EINFÜHRUNGSVORTRAG BIG DATA. Datenanalyse als. 20. Mai 2014
|
|
- Benedikt Kaufer
- vor 8 Jahren
- Abrufe
Transkript
1 EINFÜHRUNGSVORTRAG BIG DATA Datenanalyse als neuer Produktionsfaktor Produktionsfaktor 20. Mai 2014
2 Gigantische Datenmengen x10 die Menge der digitalen Informationen verzehnfacht sich alle 5 Jahre 90% der weltweit verfügbaren Daten sind in den vergangenen 2 Jahren entstanden 30 Milliarden Einträge auf Facebook jeden Monat Um Erfolg im Markt zu haben ist es essentiell, nicht nur detaillierte Einblicke in die zukünftige Entwicklung zu haben, sondern auch die Fähigkeit zu erarbeiten sich schnell einer bestimmten Entwicklung des Marktes anpassen zu können können.
3
4 Agenda 1 Nutzen und Bedeutung von Big Data 2 Einsatzmöglichkeiten von Big Data 3 Implementierung und Architektur 3
5 Agenda 1 Nutzen und Bedeutung von Big Data 2 Einsatzmöglichkeiten von Big Data 3 Implementierung und Architektur 4
6 Nutzen und Bedeutung von Big Data Definition und Strukturierung des Big Data Begriffes Für den Begriff Big Data findet sich in der Literatur und Presse keine einheitliche Definition. Grundsätzlich lässt sich der Begriff aber wie folgt strukturieren: Zielsetzungen Gewinnung und Nutzung entscheidungsrelevanter Erkenntnisse Prozessoptimierung in Echtzeit Größere Bandbreiten an Informationen Neue Arten von Daten und Analysen Definition von Big Data durch Unternehmen 18% 16% Echtzeitinformationen 15% Art der Informationen Informationen Integration aus verschiedenen Quellen qualitativ vielfältig Moderne Medienarten 13% unterschiedlich strukturiert Zustrom von Daten aus 13% neuen Technologien Große Datenmengen 10% Das neueste Modewort 8% Dynamik und Umfang schneller Wandel der Daten bisher unbekannter und stetig wachsender Daten aus sozialen Medien 0% 5% 10% 15% 20% Datenumfang Quelle: IBM/Oxford University (Mitte 2012) 7% n = IT- und Business Experten weltweite Befragung 5
7 Nutzen und Bedeutung von Big Data Unser Verständnis von Big Data auf einen Blick Big Data umfasst die Bereitstellung von Konzepten, Methoden, Tools, Technologien und IT-Architekturen, um das exponentiell wachsende Angebot an vielfältigen Informationen für schnelle und fundierte Entscheidungen aufzubereiten. Big Data bezeichnet die Hochgeschwindigkeits-Analyse großer Datenmengen aus vielfältigen Quellen mit dem Ziel, wirtschaftlichen Nutzen zu erzeugen. Charakteristika von Big Data: Volume Datenvolumen verdoppelt sich ca. alle 2 Jahre Variety Vielfältige Datenquellen und -formate (Soziale Netzwerke, GPS-Signale, Youtube-Videos, ) Velocity Die Geschwindigkeit der Datenauswertung ( Echtzeit ) ist ein bedeutender Faktor KPMG betrachtet dabei zusätzlich die folgenden Charakteristika: Veracity Adäquate Governance- und Kontrollmechanismen ermöglichen es, sogar aus einer Kombination aus strukturierten und verunreinigten Daten gute Einblicke zu gewinnen Value Datenverfügbarkeit, Operative Prozessverbesserungen, Entscheidungsunterstützung, Inno- vationen & Produktentwicklung, Marketing & Sales, Monetarisierung der Daten- und -analyse Big Clarity Big Flexibility Big Efficiency Big Impact Verbessertes Verständnis durch die Verarbeitung großer Datenmengen Flexible und schnelle Anpassung der Datenanalyse Zeitnahe Bereitstellung von entschei- dungsrelevanten Informationen 6
8 Nutzen und Bedeutung von Big Data Kriterien zur Begriffscharakterisierung Das V5-Konzept Volume Variety Velocity Entstehung immer größerer Datenmengen in oft unbekanntem Ausmaß für die betreffenden Unternehmen Komplexität zahlreicher Datentypen steigt (strukturiert, semi-strukturiert, unstrukturiert) Informationsquellen werden vielfältiger neben dem klassischen Reporting werden Datenströme zunehmend in Geschäftsprozesse integriert (Echtzeitauswertungen) Self-Service Business Intelligence Veracity Zuverlässigkeit von Informationen (naturgemäße Unvorhersagbarkeit) Value Prozessverbesserungen Entscheidungsunterstützung Monetarisierung 7
9 Nutzen und Bedeutung von Big Data IT-Trends und deren Zusammenwirken mit Big Data Cloud Computing und SaaS Zunehmende Entwicklung dezentraler Informationsbereitstellungskonzepte Mobile Informationstechnologien Entstehung stark wachsender Datenmengen und Location Based Services Sensoren und M2M Vernetzung von Produktionsgütern, Maschinen und anderen Geräten Social Web Erzeugung und Distribution von Content durch die Nutzer von Social Media Anwendungen Big Data Neue Herausforderungen aber auch Möglichkeiten für den Umgang mit den Folgen dieser IT-Trends Trends Verfügbare Daten und die geeignete Technik, diese auszuwerten, sind notwendige Voraussetzungen. Aber wie kann die Nutzung dieser Informationen für Unternehmen aussehen? 8
10 Nutzen und Bedeutung von Big Data Mithilfe der klassischen Datenanalyse konnten bisher nur strukturgleiche und komplett strukturierte Daten verarbeitet werden Big Data ermöglicht die integrative Analyse sowohl strukturierter, semistrukturierter als auch unstrukturierter Daten. Big Data Datenwelt Strukturiert (Länge und Format definiert) Semistrukturiert (Länge und Format teils definiert) Unstrukturiert (Länge und Format undefiniert) Maschinell generiert vom Menschen generiert Maschinell generiert vom Menschen generiert Sensordaten (RFID, medizinische Geräte, GPS- Daten) Web-Log-Daten (Aktivitäten auf Servern und Netzwerken) Point-of-Sale-Daten (Kundendaten am POS) Finanzdaten (Aktienkurse) Inputdaten (Dateneingabe auf Computern) Clickstream-Daten (Websitelinks) Spieldaten (Aufzeichnung des Verhaltens bei Online- Spielen etc.) Satellitenbilder (Satellitenüberwachung, Wetterdaten) Wissenschaftliche Daten (Seismische u. athmosphärische Daten) Fotos und Videos (Verkehr) Radar- und Sonardaten (Ozeanographischseismische Profile) Interne Textdaten (Umfrageergebnisse, E- Mails) Social-Media-Daten (Facebook, Youtube) Mobildaten (Standortinfor- mationen, Messages) Websiteinhalte (verschiedene Inhalte auf Websites) 9
11 Nutzen und Bedeutung von Big Data Durch neue Methoden der Datenspeicherung und -verarbeitung können Marktteilnehmer Wert aus vielfältigen Daten generieren Es reicht nicht aus, relevante Daten zu identifizieren und zugänglich zu machen. Entscheidend für den Erfolg ist die Kompetenz, diese Daten zu nutzen. Unternehmen, die die Bedeutung von Big Data und Business Analytics erkennen, weisen eine doppelt so hohe Wahrscheinlichkeit auf zu den Top Performern in ihrer Industrie zu zählen als andere Unternehmen. (MIT Sloan Management Review) Big Data Value Distribution & Logistik Produktion Forschung & Entwicklung / Innovation Finanz- & Risiko- Controlling Marketing & Sales Monetarisierung von Daten und deren -analyse Detailliertere Marktsegmentierung (Mikrosegmente) Flexible Personalisierung des Angebots (Customization) Reduktion der Streuverluste/ Marketingkosten Echtzeit-Korrektur von Routen auf Basis aktueller Verkehrsdaten Optimierung von Lieferketten Auswertung der Machine-to- Machine- Kommunikation (M2M) Echtzeit-Analyse von Maschinendaten Wartungskosten Fehlerkosten Personalkosten Bestandsdaten Lagerkosten Fehlmengenkosten Neue Faktoren für die Bewertung des Kreditrisikos Betrugserkennung Prognosen/ Simulationen/ Szenarien in Echtzeit Ständig aktuelle Vl Values-at-Risk Besseres Verständnis der Kundenbedürfnisse Verkürzung der Time-to-Market Echtzeit-Analyse wissenschaftlicher Experimente (z.b. für neue Medikamente) Verkauf generierter Daten (z.b. Kunden-, Verkaufs-, Produktionsdaten) an externe Nutzer Angebot von Big Data-Analysetools und -methoden 10
12 Nutzen und Bedeutung von Big Data Evolution von einfacher Datenanalyse hin zu Big Data (technisch) Nachverfolgung In tegration & Nu utzen Manuell Benachrichtigung Visualisierung Reifegrad Zeitversetzte t t Analysen zur Ausweitung der Kontinuierliche i und iterative ti Daten als Produktionsfaktor nachträglichen Betrachtung Manuelle Aufbereitung und Datenerhebung Vorhersagen basierend auf Verarbeitung von Daten Neue Erkenntnisse im Analyse großer Datenvolumina möglich Interpretation der Analysen Datenauswertungen Hinblick auf Business Verarbeitung strukturierter und Geringe Datengranularität Nutzung von Data Performance unstrukturierter Daten und Qualität Warehouse/Mart Anwendung von Strukturunterschiede akzeptabel Manuelle Verarbeitung Systeme zur Unterstützung statistischen Methoden Erkennen von komplexen externer Informationen von Entscheidungen Vollständig automatisierte Zusammenhängen und Mustern Verarbeitung Datenauswertung in Echtzeit Data Mining Analyse von externen Daten Strukturgleiche Daten notwendig 11
13 Nutzen und Bedeutung von Big Data Evolution von einfacher Datenanalyse hin zu Big Data (fachlich) Nachverfolgung Nu utzen Visualisierung Manuell Benachrichtigung Komplexität Standard d Reporting Verstehen von Kontinuierliche i und iterative ti Daten als Produktionsfaktor Ad hoc Reporting Businessfaktoren Verarbeitung von Daten Analyse großer Datenvolumina KPI Monitoring Visualisieren von möglich Transaktionen Anomalien erkennen Visualisieren von Beziehungen Neue Erkenntnisse im Hinblick auf Business Performance Anwendung von statistischen Methoden Vollständig automatisierte Verarbeitung Data Mining Strukturgleiche Daten notwendig Verarbeitung strukturierter und unstrukturierter Daten Strukturunterschiede akzeptabel Erkennen von komplexen Zusammenhängen und Mustern Datenauswertung in Echtzeit Analyse von externen Daten 12
14 Nutzen und Bedeutung von Big Data Big Data Der Markt in Zahlen Kennzahlen belegen ein rasantes Wachstum des Big Data Marktes. Daraus ergeben sich sowohl für bestehende als auch für neue Unternehmen große Chancen, aber auch Herausforderungen. Ein starkes Wachstum im globalen Big Data Markt Ø36% jährlich 15,7 Mrd. in 2016 Ein neues Geschäftsmodell 270 Mio. globaler Umsatz durch reine Big Data Companies Optimistische Erwartungen Vorreiter Neue Anbieter mit Big Data- Lösungen 43% E-Businessder Unternehmen Unternehmen erwarten einen sind prädestiniert für Big Data Empolis & Mellmo Anwendungen gesellen sich zu ROI > 25% Ein wachsendes Angebot 80 weltweit nennenswerte Unternehmen bieten bereits Big Data Lösungen an Kompatibilität Schnittstellen ermöglichen den graduellen Übergang von konventionellen Systemen und neuen Technologien zu Big Data Lösungen Parstream, Exasol, Microsoft, SAP & Co. wachsenden Marktanteile Die Umsatzanteile von Europa (27% ) und den USA (42%) im globalen Big Data-Markt gleichen sich an* Quelle: BITKOM, Experton Group 2012 *Größere anfängliche Bedenken hinsichtlich des Datenschutzes und der Datensicherheit (vor allem in Deutschland) haben den USA gegenüber g Europa einen Vorsprung in der Entwicklung verschafft. Es wird erwartet, dass sich diese Marktanteile durch die Anpassung der europäischen Richtlinien auf einander zubewegen. 13
15 Agenda 1 Nutzen und Bedeutung von Big Data 2 Einsatzmöglichkeiten von Big Data 3 Implementierung und Architektur 14
16 Einsatzmöglichkeiten von Big Data Big Data ermöglicht Performanceverbesserungen und das Aufdecken neuer Potentiale auf allen Stufen der Wertschöpfungskette 1 Infrastructure Präventivanalyse zur Verhinderung des Ausfalls wichtiger Unternehmensysteme 2 HR Management Schnelle und bedarfsgerechte Reaktion auf saisonale Schwankungen, kurzfristige Änderungen etc. durch Big Data-Analysen 3 Tech. Development Verbesserte Informationsverar- beitung und analyse sowie Erweiterung des Unternehmens-Knowhow 4 Procurement Kombinierte Auswertung von Onlinerabattangeboten b t und eigenen Lagerbeständen In nbound Lo ogistics Infrastructure Human Resource Management Technology Development Procurement erations Op Ou utbound Lo ogistics Ma arketing & Sales Service 5 Inbound Logistics Nutzung von Realtime- POS-Daten zur Identifizierung von Outof-Stock-Situationen und Benachrichtigung der Lieferanten 6 Operations 7 Outbound Logistics 8 Marketing & Sales 9 Verhinderung Predictive Analytics zur Zielgenaue Kundenansprache machineller zielgenauen Prognose durch Produktionsausfälle von Absatzmengen Auswertung von Social durch Realtime- Vermeidung des Media-Profilen und Auswertung der Maschinendaten Aufbaus von unnötigen Lagerbeständen sonstigen Kundendaten Service Auswertung von Kundenfeedback aus externen Kanälen zur Verbesserung der Serviceaktivitäten 15
17 Einsatzmöglichkeiten von Big Data Nutzung von Informationen Was bedeutet Big Data für Unternehmen? Wo kommen Big Data Analysen heute schon zum Einsatz? einige Beispiele Daten Anwendungen Nutzung Fraport AG Auswertung von Sensor-Daten zur Vorhersage der Fluggast-Ströme, um so Warteschlangen an den Abfertigungspunkten weitestgehend zu vermeiden Sears Corp. (US-amerikanischer Handelskonzern) Kombination von Daten über Kunden, Produkte und Werbung zur Entwicklung kundenindividueller Werbung (heute auch von vielen anderen Handelsunternehmen, wie Amazon, genutzt) VISA Inc. Kann über Kreditkartentransaktionen vorhersagen, welches Ehepaar sich in absehbarer Zeit scheiden lässt, woraus auf die Kreditwürdigkeit geschlossen werden kann Weitere Beispiele für Einsatzszenarien Branche Energiewirtschaft Finanzwirtschaft Einsatzmöglichkeiten Steuerung des Energieverbrauches (über Speicherung und Auswertung von Messwerten) Zahlungsstromanalysen zur Betrugserkennung Handel Telekommunikation Click-Stream-Analysen im Online Handel (Echtzeit-)Kundenanalysen / Kaufverhaltensanalysen Location-Tracking Händler können diese Daten in Echtzeit verwenden, um Verbraucher, die in der Nähe von Shops sind, über Angebote zu informieren Social Web Individualisierte id i Werbung Echtzeitanalysen des Nutzerverhaltens 16
18 Einsatzmöglichkeiten von Big Data Big Data Aktivitäten von Unternehmen weltweit und in Deutschland Was sagen empirische Studien über den Planungsstand von Unternehmen zum Thema Big Data? Big Data Aktivitäten - internationaler Querschnitt Anteil an Unternehmen mit Big Data Initiativen in 2012 Pilotprojekte begonnen und erste Big Data Lösungen implementiert 28% Deutschland 34% 66% Noch keinerlei Big Data- Aktivitäten gestartet 48% Total 53% 47% Big Data Aktivitäten geplant 24% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% mit Big Data Initiative 2012 ohne Big Data Initiative 2012 Quelle: IBM/Oxford University (Mitte 2012) / n = 1061 / weltweite Studie Quelle: TATA Consultancy Services / n = / weltweite Studie Big Data Aktivitäten in deutschen Unternehmen Heute noch kein Thema, auch nicht in Planung 25% Heute noch kein Thema, aber geplant 24% Bereits implementiert 8% Mit der Thematik beschäftigt, aber noch nicht umgesetzt 43% Key Findings zum Planungsstand alle Studien bestätigen, dass sich der Großteil der 25% Unternehmen mit der Thematik befasst Jedoch nur wenige Unternehmen konnten ihre Big Data Projekte bereits umsetzen fast 50% der deutschen Unternehmen befassten sich 2012 Quelle: Experton Group(Mrz./Apr. 2012) / n = 63 / deutschlandweite Studie noch nicht mit Big Data, nur wenige haben Projekte bereits umgesetzt 17
19 Einsatzmöglichkeiten von Big Data Welche Ziele verfolgen Unternehmen mit der Auswertung der Big Data? In welchen Bereichen fokussierten Unternehmen branchenübergreifend ihre Big Data Investitionen in 2012 Andere HR 7% Distribution/Logistik 5% 7% Finance/Accounting 8% Vertrieb 15% Die wichtigsten Zielsetzungen von Big Data Projekten für Unternehmen Neues Geschäftsmodell 14% Mitarbeiterzusammenarbeit 4% Herstellung/Produkti on 8% IT 11% Produktentwicklung 11% kundennaher Einsatz 43% Quelle: TATA Consultancy Services / n = / weltweite Studie Marketing 15% Kundenservice 13% Risiko-/Finanzmanagement 15% Betriebliche Optimierung 18% Kundenorientierte Ergebnisse 49% Quelle: IBM/Oxford University (Mitte 2012) / n = 1067 / weltweite Studie Key Findings zum Einsatzgebiet und den Zielen Insgesamt stehen vor allem vertriebsnahe Beweggründe im Zusammenhang mit Big Data Projekten im Vordergrund d Auch die deutschlandweite Studie der EXPERTON Group sowie eine Studie des Fraunhofer Institutes führen zu einem ähnlichen Resümee Viel Potential wird zudem im Logistik-Bereich gesehen 18
20 Agenda 1 Nutzen und Bedeutung von Big Data 2 Einsatzmöglichkeiten von Big Data 3 Implementierung und Architektur 19
21 Implementierung und Architektur Anforderungen an Technologien zur Nutzung der Big Data Big Data Welche Folgen haben diese Dimensionen von Big Data für die IT? Daten Anwendungen Nutzung Folgen für Software-Lösungen Insbesondere im Software-Bereich vollziehen sich Folgen für Hardware-Lösungen signifikante Veränderungen, um den Ausbau der Bandbreiten zur Datenübermittlung Anforderungen an die Big Data gerecht zu werden Speichermöglichkeiten der wachsenden Daten Es ergeben sich deutliche Veränderungen für Datenbank-Technologien und Schwerpunkte bestehender Datenbanken verändern sich Bereiche, in denen mit den größten Wirkungen auf die IT-Infrastruktur gerechnet wird Sonstige 33% 0% 67% Kapazität Bandbreite 64% 26% 10% Netzwerk-Infrastruktur (Switching, Router, Loadbalancing) 64% 26% 10% Storage / Datenbanken 76% 23% 1% Server / CPU-Last 64% 30% 6% Analyse- & Reportingsysteme 55% 32% 13% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% hohe Zustimmung mittlere Zustimmung niedrige Zustimmung Quelle: Experton Group(Mrz./Apr. 2012) / n = 85 / deutschlandweite Studie 20
22 Implementierung und Architektur Analytische versus Big Data Systeme und die Auswirkungen auf den Analyseprozess Vergleich der Schwerpunkte Prozess der Big Data Analyse (explorative Analyse) Analytische Systeme (DW / BI) Zentrale Datenhaltung, alle Daten müssen exakt zueinander passen Qualitativ hochwertige Daten Strukturierte, bereinigte und aggregierte Daten Wiederkehrende Berichte Periodische Erstellung Big Data Systeme Daten existieren an mehreren Stellen, Ungenauigkeiten it sind akzeptabel Einfachheit der Nutzung Verarbeitung der Rohdaten mit vielen unterschiedlichen Formaten Interaktion in Echtzeit Optimiert für Flexibilität Business und IT identifizieren Datenquellen IT stellt Plattform zur Verfügung Business bewertet Daten (Basis für kreatives Erkunden der Daten) Zentralistische Organisation Heterogene, dezentrale Organisation Ergebnisse werden mit klassischen Quellen zusammengeführt 21
23 Implementierung und Architektur Überwindung der Herausforderungen bei der operativen Umsetzung der Big Data-Lösung Stufe Datenaufzeichnung / - sammlung Extraktion / Bereinigung Integration / Bereinigung Analyse / Modellierung Interpretation Umsetzung Identifikation relevanter Datenquellen Filterung der nützlichen Daten Generierung von Metadaten zur Beschreibung und Aufzeichnung der Daten Datenextraktion aus Originalquelle Überführung in analysefähige Formate Bereinigung der Daten zur Validierung (Fehlermodelle) Datenintegration zur Ermöglichung automatisierter Computeranalyse Datenbankdesign und -struktur Datenabfrage und Data Mining Interaktive Datenanalyse / Realtimeabfrage Verbindung von Datenbanken und Analytics- Software Applikationen, welche Nachvollziehbarkeit der Analyseergebnisse und ihrer Annahmen (Provenance) gewährleisten Visualisierung der Ergebnisse Herausforderungen Definition geeigneter Filter Definition iti der richtigen Metadaten t Datenbanksysteme, die den Ursprung der Daten nachvollziehen (Provenance) Schwierigkeiten bei der Überführung der Formate (applikationsabhängig) Fehlermodelle und Datenbereinigungsmethoden existieren oft noch nicht Heterogenität der Daten Frühe Entwicklungsstufe der Big Data Integration Vor- und Nachteile einzelner Designs Heterogenität, Dynamik, Interaktion und geringe Vertrauenswürdigkeit von Big Data Koordination zwischen Datenbanken und Analytics-Software In bestimmten Fällen geringe Vertrauenswürdigkeit und Fehleranfälligkeit von Big Data Komplexität erschwert die Visualisierung 22
24 Implementierung und Architektur Auswirkungen auf die IT-Architektur der transaktionalen und analytischen Systeme Durch die veränderten Schwerpunkte, die sich durch Big Data Systeme ergeben, entstehen auch veränderte technische Anforderungen. Folgende Techniken spielen besonders wichtige Rollen. In-Memory Application Verteilung von Daten auf Knoten (Skalierbarkeit durch Parallelisierung der Auswertung) Verarbeitung mit Map-Reduce Technik (Datenanalyse, die Informationen strukturiert, shuffelt und anschließend reduziert) Ablage von Daten im Arbeitsspeicher Ermöglicht deutlich schnellere Datenbank-Abfragen Vor allem für analytische Anwendungen geeignet Steht für Not only SQL Datenbanken, die einen nichtrelationalen Ansatz verfolgen Verzicht auf starre Schemata, Daten werden ohne feste Struktur gespeichert Die bestehende IT- Infrastruktur vieler Unternehmen erlaubt einen graduellen Übergang auf Big Data Lösungen bzw. die Integration mit Big Data Konzepten 23
25 Implementierung und Architektur Maßgeschneiderte Big Data-Architektur für Ihren Anwendungsfall Um das große Datenvolumen schnell verarbeiten zu können, ist der Aufbau einer maßgeschneiderten Big Data-Architektur notwendig. Big Data Applikationen Reporting & Visualisierung Analytics (Traditionell & Advanced) Analytische Data Warehouses & Data Marts Datenbanken & Tools Operative Datenbanken Reports Alerts Visualisierung Dashboards Cockpits Analyse BI Suite Modelle Beliebige Reporting -Tools SQL In Memory DB Stream Engine Beliebige Analytics ODS KI Indizes DW -Tools Daten Informationsbeschaffung Verfeinerung (Hadoop) Transformation Laden SQL, No SQL New SQL, Files Automa atisierte Ab blaufsteuer rung Sicherheitsinfrastruktur Physische Infrastruktur 24
26 Implementierung und Architektur Technologien & Informationsaustausch Big Data Technologien (Auswahl) Regelmäßiger Informationsaustausch Verteilung von Daten auf Knoten (Skalierbarkeit durch Parallelisieren der Auswertung) Verarbeitung mit Map-Reduce Technik (Datenanalyse, die Informationen strukturiert, verteilt und anschließend reduziert) In-Memory Application Ablage von Daten im Arbeitsspeicher Ermöglicht deutlich schnellere Datenbank-Abfragen Vor allem für analytische Anwendungen geeignet Steht für Not only SQL Datenbanken, die einen nicht-relationalen Ansatz verfolgen Verzicht auf starre Schemata, Daten werden ohne feste Struktur gespeichert HANA 25
27 Implementierung und Architektur Funktionsweise von Hadoop Der Einsatz hat Folgen für: Volume Variety Velocity Zwei grundlege ende techn ische Prinz zipien HDFS* Map Reduce Cluster-Datei-System verteilt die Daten auf verschiedene Systeme in einem Rechnerverbund Datenverarbeitung im Ablageort durch die Aufteilung der Datenverarbeitung in kleine Portionen und ihre parallele Abwicklung Ablage der Daten in zerlegter Form (die Größe der Datenblöcke ist vom System definiert) Replikation der Blöcke beugt Datenverlust bei Knotenausfall vor ( Sicherheits-Blöcke ) Systemvoraussetzungen für den Hadoop-Einsatz Grundsätzlich mit Hilfe von Standardrechnern durchführbar Dateisystem muss auf Fehlertoleranz ausgelegt sein, da in einem solchen Rechnerverbund von Hardwareausfällen auszugehen ist (funktioniert mit beschriebener Replikation der Blöcke) Java Developer Kit ab V 1.6 Linux als Betriebssystem wird empfohlen *HDFS = Hadoop Distributed File System 26
28 Implementierung und Architektur Funktionsweise von in Memory-Datenbanken In-Memory Der Einsatz hat Folgen für: Velocity Application Warum ist das Speichern von Informationen im Arbeitsspeicher für Big Data Analysen so interessant? Wenn Daten im Arbeitsspeicher und nicht auf anderen Speichermedien abgelegt werden, wird die Geschwindigkeit erhöht, mit der Datenbanken auf diese Daten zugreifen können. Daten können schnell ausgewertet und damit beispielsweise sogar in Echtzeit in Prozesse eingebunden werden! 27
29 Implementierung und Architektur Funktionsweise von NoSQL Der Einsatz hat Folgen für: Varietyy Was macht den Einsatz einer Datenbanksprache, die nicht nur relationale Datenstrukturen verarbeiten können, notwendig? Unstrukturierte Datenmengen können nicht mit Datenbanken ausgewertet werden, die auf Relationen und Tabellen aufbauen. Was ist der Unterschied von NoSQL zu herkömmlichen h SQL-Datenbankstrukturen? t kt NoSQL benutzt eine festen Tabellenschemata als Datenspeicher SQL kann schlecht mit häufig ändernden Datenstrukturen umgehen, die aber zunehmend wichtiger werden NoSQL hat nur geringe Sicherheit bezüglich der Datenkonsistenz, deren Problematik sich jedoch aufgrund der häufig extrem hohen Datenmenge relativiert 28
30 Implementierung und Architektur Big Data Security Exemplarische Risiken entlang der Prozesskette Risiken für die Datensicherheit und den Datenschutz existieren entlang der gesamten Prozesskette von der Erfassung bis zur Bereitstellung der Berichte. Die Sicherheits- anforderungenngen steigen mit Zunahme der Datenmenge, der Datenvielfalt und der Geschwindigkeit der Verarbeitung. Exemplarische Darstellung Risiken: Netzwerk nicht verfügbar Fehler während der Übertragung Risiken: Verlust der Vertraulichkeit im Datentransfer Nicht-autorisierte Änderung von Daten im Transfer Erfassung / Extraktion SAP Non-!! SAP Quellsysteme Analyse Analytics Berichtswesen!!! Risiken: Datensynchronisation nicht möglich, da Quellsysteme nicht verfügbar Nichteinhaltung von Gesetzen bei der Erfassung und Speicherung von Daten Unsichere Rechtslage bei der Verarbeitung (z.b. bzgl. Datenschutz) Risiken: Nicht-authorisierte Änderungen von Daten Gefahr von Datenschutzverstössen durch Anreicherung von Daten Mangelnde Zugriffskontrolle auf Daten Risiken: Mangelnder Zugriffsschutz (Nachträgliche) Manipulation der Berichte? 29
31 Implementierung und Architektur Big Data Security Risikobewertung Erfassung / Extraktion Analyse Berichtswesen SAP Non- 1 2 Analytics 3 1 SAP Quellsysteme Top Risiken (Auszug) Exemplarisch IT Risiko Matrix (exemplarisch) Gefährdung der Aussagequalität der Berichte aufgrund von nicht autorisierten Änderungen der Daten oder dem Verlust der Verfügbarkeit einzelner Komponenten Verlust der Vertraulichkeit /Integrität während der Datenübertragung durch unzureichende Sicherheitsmaßnahmen (Keine digitalen Signaturen, keine Verschlüsselung) Verlust der Zugriffskontrolle von Daten durch unzureichende Berechtigungskonzepte Nichteinhaltung von Gesetzen und Unternehmensrichtlinien Wahrsche einlichkeit Sehr Hoch Mittel Unsichere Rechtslage z.b. hinsichtlich des Datenschutzes kann zu unbewussten rechtlichen Verstößen führen Sehr Gering Sehr Mittel Kritisch niedrig Schadenshöhe 30
32 Ansprechpartner Michael Brenner Senior Manager Consulting Alfredstraße 277 Tel. +49 (201) D Essen Mobil +49 (174) mbrenner@kpmg.com Moritz Schneider Manager Consulting Tersteegenstraße Tel. +49 (211) D40474 Düsseldorf Mobil +49 (174) moritzschneider@kpmg.com 31
33 2014 KPMG AG Wirtschaftsprüfungsgesellschaft, a subsidiary of KPMG Europe LLP and a member firm of the KPMG network of independent member firms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved. Der Name KPMG, das Logo und cutting through complexity sind eingetragene Markenzeichen von KPMG International Cooperative ( KPMG International ) ).
Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
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)
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
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrTHE KNOWLEDGE PEOPLE. CompanyFlyer.indd 1 07.03.2016 11:48:05
THE KNOWLEDGE PEOPLE CompanyFlyer.indd 1 07.03.2016 11:48:05 BE SMART IT-CONSULTING Smartes IT-Consulting für die Zukunft: Agilität, Dynamische IT, Komplexitätsreduzierung, Cloud, Industrie 4.0, Big Data
MehrInterview zum Thema Management Reporting &Business Intelligence
Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit
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-
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
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
MehrBig Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie
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?
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
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
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrDie aktuellen Top 10 IT Herausforderungen im Mittelstand
Die aktuellen Top 10 IT Herausforderungen im Mittelstand Ronald Boldt, SPI GmbH Über mich Ronald Boldt Leiter Business Solutions SPI GmbH Lehrbeauftragter für Geschäftsprozess orientiertes IT Management
MehrInfografik 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
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
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
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)
MehrI N F O R M A T I O N V I R T U A L I S I E R U N G. Wir schützen Ihre Unternehmenswerte
I N F O R M A T I O N V I R T U A L I S I E R U N G Wir schützen Ihre Unternehmenswerte Wir schützen Ihre Unternehmenswerte Ausfallsicherheit durch Virtualisierung Die heutigen Anforderungen an IT-Infrastrukturen
MehrBig Data Herausforderungen für Rechenzentren
FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos
MehrIn-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
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
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrBI 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
MehrBI 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
MehrInside. IT-Informatik. Die besseren IT-Lösungen.
Inside IT-Informatik Die Informationstechnologie unterstützt die kompletten Geschäftsprozesse. Geht in Ihrem Unternehmen beides Hand in Hand? Nutzen Sie Ihre Chancen! Entdecken Sie Ihre Potenziale! Mit
MehrVerpasst der Mittelstand den Zug?
Industrie 4.0: Verpasst der Mittelstand den Zug? SCHÜTTGUT Dortmund 2015 5.11.2015 Ergebnisse einer aktuellen Studie der Technischen Hochschule Mittelhessen 1 Industrie 4.0 im Mittelstand Ergebnisse einer
MehrUnternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise
Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center
MehrBig Data Kundendaten im 2015 Michael Gisiger Wortgefecht Training & Beratung
Big Data Kundendaten im 2015 Social Media für Medienunternehmen Trendtagung am Agenda Kurze Vorstellung Big Data was ist das genau? Case: DW Nutzungsdaten und -analysen von Videos im Web 2 Vorstellung
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
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
MehrSpotlight 5 Gründe für die Sicherung auf NAS-Geräten
Spotlight 5 Gründe für die Sicherung auf NAS-Geräten NovaStor Inhaltsverzeichnis Skalierbar. Von klein bis komplex.... 3 Kein jonglieren mehr mit Wechselmedien... 3 Zentralisiertes Backup... 4 Datensicherheit,
MehrHerausforderungen 2013 der Marketingentscheider in B2B Unternehmen
Herausforderungen 2013 der Marketingentscheider in B2B Unternehmen Kurzbeschreibung Stärkere Kundenorientierung und sich daraus ergebender Innovationsdruck bei der Entwicklung kundenspezifischer Lösungen,
MehrOperational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland
Operational Big Data effektiv nutzen TIBCO LogLogic Martin Ulmer, Tibco LogLogic Deutschland LOGS HINTERLASSEN SPUREN? Wer hat wann was gemacht Halten wir interne und externe IT Richtlinien ein Ist die
MehrFeedback in Echtzeit. Social Media Monitoring Services von Infopaq. SOCIAL MEDIA
MEDIENBEOBACHTUNG MEDIENANALYSE PRESSESPIEGELLÖSUNGEN Feedback in Echtzeit. Social Media Monitoring Services von Infopaq. SOCIAL MEDIA Risiken kennen, Chancen nutzen. So profitiert Ihr Unternehmen von
MehrOpen Source als de-facto Standard bei Swisscom Cloud Services
Open Source als de-facto Standard bei Swisscom Cloud Services Dr. Marcus Brunner Head of Standardization Strategy and Innovation Swisscom marcus.brunner@swisscom.com Viele Clouds, viele Trends, viele Technologien
MehrAdvanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.
Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
MehrBig Data Modewort oder echter Mehrwert. freenet Group Dr. Florian Johannsen
Big Data Modewort oder echter Mehrwert freenet Group Dr. Florian Johannsen freenet Group 2 Titel der Präsentation 07.07.2015 Mobilfunkgeschäft der freenet Group Austausch von Daten und Informationen Im
MehrStrategisches 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
MehrCopyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS
HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS AGENDA VISUAL ANALYTICS 9:00 09:30 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT
MehrProzessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08
Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer
MehrExecutive Search oder Interim Management - was ändert sich durch digitale Transformation?
Impuls Dr. Michael R. Träm Executive Search oder Interim Management - was ändert sich durch digitale Transformation? Dr. Michael R. Träm Mitglied des Aufsichtsrates HuZ Unternehmensberatung DDIM.kongress
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
MehrTrends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016
Trends im Markt für Business Intelligence Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 18.03.2016 BARC 2016 2 IT Meta-Trends 2016 Digitalisierung Consumerization Agilität Sicherheit und Datenschutz
MehrIDV Assessment- und Migration Factory für Banken und Versicherungen
IDV Assessment- und Migration Factory für Banken und Versicherungen Erfassung, Analyse und Migration von Excel- und AccessAnwendungen als User-Selfservice. Sind Ihre Excel- und Access- Anwendungen ein
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
MehrEuroCloud Deutschland Confererence
www.pwc.de/cloud EuroCloud Deutschland Confererence Neue Studie: Evolution in der Wolke Agenda 1. Rahmenbedingungen & Teilnehmer 2. Angebot & Nachfrage 3. Erfolgsfaktoren & Herausforderungen 4. Strategie
MehrUnsere LEistungen auf einen Blick
Everywhere COMMERCE Unsere LEistungen auf einen Blick Werte schaffen und Werte leben Von der ersten Idee über die Planung und Realisierung bis hin zu Betreuung und Optimierung bieten wir einen ganzheitlichen
MehrCopyr 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----------------------------------------------------------------------------------------------------------------------------------------
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,
MehrMission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden
Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines
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?
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
MehrProzessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013
Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien Berlin, Mai 2013 The unbelievable Machine Company? 06.05.13 The unbelievable Machine Company
Mehr1Ralph 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
MehrMehrwert durch 3D-Druck generieren
Mehrwert durch 3D-Druck generieren Zwei fundamentale Unterschiede von 3D-Druck zu traditionellen Produktionsverfahren No economies of scale Complexity for free Stückkosten Stückkosten Stückzahl Stückzahl
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
MehrCOMARCH LOYALTY MANAGEMENT. Loyalität stärken, Engagement erhöhen und Gewinne maximieren
COMARCH LOYALTY MANAGEMENT Loyalität stärken, Engagement erhöhen und Gewinne maximieren GESCHÄFTLICHE HERAUSFORDE- RUNGEN Kundenorientierte Unternehmen müssen heute aus einer Vielzahl an Möglichkeiten
MehrIT-Trends im Handel 2013. Investitionen, Projekte und Technologien
IT-Trends im Handel 2013 Investitionen, Projekte und Technologien Forschung Kongresse Medien Messen Inhalt 5 Vorwort Erhebungsmethode Verwendete Begriffe Struktur des Untersuchungspanels Wirtschaftliche
MehrSocial Media Einsatz in saarländischen Unternehmen. Ergebnisse einer Umfrage im Mai 2014
Social Media Einsatz in saarländischen Unternehmen Ergebnisse einer Umfrage im Mai 2014 Social Media Nutzung in saarländischen Unternehmen Umfrage vom 06.05.2014 28.05.2014 Zehn Fragen 174 Teilnehmer Social
MehrInhalt. 1 Übersicht. 2 Anwendungsbeispiele. 3 Einsatzgebiete. 4 Systemanforderungen. 5 Lizenzierung. 6 Installation. 7 Key Features.
Inhalt 1 Übersicht 2 Anwendungsbeispiele 3 Einsatzgebiete 4 Systemanforderungen 5 Lizenzierung 6 Installation 7 Key Features Seite 2 von 11 1. Übersicht MIK.mobile for ipad ist eine Business Intelligence
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
MehrPZ Systeme GmbH & Co. KG. Ihr Partner für ERP- und mobile Lösungen
PZ Systeme GmbH & Co. KG Ihr Partner für ERP- und mobile Lösungen scannav - Optimierte Bestandsverwaltung und Unternehmensprozesse durch mobile Datenverarbeitung in Echtzeit Die Lösung scannav ermöglicht
MehrDer beste Plan für Office 365 Archivierung.
Der beste Plan für Office 365 Archivierung. Der Einsatz einer externen Archivierungslösung wie Retain bietet Office 365 Kunden unabhängig vom Lizenzierungsplan viele Vorteile. Einsatzszenarien von Retain:
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
MehrPRODAS Professionelles Daten Analyse System. Daten. Wissen. Vorsprung.
PRODAS Professionelles Daten Analyse System Daten. Wissen. Vorsprung. PRODAS überzeugt durch Funktionalität Synergie für Sie PRODAS ist das professionelle Daten Analyse System für Ihre Qualitätssicherung
MehrSystemen im Wandel. Autor: Dr. Gerd Frenzen Coromell GmbH Seite 1 von 5
Das Management von Informations- Systemen im Wandel Die Informations-Technologie (IT) war lange Zeit ausschließlich ein Hilfsmittel, um Arbeitsabläufe zu vereinfachen und Personal einzusparen. Sie hat
MehrMobile BI and the Cloud
Mobile BI and the Cloud CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Mobile BI and the Cloud Evolution von Business Intelligence Cloud Computing: auf das Cloud-Modell
MehrW.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)
Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,
MehrBILFINGER INDUSTRIAL MAINTENANCE DAS NEUE BILFINGER MAINTENANCE CONCEPT BMC
BILFINGER INDUSTRIAL MAINTENANCE DAS NEUE BILFINGER MAINTENANCE CONCEPT BMC Bilfinger Industrial Maintenance WE MAKE MAINTENANCE WORK Bilfinger ist mit sechs Divisionen im Geschäftsfeld Industrial einer
MehrMehr Interaktion! Aber einfach und schnell!
Mehr Interaktion! Aber einfach und schnell! Dirk Böning-Corterier, Oliver Meinusch DB Systel GmbH Frankfurt am Main Schlüsselworte Interaktion, Umfrage, Wand, Impulse, Voting, Abfrage, APEX Einleitung
MehrAlbert HAYR Linux, IT and Open Source Expert and Solution Architect. Open Source professionell einsetzen
Open Source professionell einsetzen 1 Mein Background Ich bin überzeugt von Open Source. Ich verwende fast nur Open Source privat und beruflich. Ich arbeite seit mehr als 10 Jahren mit Linux und Open Source.
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
MehrSUMMARY. 1. Wer wir sind 2. Der ExcelNova «Value Add» 3. Referenzen aus dem Kundenportfolio 4. Fachwissen & Kompetenzen 5. Produkte und Angebote
1. Wer wir sind 2. Der ExcelNova «Value Add» 3. Referenzen aus dem Kundenportfolio 4. Fachwissen & Kompetenzen 5. Produkte und Angebote SUMMARY Wer wird sind ExcelNova entwickelt Lösungen basierend auf
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
MehrMHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement!
MHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement! Business Solutions 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda
MehrCloud-Computing. Selina Oertli KBW 28.10.2014
2014 Cloud-Computing Selina Oertli KBW 0 28.10.2014 Inhalt Cloud-Computing... 2 Was ist eine Cloud?... 2 Wozu kann eine Cloud gebraucht werden?... 2 Wie sicher sind die Daten in der Cloud?... 2 Wie sieht
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
MehrCloud Computing Top oder Flop? 17. November 2010
Cloud Computing Top oder Flop? 17. November 2010 DI Thomas Gradauer, Head of Presales-Consulting Raiffeisen Informatik ITSM-Beratung Raiffeisen BANK AVAL 16.10.2009 1 Agenda Raiffeisen Informatik Medienspiegel
Mehr1.3 MDM-Systeme KAPITEL 1 ZAHLEN UND FAKTEN
KAPITEL ZAHLEN UND FAKTEN.3 MDM-Systeme MDM-Systeme sind in Unternehmen und Organisationen noch nicht flächendeckend verbreitet, ihr Einsatz hängt unmittelbar mit dem Aufbau von mobilen Infrastrukturen
MehrHerausforderungen des Enterprise Endpoint Managements
Herausforderungen des Enterprise Endpoint Managements PPPvorlage_sxUKMvo-05.00.potx santix AG Mies-van-der-Rohe-Straße 4 80807 München www.santix.de santix AG Herausforderungen 09.10.2013 Herausforderungen
MehrBusiness Analytics im E-Commerce
Business Analytics im E-Commerce Kunde, Kontext und sein Verhalten verstehen für personalisierte Kundenansprache Janusz Michalewicz CEO Über die Firma Crehler Erstellung von Onlineshops Analyse von Transaktionsdaten
Mehrbima -Studie 2012: Schwerpunkt Personalcontrolling
è bima -Studie 2012: Schwerpunkt Personalcontrolling Zusammenfassung Steria Mummert Consulting AG è Wandel. Wachstum. Werte. bima -Studie 2012: Schwerpunkt Personalcontrolling Datum: 20.09.12 Team: Björn
MehrWebcast-Serie IT Transformation in die Cloud, Teil 1. Public Cloud - mit Best-Practice-Beispiel hetras GmbH - Henning von Kielpinski, ConSol* GmbH
Webcast-Serie IT Transformation in die Cloud, Teil 1 Public Cloud - mit Best-Practice-Beispiel hetras GmbH - 24.01.2013 Henning von Kielpinski, ConSol* GmbH Inhalt Kurze Vorstellung ConSol* GmbH Übersicht
MehrMehrWert durch IT. REALTECH Assessment Services für SAP Kosten und Performance Optimierung durch Marktvergleich
MehrWert durch IT REALTECH Assessment Services für SAP Kosten und Performance Optimierung durch Marktvergleich REALTECH Consulting GmbH Hinrich Mielke Andreas Holy 09.10.2014 Unschärfen bei typischem Benchmarking
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrWeb-Marketing und Social Media
Web-Marketing und Social Media Trends & Hypes Stephan Römer 42DIGITAL GmbH Web-Marketing und Social - stephan.roemer@42digital.de - Berlin, 05/2013 - Seite 1 K u r z v i t a Studierter Medieninformatiker
MehrAnalyse zum Thema: Laufzeit von Support-Leistungen für ausgewählte Server OS
Analyse zum Thema: Laufzeit von Support-Leistungen für Axel Oppermann Advisor phone: +49 561 506975-24 mobile: +49 151 223 223 00 axel.oppermann@experton-group.com Januar 2010 Inhalt Summary und Key Findings
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrIntelligent Traveller Early Situation Awareness itesa
Intelligent Traveller Early Situation Awareness itesa Dr. Martin Skorsky, Senior Researcher 22. Juni 2015 1 1 Intelligent Traveller Early Situation Awareness Automatischen Alarmsystems, das Reisende in
MehrData Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
MehrNeue Ideen für die Fonds- und Asset Management Industrie
Neue Ideen für die Fonds- und Asset Management Industrie 1 Operative Beratung Strategische Beratung Wir beraten Sie in strategischen Fragen und überlassen nichts dem Zufall. Unsere zielgerichteten Tools
MehrSocial Media Analytics. Intuitive Erfolgsmessung in sozialen Netzwerken.
Social Media Analytics Intuitive Erfolgsmessung in sozialen Netzwerken. Quick Facts socialbench. Analyse, Auswertung und Management von Social Media-Profilen seit 2011. Das Unternehmen 400+ Kunden. 30
MehrSDD System Design Document
SDD Software Konstruktion WS01/02 Gruppe 4 1. Einleitung Das vorliegende Dokument richtet sich vor allem an die Entwickler, aber auch an den Kunden, der das enstehende System verwenden wird. Es soll einen
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
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
MehrInfor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr
Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können
MehrBerichte für Domino-Infrastrukturen
Service-orientierte Auswertungen und Berichte für Domino-Infrastrukturen Geschäftsrelevante Betriebsinformationen White Paper www.hypersoft.com Hypersoft Informationssysteme GmbH, 2007 1 Einführung: Domino
Mehr