Breaking Down Data Silos in Retailing
|
|
- Daniela Tiedeman
- vor 8 Jahren
- Abrufe
Transkript
1 Breaking Down Data Silos in Retailing Prof. Dr.-Ing. Wolfgang Maaß Lehrstuhl für Betriebswirtschaftslehre, insb.wirtschaftsinformatik im Dienstleistungsbereich Universität des Saarlandes Innovative Technologien im Handel (ITH) St. Wendel, 2013
2 Agenda Big Data (Data) Analytics Big Data Processing Linked Data (optional) Data Scientist Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 2
3 Big Data
4 Big Data Snippets Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 4
5 Ausgangssituation Online Händler verstärken zunehmend den Druck auf den stationären Handel à Omnichannel Retailing Das Verständnis über den Kunden wird zum kritischen Wettbewerbsfaktor à Integration von bestehenden und Gewinnung von neuen Kundendaten Herausforderung: Gemeinsames Verständnis für den Nutzen aus Produzenten- und Händlersicht und dem Schutz und Nutzen des Kunden Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 5
6 Daten Datenvolumen Weltweit 1,8 Zettabytes (10 21 Byte = Byte = 1,8 Billionen Gigabytes) an digitaler Information (Stand 2011) Wachstum des Gesamtvolumens in den letzten 5 Jahren um den Faktor 5 Trillion Byte Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 6
7 Daten Datenvolumen Internet: Erzeugung von 2,5 Exabyte pro Tag (1 Exabyte = 1000 Petabyte = 1Mio Terabyte = 1 Mrd Gigabyte) Google verarbeitet 24 Petabyte = Terabyte pro Tag (Stand 2012) Walmart: 2,5 Petabyte pro Tag 14 km pro Tag km pro Jahr Seagate 1TB Festplatte 1,4 cm Höhe Tbyte/Tag Tbyte/Tag Internet Google Walmart 0 Google Walmart Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 7
8 Big Data Verwendung von Information von Sensoren, RFID und anderen identifizierenden Geräten, um Geschäftsumgebungen auf einer feiner granularen Ebene verstehen zu können, um neue Produkte und Dienste zu kreieren und auf veränderte Nutzungsmuster reagieren zu können, in der Situation ihrer Entstehung. [Davenport et al. 2012] Big Data charakterisiert durch Volumen, Geschwindigkeit, Verschiedenheit und Wahrhaftigkeit [Laney (Gartner), 2001] "Big data is high volume, high velocity, and/or high variety information assets that require new forms of processing to enable enhanced decision making, insight discovery and process optimization. [Laney (Gartner), 2012] Huge Amount of Signal in the Noise [McAfee & Brynjolfsson, 2012] Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 8
9 Big Data im Retailing Produktinformation Hersteller Erweiterte Produktinformation Händler Über Meinungen Über Globus Über Konkurrenzprodukte Über den Hersteller Über Promotions Über den Produktpreis Über die Inhaltstoffe Herausforderungen: Geschwindigkeit, Kosten, Echtzeit à Erfassung, Unterstützung und Vorhersagen Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 9
10 (Data) Analytics
11 ? (Data) Analytics HiPPO (The highest-paid Person s Opinion) Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 11
12 Jeopardy! The Learning Curve IBM Watson Playing in the Winners Cloud v0.8 11/10 V0.7 04/10 v0.6 10/09 v0.5 05/09 v0.4 12/08 v0.3 08/08 v0.2 05/08 v0.1 12/07 Baseline 12/06 Machine Learning NLP, data mining,.. + Knowledge-base [L. Parida, IBM, 2013] Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 12
13 Einsatz von Analytics Studie (MIT Sloan Mgt Review & IBM): Entscheider, Manager und Analysten 30 Industrien 100 Ländern Intensiven oder signifikanten Druck erweitere Informations und Analyseansätze zu übernehmen Innovation zur Wettbewerbsdifferenzierung Organisation hat i.a. mehr Daten, als sie effektiv nutzen kann Erfahrene Entscheider wollen das Geschäft auf datenbasierten Entscheidungen führen Szenarien und Simulationen zur unmittelbaren Leitung für beste Aktionen bswp. Aktionen zu unerwarteten Wettbewerbern oder Kunden im Verkaufsraum, die Wechselwilligkeit zu Wettbewerbern signalisieren. Analytics schafft Werte [LaValle et al. 2012] Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 13
14 Top-Unternehmen Verwenden Data Analytics im weitest möglichen Sinne zur Unterstützung kleiner und großer Entscheidungen Doppelt so wahrscheinlich wird Analytics eingesetzt, um zukünftige Strategien zu leiten Doppelt so wahrscheinlich wird Analytics eingesetzt, um das tägliche Geschäft zu leiten Zweimal so viele Entscheidung basieren auf rigorosen Analyse im Vergleich zu schwachen Unternehmen Anwärter-Unternehmen: Auf Effizienz und Automatisierung bestehender Prozesse fokussiert; Kostensenkung Erfahrene Unternehmen: Entwicklung besserer Wege zur effektiven Sammlung, zum Einfließen und zum Agieren durch Analytics zur Optimierung der Organisation Transformierte Unternehmen: Substantielle Erfahrung mit Analytics über einen breiten Funktionsbereich. Nutzung von Data Analytics zur Wettbewerbsdifferenzierung; Fokus auf Entwicklung der Kundenprofitabilität und gezielte Investitionen in Nischen-Analytics Transformierte Organisationen sagten dreimal mehr wahrscheinlich als Anwärter- Unternehmen aus, dass sie ihre direkten Industrie-Konkurrenten wesentlich übertrumpfen. [LaValle et al. 2012] Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 14
15 Big Data Processing
16 Speicherung von Daten NoSQL-Typen Spaltenorientierte & Dokumentenorientierte Datenbanken: Schlüssel/Wert-Paare Speicherung von mehrdimensionalen Hash Maps Dimensionalität kann beliebig gewählt werden Datenstruktur: Baum Keys C P T, 1 T, 2 Values ZDF Terra X 19:30 45 min Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 16
17 MapReduce Überblick zur Ausführung MapReduce: von Google eingeführtes Framework für nebenläufige Berechnungen Big Data (mehrere Petabyte) auf Computerclustern (US- Patent 2010) Für große Datenmengen Für Datenverarbeitung ohne viel Synchronisation Schnelle Antwortzeiten Keine komplexen Rechenoperationen (Dean & Ghemawat 2004) Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 17
18 Verarbeitung von Daten MapReduce Performanz: Beschleunigung relativ zur Verarbeitung eines sequentiell-arbeitenden Rechners Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 18 (Ranger et al., 2007)
19 Verarbeitung von Daten Schritte des MapReduce Algorithmus (1) Splitting: Daten in M Arbeitspakete aufteilen und starten vieler Programmkopien in einem Cluster (2) Select Workers: Master wählt unbeschäftige Worker aus und ordnet ihnen Map oder Reduce Aufgaben zu (M map tasks und R reduce tasks) (3) Mapping: Ein Worker mit map task list den Inhalt des Arbeitspakets (Attribut- Wert-Paare) und leitet diese an nutzerdefinierte map -Funktion weiter. Ergebnisse (Schlüssel-Wert-Paare) werden lokal zwischengespeichert. (4) Shuffling: Partitionierung der Ergebnisse in R Regionen durch Partitionier- Funktion. Adressen zu R Regionen werden an Master geschickt, der diese den R Reduce Workers mitteilt. (5) Assign to Reduce Worker: Reduce Worker liest die Zwischendaten aus dem Worker Speicher und sortiert die Daten (6) Reducing: Reduce Worker leitet die Zwischendaten an die Reduce Funktion des Nutzers weiter. Ergebnisse werden an die Ergebnisdatei angehängt. (7) Final Results: Nach Abschluss aller Map und Reduce Aufgaben aktiviert der Master das Nutzerprogramm. (Dean & Ghemawat 2004) Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 19
20 Verarbeitung von Daten MapReduce Beispiel: Quelle: Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 20
21 Beispiel Handel mongodb-lösung Einkaufsdaten db.shopping.save( { userid: "Meyer", ts: ISODate(' :17:00'), revenue: 95 } ); db.shopping.save( { userid: "Mueller", ts: ISODate(' :23:00'), revenue: 110 } ); db.shopping.save( { userid: "Schmitz", ts: ISODate(' :02:00'), revenue: 120 } ); db.shopping.save( { userid: "Bruns", ts: ISODate(' :45:00'), revenue: 45 } ); db.shopping.save( { userid: "Meyer", ts: ISODate(' :05:00'), revenue: 105 } ); db.shopping.save( { userid: "Mueller", ts: ISODate(' :14:00'), revenue: 120 } ); db.shopping.save( { userid: "Schmitz", ts: ISODate(' :00:00'), revenue: 130 } ); db.shopping.save( { userid: "Bruns", ts: ISODate(' :37:00'), revenue: 65 } ); Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 21
22 Beispiel Handel mongodb-lösung Map var mapfunction = function() { var key = this.userid; var value = { }; userid: this.userid, total_revenue: this.revenue, count: 1, avg_revenue: 0 }; emit( key, value ); Erstellung von Schlüssel-Wert-Paaren für die Berechnung mit userid als Schlüssel und value als Wert Reduce var reducefunction = function(key, values) { var reducedobject = { userid: key, }; total_revenue: 0, count:0, avg_revenue:0 }; values.foreach( function(value) { reducedobject.total_revenue += value.total_revenue; reducedobject.count += value.count; } ); return reducedobject; Vedichtung der Daten und Speicherung in Datenstruktur (reducedobject) Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 22
23 Beispiel Handel mongodb-lösung Finalize var finalizefunction = function (key, reducedvalue) { if (reducedvalue.total_revenue > 0) reducedvalue.avg_revenue = reducedvalue.total_revenue / reducedvalue.count; return reducedvalue; }; db.shopping.mapreduce( mapfunction, reducefunction, { ) } out: { reduce: "revenue_stat" }, finalize: finalizefunction Erstellung von Schlüssel-Wert-Paaren für die Berechnung mit userid als Schlüssel und value als Wert Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 23
24 Beispiel Handel mongodb-lösung db.shopping.find(); { "_id" : ObjectId("51d6c1bdd41eca467ad23f5e"), "userid" : "Meyer", "ts" : ISODate(" T14:17:00Z"), "revenue" : 95 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f5f"), "userid" : "Mueller", "ts" : ISODate(" T14:23:00Z"), "revenue" : 110 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f60"), "userid" : "Schmitz", "ts" : ISODate(" T15:02:00Z"), "revenue" : 120 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f61"), "userid" : "Bruns", "ts" : ISODate(" T16:45:00Z"), "revenue" : 45 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f62"), "userid" : "Meyer", "ts" : ISODate(" T11:05:00Z"), "revenue" : 105 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f63"), "userid" : "Mueller", "ts" : ISODate(" T13:14:00Z"), "revenue" : 120 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f64"), "userid" : "Schmitz", "ts" : ISODate(" T17:00:00Z"), "revenue" : 130 } { "_id" : ObjectId("51d6c1bdd41eca467ad23f65"), "userid" : "Bruns", "ts" : ISODate(" T15:37:00Z"), "revenue" : 65 } db.revenue_stat.find(); { "_id" : "Bruns", "value" : { "userid" : "Bruns", "total_revenue" : 110, "count" : 2, "avg_revenue" : 55 } } { "_id" : "Meyer", "value" : { "userid" : "Meyer", "total_revenue" : 200, "count" : 2, "avg_revenue" : 100 } } { "_id" : "Mueller", "value" : { "userid" : "Mueller", "total_revenue" : 230, "count" : 2, "avg_revenue" : 115 } } { "_id" : "Schmitz", "value" : { "userid" : "Schmitz", "total_revenue" : 250, "count" : 2, "avg_revenue" : 125 } } Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 24
25 Beispiel Handel mongodb-lösung Erweiterung: VIP-Status zur Anrechnung auf einen erhöhten Umsatz (Verdoppelung). db.shopping.save( { userid: "Meyer", ts: ISODate(' :17:00'), revenue: 95, vip: 2 } ); db.shopping.save( { userid: "Mueller", ts: ISODate(' :23:00'), revenue: 110, vip: 1} ); db.shopping.save( { userid: "Schmitz", ts: ISODate(' :02:00'), revenue: 120, vip: 1 } ); db.shopping.save( { userid: "Bruns", ts: ISODate(' :45:00'), revenue: 45, vip: 1 } ); db.shopping.save( { userid: "Meyer", ts: ISODate(' :05:00'), revenue: 105, vip: 2 } ); db.shopping.save( { userid: "Mueller", ts: ISODate(' :14:00'), revenue: 120, vip: 1 } ); db.shopping.save( { userid: "Schmitz", ts: ISODate(' :00:00'), revenue: 130, vip: 1 } ); db.shopping.save( { userid: "Bruns", ts: ISODate(' :37:00'), revenue: 65, vip: 1 } ); { "_id" : "Bruns", "value" : { "userid" : "Bruns", "total_revenue" : 110, "count" : 2, "avg_revenue" : 55 } } { "_id" : "Meyer", "value" : { "userid" : "Meyer", "total_revenue" : 400, "count" : 2, "avg_revenue" : 200 } } { "_id" : "Mueller", "value" : { "userid" : "Mueller", "total_revenue" : 230, "count" : 2, "avg_revenue" : 115 } } { "_id" : "Schmitz", "value" : { "userid" : "Schmitz", "total_revenue" : 250, "count" : 2, "avg_revenue" : 125 } } Einfache Erweiterung des Datenschemas Univ.-Prof. Dr.-Ing. Wolfgang Maass Slide 25
26 Walmart Big Data Architecture 250-Knoten Hadoop Cluster (2012) Migration der existierenden Daten von Oracle auf eigene Systeme (2012) Beispiel Social Genome: Kontaktieren von Kunden oder deren Freunde, die online zu einem Produkt geschrieben haben, um ihnen Produktinformation und einen Discount zu schicken. Kombination aus öffentlichen Web-Daten, sozialen Daten und proprietären Daten, u.a. Kundenkaufdaten und Kontaktinformation Entwicklung von Muppet (OSS), da besser für Echtzeit und parallele Analysen Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 26
27 SAP HANA SAP HANA ist SAP s in-memory Computing Platform für Echtzeitanwendungen ermöglicht sofortigen Zugriff auf riesige Mengen strukturierter und unstrukturierter Daten aus unterschiedlichen Quellen und gibt sofort Antworten auf komplexe Anfragen Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 27
28 Linked Data semantische Verbindung von Daten über das Web
29 Idenifikation von Dingen URLs identifizieren Dokumente im Web Verwendung globaler Identifier für Daten und Objekte z.b., Berichte, Funktionen, Bauteile Reduktion der Verwirrung und Mehrdeutigkeit Ermöglicht das Matching von Identifiern und Übereinstimmung its der Name für das Amyloid Precursor Protein uniprot:p ist der Name für Alzheimer Krankheit omim: Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 29
30 Idenifikation von Dingen Sobald etwas identifizierbar ist, kann es verbunden werden uniprot:p05067 is a interacts with uniprot:p Uniprot:Protein Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 30
31 Graphen Amyloid precursor protein Alzheimer Disease label uniprot:p05067 is involved in label omim: is a is a Protein Disease Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 31
32 Graphen können kombiniert werden Gene Database transforming growth factor, beta 3 nci:has_description Pathway Database rea:process Platelet activation, signalling, aggregation CCCCGGCGCAGCGCGGCCGCA GCAGCCTCCGCCCCCCGCACG GTGTGAGCGCCCGACGCGGCC GAGGCGG nih:sequence TGFβ-3 TGFβ-3 Response to elevated platelet cytosol Ca2+ Homo sapiens nih:organism nih:location sameas rea:process rea:process Platelet degranulation nih:organism 14q Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 32
33 Die Bausteine 1. RDF Resource Description Framework Graphenbasierte Datenrepräsentation Knoten und Kanten Identifiziert Objekte (URIs) Verbindung von Daten (Relationen) 2. Vokabulare (Ontologien) Bietet gemeinsames Verständnis zu einer Domäne Organisiert Wissen in einer maschinen-verständlichen Weise Gibt ausnutzbare Bedeutung zu Daten Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 33
34 Data Scientists Verständnis von Analytics Beschlagen in IT mit einem höheren Abschluss in Informatik, Computational Physics oder Biologie Erweiterte Datenmanagement-Fähigkeiten, inkl. Programmierung, mathematisch-statistische Fähigkeiten, sowie Geschäftsscharfsinn und die Fähigkeit effektiv mit Entscheidern zu kommunizieren. [Davenport et al. 2012] Univ.-Prof. Dr.-Ing. Wolfgang Maaß Slide 34
35 Uni.-Prof. Dr.-Ing. Wolfgang Maaß Lehrstuhl für Betriebswirtschaftslehre, insb.wirtschaftsinformatik im Dienstleistungsbereich Universität des Saarlandes twitter: wmaass
Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired
make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,
MehrBig 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
MehrEXASOL Anwendertreffen 2012
EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2
MehrBig Data & High-Performance Analytics: Anwendungsszenarien
Big Data & High-Performance Analytics: Anwendungsszenarien Dr. Thomas Keil, Program Manager Business Analytics Frankfurt 26.4.2012 McKinsey-Studie zeigt Big Value Quelle: McKinsey Global Institute, May
MehrBig & Smart Data. bernard.bekavac@htwchur.ch
Big & Smart Data Prof. Dr. Bernard Bekavac Schweizerisches Institut für Informationswissenschaft SII Studienleiter Bachelor of Science in Information Science bernard.bekavac@htwchur.ch Quiz An welchem
MehrPersönliche Einladung. Zur IT Managers Lounge am 4. November 2009 in Köln, Hotel im Wasserturm.
Persönliche Einladung. Zur IT Managers Lounge am 4. November 2009 in Köln, Hotel im Wasserturm. IT Managers Lounge präsentiert: Top-Trend Cloud Computing. Flexibilität, Dynamik und eine schnelle Reaktionsfähigkeit
MehrProf. Dr.-Ing. Rainer Schmidt 1
Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2
MehrPositionspapier Big Data
TeleTrusT-interner Workshop Berlin, 05.06.2014 Positionspapier Big Data Oliver Dehning, antispameurope GmbH Leiter der AG Cloud Security Definition Big Data Big Data bezeichnet große Datenmengen (Volume)
Mehr»d!conomy«die nächste Stufe der Digitalisierung
»d!conomy«die nächste Stufe der Digitalisierung Prof. Dieter Kempf, BITKOM-Präsident Oliver Frese, Vorstandsmitglied Deutsche Messe AG Hannover, 15. März 2015 Digitalisierung in Unternehmen Einsatz von
MehrLokale Installation von DotNetNuke 4 ohne IIS
Lokale Installation von DotNetNuke 4 ohne IIS ITM GmbH Wankelstr. 14 70563 Stuttgart http://www.itm-consulting.de Benjamin Hermann hermann@itm-consulting.de 12.12.2006 Agenda Benötigte Komponenten Installation
MehrBig Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
MehrBig, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen
Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung
MehrJune 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration
June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen
MehrMöglichkeiten 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-
MehrOPERATIONEN AUF EINER DATENBANK
Einführung 1 OPERATIONEN AUF EINER DATENBANK Ein Benutzer stellt eine Anfrage: Die Benutzer einer Datenbank können meist sowohl interaktiv als auch über Anwendungen Anfragen an eine Datenbank stellen:
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Bilanz- und GuV- Berichte erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Bilanz- und GuV- Berichte erfassen www.comarch-cloud.de Inhaltsverzeichnis 1 Ziel des s 3 2 Spaltenschema für Standard-Bilanz- und Standard-GuV erfassen 3 3
MehrInhalt. 1 Einleitung AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER
AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER Inhalt 1 Einleitung... 1 2 Einrichtung der Aufgabe für die automatische Sicherung... 2 2.1 Die Aufgabenplanung... 2 2.2 Der erste Testlauf... 9 3 Problembehebung...
MehrTOP. 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
MehrSocial Media Monitoring Was wird über Sie und Ihre Wettbewerber gesagt?
Social Media Monitoring Was wird über Sie und Ihre Wettbewerber gesagt? Donnerstag, 31. Mai 2012 Toocan GmbH Tobias Görgen Inhaber & Geschäftsführer Social Media Monitoring & Management Gegründet 2010
MehrSAP 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
MehrExecutive 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
MehrMicrosoft (Dynamics) CRM 2020: Wie verändern sich Markt, Eco-System und Anwendungsszenarien nach Cloud & Co?
Microsoft (Dynamics) CRM 2020: Wie verändern sich Markt, Eco-System und Anwendungsszenarien nach Cloud & Co? Name: Roland Pleli Funktion/Bereich: Geschäftsführung / Prod. Mgmt. Organisation: enovation
MehrACDSee Pro 3-Tutorials: Versenden von Bilder an eine FTP-Site
Eine der Freuden beim Fotografieren ist es, seine Bilder anderen zu zeigen. Sie können den FTPjederzeit für das Übertragen, Speichern, den Zugriff auf und die Freigabe von Fotos nutzen. Uploader Wählen
MehrSoziale Netzwerke: Chance zur Verbesserung der Kommunikation mit den Bürgern
Soziale Netzwerke: Chance zur Verbesserung der Kommunikation mit den Bürgern Dr. André Schulz SAS Deutschland Göttingen, 6. September 2012 SAS Institute Ein Unternehmen der Zahlen SAS is the first company
MehrCisco gestern heute morgen
Cisco gestern heute morgen Dorothe Brohl Strategic Account Manager September 2015 2 3 4 5 6 7 8 9 10 11 Q1 CY15 12 13 Die größte Unterstützung: unsere Kunden 5.0 4.33 4.33 4.30 4.33 4.37 4.37 4.36 4.41
MehrNeue Studie zum digitalen Universum entdeckt Big Data Gap
13. Dezember 2012 Neue Studie zum digitalen Universum entdeckt Big Data Gap Big Data Gap 23 Prozent (643 Exabyte) des digitalen Universums könnten nützliche Erkenntnisse bringen. Derzeit sind nur drei
MehrProperty-Graph-Databases. 20 Jahre praktische Erfahrung
Property-Graph-Databases 20 Jahre praktische Erfahrung Agenda Was sind die Bausteine der Property- Graph-Database Aspekte der Architektur und der Implementierung Möglichkeiten, Vor- und Nachteile von PG-
MehrNur Einsatz bringt Umsatz Wir stellen vor: SAP Cloud for Customer
Nur Einsatz bringt Umsatz Wir stellen vor: SAP Cloud for Customer Swiss CRM Forum, 11. Juni 2014 Kirsten Trocka Senior Solution Advisor, SAP Cloud SAP (Suisse) AG Die Customer Cloud von SAP Das CRM in
MehrJeder Internetklick macht Sie durchschaubarer!
CEMA Vortragsreihe BIG Data Jeder Internetklick macht Sie durchschaubarer! Mannheimer Abendakademie, 4. Februar 2015 Jens Barthelmes Predictive Text Analytics Solution Architect IBM Deutschland GmbH 2015
MehrProjektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten
Projektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener
MehrExploration und Klassifikation von BigData
Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)
MehrBlumen-bienen-Bären Academy. Kurzanleitung für Google Keyword Planer + Google Trends
Kurzanleitung für Google Keyword Planer + Google Trends Der Google Keyword Planer Mit dem Keyword Planer kann man sehen, wieviele Leute, in welchen Regionen und Orten nach welchen Begriffen bei Google
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrZeichnungskoordination in der Cloud
Zeichnungskoordination in der Cloud Mit AutoCAD 360 haben Sie die Möglichkeit von jedem beliebigen Rechner oder Mobilgerät auf Ihre Zeichnungsdaten im Autodesk 360 Account zuzugreifen. Sie benötigen hier
MehrSmart Cities wie Informationen das städtische Leben nachhaltig verbessern können
Smart Cities wie Informationen das städtische Leben nachhaltig verbessern können Gavin Dupré Big Data Business Development Manager ORACLE Deutschland B.V. & Co. KG Dataport Hausmesse, 28.04.2015 Was macht
MehrWeb Content Management
Web Content Management Informationen sinnvoll aufbereiten und anreichern Lars Onasch Senior Director Product Marketing Open Text Cooperation Copyright Open Text Corporation. All rights reserved. Web Content
MehrTech-Clarity Perspective: Best Practices für die Konstruktionsdatenverwaltung
Tech-Clarity Perspective: Best Practices für die Konstruktionsdatenverwaltung Wie effektive Datenmanagement- Grundlagen die Entwicklung erstklassiger Produkte ermöglichen Tech-Clarity, Inc. 2012 Inhalt
MehrMapReduce. www.kit.edu. Johann Volz. IPD Snelting, Lehrstuhl Programmierparadigmen
MapReduce Johann Volz IPD Snelting, Lehrstuhl Programmierparadigmen KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Wozu MapReduce?
MehrManage The Cloud! Installation, Administration, Migration und Automation über eine einzige Konsole: Azure Citrix Hyper-V RDS VMware...
Manage The Cloud! Installation, Administration, Migration und Automation über eine einzige Konsole: Azure Citrix Hyper-V RDS VMware... Verschiedenste Technologien von unterschiedlichen Herstellern. Also
MehrApache HBase. A BigTable Column Store on top of Hadoop
Apache HBase A BigTable Column Store on top of Hadoop Ich bin... Mitch Köhler Selbstständig seit 2010 Tätig als Softwareentwickler Softwarearchitekt Student an der OVGU seit Oktober 2011 Schwerpunkte Client/Server,
MehrIT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit
IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft
MehrCross-Channel-Marketing und Customer Journey
Cross-Channel-Marketing und Customer Journey Wie Sie den Kunden und seine wachsenden Ansprüche besser begleiten können Roland Brezina Manager Center of Excellence D-A-CH SAS Institute Deutschland GmbH
MehrEin Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?
Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrMapReduce und Datenbanken Thema 15: Strom bzw. Onlineverarbeitung mit MapReduce
MapReduce Jan Kristof Nidzwetzki MapReduce 1 / 17 Übersicht 1 Begriffe 2 Verschiedene Arbeiten 3 Ziele 4 DEDUCE: at the intersection of MapReduce and stream processing Beispiel 5 Beyond online aggregation:
MehrEMC. Data Lake Foundation
EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured
MehrSchritte zum Systempartner Stufe Großhandel
Schritte zum Systempartner Stufe Großhandel Schritt 1: Anmeldung in der Software-Plattform https://qs-platform.info/ Falls Sie bislang noch kein QS- Systempartner sind, gehen Sie bitte auf die Startseite
MehrVon 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
MehrÜbungsblatt: Protein interaction networks. Ulf Leser and Samira Jaeger
Übungsblatt: Protein interaction networks Ulf Leser and Samira Jaeger Aufgabe 1 Netzwerkzentralität (6P) In der Vorlesung haben Degree Centrality besprochen. Finde drei weitere etablierte Zentralitätsmaße
MehrDas Roaming Cockpit. Inhalt. 1 Das Roaming Cockpit... 2. 2 Aufrufen des Roaming Cockpit über den Browser... 3
Das Roaming Cockpit Inhalt 1 Das Roaming Cockpit... 2 2 Aufrufen des Roaming Cockpit über den Browser... 3 3 Aufruf über Unlimited Data Manager (Data SIM Karten)... 3 4 Anmeldung im Roaming Cockpit mit
MehrTest zur Bereitschaft für die Cloud
Bericht zum EMC Test zur Bereitschaft für die Cloud Test zur Bereitschaft für die Cloud EMC VERTRAULICH NUR ZUR INTERNEN VERWENDUNG Testen Sie, ob Sie bereit sind für die Cloud Vielen Dank, dass Sie sich
MehrTISIS - Industrie 4.0. Ereignis, Ort, Datum
- Industrie 4.0 Ereignis, Ort, Datum TISIS Software Die vollständige Maschinen- Software wird als Option für die gesamte Tornos Produktpalette angeboten Sie ermöglicht es Ihnen, Ihre Maschine zu programmieren
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
MehrSkriptum. zum st. Galler
Skriptum Auf dem Weg zum st. Galler Management-Modell Mit H2Ȯ. Lernen Üben Sichern Wissen Auf dem Weg zum St. Galler Management-Modell mit H2Ö Bei der Gründung der H2Ö GmbH wurde der Anspruch erhoben,
MehrThe 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?
MehrIntelligente Produktions- und Logistiknetzwerke
Intelligente Produktions- und Logistiknetzwerke Die ganzheitliche Optimierung von Produktions- und Liefernetzwerken 1 Was bedeutet intelligent in diesem Zusammenhang? Google liefert zum Stichwort Intelligenz
MehrDatenbanken. Erstellen des Semantischen Modells. Manuel Friedrich. Schiller-Gymnasium Hof
Datenbanken Erstellen des Semantischen Modells Die Objektorientierte Sichtweise! Die Objektorientierte Sichtweise! Alles ist ein Objekt! Mensch Lehrgang Produkt Kunde Lieferant Beispiel Kreis Linienfarbe
MehrVerlust von Unternehmensdaten?
Verlust von Unternehmensdaten? Das lässt sich vermeiden - Sehen Sie selbst! Wussten Sie schon? Auf Ihrem PC sammeln sich signifikante Unternehmensdaten an, deren Verlust Ihr Geschäft erheblich beeinträchtigen
MehrProgrammieren für Ingenieure Sommer 2015. Ein Rechner. Rechner sind überall. Gerät, das mittels programmierbarer Rechenvorschriften Daten verarbeitet.
Programmieren für Ingenieure Sommer 2015 Andreas Zeller, Universität des Saarlandes Ein Rechner Gerät, das mittels programmierbarer Rechenvorschriften Daten verarbeitet. Rechner sind überall Ihr Rechner
MehrSOA im Zeitalter von Industrie 4.0
Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING
MehrUm sich zu registrieren, öffnen Sie die Internetseite www.doodle.de und wählen Sie dort rechts oben
Doodle Anleitung Konto erstellen Die Registrierung eines Benutzerkontos ist für Umfragen nicht erforderlich. Sollten Sie jedoch öfters Umfragen erstellen, ist dies aus Gründen der Übersicht und Einfachheit
MehrDatenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014
Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester
MehrSocial Networks als Kundenbindungsinstrument
2 Social Networks als Kundenbindungsinstrument Univ.-Professor Dr. Hanna Schramm-Klein Düsseldorf, 02. Juli 2012 Agenda 3 Social CRM was ist das überhaupt? Sozial ist anders: Soziale Netzwerke und ihre
MehrWas 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
MehrSMARTE LÖSUNGEN FÜR DIE VERNETZTE WELT
SMARTE LÖSUNGEN FÜR DIE VERNETZTE WELT VERBINDEN SIE IHRE GERÄTE MIT DER VERNETZTEN WELT SMARTE LÖSUNGEN FÜR NEUE GESCHÄFTSMODELLE Die digitale Revolution hat das nächste Level erreicht, Vernetzung und
MehrHilfen zum Twitter-Hashtag-Marketing!
Hilfen zum Twitter-Hashtag-Marketing! Quelle: www.rohinie.eu Hilfen zum Twitter Hashtag Marketing Als Antwort auf Twitter-Tags, Schlüsselwörter und Kategorien sind Hashtags Begriffe für die Klassifizierung
MehrFirewalls für Lexware Info Service konfigurieren
Firewalls für Lexware Info Service konfigurieren Inhaltsverzeichnis: 1. MANUELLER DOWNLOAD 1 2. ALLGEMEIN 1 3. EINSTELLUNGEN 1 4. BITDEFENDER VERSION 10 2 5. GDATA INTERNET SECURITY 2007 4 6. ZONE ALARM
MehrDokumentation für das Spiel Pong
Dokumentation für das Spiel Pong BwInf - Turnierserver Didaktik der nformatik BWINF KI Wettbewerbs-Plattform Stand: 02.09.2014 Grundlagen In diesem KI-Turnier programmiert ihr einen Schläger für das Retro-Spiel
MehrSEMINAR Modifikation für die Nutzung des Community Builders
20.04.2010 SEMINAR Modifikation für die Nutzung des Community Builders Step by Step Anleitung ecktion SEMINAR Modifikation für die Nutzung des Community Builders Step by Step Anleitung Bevor Sie loslegen
MehrExplosionsartige 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
MehrETL in den Zeiten von Big Data
ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse
MehrGE Capital Equipment Financing. GE Capital Leasing-Tool Schulungsunterlagen
GE Capital Equipment Financing GE Capital Leasing-Tool Schulungsunterlagen Sie befinden sich im ALSO Online-Shop (2 Objekte liegen in Ihrem Merkzettel) Wechsel vom ALSO Online-Shop zum GE Capital Leasingantrag:
MehrGeoPilot (Android) die App
GeoPilot (Android) die App Mit der neuen Rademacher GeoPilot App machen Sie Ihr Android Smartphone zum Sensor und steuern beliebige Szenen über den HomePilot. Die App beinhaltet zwei Funktionen, zum einen
MehrMethoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07
Regression Trees Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07 Ao.Univ.Prof. Dr. Marcus Hudec marcus.hudec@univie.ac.at Institut für Scientific Computing, Universität Wien 2
MehrExecutive Information. SAP HANA Ihr Weg zum In-Memory-Computing
Executive Information SAP HANA SAP HANA Hintergrund Die Datenmengen in Unternehmen wachsen exponentiell. Gleichzeitig wird die Zeit, die für fundierte und datengestützte Entscheidungen zur Verfügung steht,
MehrNODELOCKED LIZENZ generieren (ab ST4)
NODELOCKED LIZENZ generieren () Besuchen Sie folgende Webseite support.ugs.com/global/de ( ohne www oder http:// ) Klicken Sie auf Lizenz Verwaltung und dann auf aktuelle Lizenz 1 1. Geben Sie Ihren Webkey
MehrIhren Kundendienst effektiver machen
Ihren Kundendienst effektiver machen Wenn Sie einen neuen Kundendienstauftrag per Handy an Ihrem Monteur senden mag das ja funktionieren, aber hat Ihr Kunde nicht schon darüber gemeckert? Muss der Kunde
MehrLinked Samian Ware: Potentiale von Linked Data in der Archäologie. Florian Thiery M.Sc.
Linked Samian Ware: Potentiale von Linked Data in der Archäologie Florian Thiery M.Sc. Linked Samian Ware: Potentiale von Linked Data in der Archäologie Workshop der AG CAA Tübingen 15.02.2014 Als Grundlage
MehrNäher am Kunden mit Microsoft Business Intelligence
Nürnberg, April 2014 Näher am Kunden mit Microsoft Business Intelligence Schnellere AHA-Effekte aus Small Data. Big Data. All Data - Online wie Offline. Sehr geehrte Damen und Herren, die rasant voranschreitende
MehrDatabase Exchange Manager. Infinqa IT Solutions GmbH, Berlin Stralauer Allee 2 10245 Berlin Tel.:+49(0) 30 2900 8639 Fax.:+49(0) 30 2900 8695
Database Exchange Manager Replication Service- schematische Darstellung Replication Service- allgemeines Replikation von Daten von bzw. in ein SAP-System und einer relationalen DMS-Datenbank Kombination
Mehrpaluno Software & CPS Matthias Book Innovationsworkshop Horizon 2020 ICT 23.01.2014
Impulse aus dem CPS-Netzwerk NRW Software & CPS Matthias Book Innovationsworkshop Horizon 2020 ICT 23.01.2014 Cyber Physical NRW Überblick: Software-technische Herausforderungen Cyber Physical Systems
MehrUNTERNEHMENSPRÄSENTATION UBIRY GmbH. Business Development & Innovation Brokering
UNTERNEHMENSPRÄSENTATION UBIRY GmbH Business Development & Innovation Brokering Nichts auf der Welt ist so mächtig wie eine Idee, deren Zeit gekommen ist. Victor Hugo WAS WIR IHNEN BIETEN UBIRY unterstützt
Mehrhcadress Adressverwaltung Bergstrasse 3 6206 Neuenkirch Tel 041 467 23 88 Mail info@hellcom.ch Web www.hellcom.ch
hcadress Adressverwaltung Bergstrasse 3 6206 Neuenkirch Tel 041 467 23 88 Mail info@hellcom.ch Web www.hellcom.ch HCADRESS - STANDARDVERSION Einfaches Erfassen der Daten Es können diverse Angaben über
MehrÜbersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten.
Webalizer Statistik Bedeutung der Begriffe Übersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten. Anfragen Gesamtheit aller Anfragen an Ihren Account. Jede Anfrage auf eine Grafik, eine
MehrDer Begriff Cloud. Eine Spurensuche. Patric Hafner 29.06.2012. geops
Der Begriff Cloud Eine Spurensuche Patric Hafner geops 29.06.2012 Motivation Der größte Hype der IT-Branche Hype heißt sowohl Rummel als auch Schwindel slashdot.org The cloud represents a foundational
MehrMHP Real-Time Business Solution Ihre Lösung zur Harmonisierung und Analyse polytechnischer Messdaten
MHP Real-Time Business Solution Ihre Lösung zur Harmonisierung und Analyse polytechnischer Messdaten Christian Hartmann Präsentation Business Solutions 2014 Mieschke Hofmann und Partner Gesellschaft für
MehrReferenzen Typo3. Blog der Internetagentur Irma Berscheid-Kimeridze Stand: Juni 2015
der Internetagentur Irma Berscheid-Kimeridze Stand: Juni 2015 Aktuelle Entwicklungen der Internetagentur Irma Berscheid-Kimeridze sollten auf der Webseite der Agentur dargestellt werden. Werkzeug der Wahl
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
Mehr360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf
360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf Von der Entstehung bis heute 1996 als EDV Beratung Saller gegründet, seit 2010 BI4U GmbH Firmensitz ist Unterschleißheim (bei München)
MehrWhoop! Bid Management - Anwendungsfall Elektronikbranche
HINTERGRÜNDE Die Elektronikbranche hat sich in den letzten Jahren im Onlinehandel hervorgetan - v.a. der Consumer Electronics Bereich. Studien prognostizieren weiteres starkes Wachstum, nicht nur in den
MehrBig Data Informationen neu gelebt
Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen
MehrClubWebMan Veranstaltungskalender
ClubWebMan Veranstaltungskalender Terminverwaltung geeignet für TYPO3 Version 4. bis 4.7 Die Arbeitsschritte A. Kategorien anlegen B. Veranstaltungsort und Veranstalter anlegen B. Veranstaltungsort anlegen
MehrDas 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:
Mehr8 Juli 2015. Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics
Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics Contents Predictive Analytics Erwartungen erfüllt? Einfach denken worauf achten, bevor gestartet wird?
MehrInternationales Altkatholisches Laienforum
Internationales Altkatholisches Laienforum Schritt für Schritt Anleitung für die Einrichtung eines Accounts auf admin.laienforum.info Hier erklären wir, wie ein Account im registrierten Bereich eingerichtet
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrErstellen einer E-Mail in OWA (Outlook Web App)
Erstellen einer E-Mail in OWA (Outlook Web App) Partner: 2/12 Versionshistorie: Datum Version Name Status 13.09.2011 1.1 J. Bodeit Punkte 7 hinzugefügt, alle Mailempfänger unkenntlich gemacht 09.09.2011
MehrOutlook Express: Einrichtung E-Mail Account
Outlook Express: Einrichtung E-Mail Account Die nachfolgende Beschreibung dient der Einrichtung eines Accounts zum Abruf und Versenden von Mails über den Mailserver unter Microsoft Outlook-Express 5.0
MehrHIGHLIGHTS. Das BSZ stellt sich vor. Bibliotheksservice-Zentrum Baden-Württemberg. BSZ > Home. Login A bis Z Sitemap English QICKLINKS
Museen und BSZ > Home QICKLINKS im SWB-Online-Katalog lokale Online-Fernleihe Digitalen Bibliothek MusIS Das BSZ stellt sich vor Das (BSZ) ist eine Einrichtung im Geschäftsbereich des Ministeriums für
MehrTelenet SocialCom. verbindet Sie mit Social Media.
Telenet SocialCom verbindet Sie mit Social Media. (Titelseite des Vortrags: Kurze Begrüßung bzw. Überleitung von einem anderen Thema. Die Einleitung folgt ab der nächsten Seite...) Ein Kunde ruft an...
Mehr