenskommunikation, z.b. über s oder aus Call-Centern, fällt bereits in relativ kleinen Unternehmen eine wahre Datenflut an. Hinzu kommen noch relevante externe Informationen, z.b. von sozialen Medien. Dennoch bleibt bisher vieles davon ungenutzt. Meist ist dabei weniger die Menge das Problem, sondern die Möglichkeit, aus allen relevanten Daten, die im Unternehmen zur Verfügung stehen, die richtigen Schlüsse zu ziehen. Big Data umfasst jede Art von Daten, die in Beziehung zum Geschäftsmodell des Unternehmens stehen, und die Möglichkeit, sie zu analysieren. Big Data ist demnach kein neuer Hype, sondern eine neue Dimension, um 100 % der relevanten Daten zu nutzen, ganz gleich, ob sie strukturiert oder unstrukturiert sind. Dazu muss das Spektrum traditioneller Datenanalysemethoden, die meist gut mit den Strukturen von Datenbanken umgehen können, erweitert werden Strukturiert und unstrukturiert! Strukturierte Daten sind Daten, die man in einer Datenbank vorhalten kann. Man kann in ihnen gezielt nach einzelnen oder zusammengesetzten Attributen suchen, sie sortieren etc. Da sie strukturiert gespeichert werden, kann man die Inhalte einer Datenbank oder eines Data Warehouse einfach verwalten. Daneben gibt es unstrukturierte Daten: Word- und andere Textdokumente, Powerpoint- und PDF-Dateien, Bilder und Videos. Diese unstrukturierten Informationen kann man zwar speichern, aber eine effektive Auswertung war bisher nicht möglich. Heute machen unstrukturierte Daten mehr als 85 % der Daten aus. Wachsen strukturierte Informationen wie die aus CRM- und ERP-Systemen etwa um 30 % pro Jahr, weisen unstrukturierte Informationen ein exponentielles Wachstum auf, sodass die Informationsressourcen oftmals damit überfordert sind. Die Herausforderung ist dabei weniger, Speicherkapazitäten bereitzustellen, sondern vielmehr, solche Informationssysteme zu schaffen, die zeigen, was daraus wirklich relevant ist, Systeme, die auf Informationen statt auf Technologien fokussieren. 240

9 Big Data und Visual Analytics Was Big Data nicht ist Big Data als Begriff impliziert Datenmengen, das aber ist eine zu enge Betrachtung: Neben Daten gehören auch passende Analysemethoden dazu. Und: Bei Big Data handelt es sich nicht um eine einzelne Technologie. Big Data ist kein Hardware- oder Softwareprodukt. Big Data ist keine IT-Strategie oder Architektur. Big Data ist auch kein Marketing-Buzzword. Big Data ist kein kurzfristiger Trend Big Data: Großes Potenzial Vielmehr handelt es sich bei Big Data, 1 neben den Daten selbst, um eine Erweiterung von schon bestehenden Datenanalysemethoden, -prozessen und -verfahren. Nicht jede große Ansammlung von Daten ist zwangsläufig auch ein Fall von Big Data. So verarbeiten Großbanken schon seit sehr langer Zeit in Stapelverarbeitung jede Nacht auf Mainframes riesige Mengen an Transaktionsdaten, ohne dass man dies als Big Data bezeichnen würde. Diese Transaktionsdaten sind zwar mengenmäßig sehr umfangreich, aber sowohl die Struktur als auch das, was man mit diesen Daten macht, sind klar und sehr einfach. Um den Begriff Big Data allein von der Datenmenge zu trennen, ist es hilfreich, Big Data anhand der V3 -Kriterien zu beschreiben (vgl. Abb. 1). Demzufolge spricht man dann von BIG DATA, wenn die folgenden Kriterien zutreffen: Big Data erweitert bestehende Analysemethoden Variety, Velocity und Volume Abb. 1: Die V3 -Kritereien von Big Data 1 Warden,

10 Organisation & IT 100 % der relevanten Daten nutzen Man hat es dann mit Big Data zu tun, wenn mehrere der V3-Kriterien erfüllt sind. Big Data nur mit großen Datenmengen in Petabyte-Größenordnungen in Zusammenhang zu bringen verkennt die Tatsache, dass in bestimmten Fällen der Nutzen von Daten auch in einer begrenzten Datenmenge liegen kann, sofern diese einen besonders hohen Wert für das Unternehmen haben. Es geht vielmehr darum, dass bereits heute unverarbeitete und unstrukturierte Datenmengen im Unternehmen und dessen unmittelbarer Umgebung vorliegen und diese auch genutzt werden sollten. Generell sind Daten zu sammeln, anzureichern bzw. zu erheben, die in irgendeiner Beziehung zum Geschäftsmodell des Unternehmens stehen. Damit wird eine Big-Data-Analytik nicht nur für Großunternehmen sinnvoll, sondern auch mittelständische Unternehmen profitieren erheblich von der Analyse und Kombination ihrer Datenmengen. Heute kann und sollte jedes Unternehmen die Vision verfolgen, 100 % der relevanten Daten des Unternehmens zu nutzen, denn es stehen vielfältige Daten in großer Menge nutzbar zur Verfügung, ebenso alle für eine Analyse erforderlichen Werkzeuge sowie das Know-how für einen optimalen Umgang mit diesen Daten. Damit gibt es keine Hindernisse dabei, Informationen zur effektiven Unterstützung der Entscheidungen zu gewinnen. Diese Vision ist auch für den Mittelstand interessant. Um den Unterschied zwischen BIG DATA und BIG-DATA-Analytik und der bisherigen Datenwelt noch besser zu verstehen, betrachten wir im Folgenden die bisherige Datenwelt des Unternehmens genauer. Bisherige IT-Landschaften für Big Data ungeeignet 1.3 Bisherige Datenwelt im Unternehmen Eine typische Datensituation in einem Unternehmen zeigt Abb Es wurde ein komplexes Data Warehouse mit mehreren Data Marts aufgebaut, in dem relevante Daten aus den Abteilungen zusammengeführt werden. Um die Datenqualität zu sichern, gibt es eine zentrale Stammdatenverwaltung. Das Business-Intelligence-Haus (BI-Haus) enthält Datentreppen für manuelle Schnittstellen und einige externe Datenrohre. Aus Abb. 2 wird deutlich, dass ein enormer Aufwand betrieben werden muss, um die Daten harmonisch aufeinander abzustimmen. 2 Nutzen von Business Intelligence im Mittelstand, Dr. Markus Kottbauer, Vortrag bei der WirtschaftsTreuhand Stuttgart am mie.de/re-training/weitere-veroeffentlichungen; Abrufdatum

11 Big Data und Visual Analytics Abb. 2: Die bisherigen Datenwelten im Business-Intelligence-Haus Ganz oben im BI-Haus gibt es Dashboards und Cockpits für das Management, die zuverlässige Ergebnisse liefern, wenn alle Datenleitungen im BI-Haus ordentlich funktionieren. Es wird aber schwierig, wenn man einen oder mehrere Räume im Haus umstrukturieren oder neue Haustechnik einführen möchte. Ganz klar: Das BI-Haus ist in die Jahre gekommen: Es ist für externe Informationen schlecht ausgerüstet. Im BI-Haus ist kein Big-Data-Raum vorgesehen, weil die herkömmliche Informationstechnologie große Datenmengen oder unstrukturierte Daten gar nicht mag. Wegen der verteilten IT-Struktur ist es anfällig gegen Einbrecher. All das hat etwas mit den Grenzen traditioneller Business-Intelligence- Lösungen zu tun: Flugzeug-Cockpits sind ein gutes Beispiel für Dashboards: Sie zeigen genau das an, was der Pilot wissen muss in Normalsituationen. In extremen Ausnahmesituationen muss aber der Pilot selbst entscheiden und muss dazu auf Erfahrungen, sein Bauchgefühl und andere Informationen zugreifen. BI-Haus muss renoviert werden 243

12 Organisation & IT Technisch ist Big Data gelöst Big Data aus unstrukturierten Daten, Data Streams oder Logfiles bleiben im BI-Haus unberücksichtigt, weil 1. die Datenmenge einfach zu groß für die Verarbeitung mithilfe von traditionellen RDBMS 3 -basierten Lösungen ist. Auch aus Kostengründen werden Daten (wie z.b. Log-Daten von E-Commerce oder Social Web, Messdaten von Fertigungsstraßen) in Archive ausgelagert und stehen dann für eine einfache Analyse nicht mehr zur Verfügung. 2. Die Daten sind zu unstrukturiert, um sie unverarbeitet sinnvoll in einer strukturierten, relationalen Datenbank zu speichern. Ein möglicher Weg ist, die unstrukturierten Daten aufzubereiten und sie in strukturierte, vorverarbeitete Daten zu überführen. Wer aber keine Muster in den ursprünglichen Daten verlieren möchte, sollte die Rohdaten direkt in unstrukturierter Form abspeichern. Typische Beispiele sind Texte in Form von Dokumenten oder Bilddaten, aber auch der rohe Datenstrom von Messfühlern. 3. Ein dritter Aspekt für Big Data ist oft, dass die Daten zu schnell erzeugt werden, um sie mit aufwendiger Vorverarbeitung zu strukturieren und dann in einem Datenbanksystem einzuspielen. Hierbei spricht man von Stream Processing der Daten. Beispiele dafür sind Audio- und Videodaten oder komplexe Echtzeitmessdaten. Für all diese Typen muss man nach Alternativen suchen, um die Datenspeicherung und -verarbeitung kostengünstig realisieren zu können. Dabei sind zu beachten: Skalierbarkeit: die Verwendung von einfach skalierbarer Standard- Hardware, die Möglichkeit, die Lösungen in der Private Cloud oder im Rechenzentrum einzusetzen, ebenfalls wegen der einfachen Skalierung oder temporären Erhöhung von Kapazitäten. Die Verwendung von Open-Source-Software, um die Kosten pro eingesetzten Hardwareknoten niedrig halten zu können. All das ist bei Big Data technisch gelöst. Der bekannteste Vertreter aus dem Bereich der Big-Data-Tools ist das Apache-Hadoop-Projekt, im kommerziellen Bereich die Greenplum-Lösung von EMC 2. Für Big-Data-Projekte werden Führungsentscheidungen notwendig, sich ernsthaft mit Daten zu befassen, und damit auch über deren Erwerb, Speicherung und langfristige Aufbewahrung. Und das IT-Team sollte sicherstellen, dass das Unternehmen bereit ist, sich auf neue Datenquellen einzustellen. 3 Relational Database Management System. 244

13 Big Data und Visual Analytics Für den Umgang mit Big Data entsteht das neue Berufsfeld des Datenwissenschaftlers (Data Scientist). Dieser sollte technisch orientiert und mit tiefer Expertise in seinem Fachgebiet sein, von sich aus neugierig und ein Datensammler sein, kreativ im Umgang mit den Daten und Algorithmen sein, um neue Antworten zu finden, und er muss kommunikativ sein, um seine Ergebnisse und Analysen im Team zu erläutern und gemeinsam zu verifizieren. Personal mit diesem Anforderungsprofil ist sicherlich nicht einfach zu finden, aber man kann sich die Kompetenz für Big-Data-Projekte auch auf Projektbasis ins Unternehmen holen. Berufsbild Data Scientist 1.4 Controlling und Big Data In der bisherigen Datenwelt arbeiten Controller vorrangig mit strukturierten Daten in Tabellenform (aus SAP oder anderen ERP-Systemen, Datenbanken, Excel usw.). Gerade in der Nutzung aller relevanten auch unstrukturierter Daten und im Einsatz von Big-Data-Technologien liegt ein erhebliches Potenzial auch für das Controlling. Man erhält damit exakte Ergebnisse in Echtzeit, mit denen man für die steigenden Anforderungen der heutigen Geschäftswelt gerüstet ist. Hier einige Beispiele: Die Nutzung aller relevanten Daten erlaubt es, den Betrieb mit seinen Prozessen und die Lieferketten besser zu verstehen, als wenn man nur die Daten des Data Warehouse nutzt. Das wiederum ist Voraussetzung für eine Prozessoptimierung und letztlich auch für eine Maximierung der Effektivität der Mitarbeiter. Betrugs- und Gefahrenerkennung in Echtzeit ist mit Big Data wesentlich besser als bisher möglich und die Voraussetzung für wirksame Gegenmaßnahmen. Zu wissen, was Kunden über die Produkte oder das Unternehmen denken und äußern, wird zunehmend wichtiger. Hierfür kann man die Informationen aus den sozialen Netzen auswerten. Kennt man die Kunden besser, weiß man auch, wie man mit den Kunden in den Dialog kommt. So kann man die Kundenbindung verbessern. Vor BIG-DATA-Anwendungsbeispielen soll noch der Aspekt der Datenqualität betrachtet werden, der sowohl für das BI-Haus als auch für Big Data entscheidend ist. Mit Big-Data- Methoden alle relevanten Daten berücksichtigen 245

14 Organisation & IT Fehlerhafte Daten führen zu Fehlentscheidungen Data Mining zum Auffinden von Fehlern 2 Qualität der Daten ist entscheidend Falsche Daten führen zu Fehlinformationen, diese wiederum können zu Fehlentscheidungen führen. Auf der Website von GS1 4 zeigt eine interessante Aufstellung, was schlechte Daten ein Unternehmen kosten. 5 Demnach sind z.b. bis zu 30 % der Artikel in Katalogen für den Einzelhandel fehlerhaft dargestellt. Jeder Fehler kostet daher bei einer Bestellung das Unternehmen zwischen 60 $ und 80 $. Und Unternehmen investieren wegen Fehlern durchschnittlich 25 Minuten manuell pro Stock Keeping Unit. 6 Es lohnt sich, diese Website zu besuchen und nach den dort aufgeführten Fehlerarten nach Fehlermustern im eigenen Unternehmen zu suchen. Zur Illustration der Fehlerproblematik sollen Stammdaten einer Bank dienen (vgl. Tab. 1). 7 Untersucht man diese Stammdatensätze, in denen u.a. Alter, Familienstand, Anzahl der Zu- und Abbuchungen, Berufsgruppe, Kontostand und Dauer der Kundenbeziehung hinterlegt sind, fallen allein durch statistische Data-Mining-Algorithmen 8 Datensätze auf, die unplausibel sind und so nicht stimmen können: betroffene Datensätze Ausreißerstärke Item1 Item ,6 Berufsgruppe=Rentner Alter= ,9 Alter= Berufsgruppe=Rentner ,5 Alter= Gemeinschaftskonto=ja ,8 Alter= Berufsgruppe=Arbeiter Familienstand=Kind Alter= ,8 Familienstand=Kind AnzahlAbbuchungen= ,2 Familienstand=verwitwet Alter= Abrufdatum: Abrufdatum: Eine SKU ist i.d.r. einem Artikel im Lager oder im Katalog zugeordnet und gibt an, wie viele Einheiten auf Lager sind. Quelle: interactive analyzer Dr. Ansgar Dorneich (www.i-analyzer.de). Bozdogan (Hrsg.),

15 Big Data und Visual Analytics betroffene Datensätze Tab. 1: Ausreißerstärke Item1 Item ,6 AnzahlAbbuchungen= AnzahlZubuchungen= AnzahlZubuchungen= AnzahlAbbuchungen= Familienstand=Kind Kontostand= ,6 Familienstand=Kind Kontostand= ,8 Familienstand=Kind Gemeinschaftskonto=ja 82 83,9 AnzahlAbbuchungen= AnzahlZubuchungen= AnzahlZubuchungen= AnzahlAbbuchungen= ,7 Berufsgruppe=Techniker, Ingenieure Alter= ,1 DauerKundenbeziehung= Alter= ,6 Familienstand=Kind Alter= ,6 Familienstand=Kind Berufsgruppe=Angestellte ,1 Alter=..10 Gemeinschaftskonto=ja ,3 Alter= AnzahlAbbuchungen= Ermittlung unplausibler Datensätze in Stammdaten einer Bank So ist es eher unwahrscheinlich, dass eine Person zwischen 70 und 80 Jahren in der Berufsgruppe Arbeiter zu finden ist oder die Bank eine mehr als 20-jährige Kundenbeziehung zu einem 20-Jährigen hat, Kinder im Angestelltenverhältnis sind und über 100 Abbuchungen tätigen. Was hier kurios klingen mag, hat große praktische Konsequenzen auf Entscheidungen, auf Kosten, auf Mailings etc. Zwar kann man bei Dateneingaben Auswahloptionen (wie z. B. beim Familienstand im Beispiel) hinterlegen, dennoch verhindert das Fehleingaben nicht völlig, wie das obige Beispiel zeigt. Diese können erst dann entdeckt werden, wenn die Daten mit anderen Informationen abgeglichen und plausibilisiert werden. Daraus resultiert die Tatsache, dass man solche Beispiele nahezu in jeder Datenbank findet, wenn man diese auf Plausibilität und damit über Variablen und Attribute hinweg prüft. Im nächsten Beispiel haben wir die Verkaufsdaten eines Gebrauchtwagenhändlers untersucht: Daten zu Hersteller, Modell, Art, EK (Einkaufspreis), VK (Verkaufspreis), Kosten, Gewinn, EZ (Erstzulassung), Zugang, verkauft, Standzeitgruppe, Kunde_PLZ, Motor, Antrieb, Farbe, Lack, Karosserie, Emissionsklasse, Durchschnittsverbrauch, Ausstattung. Abgleich mit anderen Daten erforderlich 247

16 Organisation & IT Bei der Anwendung von Data-Mining-Algorithmen werden wieder alle Merkmalskombinationen auf die Wahrscheinlichkeit ihres Vorkommens geprüft. So ist das Vorkommen eines Modells = Caddy in Kombination mit der Karosserie = Limousine sehr unwahrscheinlich. Analog verhält es sich mit der Emissionsklasse = Euro 4 bei gebrauchten Fahrzeugen, die im Mai 2008 verkauft wurden (s. Tab. 2). Natürlich weiß die Software nicht, wann welche Emissionsklassen eingeführt wurden. Aber bestimmte Kombinationen von Emissionsklasse und Jahr sind einfach unwahrscheinlich und werden daher als mögliche Datenprobleme angezeigt. betroffene Datensätze Ausreißerstärke Item1 Item2 4 36,5 Verkau = Emissionsklasse=Euro ,1 Farbe=Schwarz Lack=metallic 1 28,3 VK= EK= ,7 Modell=Caddy Karosserie=Limousine 2 22 EZ=2008 Verkauft= ,3 Farbe=Weiß Modell=Golf V 2 20,1 VK= EK= ,4 Durchschni sverbrauch Verkau = ,4 Verkau = Zugang= ,1 Durchschni sverbrauch= } Motor=O o 1 16,7 Modell=Transporter T5 Motor=O o 1 15,8 EK= Modell=Golf V 2 15,6 Antrieb=unbekannt Emissionsklasse=Euro ,5 EZ=2003 Modell=Golf V 1 15,3 Modell=Golf Plus Lack=uni 1 15 Gewinn= Motor=Otto 1 13,9 Gewinn= Modell=Golf V 1 12,7 Kosten= EK= ,5 Modell=Crafter Antrieb=Frontantrieb 1 12,3 Verkau = Zugang= ,1 EK= Motor=Otto 1 11,6 Art=Neufahrzeug VK= ,4 Zugang= Verkau = ,5 Art=Neufahrzeug Zugang= ,5 EK= VK= ,3 Modell=Transporter T5 Karosserie=Limousine 1 11 EK= Modell=Passat Variant 1 10,5 VK= Farbe=Schwarz 2 10,4 EZ= Motor=Diesel 1 10 Modell=Transporter T5 Farbe=Schwarz Tab. 2: Plausibilitätsprüfung mittels statistischer Data-Mining-Algorithmen 248

17 Big Data und Visual Analytics 3 Visual Analytics und Visual Discovery Kombiniert man Data Mining mit Visual Analytics, 9,10 werden die Daten elektronisch analysiert und visualisiert, wobei der Anwender stets Einfluss auf die automatisch generierten Ergebnisse der visuellen Analyse hat. Durch Kombination von Computeralgorithmen mit den visuellen Erkenntnismöglichkeiten des Menschen ist der Anwender damit in der Lage, seine Erfahrungen und sein Bauchgefühl in die Analyse einzubringen. Im Gegensatz zur reinen Informationsvisualisierung wie bei Business-Intelligence-Systemen werden den Anwendern nicht lediglich die Resultate präsentiert, sondern sie können durch interaktive Visualisierungen (in allen Beispielen dieses Beitrags wird dafür das VisualCockpit 11 von n 3 verwendet) den Analyseprozess beliebig lenken. In den rohen Daten des Unternehmens steckt implizit das Wissen der Mitarbeiter und damit die Erfahrung des Unternehmens wenn man einerseits davon ausgeht, dass die meisten Mitarbeiter vernünftig und richtig handeln und man anderseits Unplausibilitäten mittels Data Mining auffinden kann. Immer dann, wenn es sich dabei um komplexe Sachverhalte handelt, wird es den Mitarbeitern oder dem Management sehr schwerfallen, ihr Wissen und ihre Erfahrungen als Regeln zu formulieren. Durch die Kombination von Visualisierung, Data Mining und Fachwissen kann man aber unter Nutzung aller für den Kontext relevanter Daten ( 100 % der Daten ) empirische Geschäftsregeln aus den Daten ableiten. Man erhält damit im wahrsten Sinne des Wortes einen Einblick in die Zusammenhänge der Daten und Visual Analytics bietet die Möglichkeit, unabhängig vom Anwendungsgebiet Fehler aufzufinden und zu eliminieren und empirisch Regeln aufzustellen, die iterativ auf die Daten angewendet werden. Damit lassen sich Geschäftsprozesse und Business Rules iterativ direkt aus den Daten ableiten (vgl. Abb. 3). Weitere erwünschte Nebeneffekte dieser Vorgehensweise mit Visual Analytics sind: MankanndasWissendesUnternehmens schnell und wenig aufwendig empirisch aus den Unternehmensdaten in Regeln gießen auch dann, Kombination Visual Analytics und Data Mining Unternehmensdaten enthalten Mitarbeiterwissen Visualisierung zum Auffinden von Fehlern Nutzen von Visual Analytics 9 Visual Analytics ist ein relativ neues und interessantes Gebiet, das hier aber nicht näher beschrieben werden kann: Abrufdatum: Keim Kohlhammer/Ellis/Mansmann (Hrsg.), 2010; tent/uploads/2010/11/vismaster-book-lowres.pdf; Abrufdatum: Abrufdatum:

18 Organisation & IT wenn solche Regeln weder von externen Beratern, noch von den Mitarbeitern selbst formuliert werden können. Bedenkt man, dass etwa 13 % aller Fach- und Führungskräfte von Unternehmen sich mit dem Gedanken tragen, das Unternehmen zu verlassen, 12 ist dies außerdem eine sehr gute Möglichkeit, das Wissen im Unternehmen zu behalten. Durch die empirische Ableitung von Geschäftsregeln wird eine einheitliche Bearbeitung von Geschäftsprozessen an allen Stellen im Unternehmen möglich. Die Geschäftsprozesse passen sich dynamisch an sich verändernde Bedingungen an wir haben es mit einem lernenden Geschäftsprozessmodell zu tun. Auch die Prüfung der Datenqualität kann damit kontinuierlich in die Geschäftsprozesse integriert und operationalisiert werden. Abb. 3: Dynamische Generierung von Geschäftsregeln aus Unternehmensdaten 12 Abrufdatum:

19 Big Data und Visual Analytics 4 Big-Data-Anwendungsbeispiele 4.1 Immobilienbewertung: Nutzung unstrukturierter Rohdaten Mit über 9 Mio. Nutzern (Unique Visitors, laut comscore Media Metrix) pro Monat ist ImmobilienScout24 das meistbesuchte Immobilienportal im deutschsprachigen Internet. Monatlich gibt es über 200 Mio. virtuelle Besichtigungen der über 1,5 Mio. verschiedenen Immobilien. 13 Neben der Vermarktung von Immobilien bietet ImmobilienScout24 für seine Kunden ein Online-Immobilienbewertungssystem. Ein großer Teil der Metadaten der darin enthaltenen Objekte wie etwa Baujahr, Beheizung etc. liegt in unstrukturierter Form nur in Exposés vor und ist damit nicht oder nur schwer zu verarbeiten. Weil der Bewertungsalgorithmus aber strukturierte Daten als Eingabe benötigt, ließen sich Immobilienexposés mit fehlenden Metadaten bislang nicht für die Wertermittlung verwenden. Unter Rückgriff auf die Objektdatenbank InterSystems Caché 1 und die eingebettete Technologie zur semantischen Textanalyse iknow schuf n 3 für ImmobilienScout24 die Möglichkeit, noch mehr Informationen in seinem automatischen Bewertungssystem zu nutzen. n 3 ging damit die BIG-DATA-Herausforderung an, sämtliche Informationen zu nutzen, einschließlich unstrukturierter Daten der Exposés, die in den Informationssystemen von ImmobilienScout24 bisher brachlagen. Im Unterschied zu den meisten Semantik- und Suchtechnologien erkennt InterSystems iknow in unstrukturierten Daten automatisch die interessantesten und bedeutungsvollsten Muster und Beziehungen. So werden beispielsweise in einem Exposé-Text logisch zusammenhängende Teile, z.b. Sätze, in Konzepte und Relationen zwischen den Konzepten (CRCs) zerlegt. Im Bildschirmfoto von Abb. 4 sind diese Konzepte gelb bzw. grau markiert dargestellt (a). Solche Konzepte sind z.b. die Ausstattung und neue Fenster. Gleichzeitig werden die im Dokument vorkommenden Konzepte und CRCs nach ihrer Häufigkeit dargestellt ((b) und (c) in Abb. 4). Macht man das für alle Dokumente, erhält man einen guten Überblick, welche Konzepte wie oft und mit welchen anderen Konzepten sie gemeinsam in den Dokumenten vorkommen. So ist z.b. die Beschreibung des Baujahrs auf vielfältige Weise möglich: Es kann Baujahr, BJ, Bauj. etc. in den Exposés stehen, aber auch Das Haus wurde 1920 errichtet enthält das Baujahr. Es ist eine Jahreszahl erforderlich, die aber im gleichen Satz und damit im logischen Zusammenhang zum Baujahr stehen sollte. Die Jahreszahl kann Unstrukturierte Daten Informationen aus unstrukturierten Daten extrahieren Konzepte und Relationen herstellen

20 Organisation & IT Vergleich manueller und automatischer Bewertung numerisch oder durch einen Zeitabschnitt beschrieben werden. Manchmal ist auch keine Jahresangabe wie bei der Textsequenz Jugendstilvilla erforderlich. Auf Basis der Häufigkeiten der Konzepte über alle Dokumente lassen sich aber für die gesuchten Inhalte domainspezifische Regeln und Wörterbücher erstellen, mit denen nun im operativen Prozess von ImmobilienScout24 alle eingehenden Objekte geprüft werden. Damit können aus jedem Dokument die vorhandenen Informationen extrahiert und die Exposés damit für die Wertermittlung berücksichtigt werden. Das System kann dabei einem Vergleich mit einer manuellen Bewertung durch einen Immobilienfachmann durchaus standhalten. So wurden durch diese automatisierte Lösung 97 % der Attribute gefunden, die auch manuell ermittelt wurden. Abb. 4: Aufbereitung des Exposés mit iknow in Konzepte und CRCs Die Lösung mit iknow erfasst damit automatisiert das Wissen, das die Kernkompetenz eines Bewerters bildet. Eine ausgereifte semantische Textanalyse setzt zuvor nicht nutzbare Daten in Werte um, die ein Algorithmus nutzen kann. Durch Abruf und Nutzung von mehr als 252

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

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

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

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

Visual Business Analytics Visueller Zugang zu Big Data

Visual Business Analytics Visueller Zugang zu Big Data Visual Business Analytics Visueller Zugang zu Big Data Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax:

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

Effektives Gemeinkostenmanagement

Effektives Gemeinkostenmanagement Ronald Gleich/Fred Marfleet (Hrsg.) Effektives Gemeinkostenmanagement Best-Practice-Beispiele erfolgreicher Unternehmen Das Experten-Interview Das Experten-Interview zum Thema Gemeinkostenmanagement n

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

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS BIG DATA & PREDICTIVE ANALYTICS BIG DATA & PREDICTIVE ANALYTICS Turn communication into usable data. In einer zunehmend vernetzten, digitalen Service-Ökonomie müssen Sie die Wünsche Ihrer Kunden laufend

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

Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen

Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen Version 1.3 / JUL-2013 Seite 1 / 5 Wittenberger Weg 103 Fon: +49(0)211 / 580 508 28-0 Datenmanagement in Verkehrsunternehmen Die Anforderungen

Mehr

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES]

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] NOW YOU KNOW [ SERIES] Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Potential ontologiebasierter Wissens- Lösungen

Mehr

Big, 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 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

Mehr

Institut für angewandte Informationstechnologie (InIT)

Institut für angewandte Informationstechnologie (InIT) School of Engineering Institut für angewandte Informationstechnologie (InIT) We ride the information wave Zürcher Fachhochschule www.init.zhaw.ch Forschung & Entwicklung Institut für angewandte Informationstechnologie

Mehr

Wertschöpfung durch Daten: Nutzung von Little Data & Big Data in der Industrie

Wertschöpfung durch Daten: Nutzung von Little Data & Big Data in der Industrie Wertschöpfung durch Daten: Dr. Matthias Nagel, Markus Nagel, Dirk Maiwald & Dagmar Lange Chemnitz, 20.03.2014 1 Smart Everything : Leben im Datenzeitalter 2 Datability: Nutzung aller relevanter Daten Datenquellen:

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

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung Ermittlung von Assoziationsregeln aus großen Datenmengen Zielsetzung Entscheidungsträger verwenden heutzutage immer häufiger moderne Technologien zur Lösung betriebswirtschaftlicher Problemstellungen.

Mehr

Big Data vs. Smart Data Was der Mittelstand von Internet-Unternehmen lernen kann Mittelstand-Digital

Big Data vs. Smart Data Was der Mittelstand von Internet-Unternehmen lernen kann Mittelstand-Digital Big Data vs. Smart Data Was der Mittelstand von Internet-Unternehmen lernen kann Mittelstand-Digital n³ matthias.nagel@nhochdrei.de Hannover, CeBIT 2015 Unsre Welt wird digital. Auswirkungen: Markt und

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

Der starke Partner für Ihre IT-Umgebung.

Der starke Partner für Ihre IT-Umgebung. Der starke Partner für Ihre IT-Umgebung. Leistungsfähig. Verlässlich. Mittelständisch. www.michael-wessel.de IT-Service für den Mittelstand Leidenschaft und Erfahrung für Ihren Erfolg. Von der Analyse

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

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

Mehr

Was tun mit Big Data? Workshop-Angebote der PROFI AG

Was tun mit Big Data? Workshop-Angebote der PROFI AG Was tun mit Big Data? Workshop-Angebote der PROFI AG Jetzt anmelden! Die Teilnehmerzahl ist begrenzt. Was ist Big Data? 3 Herzlich willkommen. Die PROFI AG bietet Kunden ein breites Spektrum an Software-Lösungen,

Mehr

Von Big Data zu Smart Data

Von Big Data zu Smart Data Von Big Data zu Smart Data mit Technologieförderung des BMWi Big Data Summit BITKOM-Konferenz; Bonn, 24.06.2013 Dr. Andreas Goerdeler Unterabteilungsleiter Informationsgesellschaft; Medien Bundesministerium

Mehr

Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense

Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense Heute die Unternehmenszahlen von morgen analysieren. Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense Corporate Planner ist ein

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

Erleben Sie wahre Größe. Detail für Detail. Lotus Notes.

Erleben Sie wahre Größe. Detail für Detail. Lotus Notes. Erleben Sie wahre Größe. Detail für Detail. Lotus Notes. Dies ist keine gewöhnliche Software. Dies ist Lotus Notes. Der Unterschied liegt in vielen Details. Und jedes davon ist ein Highlight. Rechnen Sie

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

Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen?

Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen? Innovative IT-Lösung für die Bedarfsplanung von Kindergartenplätzen oder Wie werden aus Daten Informationen? Ihr Ansprechpartner bei EITCO Johannes Schabel Head of Business Unit BI Fon +49 (228) 33 88

Mehr

Business Intelligence braucht mehr Business!

Business Intelligence braucht mehr Business! Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology

Mehr

E-Commerce-Konferenz. Internet Briefing. B2B. Best Practice. Namics. Dr. Tim Dührkoop. Partner. 15. März 2011

E-Commerce-Konferenz. Internet Briefing. B2B. Best Practice. Namics. Dr. Tim Dührkoop. Partner. 15. März 2011 E-Commerce-Konferenz. Internet Briefing. B2B. Best Practice. Namics. Dr. Tim Dührkoop. Partner. 15. März 2011 Was macht der Leader? 3/16/11 2 E-Commerce-Konferenz. Internet Briefing. B2B. Best Practice.

Mehr

10 Wege, wie Sie Ihr Social Media Monitoring ausbauen können

10 Wege, wie Sie Ihr Social Media Monitoring ausbauen können 10 Wege, wie Sie Ihr Social Media Monitoring ausbauen können Folgende Fragen, die Sie sich zuerst stellen sollten: 1. Welche Social-Media-Monitoring-Plattformen (SMM) schneiden am besten ab? 2. Ist dafür

Mehr

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN PRESSE-INFORMATION BI-19-09-12 NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN Big Data für den Handel wettbewerbsentscheidend Neue Anforderungen und Handlungsbedarf Technologie-Innovationen

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement CMC-KOMPASS: CRM Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement 1 CROSSMEDIACONSULTING 18.05.2010 Unser Verständnis von CRM: Customer Relationship Management ist weit mehr als ein IT-Projekt

Mehr

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management)

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management) EXZELLENTES MASTERDATENMANAGEMENT Creactives-TAM (Technical Attribute Management) Datenqualität durch Stammdatenmanagement Stammdaten sind eine wichtige Grundlage für Unternehmen. Oft können diese, gerade

Mehr

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010

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

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data 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

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

Virtual Roundtable: Business Intelligence - Trends

Virtual Roundtable: Business Intelligence - Trends Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Andreas Seufert Organisation: Institut für Business Intelligence

Mehr

Big Data Modewort oder echter Mehrwert. freenet Group Dr. Florian Johannsen

Big Data Modewort oder echter Mehrwert. freenet Group Dr. Florian Johannsen Big Data Modewort oder echter Mehrwert freenet Group Dr. Florian Johannsen freenet Group 2 Titel der Präsentation 07.07.2015 Mobilfunkgeschäft der freenet Group Austausch von Daten und Informationen Im

Mehr

MIT DATEN. TDWI Konferenz SCHAFFEN REPORT 2015. Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) München, 22. Juni 2015

MIT DATEN. TDWI Konferenz SCHAFFEN REPORT 2015. Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) München, 22. Juni 2015 TDWI Konferenz Peter Heidkamp (KPMG) Franz Grimm (Bitkom Research) MIT DATEN WERTE SCHAFFEN REPORT 2015 München, 22. Juni 2015 WIE MACHE ICHAUS EINSEN UND NULLEN DAS EINS ZU NULL FÜR MICH? 01 EINSTELLUNG

Mehr

Big Data Hype oder Realität?

Big Data Hype oder Realität? Big Data Hype oder Realität? Andreas Berth, CEO B2 Performance Group Inhalt B2 Performance das Unternehmen Big Data die Herausforderungen Beispiele für Datenquellen Big Data die Umsetzung Marketing KPI

Mehr

Business Intelligence

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

Mehr

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

SharePoint, Liferay & Co.: Social Business Integration in der Praxis. Dr. Christoph Tempich Webinar, 04.07.2013

SharePoint, Liferay & Co.: Social Business Integration in der Praxis. Dr. Christoph Tempich Webinar, 04.07.2013 SharePoint, Liferay & Co.: Social Business Integration in der Praxis Dr. Christoph Tempich Webinar, 04.07.2013 Social Business bei inovex Unser Experte: Dr. Christoph Tempich (Head of Consulting) Dr. Christoph

Mehr

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Pentaho ermöglicht Analyse der von den über 120 Millionen registrierten Spielern generierten Datenflut

Mehr

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Thema: David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Autor: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant PRAXIS EDV- Betriebswirtschaft- und

Mehr

Direktmarketing im Zentrum digitaler Vertriebsstrategien

Direktmarketing im Zentrum digitaler Vertriebsstrategien Direktmarketing im Zentrum digitaler Vertriebsstrategien Standortbestimmung und Key Learnings für Verlage Hamburg, September 2014 Im Zentrum digitaler Vertriebsstrategien steht zunehmend die Analyse komplexer

Mehr

The Day in the Life of a Business Manager @ Microsoft

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

Mehr

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder.

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. Präsenzübung Service 2.1. CRM Customer-Relationship Management a) Anliegen des CRM Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. CRM, auch Beziehungsmanagement

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

BIG DATA - BIG OPPORTUNITIES

BIG DATA - BIG OPPORTUNITIES BIG DATA - BIG OPPORTUNITIES eday: 2014 Wien, 6. März 2014 EBA Executive Business Advice GmbH 1120 Wien, Am Euro Platz 2, Gebäude G Tel.: +43 1 71728 172 Email: office@eba-business.at www.eba-business.at

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

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

Visual Business Intelligence Eine Forschungsperspektive

Visual Business Intelligence Eine Forschungsperspektive Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49

Mehr

Individuelle Live Dashboards mit Detaildurchgriff. CP-Cockpit ist ein Modul der Corporate Planning Suite.

Individuelle Live Dashboards mit Detaildurchgriff. CP-Cockpit ist ein Modul der Corporate Planning Suite. Individuelle Live Dashboards mit Detaildurchgriff CP-Cockpit ist ein Modul der Corporate Planning Suite. InDIvIDueLLe LIve DaShboarDS Individuelle Live Dashboards. In Form von Livedashboards werden alle

Mehr

BIG DATA Herausforderungen für den Handel

BIG DATA Herausforderungen für den Handel BIG DATA Herausforderungen für den Handel RA Adrian Süess, LL.M., Zürich Bühlmann Rechtsanwälte AG www.br-legal.ch 1 2 1 Überblick Worum geht s. Big Data. Was ist Big Data. Beschaffung und Bearbeitung

Mehr

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN PRESSE-INFORMATION BI-13-09-13 BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN Business Analytics und Business Performance Management sind wesentliche Wachstumstreiber Mittelstand ist bedeutende

Mehr

Vom Intranet zum Knowledge Management

Vom 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

Mehr

CRM vs CEM. Was unterscheidet beide voneinander? Präsentiert von Metrinomics. Juni 2015. 2015 Metrinomics GmbH CRM vs CEM 1

CRM vs CEM. Was unterscheidet beide voneinander? Präsentiert von Metrinomics. Juni 2015. 2015 Metrinomics GmbH CRM vs CEM 1 CRM vs CEM Was unterscheidet beide voneinander? Präsentiert von Metrinomics Juni 2015 2015 Metrinomics GmbH CRM vs CEM 1 Hans Jürgen Schmolke Geschäftsführer +49 30 695 171-0 +49 163 511 04 89 h.schmolke@metrinomics.com

Mehr

Towards Automated Analysis of Business Processes for Financial Audits

Towards Automated Analysis of Business Processes for Financial Audits Towards Automated Analysis of Business Processes for Financial Audits Michael Werner Universität Hamburg michael.werner@wiso.uni hamburg.de Max Brauer Allee 60 22765 Hamburg StB Prof. Dr. Nick Gehrke Nordakademie

Mehr

Ihre PRAXIS Software AG. a t o s. - nalytisch. - aktisch. - perativ. - trategisch. Unser atos Konzept für Ihren Erfolg

Ihre PRAXIS Software AG. a t o s. - nalytisch. - aktisch. - perativ. - trategisch. Unser atos Konzept für Ihren Erfolg Ihre PRAXIS Software AG a t o s - nalytisch - aktisch - perativ - trategisch Unser atos Konzept für Ihren Erfolg Das atos Konzept macht geschäftskritische Daten und Abläufe transparent ermöglicht einfache

Mehr

Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele

Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele Mit Personalisierung Kundenzufriedenheit und Umsätze steigern Erfolgreiche Praxisbeispiele Dr. Philipp Sorg (Senior Data Scientist) Peter Stahl (Senior Business Development Manager) 24. März 2015, Internet

Mehr

KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website

KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website Inhalt Inhalt... 1 1. Anmelden beim Kompetenzmanager... 3 2. Erstellen eines neuen Kompetenzprofils... 4 2.1. Wizard

Mehr

Social-CRM (SCRM) im Überblick

Social-CRM (SCRM) im Überblick Social-CRM (SCRM) im Überblick In der heutigen Zeit ist es kaum vorstellbar ohne Kommunikationsplattformen wie Facebook, Google, Twitter und LinkedIn auszukommen. Dies betrifft nicht nur Privatpersonen

Mehr

Erleben Sie wahre Grösse. Detail für Detail. Lotus Notes. Lotus www.ategra.ch ATEGRA Lotus Engineering

Erleben Sie wahre Grösse. Detail für Detail. Lotus Notes. Lotus www.ategra.ch ATEGRA Lotus Engineering Erleben Sie wahre Grösse. Detail für Detail. Lotus Notes Dies ist keine gewöhnliche Software. Dies ist Lotus Notes. Der Unterschied liegt in vielen Details. Und jedes davon ist ein Highlight. Das einzige,

Mehr

Interview zum Thema Management Reporting &Business Intelligence

Interview 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

Mehr

Balanced Scorecard Strategien umsetzen. CP-BSC ist ein Modul der Corporate Planning Suite.

Balanced Scorecard Strategien umsetzen. CP-BSC ist ein Modul der Corporate Planning Suite. Balanced Scorecard Strategien umsetzen CP-BSC ist ein Modul der Corporate Planning Suite. UnternehMenSSteUerUng Mit ViSiOn UnD StrAtegie Strategien umsetzen. Jedes Unternehmen hat strategische Ziele und

Mehr

ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen

ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen Name: Markus Beck Funktion/Bereich: Geschäftsführer Organisation: Deliance GmbH Liebe Leserinnen

Mehr

BIG DATA. Herausforderungen für den Handel. RA Adrian Süess, LL.M., Zürich Bühlmann Rechtsanwälte AG www.br-legal.ch

BIG DATA. Herausforderungen für den Handel. RA Adrian Süess, LL.M., Zürich Bühlmann Rechtsanwälte AG www.br-legal.ch BIG DATA Herausforderungen für den Handel RA Adrian Süess, LL.M., Zürich Bühlmann Rechtsanwälte AG www.br-legal.ch 1 2 Überblick Worum geht s. Was ist Big Data. Beschaffung und Bearbeitung von Datensätzen.

Mehr

E-Mail Marketing Runde um Runde

E-Mail Marketing Runde um Runde Wir powern Ihr E-Mail Marketing Runde um Runde Mehr Response durch Interessen-Tracking Mit relevanten Inhalten punkten Möchten Sie als werbetreibendes Unternehmen heute nicht in der Flut von Informationen

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Social Media Monitoring Den Kunden zuhören. Teil I

Social Media Monitoring Den Kunden zuhören. Teil I Social Media Monitoring Den Kunden zuhören Teil I DVR: 0438804 Juli 2015 Social Media Monitoring bezeichnet die systematische, kontinuierliche und themenspezifische Suche, Erhebung, Aufbereitung, Analyse,

Mehr

Der Energiesektor im Wandel. 10. Mai 2012

Der Energiesektor im Wandel. 10. Mai 2012 Der Energiesektor im Wandel 10. Mai 2012 Der Energiesektor im Wandel: Was sind die wesentlichen Herausforderungen Heute und Morgen? Riesige Datenmengen! Klimawandel Marktliberalisierung Statt einem Zählerstand

Mehr

Techniken zu Schreibwerkstatt Phase 1: Ein Thema erforschen und eingrenzen

Techniken zu Schreibwerkstatt Phase 1: Ein Thema erforschen und eingrenzen Techniken zu Schreibwerkstatt Phase 1: Ein Thema erforschen und eingrenzen Die 5 folgenden Techniken können Ihnen dabei helfen, ein passendes Thema bzw. eine Hypothese zu finden. 1. Fragen helfen beim

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Spezielle Fragen zu Facebook!

Spezielle Fragen zu Facebook! ggg Welches sind Ihre, bzw. mögliche Ziele für eine Unternehmenspräsentation im Social Web / Facebook? Spezielle Fragen zu Facebook! Social Media Wie präsentiere ich mein Unternehmen erfolgreich bei facebook?

Mehr

BI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45

BI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45 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

Jeder Cent zählt: Werbeerfolgsmessung im Online-Marketing! Die 5 wichtigsten Tipps und Tricks, wie Sie Ihre Werbemaßnahmen auf Trab bringen.

Jeder Cent zählt: Werbeerfolgsmessung im Online-Marketing! Die 5 wichtigsten Tipps und Tricks, wie Sie Ihre Werbemaßnahmen auf Trab bringen. Jeder Cent zählt: Werbeerfolgsmessung im Online-Marketing! Die 5 wichtigsten Tipps und Tricks, wie Sie Ihre Werbemaßnahmen auf Trab bringen. Patrick Hünemohr Geschäftsführer der GREVEN Mediengruppe, Köln

Mehr

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,

Mehr

Cloud Computing Chancen für KMU

Cloud Computing Chancen für KMU Cloud Computing Chancen für KMU Sascha A. Peters Cluster Manager IT FOR WORK 31. Oktober 2012 Cloud Computing Worüber reden alle? Fragen zum Thema Cloud Was ist Cloud Computing und wofür wird es genutzt?

Mehr

Virtual Roundtable: Business Intelligence - Trends

Virtual 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,

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars 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

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Newsletter Software. Tourbo report das Knopfdruck-Controllinginstrument beantwortet folgende Fragen:

Newsletter Software. Tourbo report das Knopfdruck-Controllinginstrument beantwortet folgende Fragen: Newsletter Software Juni 2011 Sehr geehrte Tourbosoft-Kunden, wir möchten auch diesen Monat wieder die Gelegenheit nutzen und Ihnen die neueste Erweiterung für unser Tourenplanungsprogramm Tourbo route

Mehr

Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung.

Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung. Bringen Sie Ihr Unternehmen innovativ voran. Mit klaren Lösungen und integrierter Unternehmenssteuerung. Kennen Sie die wahren Werte Ihres Unternehmens? Im Finanzwesen und dem Controlling Ihres Unternehmens

Mehr

Finanz, Controlling, Treuhand: Ein Excel-Seminar macht sich bezahlt!

Finanz, Controlling, Treuhand: Ein Excel-Seminar macht sich bezahlt! Finanz, Controlling, Treuhand: Ein Excel-Seminar macht sich bezahlt! Effizienz steigern, Zeit gewinnen, Geld sparen. Profitieren Sie von einem Kursangebot, das ganz spezifisch auf die Ansprüche von Buchhaltungs-

Mehr

Hallo, einfach. C LO U D. symbl.cms und framework Beschreibung

Hallo, einfach. C LO U D. symbl.cms und framework Beschreibung Hallo, einfach. C LO U D symbl.cms und framework Beschreibung Wir stellen uns vor. Wir kümmern uns um IT-Infrastrukturen, gestalten und entwickeln Websites, Online-Shops sowie mobile und interaktive Applikationen.

Mehr

Inhalt. Kundenbindung langfristig Erfolge sichern 5 Kundenbindung als Teil Ihrer Unternehmensstrategie 6 Was Kundenorientierung wirklich bedeutet 11

Inhalt. Kundenbindung langfristig Erfolge sichern 5 Kundenbindung als Teil Ihrer Unternehmensstrategie 6 Was Kundenorientierung wirklich bedeutet 11 2 Inhalt Kundenbindung langfristig Erfolge sichern 5 Kundenbindung als Teil Ihrer Unternehmensstrategie 6 Was Kundenorientierung wirklich bedeutet 11 Die Erfolgsfaktoren für Ihre Kundenbindung 17 Diese

Mehr

Der Digital Business Index (DBI)

Der Digital Business Index (DBI) Der Digital Business Index (DBI) Modell zur Erfassung der digitalen Reife und strategischer Kompass zur Sicherung der Wettbewerbsfähigkeit ihres Unternehmens ideers Consulting GmbH Warum bedarf es eines

Mehr

INTENSE AG unser Angebot zur Zusammenarbeit

INTENSE AG unser Angebot zur Zusammenarbeit PERFORMANCE AG unser Angebot zur Zusammenarbeit Kooperationsoptionen zwischen Hochschule und Wirtschaft März 2015 Unser Kooperationsidee im Hochschulumfeld Die AG ist ein auf SAP spezialisiertes Beratungsunternehmen

Mehr

SAP HANA eine Plattform für innovative Anwendungen

SAP HANA eine Plattform für innovative Anwendungen SAP HANA eine Plattform für innovative Anwendungen Top Intelligence: Big Data & SAP HANA Zürich, Frankfurt, Hamburg, München, Mülheim/R Februar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder

Mehr