Hadoop 2: Big-Data-Projekte erfolgreich realisieren

Größe: px
Ab Seite anzeigen:

Download "Hadoop 2: Big-Data-Projekte erfolgreich realisieren"

Transkript

1 The unbelievable Machine Company GmbH Grolmanstr. 40, Berlin Tel Fax Hadoop 2:

2 01 Die zunehmende Digitalisierung der Gesellschaft in allen Bereichen ist für Unternehmen Chance und Herausforderung zugleich. Die Chance besteht in der Generierung vielfältiger Datenstränge, die Herausforderung darin, diese auch wirtschaftlich sinnvoll und erkenntnisorientiert zusammen zu führen und auszuwerten. Das unter der Bezeichnung Big Data bekannt gewordene Aufkommen großer Datenmengen benötigt für die Auswertung spezielle Technologien und Algorithmen, um sie auf Ergebnisse zu reduzieren, die der Wertschöpfungskette zugeführt werden können. Eine der etabliertesten Technologien zur Umsetzung von Big-Data-Projekten ist die Open- Source-Lösung Apache Hadoop. Alternativ dazu gibt es z.b. In-Memory-Datenbanken, die große Mengen strukturierter Daten halten und verarbeiten können. Problem hierbei: Unstrukturierte Daten wiederum können nicht ohne weiteres verarbeitet werden, zudem handelt es sich bei den meisten Alternativen um kostenintensive Lizenzprodukte. Auch für Data-Warehouse oder Business-Analytics-Lösungen, die Hadoop integrieren, fallen solche Lizenzkosten an. De facto ermöglicht die Open-Source-Lösung Apache Hadoop einen smarten, weil sehr kostengünstigen Einstieg in die enterprisefähige Big-Data-Welt. Daher lohnt es sich die Möglichkeiten, die sich für Unternehmen ergeben, etwas genauer unter die Lupe zu nehmen.

3 02 Was ist eigentlich Big Data? Mit dem Begriff Big Data werden laut Wikipedia Daten- Mengen bezeichnet, die zu groß, oder zu komplex sind, oder sich zu schnell ändern, um sie mit händischen und klassischen Methoden der Datenverarbeitung auszuwerten. Verwendet wird der Begriff aber auch für die Technologien, die zum Sammeln und Auswerten dieser Datenmengen eingesetzt werden. Verantwortlich für die Entstehung der Daten sind verschiedene gesellschaftliche und technologische Entwicklungen. Eine IDC-Studie1 aus dem Jahr 2011 beschäftigte sich intensiv mit diesem Phänomen und entwickelte daraus ein Modell für die weitere Entwicklung der Datenmengen. Demnach wird sich das weltweite Datenvolumen alle zwei Jahre verdoppeln. Grund dafür sind neue Datenquellen wie beispielsweise RFID, Ambient Intelligence, Smartphones oder Sensorik, die durch Daten aus der Telekommunikation und dem Social Web ergänzt werden. Alleine die weiter ansteigende Nutzung der Smartphones sorgt für ein kontinuierliches Wachstum der Datenberge. Always on bedeutet nicht nur, überall und jederzeit das Internet zur Verfügung zu haben, sondern auch, überall und jederzeit Daten zu produzieren. Daten etwa 90 Prozent ausmachen. Mit herkömmlichen Analyseverfahren lassen sich diese Daten jedoch nicht sinnvoll und performant auswerten. Hier kommen neue Technologien ins Spiel, die speziell für diese Herausforderung entwickelt wurden. Hadoop: Open-Source-Lösung für Big-Data-Analysen Die Anforderungen an eine Big-Data-Analyse- Lösung sind sehr unterschiedlich, so dass es dafür keine Standardlösung gibt, die Out-of-the-Box funktioniert. Etabliert haben sich daher modulare & skalierbare Frameworks, die sich je nach Situation an die Anforderungen eines Unternehmens anpassen lassen. Das aktuell etablierteste Framework ist die Open-Source-Lösung Hadoop. Sie basiert auf dem von Google eingeführten Programmiermodell MapReduce und wird beispielsweise von Facebook oder Yahoo! eingesetzt. Bei Yahoo! arbeitete mit Doug Cutting auch einer der beiden Entwickler von Hadoop. Zusammen mit Mike Cafarella entwickelte er das komplett in Java programmierte Framework ursprünglich für die Open- Source-Suchmaschine Nutch. Volume Variety Velocity Big Data wird durch die drei Vs charakterisiert: Beliebig große Datenmengen (Volume) mit beliebig strukturierten (Variety) und beliebig schnelllebigen Daten (Velocity) und Datenströmen. Neue Herausforderungen stellen vor allem die unstrukturierten Daten dar, die beispielsweise in Form von Text, Dokumenten, Bildern oder Videos vorkommen können. Laut der IDC-Studie aus dem Jahr 2011 soll ihr Anteil an allen in den nächsten 10 Jahren produzierten Hadoop bestand in der Version 1 mehrheitlich aus zwei Komponenten, dem MapReduce-Programmiermodell und dem Hadoop Distributed File System (HDFS). Während das MapReduce-Modell erlaubt, Daten in zwei Phasen zu verarbeiten, was die Basis paralleler Berechnungen auf distribuierten Rechenclustern ist, stellt HDFS das dafür benötigte hochperformante Dateisystem zur Speicherung großer Datenmengen auf mehreren Rechnern bereit.

4 03 Hadoop 2: Noch mehr Performance bei größerer Ausfallsicherheit Seit der Version1 von Hadoop haben sich die Anforderungen an das Big-Data-Framework dynamisch weiterentwickelt. Um die Performance & Verfügbarkeit noch weiter auszubauen, wurde mit YARN eine neue Architektur eingeführt, die Datenhaltung und Datenverarbeitung noch klarer voneinander trennt. Das MapReduce-Modell ist auch in Hadoop 2 noch anwendbar, ist aber nur noch eines von mehreren möglichen Interface- und Programmiermodellen. Zudem wurde die Ausfallsicherheit weiter erhöht. In Hadoop 2 können nun auch gesonderte Namensräume angesprochen werden, über die sich im Dateisystem verschiedene Bereiche für den Test- und Produktiveinsatz einrichten lassen. So können Veränderungen am Setup in einem sicheren Bereich getestet werden, ohne dass das Livesystem beeinträchtigt wird. Zudem sorgen Schnappschüsse für die Sicherung von einzelnen Verzeichnissen oder ganzen Verzeichnisbäumen. Außerdem gibt es neue Komponenten für Realtime- und In-Memory- Verarbeitung (wie Spark oder Drill). Als Fazit lässt sich festhalten, dass Hadoop in der Version 2 Enterprisereife erlangt hat und ein für jeden Anwendungsfall und jedes Servicelevel passendes Setup im Repertoire hat. Da Hadoop immer mehr Anwender in Unternehmen findet, sorgen Wrapper für Python, R & Co. sowie mehr und mehr SQL-Interfaces wie Hive, Impala und zukünftig Drill für Freiheit in der Wahl der Programmierschnittstelle zu den Daten. Darüber hinaus unterstützen immer zahlreicher werdende Software- und PaaS-Lösungen, die über eine funktionale und nutzerzentrierte Benutzeroberfläche die hohe Komplexität von Big- Data-Technologien reduzieren, Hadoop 2 und seine Komponenten. Eine solche Flexiblität kann nur durch Open Source gewährleistet werden. Das umfangreiche Hadoop-Ecosystem entfaltet sich immer mehr und bringt zahlreiche Dienste wie zum Beispiel Impala, Spark, Storm oder Mahout hervor. Nicht zuletzt dadurch erlangt Hadoop 2 eine Enterprisereife, die Investitionen in Big-Data-Lösungen schon heute zukunftsfähig machen.

5 04 Investitionen in Big Data steigen rasant Der Branchenverband der deutschen Informationsund Telekommunikationsbranche BITKOM legte im Frühjahr 2014 eine Marktprognose2 für den Bereich Big Data vor. Demnach wächst der Weltmarkt für Big Data rasant. Der globale Umsatz steigt im Jahr 2014 auf 73,5 Milliarden Euro, eine Steigerung von 66 Prozent im Vergleich zum Vorjahr. Dieser Trend wird auch weiter anhalten. Das zeigen die Berechnungen des IT-Marktforschungs- und Beratungsunternehmens Crisp Research, das die Prognose im Auftrag des BITKOM aufgestellt hat. Bis 2016 soll der Big-Data-Markt demnach jährlich um durchschnittlich 46 Prozent wachsen. Insgesamt soll sich der Markt innerhalb von fünf Jahren von 23,6 Milliarden Euro (2011) auf 160,6 Milliarden Euro (2016) versiebenfachen. Die größten Treiber sind dabei die so genannten datenbasierten Produkte und Analytics-Services, die 2014 um 64 Prozent auf weltweit 63,4 Milliarden Euro zulegen sollen. Zu diesem Teilbereich gehören auch viele Anwendungsfelder, die durch Big Data überhaupt erst möglich werden, beispielsweise sensorgesteuerte Informationssysteme für den Verkehr, intelligente Steuerungssysteme für Gebäude und Infrastruktur sowie Optimierungssysteme für den Handel und Serviceangebote für Consumerbereiche wie Lifestyle, Fitness und Gesundheit. Diese Zahlen zeigen die wachsende Bedeutung von Big Data und dessen zielgerichtete Auswertung. Der Einsatz entsprechender Lösungen findet mittlerweile in fast allen Branchen statt und wird mehr und mehr von der Unternehmensgröße entkoppelt. 11% 5% 27% 30% 31% % % 15% 15% 19% 58% investing or planning 64% investing or planning Haben in Big Data Technologie investiert Innerhalb der nächsten Jahre geplant Innerhalb von 2 Jahren geplant Keine Pläne in dieser Zeit Weiß nicht

6 05 Für wen eignet sich Hadoop? Big-Data-Lösungen auf der Basis von Hadoop eignen sich für Unternehmen aus allen Branchen, in denen größere Mengen Daten generiert werden. Die Unternehmensgröße spielt dabei keine wesentliche Rolle. Sobald es darum geht, Datenprodukte beliebiger Form zu kreieren, bietet sich Hadoop als Lösung an. Besonders im Fokus stehen internetaffine E-Business-Unternehmen, Startups und Konzerne, die Daten aus verschiedensten Quellen und mit unterschiedlichster Struktur vereinen und auswerten wollen. Dabei können beliebige interne Quellen wie Daten aus CRM- oder ERP-Systemen mit beliebigen externen Datenquellen, beispielsweise Daten aus Webdiensten, gebündelt und analysiert werden. Das Ziel ist dabei eine intelligente Verknüpfung der verschiedenen Datenstränge, die einzigartige Datenpools ergeben. In diesen Datenpools stecken bislang unentdeckte Erkenntnisse über: Kunden und Produkte, Marken, Märkte und Wettbewerber, Prozesse und Systeme, die in neue Prozesse, Applikationen und Services übersetzt werden können. Das Datenprodukt kann dabei unternehmensintern genutzt werden, aber auch eine externe Nutzung für B2C- oder B2B-Prozesse ist denkbar und möglich. HP und *um mit gemeinsamem Technologie-Stack Bei allen Big-Data-Lösungen werden hohe Anforderungen an die Hardware und die Software gestellt. Um hier eine ideale Verbindung herzustellen sind Hewlett Packard (HP) Deutschland und The unbelievable Machine Company (*um) eine strategische Partnerschaft eingegangen. HP liefert die auf die Anforderungen optimierte Hardware, welche *um unter Einsatz der Open-Source-Lösung Hadoop für die Umsetzung von Big-Data-Projekten ihrer Kunden nutzt. Es stehen dabei zwei unterschiedliche Produkte zur Verfügung: Managed Hadoop und Hadoop-as-a-Service.

7 06 Managed Hadoop Bei diesem Produkt handelt es sich um eine Hadoop- Cluster-Lösung mit dedizierter physikalischer Hardware. Die Referenzarchitektur von HP Deutschland und *um nutzt dafür HP Gen8 DL Server-Hardware und setzt auf eine dedizierte IT-Infrastruktur mit integrierten Firewall- Konzept und weiteren Sicherheitsmerkmalen. Die umfangreich getestete Referenzlösung ist optimal auf die hohen Anforderungen von Big-Data-Lösungen abgestimmt und bietet eine hohe Performance bei gleichzeitig hoher Ausfallsicherheit. Managed Hadoop bedeutet bei diesem Produkt, dass das komplette System entsprechend dem konkreten Anwendungsfall angepasst wird (zum Beispiel Auswahl und Anzahl der CPUs, RAM und Festplatten). Zudem wird der Betrieb in einem 24/7-Service rund um die Uhr per Monitoring überwacht. Im Falle eines Fehlers können so schnell geeignete Wiederherstellungsmaßnahmen eingeleitet werden. Betreut wird der komplette Stack von der Hardware bis zur Software mit beliebiger Distribution. *um HP Hadoop 2.0 Netzwerktopologie Internet Firewall Cluster Switch Cluste r Management Se rver Mgmt Services Namenode 1 and 2 + Failover Controller Resource Manager * Job History Server HDFS Server Datanode/Nodemanager 1, 2,3, 4 and N* Zookeeper 1,2 and 3 + Journalnode 1, 2 and 3

8 07 Hadoop-as-a-Service Dieses Paket besteht aus einem Hybrid-System, bei dem sowohl dedizierte Hadoop-Cluster als auch virtualisierte Cluster eingesetzt werden. Über ein einheitliches Client-Interface können Kunden jederzeit dynamisch Rechenressourcen und Hadoop-Systeme für beliebig große Datenmengen in der *umcloud hinzufügen. Auch Hadoop-as-a-Service wird mit einem 24/7-Service rund um die Uhr per Monitoring überwacht. Hadoop-as-a-Service trennt dedizierten Data Storage von cloud-basierten Hadoop-Clustern und kann nach Belieben skaliert werden. Das macht die Lösung für Big- Data-Anwendungen sehr dynamisch und gleichzeitig kosteneffizient. Das System ist zudem mehrfach redundant, hochverfügbar und sehr sicher. Für die Einhaltung der deutschen Datenschutzgesetze sorgen die mehrfach zertifizierten Rechenzentren mit ihren Standorten in Deutschland. Managed Hadoop oder Hadoop-as-a-Service? Die Anforderungen an eine Big-Data-Analyse-Lösung sind sehr unterschiedlich. Die konkreten Prozesse liegen zwischen permanentem Betrieb und zyklischer Abfrage im Wochen- oder Tagesrhythmus mit gleichbleibenden oder sehr variablen Datenmengen. Sollen die Ressourcen des Clusters permanent und mit einer maximalen Performance genutzt werden, so geht die Entscheidung tendenziell in Richtung Managed Hadoop. Computation I/O Data I/O Hadoop-as-a-service Elastic Compute Clusters Dedicated Storage Clusters *umcloud

9 08 Anwendungsbeispiel Medien Die Ausgangslage: Die Deutsche Welle produziert täglich neue Web-Videos und weitere Formate für das eigene Mediacenter. Diese Bewegtbildinhalte werden auf den führenden Online-Video-Plattformen (beispielsweise YouTube und Daily Motion) in verschiedenen Sprachkanälen veröffentlicht. Auch länderspezifische Plattformen wie tudou und youku werden beliefert. Problemstellung: Die Entwicklung der aktuell mehr als Videos auf allen Plattformen soll überwacht und mit Kenngrößen wie Nutzungszahlen, Likes oder Kommentaranzahl ausgezeichnet werden. Zielsetzung: Schaffung einer plattformübergreifenden Interface-Lösung, die alle benötigten Kenngrößen auf einen Blick anzeigt. Lösung: Eine Big-Data-Lösung auf der Basis von Hadoop und HBase fragt stündlich die Kenngrößen bei allen Plattformen ab und überträgt sie in ein browserbasiertes Interface. Hier können die Daten nach Bedarf von Mitarbeitern der Deutschen Welle eingesehen werden. Anwendungsbeispiel E-Commerce Die Ausgangslage: Im E-Commerce entstehen täglich riesige Datenmengen, die durch die Shopbesucher generiert werden. In vielen einzelnen Sessions werden Suchen getätigt, Navigationselemente genutzt, Artikel angesehen, Warenkörbe gefüllt, Bestellungen abgeschlossen oder Einkäufe abgebrochen. Zielgerichtete Auswertungen dieser Daten liefern beispielsweise Hinweise zur Optimierung des Shops oder machen verschiedene Trends sichtbar, wie die angesagtesten Produkte oder oft in Kombination gekaufte Artikel. Problemstellung: Online-Shops entwickeln sich zum Teil sehr rasant, so dass deren Infrastruktur schnell an ihre Grenzen stößt. Viele große E-Commerce-Angebote führen täglich umfangreiche Analysen ihrer Shopdaten durch und nutzen dafür die weniger frequentierten Zeiten in der Nacht. Bei der Verwendung traditioneller Datenbanken und Analysesysteme reicht ab einer gewissen Kundenzahl die Zeit nicht mehr aus. Zielsetzung: Die Analyse der Shopdaten soll zeitlich flexibler und schneller werden. Lautet die Herausforderung des Kunden dagegen, Analysen großer Datenmengen in regelmäßigen Abständen durchzuführen, so geht die Tendenz eher zu Hadoop-as-a-Service. Exemplarisch sei hier die Vorberechnung der Recommendations eines Online- Shops genannt, die einmal am Tag durchgeführt werden müssen. Lösung: Eine Hadoop-as-a-Service-Lösung mit einem dedizierten Datenspeicher und beliebig vielen virtuellen Hadoop-Clusterrechnern erledigt die Analyse innerhalb einer Stunde. Dabei werden die Daten aus der relationalen Datenbank in das Hadoopsystem importiert, dort analysiert und dann wieder zurück in die klassische Datenbank gespielt. Auf diese Weise wird das bestehende System nicht ersetzt, sondern sinnvoll ergänzt.

10 09 Anwendungsbeispiel: Industrie 4.0 Die Ausgangslage: Die Digitalisierung erreicht mehr und mehr die klassische Industrie und die Unternehmen stehen vor der Aufgabe, wie sie den Wandel zur intelligenten Fabrik umsetzen wollen. Da die Optimierung der Produktionsabläufe bezüglich der Materialien, der Maschinen und deren Laufzeiten oft schon ausgereizt wurde, lässt sich weiteres Potenzial nur über komplexe Analysen identifizieren. Eine detaillierte, prozessorientierte Betrachtung setzt hochperformante Systeme voraus, die mit großen Datenmengen umgehen können. Weitere Einsatzszenarien Hadoop-2-Systeme lassen sich in vielen weiteren Bereichen einsetzen. Überall dort, wo große Datenströme mit beliebig strukturierten Daten gebündelt und ausgewertet werden sollen, bietet sich ein Hadoop- Stack an. Denkbar sind unter anderem folgende Einsatzszenarien: Marketing: zentrales Datamanagement für beliebig strukturierte Daten aus Quellen wie Web Analytics, Social Media, Advertising, Campaigning. Problemstellung: Moderne Produktionsstraßen sind mit einer Vielzahl von Sensoren, Lichtschranken und anderen Datenquellen ausgestattet. Komplexe Produktionssysteme produzieren schnell mehrere tausend Datensätze pro Sekunde, die zudem unterschiedlich strukturiert sein können. Um diese Daten analysieren zu können, müssen sie zunächst gespeichert werden, was herkömmliche Datenbanksysteme schnell überfordert. Organisation: Echtzeitsysteme für Warenwirtschaft, Lagerhaltung, Versandabwicklung. Prozessoptimierung: Optimierung von Einzelprozessen innerhalb komplexer Produktionsketten. Handel: Absatzprognosen, Trendanalysen, Retargeting, Predictive Buying. Lösung: Hadoop 2 kann in Verbindung mit Real-Time Applications wie Spark oder Storm sehr große Datenmengen aufnehmen und in Echtzeit analysieren. Die Ergebnisse in Form von detaillierten Einblicken in den Gesamtprozess zeigen neue Potenziale für die Prozessoptimierung auf, beispielsweise für die Energieeffizienz. Internet of Things: Connected Cars, intelligente Verkehrsführung, Smarter City.

11 10 1 In welcher Branche bin ich/ist mein Unternehmen tätig? Medien/Werbung 5 Finance (Banken/ Versicherungen) 5 E-Commerce/ Retail (on-/offline) Industrie 4.0 Warenwirtschaft/Logistik Public Data 6 2 Wie groß ist mein Unternehmen? Kleinunternehmen Start-Up Mittelständler Konzern 4 3 Liegt ein datengetriebenes Geschäftsmodell vor? Empfehlung: Halten Sie die Marktentwicklung im Auge und werden Sie ggf. zu einem späteren Zeitpunkt aktiv. Nein Ja 4 Will mein Unternehmen in Big-Data-Projekte investieren? Nein Ja R.I.P 5 Habe ich große Mengen an Daten? Empfehlung: Klären Sie dringend, welche Datenflüsse und Informationen in Ihrem Unternehmen urbar gemacht werden können! Nein Ja

12 Empfehlung: Klären Sie dringend, welche Datenflüsse und Informationen in Ihrem Unternehmen urbar gemacht werden können! Nein Ja Hadoop 2: 11 6 Sind meine Daten gut zugänglich? Nein Ja 7 Sind meine Daten strukturiert oder unstrukturiert? Strukturiert Unstrukturiert 8 Will mein Unternehmen ein großes Budget in Big-Data-Technologien investieren? Empfehlung: Greifen Sie auf lizenzpflichtige Lösungen zurück (z.b. In-Memory- Lösungen) Ja Nein J 9 Habe ich bereits konkrete Fragestellungen/Analysekriterien? Nein Ja Empfehlung: Sprechen Sie dringend mit einem Data Scientist! 10 Sind zyklische oder permanente Analyseintervalle gewünscht Zyklisch Permanent Empfehlung: Hadoop-asa-Service! Empfehlung: Managed Hadoop!

13 12 Fazit Die zunehmende Digitalisierung der Gesellschaft bietet den Unternehmen eine Vielzahl an Daten über ihre Prozesse und ihre Kunden. Big-Data-Analysen geben Unternehmen dazu jetzt auch die notwendigen Werkzeuge zur Überführung dieser Daten in die Wertschöpfungskette an die Hand. Sie sind der Schlüssel zum Verstehen der Kunden und zur Optimierung der internen Prozesse. Die Investitionen in diesen Bereich steigen sehr stark, so dass Big Data sich schon bald von einem Wettbewerbsvorteil für die Early Adopter zum etablierten Standard weiterentwickeln wird. Die Last Mover unter den E-Business-Unternehmen werden dann einen Wettbewerbsnachteil haben, der sie zum Handeln zwingt. Die Hadoop-Cluster-Lösungen von HP und *um sind genau auf die Anforderungen von Big Data zugeschnitten und bieten in ihren verschiedenen Ausführungen viel Flexibilität, Dynamik und Sicherheit. Ergänzt wird das Angebot von *um in Form einer professionellen Beratung durch das Data Science Team sowie die Umsetzung aller notwendigen Anpassungen an eingesetzten Systemen und der spezifischen Hadoop-Lösung bis hin zum kompletten Re-Engineering bestehender Systeme und Anwendungen

14 13 Kontakt und Beratung Klaas Bollhoefer Chief Data Scientist Tel.:

Prozessoptimierung 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 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

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse 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

Mehr

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: 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

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

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

Big 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 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

Mehr

Hadoop-as-a-Service (HDaaS)

Hadoop-as-a-Service (HDaaS) Hadoop-as-a-Service (HDaaS) Flexible und skalierbare Referenzarchitektur Arnold Müller freier IT Mitarbeiter und Geschäftsführer Lena Frank Systems Engineer @ EMC Marius Lohr Systems Engineer @ EMC Fallbeispiel:

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg

Review Freelancer-Workshop: Fit für Big Data. Mittwoch, 29.04.2015 in Hamburg Review Freelancer-Workshop: Fit für Big Data Mittwoch, 29.04.2015 in Hamburg Am Mittwoch, den 29.04.2015, hatten wir von productive-data in Zusammenarbeit mit unserem langjährigen Partner Informatica zu

Mehr

Thementisch Anwendungsgebiete und

Thementisch Anwendungsgebiete und Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen 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

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

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

BIG DATA - BIG OPPORTUNITIES

BIG DATA - BIG OPPORTUNITIES BIG DATA - BIG OPPORTUNITIES eday: 2014 Wien, 6. März 2014 EBA Executive Business Advice GmbH 1120 Wien, Am Euro Platz 2, Gebäude G Tel.: +43 1 71728 172 Email: office@eba-business.at www.eba-business.at

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014 Datability Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG Hannover, 9. März 2014 Bürger fordern verantwortungsvollen Umgang mit Daten Inwieweit stimmen Sie den folgenden

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

BIG DATA HYPE ODER CHANCE

BIG DATA HYPE ODER CHANCE BIG DATA HYPE ODER CHANCE 1 Fuchs Dominik 16.05.2014 Fahrplan 2 Begriff Big Data Die 3 V s Fallbeispiel Google Was? Wie? Womit? Fazit & Ausblick in die Zukunft Der Begriff Big Data 3 Datenmengen, die zu

Mehr

Complex Hosting. Whitepaper. Autor.: Monika Olschewski. Version: 1.0 Erstellt am: 14.07.2010. ADACOR Hosting GmbH

Complex Hosting. Whitepaper. Autor.: Monika Olschewski. Version: 1.0 Erstellt am: 14.07.2010. ADACOR Hosting GmbH Complex Hosting Autor.: Monika Olschewski Whitepaper Version: 1.0 Erstellt am: 14.07.2010 ADACOR Hosting GmbH Kaiserleistrasse 51 63067 Offenbach am Main info@adacor.com www.adacor.com Complex Hosting

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive 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

Mehr

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration

June 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

Mehr

vfabric-daten Big Data Schnell und flexibel

vfabric-daten Big Data Schnell und flexibel vfabric-daten Big Data Schnell und flexibel September 2012 2012 VMware Inc. All rights reserved Im Mittelpunkt: Daten Jeden Morgen wache ich auf und frage mich: Wie kann ich den Datenfluss optimieren,

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

Performance-Marketing am Wendepunkt. Björn Hahner Country Manager DE & AT, Tradedoubler

Performance-Marketing am Wendepunkt. Björn Hahner Country Manager DE & AT, Tradedoubler Performance-Marketing am Wendepunkt Björn Hahner Country Manager DE & AT, Tradedoubler Wer verstehts noch? Programmatic Bying, SSPs, Trading Desks, Ad Exchanges, Ad Networks, Data Suppliers, CPC, Deduplizierung,

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

whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN

whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN CLOUD-ENTWICKLUNG: BESTE METHODEN 1 Cloud-basierte Lösungen sind auf dem IT-Markt immer weiter verbreitet und werden von immer mehr

Mehr

Einführung in Hadoop

Einführung in Hadoop Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

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

Der Gartner Hype Cycle als. prognostischer Hintergrund

Der Gartner Hype Cycle als. prognostischer Hintergrund Der Gartner Hype Cycle als 2 prognostischer Hintergrund Die Digitale Revolution steht nicht bevor, sondern sie entfaltet in vielen Bereichen schon die Kraft der schöpferischen Zerstörung. Eine wichtige

Mehr

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014 Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Storage-Trends am LRZ. Dr. Christoph Biardzki

Storage-Trends am LRZ. Dr. Christoph Biardzki Storage-Trends am LRZ Dr. Christoph Biardzki 1 Über das Leibniz-Rechenzentrum (LRZ) Seit 50 Jahren Rechenzentrum der Bayerischen Akademie der Wissenschaften IT-Dienstleister für Münchner Universitäten

Mehr

on Azure mit HDInsight & Script Ac2ons

on Azure mit HDInsight & Script Ac2ons Willkommen beim #GAB 2015! on Azure mit HDInsight & Script Ac2ons Lokale Sponsoren: HansPeter Grahsl Netconomy Entwickler & Berater FH CAMPUS 02 Twi9er: @hpgrahsl Überblick Inhalte Was ist HDInsight? Wozu

Mehr

Managed Cloud Services

Managed Cloud Services Managed Cloud Services Autor.: Monika Olschewski Whitepaper Version: 1.0 Erstellt am: 14.07.2010 ADACOR Hosting GmbH Kaiserleistrasse 51 63067 Offenbach am Main info@adacor.com www.adacor.com Cloud Services

Mehr

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Big Data Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Agenda Was ist Big Data? Parallele Programmierung Map/Reduce Der Big Data Zoo 2 3Vs oder: Was ist Big Data? Deutsche Telekom:

Mehr

Hadoop aus IT-Operations Sicht Teil 1 Hadoop-Grundlagen

Hadoop aus IT-Operations Sicht Teil 1 Hadoop-Grundlagen Hadoop aus IT-Operations Sicht Teil 1 Hadoop-Grundlagen Brownbag am Freitag, den 26.07.2013 Daniel Bäurer inovex GmbH Systems Engineer Wir nutzen Technologien, um unsere Kunden glücklich zu machen. Und

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin HP Autonomy Information Governance Strategie: Die Kontrolle über die Informationsflut Petra Berneaud - Account Manager Autonomy Status in vielen

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

SAP HANA eine Plattform für innovative Anwendungen

SAP HANA eine Plattform für innovative Anwendungen SAP HANA eine Plattform für innovative Anwendungen Top Intelligence: Big Data & SAP HANA Zürich, Frankfurt, Hamburg, München, Mülheim/R Februar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder

Mehr

Klein Computer System AG. Portrait

Klein Computer System AG. Portrait Klein Computer System AG Portrait Die Klein Computer System AG wurde 1986 durch Wolfgang Klein mit Sitz in Dübendorf gegründet. Die Geschäftstätigkeiten haben sich über die Jahre stark verändert und wurden

Mehr

Big Data Herausforderungen für Rechenzentren

Big 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

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Die richtige Cloud für Ihr Unternehmen.

Die richtige Cloud für Ihr Unternehmen. Die richtige Cloud für Ihr Unternehmen. Das ist die Microsoft Cloud. Jedes einzelne Unternehmen ist einzigartig. Ob Gesundheitswesen oder Einzelhandel, Produktion oder Finanzwesen keine zwei Unternehmen

Mehr

Executive Briefing. Big Data und Business Analytics für Kunden und Unternehmen. In Zusammenarbeit mit. Executive Briefing. In Zusammenarbeit mit

Executive Briefing. Big Data und Business Analytics für Kunden und Unternehmen. In Zusammenarbeit mit. Executive Briefing. In Zusammenarbeit mit Big Data und Business Analytics für Kunden und Unternehmen Umfangreiche und ständig anwachsende Datenvolumen verändern die Art und Weise, wie in zahlreichen Branchen Geschäfte abgewickelt werden. Da immer

Mehr

EMC. Data Lake Foundation

EMC. 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

Mehr

Trends für die zukünftige Energieversorgung durch Big Data

Trends für die zukünftige Energieversorgung durch Big Data Trends für die zukünftige Energieversorgung durch Big Data 8. Gasfachliche Tagung der VNG AG am 23. April 2015 in Mainz Dr.-Ing. Aaron Praktiknjo Definition von Big Data Extremely large data sets that

Mehr

SaaS-Referenzarchitektur. iico-2013-berlin

SaaS-Referenzarchitektur. iico-2013-berlin SaaS-Referenzarchitektur iico-2013-berlin Referent Ertan Özdil Founder / CEO / Shareholder weclapp die Anforderungen 1.000.000 registrierte User 3.000 gleichzeitig aktive user Höchste Performance Hohe

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

Mehr

Spark, Impala und Hadoop in der Kreditrisikoberechnung

Spark, Impala und Hadoop in der Kreditrisikoberechnung Spark, Impala und Hadoop in der Kreditrisikoberechnung Big Data In-Memory-Technologien für mittelgroße Datenmengen TDWI München, 22. Juni 2015 Joschka Kupilas, Data Scientist, Adastra GmbH 2 Inhalt Vorwort

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

Hallo, einfach. C LO U D. symbl.cms und framework Beschreibung

Hallo, einfach. C LO U D. symbl.cms und framework Beschreibung Hallo, einfach. C LO U D symbl.cms und framework Beschreibung Wir stellen uns vor. Wir kümmern uns um IT-Infrastrukturen, gestalten und entwickeln Websites, Online-Shops sowie mobile und interaktive Applikationen.

Mehr

Der Weg zum datengetriebenen Unternehmen

Der Weg zum datengetriebenen Unternehmen Der Weg zum datengetriebenen Unternehmen Big Data als Chance und Herausforderung mainit Keynote 25.9.2014 Alexander Kagoshima Alexander Kagoshima Data Scientist Big Data Trend Wachsende Daten 40.000 Quelle:

Mehr

Von Big Data zu Smart Data

Von Big Data zu Smart Data Von Big Data zu Smart Data mit Technologieförderung des BMWi Big Data Summit BITKOM-Konferenz; Bonn, 24.06.2013 Dr. Andreas Goerdeler Unterabteilungsleiter Informationsgesellschaft; Medien Bundesministerium

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

IT Storage Cluster Lösung

IT Storage Cluster Lösung @ EDV - Solution IT Storage Cluster Lösung Leistbar, Hochverfügbar, erprobtes System, Hersteller unabhängig @ EDV - Solution Kontakt Tel.: +43 (0)7612 / 62208-0 Fax: +43 (0)7612 / 62208-15 4810 Gmunden

Mehr

WINDOWS AZURE IM ÜBERBLICK GANZ NEUE MÖGLICHKEITEN

WINDOWS AZURE IM ÜBERBLICK GANZ NEUE MÖGLICHKEITEN WINDOWS AZURE IM ÜBERBLICK GANZ NEUE MÖGLICHKEITEN Dr. Bernd Kiupel Azure Lead Microsoft Schweiz GmbH NEUE MÖGLICHKEITEN DURCH UNABHÄNGIGKEIT VON INFRASTRUKTUR BISHER: IT-Infrastruktur begrenzt Anwendungen

Mehr

Hadoop. Simon Prewo. Simon Prewo

Hadoop. Simon Prewo. Simon Prewo Hadoop Simon Prewo Simon Prewo 1 Warum Hadoop? SQL: DB2, Oracle Hadoop? Innerhalb der letzten zwei Jahre hat sich die Datenmenge ca. verzehnfacht Die Klassiker wie DB2, Oracle usw. sind anders konzeptioniert

Mehr

Datenbearbeitung in der Cloud anhand von Apache Hadoop Hochschule Mannheim

Datenbearbeitung in der Cloud anhand von Apache Hadoop Hochschule Mannheim Tobias Neef Cloud-Computing Seminar Hochschule Mannheim WS0910 1/23 Datenbearbeitung in der Cloud anhand von Apache Hadoop Hochschule Mannheim Tobias Neef Fakultät für Informatik Hochschule Mannheim tobnee@gmail.com

Mehr

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer Big in Azure Ein Beispiel mit HD Insight Ralf Stemmer Agenda owas ist Big? Was ist HD Insight? owelche Probleme kann man damit lösen? odemo Was ist Big? Was ist HD Insight? Datenexplosion - Rasanter Zuwachs

Mehr

Living Lab Big Data Konzeption einer Experimentierplattform

Living Lab Big Data Konzeption einer Experimentierplattform Living Lab Big Data Konzeption einer Experimentierplattform Dr. Michael May Berlin, 10.12.2012 Fraunhofer-Institut für Intelligente Analyseund Informationssysteme IAIS www.iais.fraunhofer.de Agenda n Ziele

Mehr

Industrie 4.0 und der Mittelstand

Industrie 4.0 und der Mittelstand a.tent.o-zeltsysteme 16. September 2015 Classic Remise Düsseldorf Industrie 4.0 und der Mittelstand Fraunhofer Seite 1 INDUSTRIE 4.0 FÜR DEN MITTELSTAND Dipl.-Ing. H.-G. Pater Industrie 4.0 : ERP und KMU

Mehr

MATCHING VON PRODUKTDATEN IN DER CLOUD

MATCHING VON PRODUKTDATEN IN DER CLOUD MATCHING VON PRODUKTDATEN IN DER CLOUD Dr. Andreas Thor Universität Leipzig 15.12.2011 Web Data Integration Workshop 2011 Cloud Computing 2 Cloud computing is using the internet to access someone else's

Mehr

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt Was ist Big Data? Versuch einer Positionsbestimmung Wolfgang Marquardt Vorstandsvorsitzender des Forschungszentrum Jülich 02.06.2015 Jahrestagung des deutschen Ethikrates Ganz sicher auch ein Hype hohe

Mehr

Die Marktsituation heute und die Position von FUJITSU

Die Marktsituation heute und die Position von FUJITSU Die Marktsituation heute und die Position von FUJITSU Rupert Lehner Head of Sales Region Germany 34 Copyright 2011 Fujitsu Technology Solutions Marktentwicklung im Jahr 2011 Der weltweite IT-Markt im Jahr

Mehr

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch WANN REDEN WIR VON BIG DATA SCIENCE? Big Data ist der technische Teil von Big Data Science. Mehr Daten! Mehr Datenquellen(-änderungen)!

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

virtualization and clustering made simple OSL AKTUELL 2015

virtualization and clustering made simple OSL AKTUELL 2015 virtualization and clustering made simple OSL AKTUELL 2015 Schöneiche bei Berlin, 22. April 2015 Über OSL Entwicklung von Infrastruktursoftware (vom Treiber bis zur Oberfläche) im Umfeld von Rechenzentren

Mehr

Voraussetzungen für Industrie 4.0 Internet der Dinge

Voraussetzungen für Industrie 4.0 Internet der Dinge Voraussetzungen für Industrie 4.0 Internet der Dinge Thomas Kaiser Internet of Things & Mobile Anwendungen, Products & Innovation Industry Cloud Public Wembley 1966 Mit dem Internet der Dinge wäre das

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

GSM & Co: Durchbruch für M2M Projekte. Communication World 2008 Marc Sauter, Cinterion Wireless Modules

GSM & Co: Durchbruch für M2M Projekte. Communication World 2008 Marc Sauter, Cinterion Wireless Modules GSM & Co: Durchbruch für M2M Projekte Communication World 2008 Marc Sauter, GmbH 2008, All rights reserved Inhalt Was ist M2M? Markttrends und -treiber Intelligent M2M Communication Eine M2M Erfolgsgeschichte

Mehr

Institut für angewandte Informationstechnologie (InIT)

Institut für angewandte Informationstechnologie (InIT) School of Engineering Institut für angewandte Informationstechnologie (InIT) We ride the information wave Zürcher Fachhochschule www.init.zhaw.ch Forschung & Entwicklung Institut für angewandte Informationstechnologie

Mehr

AKTIVIEREN Sie die versteckten Potenziale Ihrer IT-Infrastruktur!

AKTIVIEREN Sie die versteckten Potenziale Ihrer IT-Infrastruktur! AKTIVIEREN Sie die versteckten Potenziale Ihrer IT-Infrastruktur! 1 Die IT-Infrastrukturen der meisten Rechenzentren sind Budgetfresser Probleme Nur 30% der IT-Budgets stehen für Innovationen zur Verfügung.

Mehr

Big Data - Fluch oder Segen?

Big Data - Fluch oder Segen? mitp Professional Big Data - Fluch oder Segen? Unternehmen im Spiegel gesellschaftlichen Wandels von Ronald Bachmann, Guido Kemper, Thomas Gerzer 1. Auflage Big Data - Fluch oder Segen? Bachmann / Kemper

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Ab in den Himmel: Was kommt jenseits der Cloud? 20 R. Altenhöner Ab in den Himmel: Was kommt jenseits der Cloud? 04.6.2014 Bibliothekartag 2014

Ab in den Himmel: Was kommt jenseits der Cloud? 20 R. Altenhöner Ab in den Himmel: Was kommt jenseits der Cloud? 04.6.2014 Bibliothekartag 2014 Ab in den Himmel: Was kommt jenseits der Cloud? 1 20 R. Altenhöner Ab in den Himmel: Was kommt jenseits der Cloud? 04.6.2014 Bibliothekartag 2014 Inhalt 1. Einleitung / Motivation 2. Cloud ein bisschen

Mehr

#Big Data in #Austria

#Big Data in #Austria Mario Meir-Huber und Martin Köhler #Big Data in #Austria Big Data Herausforderungen und Potenziale 23.6.2014 Vorstellung Studie Studie #BigData in #Austria Start: 1.11.2013 30.04.2014 Projektpartner: IDC

Mehr

PROFI UND NUTANIX. Portfolioerweiterung im Software Defined Data Center

PROFI UND NUTANIX. Portfolioerweiterung im Software Defined Data Center PROFI UND NUTANIX Portfolioerweiterung im Software Defined Data Center IDC geht davon aus, dass Software-basierter Speicher letztendlich eine wichtige Rolle in jedem Data Center spielen wird entweder als

Mehr

Check_MK. 11. Juni 2013

Check_MK. 11. Juni 2013 Check_MK 11. Juni 2013 Unsere Vision IT-Monitoring muss werden: 1. einfach 2. performant 2 / 25 Was macht IT-Monitoring? IT-Monitoring: Aktives Überwachen von Zuständen Verarbeiten von Fehlermeldungen

Mehr

Caine Delacy / Stocksy United. Big Data Summit 2016. Call for Papers

Caine Delacy / Stocksy United. Big Data Summit 2016. Call for Papers Caine Delacy / Stocksy United Big Data Summit 2016 Call for Papers Big Data Summit 2016 2 1 Vortragsangebote erbetene Informationen Vortragsangebote sollten sich an den Leitthemen des Kongresses orientieren.

Mehr

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

SAPs PLM Interface für CATIA V5

SAPs PLM Interface für CATIA V5 V6 SAPs PLM Interface für CATIA V5 Durchgängige, sichere und trotzdem schlanke Geschäftsprozesse erhöhen die Wettbewerbsfähigkeit in einem immer härteren globalen Wettstreit um die Gunst der potenziellen

Mehr

BIG DATA Herausforderungen für den Handel

BIG DATA Herausforderungen für den Handel BIG DATA Herausforderungen für den Handel RA Adrian Süess, LL.M., Zürich Bühlmann Rechtsanwälte AG www.br-legal.ch 1 2 1 Überblick Worum geht s. Big Data. Was ist Big Data. Beschaffung und Bearbeitung

Mehr

Open Source als de-facto Standard bei Swisscom Cloud Services

Open 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

Mehr

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE Themen Big Data Buzz Word oder eine neue Dimension

Mehr

Der Energiesektor im Wandel. 10. Mai 2012

Der Energiesektor im Wandel. 10. Mai 2012 Der Energiesektor im Wandel 10. Mai 2012 Der Energiesektor im Wandel: Was sind die wesentlichen Herausforderungen Heute und Morgen? Riesige Datenmengen! Klimawandel Marktliberalisierung Statt einem Zählerstand

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

acatech DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN Cloud Computing und der Weg in die digitale Gesellschaft

acatech DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN Cloud Computing und der Weg in die digitale Gesellschaft acatech DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN Cloud Computing und der Weg in die digitale Gesellschaft Henning Kagermann Fachtagung Future Business Clouds Berlin, 6. Juni 2013 Zwei konvergente Technologieentwicklungen

Mehr

EINBLICK. ERKENNTNIS. KONTROLLE. ERFOLG DURCH PRODUKTIVITÄT.

EINBLICK. ERKENNTNIS. KONTROLLE. ERFOLG DURCH PRODUKTIVITÄT. EINBLICK. ERKENNTNIS. KONTROLLE. ERFOLG DURCH PRODUKTIVITÄT. Ganz gleich ob Sie Technologie-Lösungen entwickeln, verkaufen oder implementieren: Autotask umfasst alles, was Sie zur Organisation, Automatisierung

Mehr