BigData Wie wichtig ist die Datenqualität bei der Analyse und Auswertung von großen Daten Praxisbeispiel. Christin Otto

Größe: px
Ab Seite anzeigen:

Download "BigData Wie wichtig ist die Datenqualität bei der Analyse und Auswertung von großen Daten Praxisbeispiel. Christin Otto"

Transkript

1 BigData Wie wichtig ist die qualität bei der Analyse und Auswertung von großen Praxisbeispiel Christin Otto

2 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen 2

3 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen. 3

4 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität jedoch trotzdem korrekt sein sollen. 4

5 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 5

6 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 6

7 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 7

8 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 8

9 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 9

10 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Bleibt häufig auf der Strecke jedoch trotzdem korrekt sein sollen. 10

11 Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von Informationen Anwendung der Informationen zum Fällen von Entscheidungen Big Data Dimensionen Masse Vielfalt Geschwindigkeit Sehr viele in unterschiedlichen Formaten die sich schnell vervielfältigen qualität Klappt das so einfach? jedoch trotzdem korrekt sein sollen. 11

12 Die flut Was ist eigentlich viel? Every two days now we create as much information as we did from the dawn of civilization up until Eric Schmidt

13 13

14 Was nicht passieren sollte 14

15 Praxisbeispiel Wirtschaftskriminalität Zeitnahe Analyse Großer zeitraum Compliance Management Laufende Kontrolle der entstehenden mengen auf Unregelmäßigkeiten und Verstöße Forensische analyse Analyse der in der Vergangenheit entstandenen mengen nach Bekanntwerden wirtschaftskrimineller Handlungen Aktuelle Aufdecken wirtschaftskrimineller Handlungen Strukturierte und unstrukturierte Nachweis der wirtschaftskriminellen Handlungen Vermeiden größerer Schäden Valide Analyse der Handlungsmuster zum Beheben der Schwachstellen Relevante 15

16 Bundeslagebild Wirtschaftskriminalität

17 Statistiken des Bundeskartellamts 17

18 Guidelines EU-Kartellverfahren Anforderung: Vollständige, korrekte und pünktliche Lieferung der Warum werden im Kartellverfahren angefragt? Sammlung quantitativer Informationen Preise, Umsatz, Kapazitäten Markteintritts- und Marktaustrittsentscheidungen Wozu werden diese Informationen verwendet? Darstellung der Marktsituation und der Wettbewerbsdynamiken im kartellrelevanten Zeitraum Grundlage für statistische Analysen Welche werden angefragt? zu Kosten, Aufträgen, Preisen, Absatz, Kapazitäten, Produkteigenschaften, Lieferungen, Kundeneigenschaften, Details zu Ausschreibungen und Angeboten, Geschäftsstrategien, Konkurrenten Welche quellen dürfen verwendet werden? Unternehmensinterne und von dritten Beteiligten aus der Fachpresse von unabhängigen Beratern/Gutachtern oder Studien 18

19 Guidelines EU-Kartellverfahren Probleme Wo finden sich die jeweils geforderten? Welche Systeme? Strukturierte/unstrukturierte? Trennung der relevanten von nicht relevanten? Wie können die extrahiert werden? mengen? Systeme (SAP- und weitere)? Verwendbare Formate Speicherung und Kapazitäten SOLLTE eigentlich jedes Unternehmen liefern können!!! Ist aber nicht der Fall: qualität Sind die tatsächlich vollständig und korrekt? Welche wurden genau wann, wie und wo erzeugt? Werden alle aufgezeichnet? Wo gibt es womöglich Lücken? 19

20 Beispiel: Vorgehen bei der Kartellanalyse Eingrenzung Einstieg mit eines Geschäftsjahrs Ausschließlich zu Verkäufen an deutsche Kunden Besonderheit: Unterscheidung in neues und gebrauchtes Material Kartellrelevanz Vorgabe und Differenzierung kartellrelevanter Produktgruppen Vorgabe konkret nicht kartellrelevanter Produktgruppen Ein Delta ist immer vorhanden Zuordnung Zuordnung der Produktpalette zur jeweiligen Produktgruppe (Basis: Artikeltext) SCHWIERIG! Knackpunkt qualität! Aufbau eines Thesaurus zur Beschreibung jeder Produktgruppe in ihrer Vielfalt Ziel Einordnung der in Fallklassen Verringerung der menge Erleichterung der Untersuchungsarbeit 20

21 Schwierigkeit: Zuordnung der Produktgruppen Semantische und syntaktische Ähnlichkeit Artikellisten, Handbücher Zuordnung der Produktgruppen mithilfe des Thesaurus Abkürzungen Phasenweise Erweiterung des Thesaurus Analyse der nicht zugeordneten Artikel Thesaurus Ergebnis: - menge zur weiteren Analyse je kartellrelevanter Produktgruppe - Thesaurus zur Anwendung auf weitere im kartellrelevanten Zeitraum 21

22 Vielen Dank für Ihre Aufmerksamkeit 22

Positionspapier Big Data

Positionspapier 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

SQL- & NoSQL-Datenbanken. Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken. Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken Speichern und Analysen von großen Datenmengen 1 04.07.14 Zitat von Eric Schmidt (Google CEO): There was 5 exabytes of information created between the dawn of civilization through

Mehr

Datenflut und Datenschutz - Rechtsfragen

Datenflut und Datenschutz - Rechtsfragen Der Bayerische Landesbeauftragte für den Datenschutz - Rechtsfragen Deutscher Ethikrat 21.05.2015 Datenflut -Big Data im Gesundheitsbereich Big Data beschreibt aktuelle technische Entwicklungen, die die

Mehr

Prof. Dr.-Ing. Rainer Schmidt 1

Prof. 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

Mehr

Scanner Daten: Von der derzeitigen Praxis zu Empfehlungen

Scanner Daten: Von der derzeitigen Praxis zu Empfehlungen Scanner Daten: Von der derzeitigen Praxis zu Empfehlungen Dr. Berthold Feldmann Eurostat C4 Preisstatistik; Kaufkraftparitäten; Wohnungsstatistik Struktur des Vortrags Hintergrund Abgedeckte Produktgruppen

Mehr

Stefan Stoll. über... Die (R)Evolutionären Auswirkungen von Mobile, Social & Big Data. Chancen und Herausforderungen für Ihr Geschäftsmodell

Stefan Stoll. über... Die (R)Evolutionären Auswirkungen von Mobile, Social & Big Data. Chancen und Herausforderungen für Ihr Geschäftsmodell Stefan Stoll über... Die (R)Evolutionären Auswirkungen von Mobile, Social & Big Data Chancen und Herausforderungen für Ihr Geschäftsmodell Die Digitalisierung verändert Unternehmen, deren Geschäftsmodelle,

Mehr

Begrüßung und Keynote

Begrüßung und Keynote MPM PERFORMANCE PUBLISHING SYMPOSIUM Begrüßung und Keynote Mainz, 25. November 2014 Philipp Mann mpm Corporate Communication Solutions 1 Herzlich willkommen! mpm Corporate Communication Solutions 2 mpm

Mehr

FORSCHUNG FÜR EINE MOBILE ZUKUNFT

FORSCHUNG FÜR EINE MOBILE ZUKUNFT FORSCHUNG FÜR EINE MOBILE ZUKUNFT DRESDEN Big Data & Open Data Chancen im Semantischen Web für die Integration von Informationen in das Unternehmensumfeld André Rauschert Fraunhofer Institut für Verkehr-

Mehr

BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE. make connections share ideas be inspired. Wolfgang Schwab SAS D

BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE. make connections share ideas be inspired. Wolfgang Schwab SAS D make connections share ideas be inspired BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE Wolfgang Schwab SAS D Copyright 2013, SAS Institute Inc. All rights reserved. BIG DATA: BEDROHUNG ODER CHANCE?

Mehr

Umsetzung der Anforderungen - analytisch

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

Mehr

Strategische Entscheidungen in KMU. Walter Hügle Paul Flachskampf 8. Februar 2007 Stuttgart

Strategische Entscheidungen in KMU. Walter Hügle Paul Flachskampf 8. Februar 2007 Stuttgart Strategische Entscheidungen in KMU Walter Hügle Paul Flachskampf 8. Februar 2007 Stuttgart Agenda Die Hugger GmbH eine kurze Vorstellung Strategische Entscheidungen Einsame Entscheidungen Fallbeispiel

Mehr

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is. ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der

Mehr

INS Engineering & Consulting AG

INS Engineering & Consulting AG INS Engineering & Consulting AG INS Präsentation «Auslagerung von Dienstleistungen im KMU-Umfeld» 11. Juni 2015 Seite 0 Agenda Begrüssung & Vorstellung Was macht KMUs einzigartig? Was sind Gründe für eine

Mehr

Dr. Stefan Wess, Geschäftsführer

Dr. Stefan Wess, Geschäftsführer Dr. Stefan Wess, Geschäftsführer Wirtschaftliche Aspekte der Suchtechnologie: Es geht um (viel) mehr als (nur) Die richtige Information zur richtigen Zeit bei der richtigen Person 4 Dr. Stefan Wess 11.

Mehr

Produktionsbearbeitung. Reklamationsbearbeitung

Produktionsbearbeitung. Reklamationsbearbeitung Warenwirtschaft Verkauf Einkauf Produktionsbearbeitung Lagerverwaltung Reklamationsbearbeitung Wenn Sie Fragen haben dann rufen Sie uns an, wir helfen Ihnen gerne weiter: OFFICE Telefon: 05765 / 942620

Mehr

Handbuch Datenpunktliste - Auswerte - Tools

Handbuch Datenpunktliste - Auswerte - Tools Handbuch Datenpunktliste - Auswerte - Tools zur Bearbeitung von Excel Datenpunktlisten nach VDI Norm 3814 für Saia PCD Systeme alle Rechte bei: SBC Deutschland GmbH Siemensstr. 3, 63263 Neu-Isenburg nachfolgend

Mehr

Anti-Fraud Management und Corporate Governance im Mittelstand

Anti-Fraud Management und Corporate Governance im Mittelstand Christine Butscher Anti-Fraud Management und Corporate Governance im Mittelstand Risiken, Erklärungsansätze, Gestaltungsvorschläge Metropolis-Verlag Marburg 2014 Das diesem Beitrag zugrunde liegende Vorhaben

Mehr

Buchungsleitfaden Jahresabschluss nach 4 Abs.3 EStG

Buchungsleitfaden Jahresabschluss nach 4 Abs.3 EStG Buchungsleitfaden Jahresabschluss nach 4 Abs.3 EStG Abgrenzung von Forderungen und Verbindlichkeiten Inhaltsverzeichnis Buchungsleitfaden... 1 1 Forderungen aus Lieferungen und Leistungen... 1 1.1 Ist

Mehr

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

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

Mehr

The English Tenses Die englischen Zeitformen

The English Tenses Die englischen Zeitformen The English Tenses Die englischen Zeitformen Simple Present (Präsens einfache Gegenwart) Handlungen in der Gegenwart die sich regelmäßig wiederholen oder einmalig geschehen I go you go he goes she goes

Mehr

Neue Ideen aus Berlin zur Korruptionsbekämpfung Was die Pläne des Gesetzgebers für die Compliance-Arbeit im Unternehmen bedeuten

Neue Ideen aus Berlin zur Korruptionsbekämpfung Was die Pläne des Gesetzgebers für die Compliance-Arbeit im Unternehmen bedeuten Neue Ideen aus Berlin zur Korruptionsbekämpfung Was die Pläne des Gesetzgebers für die Compliance-Arbeit im Unternehmen bedeuten LexisNexis Compliance Solutions Day, 24. Juni 2015 Jörg Bielefeld Seite

Mehr

Das Multidimensionale Datenmodell

Das Multidimensionale Datenmodell Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension

Mehr

Haushaltstellen bewirtschaften

Haushaltstellen bewirtschaften Haushaltstellen bewirtschaften Version: 06.03.2011, Bearbeiter: Klopfer Grundsätzliches Das PVS bildet das kameralistische Personalhaushaltsverfahren ab dabei werden jedem Bediensteten eine oder mehrere

Mehr

ISBN: 978-3-448-08743-7 Bestell-Nr. 00196-0004

ISBN: 978-3-448-08743-7 Bestell-Nr. 00196-0004 Bibliografische Information Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Seminar: Multimediale Informationssysteme

Seminar: Multimediale Informationssysteme Seminar: Multimediale SQL/MM SQL Multimedia and Application Packages Christian Müller 12.07.2002 SQL/MM: Übersicht Übersicht 1 Einleitung 2 Full Text 3 Spatial 4 Still Image 5 Zusammenfassung 2 SQL/MM:

Mehr

Erfolgreich handeln mit Optionen

Erfolgreich handeln mit Optionen Erfolgreich handeln mit Optionen INHALT 01 GRUNDLAGEN VON 05 OPTIONEN 02 GRIECHEN 13 Delta 14 Gamma 18 Vega 21 Theta 24 03 VOLATILITÄT 27 Historische Volatilität 29 Implizite Volatilität 31 Volatility

Mehr

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

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Content Management Datenbanken, Schnittstellen

Content Management Datenbanken, Schnittstellen Unterschiedlichste Informationen übersichtlich organisiert sypress Content Management Systemgruppe sypress bietet Ihnen Produkt oder Themen bezogen die Verwaltung beliebiger Inhalte. Die Speicherung erfolgt

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

Newsletter LogiKal 8.1

Newsletter LogiKal 8.1 Newsletter LogiKal 8.1 2013 by ORGADATA AG Alle Rechte vorbehalten. Jede Vervielfältigung dieses Handbuches wird strafrechtlich verfolgt. Die Rechte an der Dokumentation liegen bei ORGADATA Software-Dienstleistungen

Mehr

Barrierefreies Internet mit Content-Management-Systemen am Beispiel des CMS Papoo. Carsten Euwens. Erstellung BITV konformer Internetseiten

Barrierefreies Internet mit Content-Management-Systemen am Beispiel des CMS Papoo. Carsten Euwens. Erstellung BITV konformer Internetseiten Carsten Euwens Erstellung BITV konformer Internetseiten Welche Möglichkeiten bietet dabei das CMS Papoo Was kann Papoo ohne Benutzereingriff Wobei kann Papoo den Seitenersteller/Redakteur unterstützen

Mehr

Herausforderung SAM Lösung. Erfahrungsbericht SAM-Projekt

Herausforderung SAM Lösung. Erfahrungsbericht SAM-Projekt Herausforderung SAM Lösung Erfahrungsbericht SAM-Projekt Leica Geosystems Eine Geschichte globaler Innovation Leica Geosystems ist weltweit führend bei Lösungen und Technologien zur Erfassung und Verarbeitung

Mehr

Redaktionelles Arbeiten auf Basis von Big-Data Methoden aus der Rundfunk/Fernseh-Perspektive

Redaktionelles Arbeiten auf Basis von Big-Data Methoden aus der Rundfunk/Fernseh-Perspektive Redaktionelles Arbeiten auf Basis von Big-Data Methoden aus der Rundfunk/Fernseh-Perspektive Institut für Rundfunktechnik, 17. Februar 2014 Norbert Pillmayer, BU-Leiter Software Solutions, NorCom Information

Mehr

automatische Filialdisposition: Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015

automatische Filialdisposition: Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015 : Mit dem Bedarf von morgen heute bestellen Köln, 08.07.2015 Agenda Einleitung Projektkonzept Einblick Buisness Case 2 2015: Trends in der IT Am Anfang steht der Buisness Case Software as a Service Predictive

Mehr

partners Monitoring Trends, Märkte, Technologien

partners Monitoring Trends, Märkte, Technologien partners > Monitoring Trends, Märkte, Technologien seite 02 Monitoring Trends, Märkte, Technologien Vorteile für den Klienten Kontinuierliche Informationen über Trends, Märkte, Technologien dienen als

Mehr

Checkliste Identifizierung Zielkunden oder neue Lieferanten mod21 11/2015

Checkliste Identifizierung Zielkunden oder neue Lieferanten mod21 11/2015 Checkliste Identifizierung Zielkunden oder neue Lieferanten mod21 11/2015 Dies ist ein Leitfaden zum systematischen Vorgehen bei der Identifizierung neuer Kunden oder Lieferanten im Rahmen der Vertriebs-

Mehr

Kommunikation, Kooperation und Arbeitsteilung

Kommunikation, Kooperation und Arbeitsteilung Ökonomen vs. Juristen: Probleme der Kommunikation, Kooperation und Arbeitsteilung Wolfgang Kerber, Universität Marburg IWR / IfG: Ökonomie vor Kartellgerichten und -behörden (Münster, 26.1.2012) Einleitung

Mehr

Fragen und Antworten

Fragen und Antworten Fragen und Antworten im Umgang mit dem elektronischen Abfallnachweisverfahren eanv in Bezug auf die ZKS-Abfall -Allgemeine Fragen- www.zks-abfall.de Stand: 19.05.2010 Einleitung Auf den folgenden Seiten

Mehr

SAS Metadatenmanagement Reporting und Analyse

SAS Metadatenmanagement Reporting und Analyse SAS Metadatenmanagement Reporting und Analyse Melanie Hinz mayato GmbH Am Borsigturm 9 Berlin melanie.hinz@mayato.com Zusammenfassung Metadaten sind seit Version 9 ein wichtiger Bestandteil von SAS. Neben

Mehr

Big Data Projekte richtig managen!

Big Data Projekte richtig managen! Big Data Projekte richtig managen! Stuttgart, Oktober 2014 Praktische Herausforderungen eines Big Data Projektes Definition: Was ist Big Data? Big data is a collection of data sets so large and comple

Mehr

Leistungen für. Adress- und Kontaktmanagement. Büroorganisation. Vertrieb und Service. Direktmarketing

Leistungen für. Adress- und Kontaktmanagement. Büroorganisation. Vertrieb und Service. Direktmarketing Leistungen für Adress- und Kontaktmanagement Büroorganisation Vertrieb und Service Direktmarketing Dieses Dokument beschreibt lediglich einen Auszug der Leistungen von cobra Adress PLUS. Für weitere Informationen

Mehr

Einfaches, integriertes Projektmanagement mit Standard-Tools effizient planen und umsetzen

Einfaches, integriertes Projektmanagement mit Standard-Tools effizient planen und umsetzen Einfaches, integriertes Projektmanagement mit Standard-Tools effizient planen und umsetzen von Dipl.-Ing. Christian Eichlehner Eines der Kernelemente zur erfolgreichen Projektabwicklung ist eine gute Strukturierung

Mehr

Roadmap Themen 2014/ 2015

Roadmap Themen 2014/ 2015 Roadmap Themen 2014/ 2015 Materialwirtschaft- MDE CRM Variable Reiter/ Felder Import C-Welt CRM Variable Felder an Person Service Supporter Workshop Zuordnung verbautes Material Support Support Projekte

Mehr

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

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

Mehr

Möglichkeiten für bestehende Systeme

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

Mehr

SDD System Design Document

SDD 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

Mehr

Einarbeitungskonzept. Best Practice Erfolgreiche QM-Projekte. Dipl.-Sportwissenschaftlerin Therapieleitung Qualitätsmanagement. Qualitätsmanagement

Einarbeitungskonzept. Best Practice Erfolgreiche QM-Projekte. Dipl.-Sportwissenschaftlerin Therapieleitung Qualitätsmanagement. Qualitätsmanagement Best Practice Erfolgreiche QM-Projekte Einarbeitungskonzept Dipl.-Sportwissenschaftlerin Therapieleitung Qualitätsmanagement 8.11.2013 Qualitätsmanagement 1 RehaZentrum Bremen Gründung: 2001 Rehafläche:

Mehr

EPUB. InDesign. E-Book. E-Books aus InDesign CC XHTML CSS. Reflowable. Fixed Layout. 11. September 2013 swiss publishing days

EPUB. InDesign. E-Book. E-Books aus InDesign CC XHTML CSS. Reflowable. Fixed Layout. 11. September 2013 swiss publishing days E-Book InDesign EPUB XHTML CSS Fixed Layout Reflowable E-Books aus InDesign CC 11. September 2013 swiss publishing days Kontakt: Folien: gregor.fellenz@publishingx.de http://www.publishingx.de/dokumente

Mehr

Formatbeschreibung Barcodelisten

Formatbeschreibung Barcodelisten Formatbeschreibung Barcodelisten Version 1.4 erstellt von: Georg Weiß LOOK4 COMPANY GmbH Klarastraße 34 79106 Freiburg am: 15.03.2007 Letzte Änderung im Format: Letzte Überarbeitung der Beschreibung: 16.05.2007

Mehr

Wie wir kommen nicht (so schnell) an unsere Daten ran?

Wie wir kommen nicht (so schnell) an unsere Daten ran? Wie wir kommen nicht (so schnell) an unsere Daten ran? Damit Backups bei kartellrechtlichen und internen Untersuchungen nicht zum Problem werden. Helmut Sauro, Senior Consultant Was wir tun Wir sind spezialisiert

Mehr

Autodiebstahl war gestern! Wirtschaftskriminalität in Leasingunternehmen

Autodiebstahl war gestern! Wirtschaftskriminalität in Leasingunternehmen Autodiebstahl war gestern! Wirtschaftskriminalität in Leasingunternehmen Competence Center Fraud Risk Compliance Köln, 25. November 2015 Agenda Einführung/Vorstellung Wirtschaftskriminelle Handlungsmuster

Mehr

German Chapter of the ACFE e.v. Wir über uns. Stärken und Möglichkeiten des deutschen Fachverbands zur Bekämpfung von Wirtschaftskriminalität

German Chapter of the ACFE e.v. Wir über uns. Stärken und Möglichkeiten des deutschen Fachverbands zur Bekämpfung von Wirtschaftskriminalität German Chapter of the ACFE e.v. Wir über uns Stärken und Möglichkeiten des deutschen Fachverbands zur Bekämpfung von Wirtschaftskriminalität German Chapter of the Association of Certified Fraud Examiners

Mehr

Aufgaben des strategischen Controlling

Aufgaben des strategischen Controlling Aufgaben des strategischen Controlling -Informationsfunktion -Bereitstellung von Methodenwissen -Führungsfunktion -Koordinationsfunktion -Anstoß- und Veränderungsfunktion Im Zentrum des operativen Controlling

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung

Mehr

myfactory.go! - Verkauf

myfactory.go! - Verkauf Tutorial: Belegfluss im myfactory Verkauf Belegarten und ihre Nutzung Achten Sie darauf, ausgehend vom ersten erstellten Kundenbeleg, einen durchgehenden Belegfluss einzuhalten. So stellen Sie die ordnungsgemäße

Mehr

Universität Würzburg

Universität Würzburg Universität Würzburg 600 Jahre akademische Tradition Vo m e- zum i-procurement Prof. Dr. R. Thome Lehrstuhl für Betriebswirtschaft und Wirtschaftsinformatik Wirtschaftsinformatik und Logistik Tauschgeschäfte

Mehr

Übung Datenbanksysteme

Übung Datenbanksysteme Übung Datenbanksysteme Martin Reifberger Übungsaufgabe 1 Sachverhalt: Ein mittelständiges Industrieunternehmen möchte sein Auftragswesen datenbankbasiert organisieren, da die tägliche Flut auflaufender

Mehr

BIG DATA Die Bewältigung riesiger Datenmengen

BIG DATA Die Bewältigung riesiger Datenmengen BIG DATA Die Bewältigung riesiger Datenmengen Peter Mandl Institut für Geographie und Regionalforschung der AAU GIS Day 2012, 13.11.2012, Klagenfurt Was sind BIG DATA? Enorm große Datenmengen, Datenflut

Mehr

Best Practice bei Botanica. SAP Business One die Standardlösung für KMU

Best Practice bei Botanica. SAP Business One die Standardlösung für KMU Best Practice bei Botanica SAP Business One die Standardlösung für KMU Agenda Game Set Match. Und zwei Gewinner! Vom Bedürfnis bis zur Offerte Ausschreibung, Verhandlung & Unterschrift Projektumsetzung

Mehr

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers.

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers. Business und IT. Ein Team. Aus Sicht eines Retailers. Hier steht ein Bild randabfallend. Wenn kein Bild vorhanden ist, bitte Folie 2 benutzen. IT-Services Club of Excellence. Das CIO Forum der IBM vom

Mehr

Elektronischer Rechnungsaustausch im Kontext von Umsatzsteuer, GoBD & Compliance

Elektronischer Rechnungsaustausch im Kontext von Umsatzsteuer, GoBD & Compliance Elektronischer Rechnungsaustausch im Kontext von Umsatzsteuer, GoBD & Compliance Stefan Groß Steuerberater CISA (Certified Information Systems Auditor) E-Rechnung, Umsatzsteuer, GoBD & Compliance 2 Die

Mehr

Mobile Anwendungen (Bring Your Own Device) RA Dr. Jan K. Köcher Syndikus, Datenschutzbeauftragter, Datenschutzauditor (TÜV)

Mobile Anwendungen (Bring Your Own Device) RA Dr. Jan K. Köcher Syndikus, Datenschutzbeauftragter, Datenschutzauditor (TÜV) Mobile Anwendungen (Bring Your Own Device) RA Dr. Jan K. Köcher Syndikus, Datenschutzbeauftragter, Datenschutzauditor (TÜV) Zu unterscheiden... Bring Your Own Device (BYOD) Arbeitsmittel im Eigentum des

Mehr

Security Information und Event Management (SIEM) erweiterte Sicherheitsanforderungen bei wachsender Datenflut

Security Information und Event Management (SIEM) erweiterte Sicherheitsanforderungen bei wachsender Datenflut TWINSOF T Security Information und Event Management (SIEM) erweiterte Sicherheitsanforderungen bei wachsender Datenflut 05.06.2013 GI Themenabend BIG DATA: Matthias Hesse, Twinsoft Ablauf 1. Wer ist denn

Mehr

LC Systems. Christian Günther Head of Data Analytics

LC Systems. Christian Günther Head of Data Analytics LC Systems Christian Günther Head of Data Analytics Agenda» Kurzvorstellung LC Systems» Verständnis «Big Data» aus der Sicht LC Systems» Best Practice Ansätze Do s and dont s» Projektbeispiele 2 Über LC

Mehr

Easyline 8 Auswertungen... 2

Easyline 8 Auswertungen... 2 EasyLine 2010 Inhaltsverzeichnis Easyline 8 Auswertungen... 2 8.1 Vertreterprovision... 2 8.1.1 Abrechnung erstellen... 2 8.1.2 Abrechnung mutieren... 2 8.1.3 Abrechnung drucken... 3 8.1.3.1 PrintScreen...

Mehr

Semantic Web Technologies I

Semantic Web Technologies I Semantic Web Technologies I Lehrveranstaltung im WS11/12 Dr. Elena Simperl PD Dr. Sebastian Rudolph M. Sc. Anees ul Mehdi Ontology Engineering Dr. Elena Simperl XML und URIs Einführung in RDF RDF Schema

Mehr

MDM: Mobilitäts Daten Marktplatz

MDM: Mobilitäts Daten Marktplatz SYMPOSIUM und EXPO Angewandte Geoinformatik Salzburg, 8. 10. Juli 2015 MDM: Dr. Lutz Rittershaus Künftige Herausforderungen an Mobilitätsinformationen durch Vielfalt an Kommunikationswegen zu den Verkehrsteilnehmern

Mehr

Die Entwicklung eines Glossars (oder eines kontrollierten Vokabulars) für ein Unternehmen geht üblicherweise in 3 Schritten vor sich:

Die Entwicklung eines Glossars (oder eines kontrollierten Vokabulars) für ein Unternehmen geht üblicherweise in 3 Schritten vor sich: Glossare 1 Inhalt 1 Inhalt... 1 2 Prozesse... 1 3 Eine kleine Zeittabelle...... 1 4 Die ersten Schritte... 2 5 Die nächsten Schritte...... 2 6 Die letzten Schritte... 3 7 Das Tool...... 4 8 Beispiele...

Mehr

Das Technologieprogramm Smart Data Überblick und Begleitforschung

Das Technologieprogramm Smart Data Überblick und Begleitforschung Das Technologieprogramm Smart Data Überblick und Begleitforschung INFORMATIK Prof. Dr. Dr. h.c. Stefan Jähnichen, Prof. Dr. Christof Weinhardt, Dr. Alexander Lenk (FZI) Alexander Rabe (GI), Daniel Krupka

Mehr

Kundendaten als wichtige Quelle für das Wissensmanagement

Kundendaten als wichtige Quelle für das Wissensmanagement Kundendaten als wichtige Quelle für das Wissensmanagement Dr. Andreas Brandner, Geschäftsführer KMA Knowledge Management Associates GmbH Wien, 22. November 2013 Was ist Wissen? Die Säule des Wissens, Helmut

Mehr

Content Management. Systeme. 15.05.2002 Irina Fröse

Content Management. Systeme. 15.05.2002 Irina Fröse Content Management Systeme 15.05.2002 Irina Fröse Was ist ein Content Management-System? Content Management ist ein Prozess, der von der Erstellung bis zur Präsentation der Inhalte reicht. Content Management-System

Mehr

_Case Study Fraud-Quick-Check für eine renommierte Privatbank

_Case Study Fraud-Quick-Check für eine renommierte Privatbank _Case Study für eine renommierte Privatbank Verdeckte Gefahrenpotenziale und verschärfte regulatorische Vorgaben erfordern effektive Präventionsmaßnahmen gegen Betrugsdelikte Severn Consultancy GmbH, Hansa

Mehr

E-Bilanz-Services. Aufgrund der Rahmenbedingungen birgt das Thema die Gefahr, dass sich neben. Möglicher Handlungsbedarf in den Banken:

E-Bilanz-Services. Aufgrund der Rahmenbedingungen birgt das Thema die Gefahr, dass sich neben. Möglicher Handlungsbedarf in den Banken: E-Bilanz-Services 1 E-Bilanz-Services Für die Zukunft sind Unternehmen bekanntlich dazu verpflichtet, ihre Steuerbilanz sowie die Gewinn- und Verlustrechnung elektronisch an das Finanzamt zu übermitteln,

Mehr

Datei: AsGGL913.doc (Format von Word2000)

Datei: AsGGL913.doc (Format von Word2000) Datei: AsGGL913.doc (Format von Word2000) Schule: Gottfried-Leibniz-Gymnasium Chemnitz E-Mail: P.Weigert@t-online.de Autor/Ansprechpartner: Peter Weigert Quelle / Literaturhinweise: Eigene Entwicklung

Mehr

HIT Aspekte einer Migration Von Einzelplatz- zur automatisierten Workflow-Lösung MAN Nutzfahrzeuge AG Richard Sum, TDB HIT Aspekte einer Migration 07. Mai 2008 1 Gliederung Vorstellung MAN-TDB Aktueller

Mehr

Klasse aus Masse Big Data Analysen und die Suche bei DATEV

Klasse aus Masse Big Data Analysen und die Suche bei DATEV Klasse aus Masse Big Data Analysen und die Suche bei DATEV Thomas Geiger, DATEV eg Überblick Big Data Überblick Was heisst Suche und Big Data bei DATEV Statistische Korrelationen als Basis der Verbesserung

Mehr

Automatisch semantische Analyse von OP-Berichten werden damit tatsächlich Freiräume im Medizincontrolling geschaffen und Erlöse optimiert?

Automatisch semantische Analyse von OP-Berichten werden damit tatsächlich Freiräume im Medizincontrolling geschaffen und Erlöse optimiert? Automatisch semantische Analyse von OP-Berichten werden damit tatsächlich Freiräume im Medizincontrolling geschaffen und Erlöse optimiert? Christin Schatz, Patientenmanagement, Ethanium Heidelberg Markus

Mehr

Internet-Briefing. HTML5 Update. Namics. Jürg Stuker. CEO. Partner. Thomas Junghans. Frontend Engineer. 7. Juni 2011

Internet-Briefing. HTML5 Update. Namics. Jürg Stuker. CEO. Partner. Thomas Junghans. Frontend Engineer. 7. Juni 2011 Internet-Briefing. HTML5 Update. Namics. Jürg Stuker. CEO. Partner. Thomas Junghans. Frontend Engineer. 7. Juni 2011 Google stellt Google Apps auf HTML5 um... 7. Juni 2011 2 HTML5 Update. Internet Briefing.

Mehr

Wie Big Data (große Datenmengen) die Bereiche Datensicherung und Datenspeicherung verändert

Wie Big Data (große Datenmengen) die Bereiche Datensicherung und Datenspeicherung verändert I D C E X E C U T I V E B R I E F Wie Big Data (große Datenmengen) die Bereiche Datensicherung und Datenspeicherung verändert August 2012 Verfasst von Carla Arend Gesponsert von CommVault Einführung: Wie

Mehr

Data Mining-Projekte

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

Mehr

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

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

Mehr

Netzbetreiber als wichtige Datenlieferanten Erfahrung mit edi@energy Felix Korb, OFFIS Institut für Informatik

Netzbetreiber als wichtige Datenlieferanten Erfahrung mit edi@energy Felix Korb, OFFIS Institut für Informatik Netzbetreiber als wichtige Datenlieferanten Erfahrung mit edi@energy Felix Korb, OFFIS Institut für Informatik Berliner Energietage Erfahrungen mit edi@energy Netzbetreiber als wichtige Datenlieferanten

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine

Mehr

Datenexport mit orgamax

Datenexport mit orgamax Datenexport mit orgamax Diese Dokumentation beschäftigt sich mit den gängigsten Formen des Datenexports unter orgamax. Die hier vorgestellten Exporte beziehen sich auf orgamax 13. Arbeiten Sie mit einer

Mehr

Direktmarketing im Zentrum digitaler Vertriebsstrategien

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

Mehr

13 Anhang A: Erfüllung der Norm ISO 9000 durch HERMES

13 Anhang A: Erfüllung der Norm ISO 9000 durch HERMES 13 Anhang A: Erfüllung der Norm ISO 9000 durch Hinweis Einleitung Eine der wesentlichsten Grundlagen für die Qualitätssicherung in einem Unternehmen ist die Normenserie «ISO 9000», insbesondere ISO 9001:1994

Mehr

AUSGEZEICHNETE SOFTWARE FÜR IHR EINKAUFSCONTROLLING. Creactives-TSV. (Total Spending Visibility)

AUSGEZEICHNETE SOFTWARE FÜR IHR EINKAUFSCONTROLLING. Creactives-TSV. (Total Spending Visibility) AUSGEZEICHNETE SOFTWARE FÜR IHR EINKAUFSCONTROLLING Creactives-TSV (Total Spending Visibility) Globale Kostensenkungspotenziale schneller erkennen International tätige Unternehmen versuchen die Transparenz

Mehr

Handbuch Datenpunktliste - Auswerte - Tools

Handbuch Datenpunktliste - Auswerte - Tools Handbuch Datenpunktliste - Auswerte - Tools zur Bearbeitung von Excel Datenpunktlisten nach VDI Norm 3814 für Saia PCD Systeme alle Rechte bei: SBC Deutschland GmbH Siemensstr. 3, 63263 Neu-Isenburg nachfolgend

Mehr

2013-04-02 public Karsten Reincke, Deutsche Telekom AG : P&I, Darmstadt, Germany

2013-04-02 public Karsten Reincke, Deutsche Telekom AG : P&I, Darmstadt, Germany Es ist nicht das erste Mal, dass wir, die Deutsche Telekom, auf dem CeBIT Open Source Forum referieren. Und es ist auch nicht das erste Mal, dass wir uns hier dem Thema Compliance in Sachen Open Source

Mehr

Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012. Referent: Florian Kalisch (GR09)

Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012. Referent: Florian Kalisch (GR09) Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012 Referent: Florian Kalisch (GR09) Rückblick Aktueller Status Opinion Mining Einführung Einblicke Nächste

Mehr

MITsec. - Gelebte IT-Sicherheit in KMU - TÜV Thüringen Mit Sicherheit in guten Händen! IT - Sicherheitsforum Erfurt 2015 23.09.

MITsec. - Gelebte IT-Sicherheit in KMU - TÜV Thüringen Mit Sicherheit in guten Händen! IT - Sicherheitsforum Erfurt 2015 23.09. MITsec - Gelebte IT-Sicherheit in KMU - IT - Sicherheitsforum Erfurt 2015 23.09.2015 TÜV Thüringen Informationssicherheit Informationen sind das schützenswerte Gut ihres Unternehmens Definition: Eine Information

Mehr

SYSTEMTECHNISCHE UMSETZUNG VON KONZESSIONSÜBERNAHMEN

SYSTEMTECHNISCHE UMSETZUNG VON KONZESSIONSÜBERNAHMEN SYSTEMTECHNISCHE UMSETZUNG VON KONZESSIONSÜBERNAHMEN Einleitung Der Wettbewerb um Konzessionsgebiete ist aktuell und in Zukunft eines der treibenden Themen im Energiemarkt. Durch die verstärkte Neuvergabe

Mehr

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer Semantic Web Anwendungsbereiche & Entwicklungen Dr. Michael Granitzer - gefördert durch das Kompetenzzentrenprogramm Agenda Die Vision und warum das Semantic Web Sinn macht Grundlagen: Wissensrepräsentation

Mehr

Cross-Platform. Visualize. Innovate. IT-Lösungen und Services konsequent zu Ende gedacht!

Cross-Platform. Visualize. Innovate. IT-Lösungen und Services konsequent zu Ende gedacht! Cross-Platform. Visualize. Innovate. IT-Lösungen und Services konsequent zu Ende gedacht! UplinkIT ist ihr service- und technikstarker Partner, der Lösungen aus den Bereichen plattformunabhängiger Applikationen

Mehr

Das Informations-Cockpit für die Geschäftsführung Fileserver, Exchange, ERP, Sharepoint und mehr

Das Informations-Cockpit für die Geschäftsführung Fileserver, Exchange, ERP, Sharepoint und mehr Das Informations-Cockpit für die Geschäftsführung Fileserver, Exchange, ERP, Sharepoint und mehr Eduard Daoud Leiter Vertrieb, Marketing & Professional Service 2 interface projects GmbH 2015 Über uns Unternehmen

Mehr

MATERNA Beschwerde-Management-Check. Umsetzungsorientierte Bestandsaufnahme zum Beschwerde-Management in Versicherungen

MATERNA Beschwerde-Management-Check. Umsetzungsorientierte Bestandsaufnahme zum Beschwerde-Management in Versicherungen MATERNA Beschwerde-Management-Check Umsetzungsorientierte Bestandsaufnahme zum Beschwerde-Management in Versicherungen >> MATERNA Beschwerde-Management-Check Ist in Ihrer Versicherung die Einführung,

Mehr

TeamSphere. Die Geo-Wissensdatenbank. Entwickelt von

TeamSphere. Die Geo-Wissensdatenbank. Entwickelt von Entwickelt von Erhöhung der Beratungsqualität Die zentrale Verwaltung des Wissens aller Mitarbeiter und der schnelle Zugriff während des Kundengespräches ermöglicht eine neue Dimension in der Beratung.

Mehr

VerNetzen. Präsentation 12. BMBF-Forum für Nachhaltigkeit Melanie Degel. Netzwerk2_by_dagmar zechel_pixelio

VerNetzen. Präsentation 12. BMBF-Forum für Nachhaltigkeit Melanie Degel. Netzwerk2_by_dagmar zechel_pixelio VerNetzen Präsentation 12. BMBF-Forum für Nachhaltigkeit Melanie Degel Netzwerk2_by_dagmar zechel_pixelio 14.09.2015 1 Inhalt Projektziele und Hintergrund Vorgehensweise Zwischenergebnisse Ausblick Handlungsbedarf

Mehr

SLA - Service Level Agreement zwischen MeinSchreibservice.de und Freelancer ÜBERSETZUNG

SLA - Service Level Agreement zwischen MeinSchreibservice.de und Freelancer ÜBERSETZUNG SLA - Service Level Agreement zwischen MeinSchreibservice.de und Freelancer ÜBERSETZUNG DEFINITION Die Übersetzung beinhaltet die Übertragung eines Textes von der Ausgangssprache in die Zielsprache unter

Mehr