Business Intelligence & Big Data auf die Kombination kommt es an! Nutzen aus bestehenden Daten erhöhen & neue Datenquellen erschließen

Transkript

1 Business Intelligence & Big Data auf die Kombination kommt es an! Nutzen aus bestehenden Daten erhöhen & neue Datenquellen erschließen Referent: Siegfried Wolf

2 Agenda Begrüßung & aktuelle Entwicklungen bei QUNIS QUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming Microsoft Power BI: alle Daten, überall, jederzeit die maximale Power für Ihr Unternehmen! Daten integrieren, modellieren, visualisieren & veröffentlichen TRACK I Mittagspause Kaffeepause Frage und Antwort BI & Big Data auf die Kombination kommt es an! Nutzen aus bestehenden Daten erhöhen & neue Datenquellen erschließen Business-Intelligence- & Big-Data-Strategie Vorgehen und Herausforderungen bei der Strategieentwicklung Business Intelligence on Top of SAP (Kundenvortrag) DWH Automation Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb In 30 Minuten zur Business-Intelligence-Lösung in der Cloud Aufbau einer BI-Infrastruktur & Entwicklung von Reports Live Live on Stage: GAPTEQ Premiere des ersten eigenen QUNIS Tools TRACK II Infrastruktur & Datenarchitekturen für Big-Data-Szenarien Hadoop & Co. Im Detail DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Big Data zum Anfassen Live Präsentation einer Streaminganalyse & Machine Learning

3 Big Data neuen Herausforderungen gewachsen! Big Data bezeichnet Methoden und Technologien für die Strukturiert Unstrukturiert Polystrukturiert hochskalierbare Erfassung, Speicherung und Analyse Variety polystrukturierter Daten. Real time Near time Batch Velocity Volume Transactions Sensors Files

4 Big Die Data Bedeutung - Datenquellen von Daten wächst Über welche Daten sprechen wir genau CO Sales Einkauf Qualitätsmanagement E-Commerce HR Marketing Rechnungswesen Projektmanagement BI: Strukturierte Daten Big Data: Unstrukturierte Daten

5 Berechnung Kombination BI/DWH und Big Data Frontend read write Neue Daten (Big Data) Data Marts Core Interpretieren & Aggregieren gut organisierte und modellierte Daten Veredeln & Historisieren Kombination je nach Bedarf Batch Layer Speed Layer (Alle relevanten Data) (Realtime Views) große Mengen an unterschiedlichen Daten Cleansing Area Staging Area Plausibilisieren & Konsolidieren Extrahieren Serving Layer (Batch Views) ETL ERP diverse MDM [..] Visualisierung / System

6 Big Data in der Cloud und erschwinglich

7 Value Ereignis Ereignisanalyse und Ereignisbeeinflussung Was tue ich dass es passiert? Was passiert? Warum passiert es? Diagnostic Analytics Was wird passieren? Predictive Analytics Prescriptive Analytics Descriptive Analytics "Traditional" BI Advanced Analytics Quelle: Gartner Difficulty

8 QUNIS Lösungsbibliothek Wie können wir aus Fallbeispielen anderer Unternehmen lernen Umfangreiche Sammlung von praxisbewährten Lösungsbausteinen. Abstrakte betriebswirtschaftliche Aufgabenstellungen können konkretisiert werden Schlagwortverzeichnis nach: Branche Fachbereich Nutzenargumente Datenquellen Unternehmensgröße Vertrieb - Kundenzufriedenheit - Taxiunternehmen Erkennung ob ein Fahrer zu schnell fährt - Fahrsicherheit Erkennung ob vorgegebene Route eingehalten wird Erkennung wenn Veranstaltungen beendet sind Per App wird freies Taxi in der Nähe gemeldet Reduzierung der Leerfahrten auf ein Minimum Human Ressource operative Einsatzplanung - Handel Wetter, Brückentage, Ferien, Anlieferung von Paletten, Einspeisung geplanter Urlaubstage / Freizeit Beratungsqualität verbessern und Personalkosten reduzieren Mitarbeiterzufriedenheit steigern bessere Freizeitplanung Umsatz steigern durch bessere Bedarfsplanung (NoS-Artikel) QS / Service - Wartung von Aufzügen - Aufzughersteller Minimierung der Aufzugfahrten bei Parallelaufzügen Ausfallquote reduzieren Personalkosten reduzieren - Wegfall zyklische Wartung Materialaufwand reduzieren durch Ersatzteilprognose Messgröße (Kennzahl)

9 Big Data Beispiele für Anwendungsfälle

10 Big Data Deutsche Welle Nutzungsdaten und -analysen von Web-Videos auf einen Blick Verbreitung der Videos aufgrund internationaler Ausrichtung mehr als 10 Sprachen über: eigenes Media Center auf alle wichtigen Web-Video-Plattformen 16 YouTube-Kanälen der DW Kanäle auf MyVideo, Sevenload und Dailymotion asiatische Plattformen in Planung

11 Business Intelligence & Big Data Deutsche Welle Nutzungsdaten und -analysen von Web-Videos auf einen Blick Datengrundlage Business Intelligence (DWH) Artikelstamm (einzelne Videos) Kundenstamm (Videoplattformen) Länderstamm Big Data Bausteine Hadoop-Cluster Datenbank Hbase Permanente Map / Reduce-Jobs in Hadoop für übergreifende Auswertungen Nutzenargumente Web-Interface haben, das ihnen im Stundentakt einen Zugriff auf alle Abruf- und Nutzungszahlen von allen Videos der DW auf einen Blick liefert

12 Internet of Things Mit App Technologien Zugriff auf die Viessmann Geräte Projekt ViCare Kunden die Möglichkeit gewähren, auf Basis von App Technologien einen Zugriff auf die Viessmann Geräte zu ermöglichen Gerätedaten auf Basis einer Sensortechnologie vom Kunden zu Viessmann oder zum Viessmann Händlernetz übertragen Die App ermöglicht über eine Smart Home Zentrale die Fernbedienung und Visualisierung von Viessmann Heizgeräten Dank integriertem LAN/WLAN sind die Heizgeräte von überall via iphone oder ipad bedien- und kontrollierbar

13 Business Intelligence & Internet of Things Mit App Technologien einen Zugriff auf die Viessmann Geräte Datengrundlage Business Intelligence (DWH) Artikelstamm Heizung Kundenstamm (Servicepartner) Big Data Bausteine Sensordaten der Viessmann Heizung Real / Neartimeanalyse Nutzenargumente Externer Zugriff und Steuerung der Viessmann Heizung Reduzierung der Verbräuche Externe Erkennung von Fehlerzuständen Geplant: Machine Learning gestützte Optimierung der Heizleistung / Verbrauch

14 Industrie 4.0 Kunststoffverarbeitung - Einsatz von Datenbrillen-gestützter Werkerführung Projekt Datenbrille Statt Anweisungen auf laminierten Blättern - Abbilder der Arbeitsmaterialien und der Arbeitsfolgen auf der Datenbrille Kontrolle der Prozessschritte und Signalhinweise für den Mitarbeiter bei auftretenden Mängeln Dank des intuitiven Designs ist die Anlernphase für neue Mitarbeiterinnen und Mitarbeiter in kürzester Zeit möglich (z.b. für Saisonarbeiter)

15 Business Intelligence & Industrie 4.0 Kunststoffverarbeitung - Einsatz von Datenbrillen-gestützter Werkerführung Datengrundlage Business Intelligence (DWH) Artikelstamm (benötigte Materialien) Arbeitsplan (Arbeitsfolgen / Beschreibung) Qualitätssystem (Qualitätsmerkmale) Big Data Bausteine Digitalisierte Arbeitsschrittanweisungen auf der Datenbrille Nutzenargumente Datenbrille nimmt Teil des Denkens ab Instruktionen auf Arbeitsbrille erhöht Produktivität Null Fehlerquote erhöht Kundenzufriedenheit Zufriedenheit mit der Arbeit steigt - einfachere Tätigkeit Schnelles Einlernen trotz komplexer Tätigkeit möglich Werker hat beide Hände frei

16 Predictive Analytics Beispiel Stornierung Booking.com Stornierung

17 Business Intelligence & Predictive Analytics Beispiel Stornierung Booking.com Datengrundlage Business Intelligence (DWH) Kundenstamm Auftragsdaten mit Buchungsnummer Big Data Bausteine Texterkennung ( ) Machine Learning (Logik) Real Time (Verarbeitungsgeschwindigkeit) Nutzenargumente 100 Mill. Buchungen p.a. / Stornoquote 1% / Aufwand 5 Minuten / Stundensatz 10 / Spareffekt 85 Millionen p.a. Kundenzufriedenheit (Nach 2 Minuten Rückmeldung über Stornierung)

18 QUNIS Big Data Workshop 2 Tage Erstellen Sie Ihre Big Data Strategie Interaktiver Workshop (2 Tage) Mit Fachbereichen / Geschäftsleitung (Detaillierte Planung des Workshops) Definition von Hypothesen und Anwendungsszenarien Einbindung betriebswirtschaftlicher Bausteine mittels Lösungsschablonen aus der QUNIS Lösungsbibliothek Ergebnis: QUNIS Big Data - Strategiepapier