IBM SPSS Healthcare Days 2013

Größe: px
Ab Seite anzeigen:

Download "IBM SPSS Healthcare Days 2013"

Transkript

1 IBM SPSS Healthcare Days 2013 SWG Germany Düsseldorf, München, Berlin, Hamburg

2 Ihre Ansprechpartner heute Dr. Matthias Glowatzki Manager Services IBM Business Analytics Dr. Christian Trippner Technical Professional IBM SPSS Christian Dennerlein Account Representative IBM SPSS

3 Folien nach dem Event verfügbar! Bitte folgenden Link notieren:

4 Agenda 09:00 09:15 Uhr Begrüßung und Einführung 09:15 10:00 Uhr Erfassung von Patientendaten und klinischen Daten im medizinischen Umfeld 10:00 11:00 Uhr Statistische Datenanalyse mit Praxisbeispielen und Live Demo 11:00 11:30 Uhr Kaffeepause 11:30 13:00 Uhr Mehrwert und konkreter Nutzen von Data Mining in der Medizin 13:00 13:30 Uhr Zusammenfassung, Diskussion und Fingerfood

5 Healthcare Krankenhäuser stehen vor großen Herausforderungen

6 Healthcare Herausforderungen für Krankenhäuser - Mehr Effizienz, Qualität und Sicherheit im Krankenhaus - Eine Vielzahl von Faktoren verändern die Bedingungen für Krankenhäuser. Beispiele hierfür sind wachsender Kostendruck, Personallimitationen, wachsender Dokumentations- und Administrationbedarf, intensiver werdender Wettbewerb Um auch in der Zukunft erfolgreich zu bestehen sind verschiedenste Faktoren kontinuierlich zu optimieren Qualität : Fokussierung, Nutzung von Innovationen, überdurchschnittliche Therapieergebnisse, kontinuierliche Verbesserungsmassnahmen Effizienz : Neben der Optimierung der Einnahmen auch die möglichst effiziente Ausführung der Prozesse und Investitionen, Nutzung aller einsparungsmöglichkeiten Sicherheit : Einhaltung der notwendigen und gesetzten Standards und Vorgaben, schnelle Anpassung an Veränderungen Ein wesentlicher Faktor hierzu ist die Möglichkeiten von Innovation und digitalen Technologien gezielt zu nutzen, um diese Ziele zu erreichen

7 Healthcare Beispiele für unsere innovativen Lösungen IBM's Lösungen für das Gesundheitswesen. Weltweite Expertise in Forschung, Innovation für Informationstechnologie in Gesundheitswesen Warum Osteoporose Forschung (Rüschlikon, ETH Zürich) Proteinforschung (TU Berlin, Matheon) Onkologische Forschung, insb. Tumorforschung (Majo Clinics, USA) Cardiovaskulare Forschung für Schlaganfallpatienten (Simulation Schuckverhalten) Genomik / personalisierte Medizin (DNA- Transistor) In Planung: Aufbau eines World Community Grids für die Erforschung von Demenz IBM-Lösungen richten sich nach wirtschaftlichen Herausforderungen aus und unterstützen Wertschöpfungsmöglichkeiten für die Organisationen im Gesundheitswesen. Ein hochrangiges Portfolio der IBM Lösungs-Gebiete und Fähigkeiten ermöglichen Organisationen im Gesundheitswesen den Potential Smarter Planet zu bekommen. IBM investiert in Lösungen für einen breiten Spektrum der verschiedener Health-Gebiete, um dabei zu helfen intelligentere Gesundheitssysteme zu schaffen.

8 Healthcare Innovative Lösungen für alle Bereiche Krankenversicherungen PKV GKV Industrie Pharma/Lifescience Diagnostics Medical device Forschungsinstitute #1 #2 Übergreifende Themen im Gesundheitswesen Telematik Integrierte Versorgung Pers. Medizin Kliniken / Pflegeeinrichtungen #3 Universitätskliniken Krankenhäuser /Klinikverbünde Pflegeeinrichtungen Politik und Verbände #4 KVen Med. Verbände und Vereine Gesundheitsministerium Gesundheitsinstitute Wir investieren 300 Million in die Erforschung und Éntwicklung von innovative Lösung im Gesundheitswesen

9 Healthcare Unsere Healthcare Strategie und Portfolio erlaubt eine patientenzentrierte Fokusierung und Methodik für alle Stakeholder Ermöglicht eine gemeinsame Versorgung Gewährleistung einer besseren Qualität und Leistungen Handlungsabläufe effizienter gestalten Öffentliche Oorganisationen Gesellschaften für Gesundheit Erziehung Apotheken Unternehmen für Diagnostik Krankenhaus & Ärzte Zentrierte Versorgung der Patienten Medizinische Geräte Information & Support für Entscheidungen Pharma/Biotech Lifescience Mitarbeiter Forschung Transaktions Dienstleistungen Leistungszahler Durch Einbindung von Menschen, Versorger Teams und Information Durch dynamische Anpassung und Antwort Durch IT wird ermöglicht organisatorischen Bedürfnissen schnellstmöglich nachzukommen

10 Healthcare Beispiele im Krankenhaus Advanced Analytics Optimierungen der Prozesse aufgrund analytischer Verfahren Kennzahlengestützte Kostenoptimierung Cloud Services Healthcare Clould für Kliniken (Internetzentrierte Entwicklungsansätze, wodurch komplexe Leistungen aus SW- u. HW in Form eines abstrakten Dienstes bereitgestellt werden. ) Decision Support Systems Management & Verwaltung der Patienten und Geräte mit Verwendung der modernster Sensoren und W-LAN Technologien Information Integration Integrierte Fallsteuerung Service- und Daten-Integration Telemedicine Telemedizinsche Lösungen Online-Portale Collaboration Software Web Portale / Platformen für den übergreifenden Austausch der Informationen u. Kommunikation zwischen den Akteuren Schlüssel IT Wegbereiter füe Smarter Healthcare synchronisieren optimal mit den IBM-Kernkompetenzen

11 Healthcare Ausgewählte IBM Referenzen im Krankenhaus- und Pflegebereich 11

12 Die IBM SPSS Data Collection Befragungsplattform im Überblick

13 Grundlegende Merkmale der Befragungsplattform Einfache und intuitive Handhabung Fragebogenerstellung ohne Programmierkenntnisse mächtige Programmiersprache im Hintergrund Skalierbarkeit, Offenheit der Schnittstellen Umfangreiche Testmöglichkeiten Statistische Auswertung mit gängigen Tools

14 Grundlegende Merkmale der Befragungsplattform Direkte Interaktionen mit Ergebnissen Einbindung in unternehmensweite Lösungen (EFM) Generierung von Berichten Alle Befragungswege (schriftlich, online, mobil, telefonisch, ) Zentrale Speicherung aller Datenerhebungen Anbindung an gängige MS Officeprodukte

15 IBM SPSS Data Collection Plattformübersicht und Module IBM SPSS Data Collection Desktop IBM SPSS Data Collection Server Base Professional Author Desktop Paper mit Scan Add-on Data Entry/ Interviewer Desktop Author Server Web Interviews Server mit Remote Administration Phone Interviews Dialer Connection Scripting Fragebogen/Tabellen Fragebogenerstellung lokal PAPI Papierbefragungen CAPI computergest. Befragungen Fragebogenerstellung distributed CAWI Webbefragungen mcapi mobile Befragungen CATI Telefonbefragungen Dialer-Schnittstelle Lokale Speicherung MSSQL Server Exportformate: SAV, CSV, TXT, XLS, DAT,... Survey Reporter Desktop/Server Survey Tabulation Statistics Base Modeler

16 Vorteile und Mehrwert von standardisierten Befragungen

17 Der Standard IBM SPSS Data Collection Befragungsprozeß FB-Design Form der Datenerhebung Analyse & Report Web Web Tabellen Telefon SPSS Ein Fragebogen Papier Data Entry Zentrale Datenbank Modeler MS-Office PDA/Terminal Andere Andere

18 Der Nutzen Übersichtlichkeit o auf Projektebene Projektkontrolle o Rücklaufkontrolle in Echtzeit o Versionskontrolle o Quotensteuerung o geführte Dateneingabe o Offene/geschlossene Befragung o einheitliche Standards Geordnete Ablage o Fragebögen o Projekte o Vorlagenbibliothek Treffsicherheit der Ansprache o schriftlich o online o telefonisch o Umfrage-/Fragenbibliothek o mobil o alle Kanäle kombinierbar

19 Der Nutzen Datenmanagement o Fragebogen liefert SAV Datei o Metadaten im Fragebogen o Automatisierungen o (Daten)Konsistente Erhebungen o Datenbereinigung o Sicherheitsaspekte/Datenschutz Integration o o o in operative Systeme in Bürgerportale in CRM Anwendungen CI Vorgaben o o o Richtlinien zur Gestaltung und Design Einbindung in bestehenden Webauftritt Barrierefreiheit nach BITV* und 508 compliance Einheitliches Vorgehen o o o Alle Abteilungen/Mitarbeiter verwenden gleiche Vorlagen Interne Standards sind leichter einhaltbar/überprüfbar Gesetzliche Vorgaben in allen Umfragen berücksichtigt o BVM und ESOMAR Standards *Barrierefreie Informationstechnik-Verordnung

20 Der Mehrwert Effizienzmessung bei Projekten und Programmen Transparenz und Akzeptanz durch gruppenspezifische Ansprache bei der Erhebung und nachfolgender Darstellung und Kommunikation der Ergebnisse Kann von mehreren Dienststellen/Abteilungen parallel genutzt werden (teilen statt duplizieren) Erkennen von Trends und Änderungen in gesellschaftlich relevanten Bereichen Migrationsverhalten/Zuzug/Wegzug Vorhersagemodelle Feedback und Stimmungsbilder zeitnah sammeln und ad hoc erstellen Bürgerbefragungen aus der Fachabteilung heraus Schnelle Verfügbarkeit und Anwendung von Informationen Verläßlichere Entscheidungsfindung, Treffsicherheit in Angebot und Service Optimierung von Prozessen und Abläufen Projektänderungen während der Kampagne möglich Effizienter Einsatz von Haushaltsmitteln und Ressourcen Anreicherung, Bereinigung und Pflege von bestehenden Daten Qualitätssicherung in allen Bereichen Wahrung von Datenschutzvorgaben und Sicherheitsaspekten

21 Wege der Datenerhebung Online mobile Endgeräte persönliches Gespräch via Telefon Papierfragebogen

22 IBM SPSS Data Collection 7 Neuerungen Integration mit IBM Cognos Erweiterte Möglichkeiten für mobile Interviews Verbesserte Call Center Produktivität Verbessertes dynamisches Feedback Verbesserte Skalierbarkeit Erweiterte Umfragen Galerie und Assistenten

23 Integration mit IBM Cognos Nutzen Sie Umfrageergebnisse im BI Umfeld Neue Aktivität Daten publizieren Erstellen und aktivieren Sie Projekte auf der Server Administrationsebene. Definition der Metadatenoptionen. Auswahl der Analysevariablen. Definition der Einstellungen des Analysetools. Data Collection

24 Erweiterte Funktionen für mobile Befragungen Unterstützung von Sample-/Quotenmanagement in verteilten mobilen Befragungen Mehr Steuerung Gewährleistet ein verbessertes Feldmanagement durch Unterstützung von verteilten Sample- bzw. Quotenbefragungen für alle IBM SPSS Data Collection Data Entry und Interviewer Produkte. Ermöglicht wesentlich effizientere Feldinterviews durch Sortier-, Such- und Auswahlmöglichkeiten innerhalb der Sample und/oder Quote. Quotenziele werden durch Synchronisierungen aktualisiert. Mehr Kontrolle und Steuerung für die Umfrageadministratoren um sicherzustellen, daß die die richtigen Informationen von den richtigen Befragten gesammelt werden.

25 Verbessert die Produktivität von Call Centern Call Center können ein hoch effizientes und produktives System betreiben Kommunikation und Information Neue Nachrichtenfunktionen, die es den Administratoren ermöglichen, Projektinformationen mit den Interviewern zu teilen und die Interviewer im Gegenzug Informationen rückzumelden. Verbessertes Monitoring über eine Echtzeit Anzeige, die den Status des Agents über die gesamte Befragungszeithistorie darstellt. Umfagen können miteinander verknüpft werden, indem Antworter eingebunden werden, auch wenn sie für die Hauptumfrage nicht passen, um so die Produktivität zu steigern.

26 Verbessert die Produktivität von Call Centern Neue Benachrichtigungsfunktionen Statusmitteilungen Meldet den Interviewerstatus an die Supervisoren. Statusmitteilung Projektnachrichten Lieferz Projektinformationen vom Supervisor oder Projektmanager. Unmittelbare Mittteilungen Anweisungen und Instruktionen an den Agent. Projektnachricht Unmittelbare Mittteilung

27 Verbessertes dynamisches Feedback Anwendung von Echtzeit-Analysen und Scoring eines Meinungsfeedbacks Analyse, Scoring, Next best steps/actions Ermöglicht den Einstieg in einen tieferen Dialog jenseits der Standardumfragen, mittels Management Cockpits Echtzeit-Analysen und Bewertung eines Feedbacks mit statistischen/analytischen Modellen Intelligente Befragungen für Decision Management/ CRM (z. B. Empfehlungen als next best action auf der Grundlage der abgegebenen Antworten). Die Antwort auf eine Frage wird in Echtzeit analytisch bewertet

28 Eine breitere, ausbaufähige und skalierbare Plattform Erweitert die Reichweite der Befragungsplattform Skalierung, Kompatibilität, Erweiterungen Erweitert die Unterstützung von HTML5 Eingabetypen, zur Darstellung von Data Collection Fragetypen unter Verwendung von HTML5 Eingabetypen. Ermöglicht die Integration von externen Webdiensten in eine Befragung über andockbare Schnittstellen (z. B. der Salesforce Interview Service ermöglicht den Zugang zu den Salesforce.com Webdiensten). Verbessert die Darstellung von Umfragen auf verschiedenen Medien/Displays in dem die Nutzer spezifische Einstellungen vornehmen können (z. B. Browsereinstellungen, Bildattribute).

29 Neue Umfragengalerie und Assistenten Schneller Einstieg und schnelle Resultate für Businessanwender Umfragebibiliothek, Erstellungsassistenten Für Geschäftsanwender erleichtert den schnellen Einstieg. Galerie Benutzerinterface mit archivierten Umfragen, nach Typ und Funktion geordnet. Vorschau auf Beschreibungen, Vorseinstellungen und Inhalte der Umfragen bevor sie benutzt werden. Berichtsassistenten zur Vereinfachung allgemeiner oder spezieller Tabellen- und Variableneinstellungen. Vertriebsbeauftragte(r)

30 Neue Umfragengalerie und Assistenten Beginnen Sie mit der Galerie und fügen Sie dann Ihre eigenen Inhalte dazu Die Umfragegalerie enthält Umfragefragmente: Oft verwendete Fragen. Fragen: Fragenvorlagen, die das Erscheinungsbild der Fragen und Antworten steuern. Funktionalität: Code- /Skriptschnipsels für bestimmte Aufgaben (z. B. Hinzufügen eines GoTo Buttons). Layout: Layoutvorlagen zur Steuerung des Umfragedesigns. Bauen Sie Ihre eigenen Umfragebestandteile und stellen Sie diese in die Galerie!

31 Kundenbeispiele

32

33

34

35

36

37

38

39

40 Battelle The Centers for Public Health Research and Evaluation (CPHRE) Nutzt multimodale Umfragen um Responsequoten zu erhöhen Hintergrund & Challenge Im Angesicht eines Rückgangs der Teilnahme an Umfragen, benötigte Battelle-CPHRE eine Lösung, die für ein beständiges Engagement ihrer wichtigsten Ressource also Umfrageteilnehmern bei ihren Forschungsumfragen bezüglich der öffentlichen Gesundheit. Lösung Battelle-CPHRE implementiert Lösungen für multimodale Forschungen mit Hilfe von IBM SPSS Predictive Analytics Software. Die IBM SPSS Data Collection Plattform hilft der Organisation dabei, ihr Umfragedesign zu rationalisieren und ergänzt diese Umfragen gleichzeitig um Web- und papierbasierte Forschungskapazitäten. Komponenten der Lösung IBM SPSS Data Collection Paper IBM SPSS Data Collection Interviewer IBM SPSS Data Model Benefits Fähigkeit, multimodale Umfragen ohne steigende Kosten oder Zeitaufwendungen durchzuführen Einfache Entwicklung von komplementären Umfragen für Web und Papier Weniger Zeit benötigt zur Auf- und Vorbereitung von Daten und die Möglichkeit, Qualitätstests für die Daten zu integrieren. 40

41 IBM SPSS Statistics Der Klassiker im Überblick

42 Grundzüge von IBM SPSS Statistics Live Demo Daten einlesen und aufbereiten Datenzugriffe Plausibilitätsprüfungen Datenselektionen Deskriptive Auswertungen Klassische statistische Kennzahlen Tabellen und Grafiken Exportmöglichkeiten Wege zur Automatisierung SPSS Syntax

43 Die wichtigsten statistischen Verfahren in der Medizin Live Demo Beziehungen zwischen Merkmalen Kreuztabellen (Kontingenztafeln) Chi-Quadrat-Maß und Kontingenzkoeffizient Urteilerübereinstimmung (Kappa-Koeffizient) Weitere Zusammenhangsmaße (Korrelationen) Statistische Testverfahren Parametrische Tests (Bsp. Mittelwertvergleiche) Nicht-parametrische Tests (Bsp. Vorher-/Nachher-Vergleiche, Messwiederholungen) Exakte Tests Multivariate Verfahren Berechnung von Klassifizierungswahrscheinlichkeiten (Logistische Regression) Verlaufskurven (Kaplan-Meier-Methode)

44 California Pacific Medial Center (CPMC) Eines der größten privaten, non-profit Medizincenter in Kalifornien verbessert Patientenergebnisse Hintergrund & Challenge CPMC s Herzforschungsprogramm muss große Mengen an heterogenen Patientendaten, die in verschiedenen Abteilungen des Krankenhauses gesammelt werden, verwalten, verfolgen und analysieren. Lösung IBM SPSS Predictive Analytics Software wurde deswegen dafür genutzt, um tausende von Datenelementen zu verwalten und zu analysieren und die Ergebnisse von Patienten mit Herzkrankheiten oder Herztransplantaten zu überwachen. Komponenten der Lösung IBM SPSS Statistics Benefits Akkurate Risikomodelle für Herzkrankheiten Zentrale Datenbank mit krankenhausweiten Patientenstatistiken Verkürzte post-operative Erholungszeiten und Krankenhausaufenthaltszeiten Kosteneinsparungen 44

45 SESCAM SESCAM (Spanien) nutzt IBM SPSS Predictive Analytics Software, um Leistungen im Gesundheitsservice zu verbessern Hintergrund & Challenge SESCAM suchte nach einem Tool, das ihre wissenschaftlichen Untersuchungen verbessern und bei allen Krankenhaus- und Gesundheitscenter-Managementaufgaben unterstützend zur Seite stehen sollte. Insbesondere benötigte SESCAM eine Möglichkeit, um potenzielle Ineffizienzen zu erkennen und den besten Service an die Bürger zu liefern. Lösung Deswegen wandte sich SESCAM an IBM SPSS, um ein Werkzeug zu entwickeln, das Arbeitsläufe im Gesundheitsservicesektor verbessern, Schwächen im Prozess aufdecken und große Mengen an Daten besser kontrollieren soll. Benefits Verbessertes Informationsmanagement Leichtere Identifizierung und Lösung von potenziellen Problemen im Gesundheitsservicebereich Bessere Bewertung von Behandlungsmethoden und Prognosen Komponenten der Lösung IBM SPSS Statistics

46 Bayer Schering Pharma Globaler Hersteller von Pharmazeutika analysiert Daten mit Hilfe von Predictive Analytics Pharma Hintergrund & Challenge Bayer Schering Pharma sucht nach effizienteren Wegen, um Krankheiten zu identifizieren, für die aktuell keine Behandlungsmethoden existieren, und Medizin zu finden, die Nebenwirkungen durch die Einnahme anderer Medizin verursachen. Eine weitere Challenge liegt darin, detailliertes Patientenwissen bezüglich ihres Zufriedenheitlevels, der Struktur und Art ihrer Behandlung und ihres Produktwissens zu generieren. Lösung Deswegen nutzt Bayer Schering Pharma IBM SPSS Predictive Analytics, um Zielgruppen zu segmentieren und Umfrage- und Versuchsergebnisse zu analysieren. So können tiefere Insights generiert werden als wenn man lediglich von externen Marktforschungsinstituten abhängig wäre. Die Vorteile liegen hierin nicht nur in Qualitätskontrolle und der Möglichkeit zur Erstellung von Ad-Hoc-Analysen, sondern auch in der Erstellung von Metadatenanalysen, anhand derer neue Fragestellungen, die sich bei Betrachtung der bestellten Marktforschungsergebnisse ergeben, beantwortet werden können. Komponenten der Lösung IBM SPSS Statistics (IBM SPSS Modeler) Benefits Identifikation von präzise definierten Zielgruppen durch a priori - Segmentierung Signifikante Ressourceneinsparungen und höhere Kundenzufriedenheit (der Ärzte) Segment-spezifische Ansprache von Ärzten durch Mailings, Online- Maßnahmen oder Unternehmensvertreter In-House Analyse von Umfrage- und Studiendaten ermöglicht tiefere Insights und Wettbewerbsvorteile als externe Marktforschungsinstitute liefern können

47 PAUSE

48 Data Mining IBM SPSS Modeler

49 Abgrenzung zu IBM SPSS Statistics

50 Mehrwert von IBM SPSS Modeler ggü. Statistics: Datenaufbereitung Modeler Arbeitsweise ist ablauforientiert aufgebaut Statistics Arbeitsweise zielt auf Einzelergebnissen Einlesen von unterschiedlichen Datenquellen an verschiedenen Bereichen der Datenaufbereitung sehr einfach Kein Abspeichern von Zwischenergebnissen notwendig Externe Datenquellen müssen erst als sav Datei abgespeichert werden, um diese anschließend zusammenzufügen. Nur einzeln anfügbar. Zwischenergebnisse müssen immer als sav Datei abgespeichert werden. Falls sich Rohdaten ändern, braucht nur der Stream neu angestoßen zu werden Datentransformationen haben keine Auswirkungen auf die Originaldaten Falls sich Rohdaten ändern, muss der ganze Prozess neu gestartet werden (ohne Syntax bedeutet das: alles von Neu beginnen) Datentransformationen verändern sofort den Originaldatensatz Berechnungsformeln, Umkodierungen sind in den einzelnen Knoten dokumentiert und nachvollziehbar Berechnungsformeln, Umkodierungen sind nur über Syntax nachvollziehbar

51 Mehrwert von IBM SPSS Modeler ggü Statistics: Arbeitsweise Modeler Arbeitsweise Statistics Arbeitsweise

52 Mehrwert von IBM SPSS Modeler ggü Statistics: Modellierung Modeler Modelle zum Auffinden der relevanten Variablen Entscheidungsbäume mit interaktiven Aufbau Modellvergleich graphisch und tabellarisch möglich Statistics relevante Variablen schon bekannt und ausgewählt Entscheidungsbäume sind nur sehr vereinfacht vorhanden Modellvergleich nur sehr bedingt möglich Metamodelling wird unterstützt Metamodelling ist sehr kompliziert und fehleranfällig Modellparameter sind im Nugget vorhanden Modellparameter werden tabellarisch ausgegeben

53 Stellen Sie sich vor, Sie bzw. Ihr Entscheider könnte Infektionen von Frühgeborenen 24 Stunden früher prognostizieren Komplikationen nach Operationen unter Berücksichtigung des persönlichen Risikos vorhersagen Versicherte gezielt hinsichtlich eines individuellen Angebots identifizieren und kontaktieren Abrechnungsanomalien schneller und präziser erkennen Arzt QM Krankenkasse Prüfung/Controlling jede Transaktion, jeden Prozess und jede Entscheidung hinsichtlich der aktuellen Situation optimieren, ohne ein Analysespezialist zu sein

54 Predictive Analytics Prozess

55 Enterprise Plattform für Predictive Analytics Datenquellen Patientendaten Abrechnungsdaten Enterprise Plattform für Predictive Analytics 1 Verstehen Einblick in die aktuelle Situation anbieten Was ist in der Vergangenheit geschehen? Was geschieht momentan? Steuerung operativer Prozesse Patientenzufriedenheit Aufnahme, Prozesssteuerung, Medikation Forschungsdaten 2 Vorhersagen Verhalten in der Vergangenheit analysieren, um zukünftige Ereignisse oder Maßnahmen vorherzusagen Produktentwicklung & Marktgeschehen Labordaten 3 Was wird passieren? Agieren Operative Prozesse überwachen und Maßnahmen vorschlagen Finanzen & Risiko, Budgetplanung Befragungsdaten Welche Sofortmaßnahme bietet das beste Ergebnis? Gebäudemanagement, Bedarfsplanung

56 Verstehen Einblick in die Effektivität von Therapieverläufen Cockpit für Vorstand und Management: KPI s Visualisierung von komplexen Beziehungen

57 Vorhersagen Automatische Erkennung neuer Zielgruppen für Zusatzleistungen Entdecken neuer Risikoprofile Modellierung des Erfolgs von Diätprogrammen und Auswahl der affinsten Segemente Einsatz von Clusterverfahren zur Patientensegmentierung

58 Agieren Angebote über Service Call Center der Krankenkasse Individualisierte Angebote via Website Optimierung der Entscheidung Bewertung der Risiken zum Zeitpunkt der Dateneingabe Real-time Identifikation von Intra-OP-Risiken Optimierung des Direct Marketing für Versicherer Risk-Scoring, um Abrechnungsfälle für die Prüfung zu bestimmen

59 Mehrwert von Predictive Analytics ggü. BI Top-Down Abfragen: OLAP, BI Bottom-Up Data Mining Text Mining Integrierte Mehrwert Wie viele Patienten haben haben das Medikament gut vertragen Query & Reporting In welchen Altersgruppen? OLAP Data Mining Welche Patienten werden generell gut auf die Therapie ansprechen? Analytics Lösungen Welche Päparate sollten wir diesem Patienten heute geben?

60 IBM SPSS Modeler - Einblick

61 Data Mining: Die Techniken Klassifikation Assoziation Ursache-Wirkungsanalyse Treiberanalyse: z.bsp. Abweichungen, Abwanderer Entdecken von unbekannten Einflussfaktoren und Messung ihrer Stärke... Welche Merkmale oder Merkmalskombinationen treten häufig miteinander auf? Welche Events ereignen sich gleichzeitig? Erkennen von Mustern in sequenziellen bzw. zeitorientierten Daten Segmentierung Bildung von homogenen Gruppen, die untereinander heterogen sind Gibt es Fälle, die inkonsistentes Verhalten hinsichtlich der Segmentzuordnung aufweisen? Anomaliedetektion, Betrug... Text Mining Welche Beiträge gibt es zu einer bestimmten Fragestellung (WWW, Dokumente, Paper, etc.)? Zusammenführung von Textinfos und numerischer Daten...

62 Arbeiten mit dem IBM SPSS Modeler Visuelles Programmieren analytische Streams Hohes Maß an Interaktivität und Benutzerfreundlichkeit Skalierbarkeit durch Client-/Server Architektur Nahtlose Zusammenarbeit mit allen gängigen Datenbanksystemen

63 Datenzugriff, -aufbereitung Datenzugriff ODBC Datenbanken, Flat Files, Datenmanipulation und aufbereitung Datenselektion & -transformation Bereinigung, Abfragen Transformationen für Visualisierung oder Modellierung Bearbeitung von Metadaten 'Outputs' von Modellen können auch als Daten weiterverarbeitet werden

64 Mächtige Modellierungsalgorithmen Klassifikation und Prognose Neuronale Netze, C5.0, C&RT, CHAID, Quest, Regression, GZLM, Zeitreihen, Decision List,... Clusterung Kohonennetze, K-Means, TwoStep, Anomalieerkennung Assoziationsregeln Apriori, CARMA, Sequenzanalyse Text Mining Entity Analyse, Sentimentanalyse, Soziales Netzwerk Analyse... Meta-Modelling Automatische Modellselektion (binäre und numerische Zielgrößen, Cluster, Zeitreihenmodelle), Vergleich/ Kombination der Ergebnisse mehrerer Modelle In-Database Modelling Microsoft SQL Server Analysis Services, Netezza, InfoSphere, DB2, Oracle... Neutral Net C 5.0 C&R Tree Logistic Kohonen TwoStep Apriori Text Extraction Anomaly 64

65 IBM SPSS Entity Analytics

66 Semantischer Abgleich der Schlüssel zur Auflösung Entity Analyse erfolgt über Identitätenauflösung durch semantischen Abgleich Der semantische Abgleich ist zu erkennen wenn zwei Objekte das gleiche sind, auch wenn sie unterschiedlich beschrieben werden. Identitäts- und Beziehungserkennung bilden den Kontext

67 Der Kontext Without Context Was ist der Kontext? 1. Bestandteile die ein Wort oder einen Satz umgeben bzw. verdeutlichen 2. relevante Umstände

68 Entitiy Analyse weil der Kontext eine Rolle spielt Analysten stehen bei der Bereinigung und Pflege von Kundendaten regelmäßig einer Herausforderung gegenüber: Quasi-natürliche Schwankungen in Angaben Johannes Hans, Ursula Uschi, Christian C. Bürgermeister-Schmidt-Allee Bgm.-Schmidt-Straße oder auch manchmal absichtliche Fälschungen bzw. Lügen (Scheinidentitäten). Bei dieser Art der Datenaufbereitung geht es darum zu erkennen, daß mehrere Bezüge (aus einer Datenquelle oder auch über mehrere Datenquellen hinweg) die auf eine Person oder ein Objekt zielen, ein und die selbe Identität (Subjekt/Objekt) sind. Von großer Bedeutung ist hierbei zu erkennen, ob z. B. drei Transaktionen von drei verschiedenen Personen oder von einer einzigen in drei Variationen begangen wurden.

69 Entitiy Analyse weil der Kontext eine Rolle spielt Nach der Auflösung gleicher Identitäten (z. B. über Adress- und/oder Nummernerkennung) können weitere Beziehungsmuster scheinbar verschiedener Identitäten erkannt werden. Die im IBM SPSS Modeler eingesetzen Entity Analytics Technologien sind weit mehr als bloßes vergleichen und zusammenführen von Attributen, vielmehr werden Kontexte, Verhaltensmuster und numerische Informationen untersucht und zu Modellen zusammengeführt. Durch Sequenzneutralität, d. h. egal in welcher Reihenfolde die Merkmale untersucht werden, es kommt immer das selbe Ergebnis zustande und durch iterative Fehlerkorrektur wird eine größtmögliche Präzision der Vorhersage erreicht.

70 IBM SPSS Entity Analyse Untersuchungsgebiet Information im Kontext Entity Analyse Bessere Modelle Die Entity Analyse verbindet Kontext aus verschiedenen Quellen.

71 Beispiele für eine Entity Analyse

72 Im Jahr 2002 erfassen Sie eine Person/Identität Source A-701 (2002) Marc R Smith 123 Main St (713) DL: Identität wird als neu erkannt und klassifiziert Slide 72 of 81

73 Im Jahr 2003 erfassen Sie eine weitere B Identität Source A-701 (2002) Marc R Smith 123 Main St (713) DL: Source B-9103 (2003) Randal Smith DOB: 06/17/1974 (713) Identität erneut wird als neu erkannt und klassifiziert Slide 73 of 81

74 Im Jahr 2003 erfassen Sie eine C Identität Source A-701 (2002) Marc R Smith 123 Main St (713) DL: Source B-9103 (2003) Randal Smith DOB: 06/17/1974 (713) Source C-6251 (2004) Mark Randy Smith 456 First Street (713) DL: Diese Identität wird als bekannt identifiziert Slide 74 of 81

75 Sofort erkennt das System A ist B ist C Source A-701 (2002) Marc R Smith 123 Main St (713) DL: Source B-9103 (2003) Randal Smith DOB: 06/17/1974 (713) Source C-6251 (2004) Mark Randy Smith 456 First Street (713) DL: Sequenzneutralitätsregeln bedingen, daß beide Identitäten zusammengeführt werden Slide 75 of 81

76 Im Hintergrund erfolgt Kontextakkumulation 1 ELEMENT VALUE (FEATURE) ATTRIBUTION Names Marc R Smith A-701 Randal Smith B-9102 Mark Randy Smith C-6251 Address 123 Main St. A First Street C-6251 Phones (713) A-701 (713) B-9102 (713) C-6251 SSN A-701 DL A C-6251 DOB 06/17/1974 B-9103 Slide 76 of 81

77 Im Jahr 2005 wir eine weitere Identität erfaßt D Source A-701 (2002) Marc Source R SmithB-9103 (2003) 123 Randal Main Source StSmithC-6251 (2004) (713) DOB: 730 Mark 06/17/ Randy Smith (713) First 5577 Street DL: (713) DL: Source D-7214 (2005) Randy Smith Sr. 6/17/1934 (713) Diese Identität wird als bekannt identifiziert Slide 77 of 81

78 Sofort erkennt das System A ist C und B ist D Source A-701 (2002) Marc Source R SmithC-6251 (2004) 123 Main Mark St Randy Smith (713) First 5769 Street (713) DL: DL: Source B-9103 (2003) Randal Source SmithD-7214 (2005) DOB: Randy 06/17/1974 Smith Sr. (713) 6/17/ (713) Der Junior 1 3 Der Senior Sequenzneutralität* bedingt ein Aufsplitten der Identität Slide 78 of 81 * Sequenzneutralität bedeutet, das unabhängig von der Reihenfolge der Merkmalsnanlyse immer das selbe Ergebnis gefunden wird, das also die Reihenfolge keinen Einfluß aus das Ergebnis hat.

79 Entity Analyse macht den Unterschied: Know Now! EAS nutzt selbstkorrigierende/sequenzneutrale Technologien Im Moment der Beobachtung, unmittelbare Erkennung Einsatz von hoch effizienten Technologien (*) Sechs Monate vergehen, ohne daß bekannt ist das Mark Randy Smith auch Randal Smith ist Sechs Monate vergehen mit der falchen Annahme das Mark junior and Mark senior die selben Personen seien Wenn ein Unternehmen falsch liegt, dann... werden Kunden falsch behandelt werden Resourcen falsch eingesetzt werden möglicherweise gesetzliche Vorschriften ungewollt verletzt wird der Markenwert verringert bzw. gefährdet werden private und öffentliche Belange unnötigerweise beeinflußt (*Annahme: Jeder Datensatz kommt am 1. Januar an und die Datenbank wird alle 6 Monate aktualisiert) Slide 79 of 81

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen!

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

Mehr

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management

Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Vom Data Mining zur effektiven Entscheidungsunterstützung mit IBM SPSS Modeler und Analytical Decision Management Martin Herzog 06/07.11.2012 Data Mining als Herzstück von Predictive Analytics Data Mining

Mehr

Datenanalyse und Predictive Analytics IBM SPSS Statistics IBM Modeler

Datenanalyse und Predictive Analytics IBM SPSS Statistics IBM Modeler Wiener Biometrische Sektion (WBS) der Internationalen Biometrischen Gesellschaft Region Österreich Schweiz (ROeS) WBS Herbst Seminar Statistische Software für Biometrische Auswertungen Datenanalyse und

Mehr

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

Mehr

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen SAS PharmaHealth & Academia Gabriele Smith KIS-Tagung 2005 in Hamburg: 3. März 2005 Copyright 2003, SAS Institute Inc. All rights

Mehr

KURSE 2012. Praxisorientierte. Weiterbildung SPSS

KURSE 2012. Praxisorientierte. Weiterbildung SPSS KURSE 2012 Praxisorientierte Weiterbildung SPSS KURSE 2012 1 2 3 4 5 6 7 EINFÜHRUNGSKURS ARBEITEN MIT IBM SPSS STATISTICS IBM SPSS STATISTICS IN DER MEDIZIN PRAKTISCHE EINFÜHRUNG IN DIE QUANTITATIVE MARKTFORSCHUNG

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

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

Microsoft Digital Pharma. Die nächste Generation von Innovationen für Chemie und Pharma

Microsoft Digital Pharma. Die nächste Generation von Innovationen für Chemie und Pharma Microsoft Digital Pharma Die nächste Generation von Innovationen für Chemie und Pharma Zusammenfassung des Themas / Lösungsbeschreibung Die Real Time Performance Management Plattform (RtPM Plattform) ist

Mehr

Predictive Analytics 25.06.2014. Prediction is very difficult, especially if it s about the future. (Bohr, Niels)

Predictive Analytics 25.06.2014. Prediction is very difficult, especially if it s about the future. (Bohr, Niels) Predictive Analytics München, 25. Juni 2014 Markus Enderlein, Stefan Jäschke, Gert Jan Feick TDWI Konferenz 2014 Prediction is very difficult, especially if it s about the future. (Bohr, Niels) 25.06.2014

Mehr

Insight Driven Health. Effizientes Versorgungsmanagement durch Gesundheitsanalytik. conhit Berlin, 24. April 2012

Insight Driven Health. Effizientes Versorgungsmanagement durch Gesundheitsanalytik. conhit Berlin, 24. April 2012 Insight Driven Health Effizientes Versorgungsmanagement durch Gesundheitsanalytik conhit Berlin, 24. April 2012 Agenda Vorstellung Accenture und Trends der Gesundheitsanalytik Beispiel Analytik Krankenversicherung

Mehr

Predictive Analytics / Data Mining im Controlling

Predictive Analytics / Data Mining im Controlling Predictive Analytics / Data Mining im Controlling Sprecher: Dr. Karsten Oehler 1 Das Buch zum Film Erscheint im Controlling Berater, Ende 2011, PDF vorab über karsten.oehler@de.ibm.com erhältlich. Agenda

Mehr

IMS entwickelt mit Ihnen Ihre ganzheitliche Multi-Channel Marketing Strategie und setzt diese für Sie mit kompetenten Partnern um

IMS entwickelt mit Ihnen Ihre ganzheitliche Multi-Channel Marketing Strategie und setzt diese für Sie mit kompetenten Partnern um IMS Multi-Channel Marketing Expertise Automatisieren Sie Ihre Multi-Channel Marketing Aktivitäten Sind Ihre Marketing- und Vertriebsaktivitäten aufeinander abgestimmt? Sprechen Sie Ihre Kunden auf den

Mehr

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com Kurse 2013 SPSS kurse 2013 1 2 3 4 5 6 7 Einführungskurs Arbeiten mit IBM SPSS Statistics IBM SPSS Statistics in der Medizin Praktische Einführung in die quantitative Marktforschung Vertiefungskurs Arbeiten

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

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

Mehr

Analytisches CRM und Data Mining

Analytisches CRM und Data Mining Analytisches CRM und Data Mining Magische Zahlen für das Marketing Computerwoche Initiative CRM 2009 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Mitglied im CRM Expertenrat

Mehr

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

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

Mehr

Informationsflut bewältigen - Textmining in der Praxis

Informationsflut bewältigen - Textmining in der Praxis Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland

Mehr

Vorhersagetechniken für zukünftiges Verhalten von Kunden

Vorhersagetechniken für zukünftiges Verhalten von Kunden IBM 360 Grad-Sicht auf den Kunden: Vorhersagetechniken für zukünftiges Verhalten von Kunden Sven Fessler, sven.fessler@de.ibm.com Solution Architect, IBM Germany Business Analytics & Optimization Das Spektrum

Mehr

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

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

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

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. Schritt für Schritt in das automatisierte Rechenzentrum Converged Management Michael Dornheim Mein Profil Regional Blade Server Category Manager Einführung Marktentnahme Marktreife Bitte hier eigenes Foto

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

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

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

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

Versorgungsanalysen ein ganz neues Anwendungsgebiet für Data Mining im Gesundheitswesen: SAS Predictive Health and Condition Management

Versorgungsanalysen ein ganz neues Anwendungsgebiet für Data Mining im Gesundheitswesen: SAS Predictive Health and Condition Management Versorgungsanalysen ein ganz neues Anwendungsgebiet für Data Mining im Gesundheitswesen: SAS Predictive Health and Condition Management Ulrich Reincke SAS Deutschland Copyright 2010 SAS Institute Inc.

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

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

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

Mehr

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

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH KURSE 2014 Praxisorientierte Weiterbildung dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH TELEFON (+41) 44 266 90 30 FAX (+41) 44 266 90 39 E-MAIL INFO@DYNELYTICS.COM Dynelytics IBM SPSS-Kurse 2014

Mehr

Business Intelligence im Krankenhaus

Business Intelligence im Krankenhaus Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

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

Customer Intimacy mit IBM SPSS. 2012 IBM Corporation

Customer Intimacy mit IBM SPSS. 2012 IBM Corporation Customer Intimacy mit IBM SPSS Kundennähe Interaktionen Einstellungen Demografie Verhalten Ihre SPSS Ansprechpartner heute Alexander Roth Geschäftsführer best-reaction GmbH Dr. Christian Trippner Nelly

Mehr

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

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

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Dominik Pretzsch TU Chemnitz 2011

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

Mehr

9 Resümee. Resümee 216

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

Mehr

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Corporate Performance Management SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Martin Krejci, Manager CPM Matthias Schmidt, BI Consultant Kristian Rümmelin, Senior BI Consultant Braincourt GmbH

Mehr

Evangelische Stiftung Alsterdorf. Stakeholder Relationship Management im Gesundheitswesen. Thomas Eisenreich Vorstand

Evangelische Stiftung Alsterdorf. Stakeholder Relationship Management im Gesundheitswesen. Thomas Eisenreich Vorstand Stakeholder Relationship Management im Gesundheitswesen Thomas Eisenreich Vorstand Was ist ein Stakeholder-Relationship Management? Steuerung aller Kunden- und Stakeholderbeziehungen eines Unternehmens

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

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

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

Analysen sind nur so gut wie die Datenbasis

Analysen sind nur so gut wie die Datenbasis Analysen sind nur so gut wie die Datenbasis Datenaufbereitung und Sicherung der Datenqualität durch den kontextbasierten MIOsoft Ansatz. Daten gelten längst als wichtiger Produktionsfaktor in allen Industriebereichen.

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

R im Enterprise-Modus

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

Mehr

Predictive Analytics und Big Data im Lichte moderner Umfragesysteme der IBM, oder was hat Predictive Analytics mit Karl Valentin zu tun?

Predictive Analytics und Big Data im Lichte moderner Umfragesysteme der IBM, oder was hat Predictive Analytics mit Karl Valentin zu tun? Predictive Analytics und Big Data im Lichte moderner Umfragesysteme der IBM, oder was hat Predictive Analytics mit Karl Valentin zu tun? von Dr. Christian Trippner IBM, Senior Technical Sales Professional,

Mehr

ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT.

ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT. ZIELGERICHTETE KUNDENANSPRACHE AUF ALLEN KANÄLEN DER DIGITALEN WELT. DIE AUDIENCE ENGAGEMENT PLATTFORM: MARKETING AUTOMATION DER NEUSTEN GENERATION. Selligent ermöglicht durch Marketingautomatisierung

Mehr

Kundenwissen für den Energieversorger der Zukunft

Kundenwissen für den Energieversorger der Zukunft Kundenwissen für den Energieversorger der Zukunft Dr. Leading Tobias customer Graml insights CTO company tobias.graml@ben-energy.com for utilities in Europe Sechs Jahre Expertise in Datenanalyse und Kundenverhalten

Mehr

Neue Möglichkeiten analytischer Lösungen für gesetzliche Krankenversicherungen

Neue Möglichkeiten analytischer Lösungen für gesetzliche Krankenversicherungen BITMARCK Kundentag am 04.11.2013 Neue Möglichkeiten analytischer Lösungen für gesetzliche Krankenversicherungen Stefan Sander; Senior Client Technical Specialist IBM Software Group Mascha Minou Lentz ;

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

Analytisches CRM. Workshop Data Mining im Datenbasierten Marketing. Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.

Analytisches CRM. Workshop Data Mining im Datenbasierten Marketing. Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06. Analytisches CRM Workshop Data Mining im Datenbasierten Marketing Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.2015 Data Mining bietet Antworten auf zahlreiche analytische Fragestellungen

Mehr

Office & CRM. Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag

Office & CRM. Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag Office & CRM Microsoft Office Tools und CRM intelligent vernetzen 5 Tipps & Tricks für Entscheidungsträger im Büroalltag Atos IT Solutions and Services GmbH Agenda Ohne Systembruch: Vom ersten E-Mail zum

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

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

Vorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com

Vorhersage mit CA CleverPath Predictive Analysis Server. Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Vorhersage mit CA CleverPath Predictive Analysis Server Laszlo Mihalka Senior Consultant Laszlo.Mihalka@ca.com Agenda Herausforderung CP PAS Neugents Modelle Mustererkennung Tools CA World 1 Herausforderung

Mehr

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

Mehr

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011 Roundtable Dashboards und Management Information Rüdiger Felke / Christian Baumgarten 29.11.2011 Agenda Behind the Dashboards Was ist ein Dashboard und was ist es nicht? SAP BusinessObjects Dashboards

Mehr

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3

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

Mehr

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011 Business Intelligence und Geovisualisierung Innovative Ansätze für den Gesundheitsmarkt Mainz, 10. Mai 2011 Prof. Dr. Anett Mehler-Bicher Prof. Dr. Klaus Böhm Inhalt Ausgangssituation und Motivation Motivation

Mehr

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

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

Mehr

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

Analyse leicht gemacht - SAS Enterprise Guide. Gerd Hoffmann Technical Competence Center SAS Deutschland

Analyse leicht gemacht - SAS Enterprise Guide. Gerd Hoffmann Technical Competence Center SAS Deutschland Analyse leicht gemacht - SAS Enterprise Guide Gerd Hoffmann Technical Competence Center SAS Deutschland Agenda Was ist Enterprise Guide? Besonderheiten in Enterprise Guide Analysewerkzeuge Abfrage-Tool

Mehr

Relevante Kundenkommunikation: Checkliste für die Auswahl geeigneter Lösungen

Relevante Kundenkommunikation: Checkliste für die Auswahl geeigneter Lösungen Relevante Kundenkommunikation: Checkliste für die Auswahl geeigneter Lösungen Sven Körner Christian Rodrian Dusan Saric April 2010 Inhalt 1 Herausforderung Kundenkommunikation... 3 2 Hintergrund... 3 3

Mehr

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick

Mehr

SOA Governance Konzepte und Best Practices

SOA Governance Konzepte und Best Practices SOA Governance Konzepte und Best Practices Gerd Schneider Senior Director SOA Marketing Software AG 2/27/2007 Agenda Überblick SOA Governance Warum SOA Governance? Kundenbeispiel SAS Airlines Technische

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

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

Mehr

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

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

Data Mining-Modelle und -Algorithmen

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

Mehr

Personalisierung in Echtzeit ist einfacher als Sie denken.

Personalisierung in Echtzeit ist einfacher als Sie denken. Personalisierung in Echtzeit ist einfacher als Sie denken. Wenn Sie im Bereich Marketing tätig sind, haben Sie in letzter Zeit bestimmt viel zum Thema Personalisierung gehört. Angesichts der steigenden

Mehr

Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Namics. Emanuel Bächtiger. Consultant.

Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Namics. Emanuel Bächtiger. Consultant. Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Emanuel Bächtiger. Consultant. 20. August 2013 Gegründet in 1995 im Besitz von 26 Partnern 51 Mio. CHF Umsatz in 2012 400 Mitarbeiter in CH

Mehr

BMPI. Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Namics. Emanuel Bächtiger. Consultant.

BMPI. Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Namics. Emanuel Bächtiger. Consultant. BMPI. Siemens. 360 Performance Dashboard. Digitale Kanäle. Mehrwert. Emanuel Bächtiger. Consultant. 5. Dezember 2013 Agenda. à Ausgangslage à 360 Performance Dashboard à Projektvorgehen à Key Take Aways

Mehr

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

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

Mehr

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

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

Mehr

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG NICE Performance Management Albert Bossart, Sales Manager DACH, NICE Switzerland AG Performance Verbesserung für Mitarbeiter mit Kundenbeziehungen Aussendienst Tele- Sales Interner Verkauf Neuakuisition

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

Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung. Präsentation vom 21.10.2003

Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung. Präsentation vom 21.10.2003 Vom ERP-System zum Wissensmanagement Beispiel einer webbasierten Vertriebsanwendung Präsentation vom 21.10.2003 Was sind interne Portalanwendungen? Vorm ERP-System zum Wissensmanagement, 21.10.2003, München

Mehr

Die Optimierung von Disease-Management Programmen am Beispiel des has health managers

Die Optimierung von Disease-Management Programmen am Beispiel des has health managers FACHTAGUNG 23. UND 24. FEBRUAR 2006 IN HEIDELBERG Die Optimierung von Disease-Management Programmen am Beispiel des has health managers Referent: Thomas Sieck DIE HAS IHR PARTNER WIR ÜBER UNS Die has -

Mehr

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken CRM von Luxusmarken Eine empirische Studie deutscher Luxusmarken Zusammenfassung der Studienergebnisse Juli 2010 Inhalt 1 Management Summary 2 Zielsetzung und Studiendesign 3 Studienergebnisse 4 Handlungsempfehlungen

Mehr

Was sind Facebook-Fans»wert«?

Was sind Facebook-Fans»wert«? m a n a g e w h a t m a t t e r s Was sind Facebook-Fans»wert«? Social Insight Connect, die erste Lösung für Brand Controlling und Development im Social Web, liefert strategische Insights zu Social Media

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN

SOZIALES BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN CHRISTIAN KÖNIG BUSINESS EXPERT COMPETENCE CENTER CUSTOMER INTELLIGENCE Copyr i g ht 2012, SAS Ins titut e Inc. All rights res

Mehr

IBM SPSS Data Collection. Das Unternehmen IBM COGNOS IBM SPSS. Kontaktdaten :

IBM SPSS Data Collection. Das Unternehmen IBM COGNOS IBM SPSS. Kontaktdaten : BI plus GmbH Das Unternehmen Kontaktdaten : BI plus ist eines der führenden Unternehmen im Bereich Business Analytics Consulting in Österreich. Mit Hauptsitz in Wien und weiteren Standorten in Wörgl und

Mehr

April 10, 2012 CLOUD SERVICES WEGE ZU EINEM BÜRGERZENTRIERTEN GESUNDHEITSMANAGEMENT

April 10, 2012 CLOUD SERVICES WEGE ZU EINEM BÜRGERZENTRIERTEN GESUNDHEITSMANAGEMENT April 10, 2012 CLOUD SERVICES WEGE ZU EINEM BÜRGERZENTRIERTEN GESUNDHEITSMANAGEMENT Bedeutung der Cloud-Technologie 2 Als neues Schlagwort der Informationstechnik ist "Cloud Computing" in aller Munde,

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

Connections.Next Neues zu IBM Connections. Olcay Yesilyurt Stuttgart 7. Mai 2015

Connections.Next Neues zu IBM Connections. Olcay Yesilyurt Stuttgart 7. Mai 2015 Connections.Next Neues zu IBM Connections Olcay Yesilyurt Stuttgart 7. Mai 2015 Agenda 1. Übersicht und Rückblick Was hat sich in letzter Zeit getan 2. Neuin IBM Connections 5.0 Externe Zusammenarbeit,

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

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

Chili for Sharepoint

Chili for Sharepoint Sitecore Chili for Sharepoint Presented by: Sven Lehmkuhl Director Sales DACH SLE@sitecore.net Über Sitecore Führender Anbieter von Enterprise.NET Web Content Management und Portal Software Globale Präsenz

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

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

VORTEILE FÜR IHR UNTERNEHMEN DURCH DATENBANK QUELLCODEVERWALTUNG

VORTEILE FÜR IHR UNTERNEHMEN DURCH DATENBANK QUELLCODEVERWALTUNG 1 VORTEILE FÜR IHR UNTERNEHMEN DURCH DATENBANK QUELLCODEVERWALTUNG Wie Sie mit SQL Source Control Produktivität, Change Management, Skalierbarkeit und Codequalität verbessern 2 EINFÜHRUNG Für Anwendungsentwickler

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

QDB AddOn. Eine NetIQ AppManager Erweiterung von generic.de

QDB AddOn. Eine NetIQ AppManager Erweiterung von generic.de QDB AddOn Eine NetIQ AppManager Erweiterung von generic.de QDB AddOn Eine NetIQ AppManager Erweiterung von generic.de Übersicht Das QDB AddOn ist eine Softwarelösung von generic.de, welche die Möglichkeiten

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