How to work with Big Data? Dr. M. Nagel, n³ GmbH & Co.KG & Reimund Willig, EMC²

Größe: px
Ab Seite anzeigen:

Download "How to work with Big Data? Dr. M. Nagel, n³ GmbH & Co.KG & Reimund Willig, EMC²"

Transkript

1 How to work with Big Data? Dr. M. Nagel, n³ GmbH & Co.KG & Reimund Willig, EMC² 47. Kongress der Deutschen Marktforschung 21. bis 22. Juni 2012, Berlin Glaubwürdigkeit, Reputation und Relevanz Marktforschung für das Markenmanagement und Marketing in Zeiten sozialen, wirtschaftlichen und technischen Umbruchs How to Work with BIG DATA? 1

2 Wie groß ist BIG DATA? Leben im Datenzeitalter How to Work with BIG DATA? 2

3 Wie viel sind 1,8 Zettabyte? 57 Mrd. ipads 90% der Daten wurden in den letzten zwei Jahren erzeugt How to Work with BIG DATA? 3

4 Massendaten, unstrukturiert, vielfältig Informationen sind darin oft nicht sofort erkennbar, weil nicht strukturiert Relationale Datenbanken eignen sich nicht zu deren Bearbeitung: Menge und Format der Informationen Gleichwohl gibt es heute Möglichkeiten, damit zu arbeiten. RDBMS MapReduce Volumen Gigabytes Petabytes Zugriff Interaktive & Batch Batch Updates Lesen / wiederholtes Schreiben 1x Schreiben / wiederholtes Lesen Struktur Statisches Schema Dynamisches Schema Integrität Hoch Niedrig Skalierung Nicht-Linear Linear How to Work with BIG DATA? 4

5 BIG DATA Anwendungsbeispiel Analyse von Maschinendaten How to Work with BIG DATA? 5

6 Prozess-, Maschinen- & Diagnosedaten Prozessinformationen in Form von Log-Files Beispiel: Befunde aus der Fahrzeugdiagnostik How to Work with BIG DATA? 6

7 Anwendungsfälle sind beliebig erweiterbar: Werkstattübergreifende Sammlung ermöglicht globale Auswertung und liefern Rückschlüsse, um die Produktion zu verbessern: Qualitätssicherung Analyse der Netzauslastung SLA, Pricing Analyse des Speicherbedarfs Kündigungsanalyse Erneuerungsstrategien Prozess-Mining (Log-Files) Befund A kommt zusammen mit Befund B bei Ausstattung C mit einer Wahrscheinlichkeit 0,991 vor How to Work with BIG DATA? 7

8 BIG DATA Anwendungsbeispiel Extraktion von Informationen How to Work with BIG DATA? 8

9 Immobilienbewertung bei Immobilienscout24 Immobilienscout24: 1997gegründet 500 Mitarbeiter 7 Mio. Besucher / Monat >1,5 Mio. Exposés / Monat >180 Mio. Exposés im Bestand In D und 10 anderen Ländern How to Work with BIG DATA? 9

10 Immobilienbewertung bei Immobilienscout24 Wertermittlung aus Schätzung von Immobilien aus der Umgebung Methode: hedonistische Regression Benötigte Informationen: Baujahr, Sanierungsjahr, Objektzustand, Energieeffizienz, Altersgerecht, Nutzwert, Lage usw: Problem: ca. 30% der Exposès ohne Stammdaten - nicht nutzbar Ziel: Extraktion der fehlenden Informationen aus Texten der Exposès. Die Ausstattung ist normal wurden neue Fenster mit Rolläden eingebaut, 2004 eine neue Ölheizung, 2006 wurde das Dach neu gedeckt. Das Bad und die Türen sind noch in altem Zustand. Das Grundstück befindet sich am Dorfanfang genau gegenüber dem Schloß. Im hinteren Bereich grenzt es an den Friedhof. Schönow gehört zur Gemeinde Passow und ist bekannt durch seinen Reitverein und bundesweit durch den Bogensport. Bis Schwedt sind es circa 15 km, bis zur Autobahn sind es circa 25 km, bis in die Kreisstadt Prenzlau circa 45 km. Bei dem Gebäude handelt es sich um ein Fertigteilhaus von Es ist komplett unterkellert, das Dach ist noch ausbaufähig. Auf dem Grundstück befinden sich noch ein Nebengebäude und eine Garage.,Haftungsausschluss Alle Angaben haben wir vom Auftraggeber erhalten. Für deren Richtigkeit können wir keine Gewähr übernehmen. Einen Zwischenverkauf behält sich der Auftraggeber/Verkäufer ausdrücklich vor How to Work with BIG DATA? 10

11 Suche nach semantischen Konzepten How to Work with BIG DATA? 11

12 zu Ergebnissen für das Data Warehouse PoC: Analyse von unstrukturierten Exposés Validierungsdatensatz zur Beurteilung der Güte Anzahl an Exposés im Validierungsdatensatz: 498 Stk. darin sind bekannte Baujahre (laut IS24): 108 Stk. enthalten Ermittlungsquote Baujahr von 96,97% Ergebnis: Anreicherung der Datenbasis, u.a. für Bewertung How to Work with BIG DATA? 12

13 Alternativen zu Erhebungen Mit Risiken & Nebenwirkungen Nutzung von Daten aus dem Web How to Work with BIG DATA? 13

14 Daten aus dem Datenwald Fehlen Daten, werden bisher aufgrund einer Hypothese Erhebungen bzw. Versuche geplant. Solche Erhebungen sind teuer, zeitaufwändig, risikobehaftet Ökonomische Alternativen bei der Datenerhebung gesucht! Aus der Vielfalt vorhandener Daten aus unterschiedlichen Quellen müssen Informationen aufbereitet und angereichert werden. How to Work with BIG DATA? 14

15 Massendaten - Datenmassen Was will ich wissen / erreichen? Heute findet man vielfältigste Informationen im WEB und den sozialen Medien. An diese sind Fragen zu stellen: Vertrauenswürdig? Vollständig? Manipulation? Verzerrung? Qualität? How to Work with BIG DATA? 15

16 Statistik verliert bei BIG DATA an Bedeutung Stichprobe vs. Daten aus dem Web vs. Gesamterhebung Für den sinnvollen Einsatz der Inferenzstatistik ist es erforderlich, dass vor Untersuchungsbeginn eine theoretisch gut begründete Hypothese oder Fragestellung formuliert wurde." (Bortz, 1994, S. 2) How to Work with BIG DATA? 16

17 Nicht alles was geht, muss gemacht werden! Grundsätzlich: Wie sind Äußerungen im sozialen Netz zu bewerten? Oder: Die Forderung nach PKW-Maut über Satellit 1. Es gibt preiswertere Lösungen: 2. Quizz: Wie viel Mautbrücken sind aktuell im Betrieb? 3. Wer ist der Treiber der Idee von der gerechten Lösung? Daten-Ethik ist erforderlich How to Work with BIG DATA? 17

18 BIG DATA Anwendungsfall BIG DATA & Marktforschung How to Work with BIG DATA? 18

19 Wie sind die Preise der Mitbewerber? Immer ein Thema: X-Selling Preise der Mitbewerber Beispiel Apotheken: verdienen an freien Artikeln, die auch in Drogerien etc. erhältlich sind Konkurrenz durch Versandapotheken How to Work with BIG DATA? 19

20 Woher kommen die Daten? Bon-Daten aus Kassensystemen Robots holen Daten zu: Preise von Versandapotheken Web Angebote von Apotheken im Umkreis Preise von Drogerien und Discountern Data Warehouse How to Work with BIG DATA? 20

21 Analysen zu X-Selling & Benchmarks Dynamische Analysen mit dem VisualCockpit: X-Selling mit zusätzlichem Rohertrag Wie stehen wir im Vergleich zum Wettbewerb? Wie wirken sich die Preise auf X-Selling aus? Ergebnis: Tagesaktuelle Preispositionierung How to Work with BIG DATA? 21

22 To know News before they are News: Vorsprung durch Kombination neuer Techniken Neue Dimensionen für die Marktforschung durch Analyse sozialer Netz: Trend Meinung Beinflusser Preise der Mitbewerber tagesaktuell vergleichen ohne Befragung oder Erhebung How to Work with BIG DATA? 22

23 Der Teufel steckt im Detail. Auch bei BIG DATA. BIG DATA erfordert ein hohes Datenverständnis! How to Work with BIG DATA? 23

24 Datenverständnis ist ein Muss! Aggregationen erst ganz am Schluss der Analysen Zuvor sind Fehler zu isolieren und Verteilungen zu analysieren, Methodenvielfalt, die zum Ziel führt How to Work with BIG DATA? 24

25 Fragwürdige Aussagen durch Aggregation Non BIG DATA: Versorgungsforschung How to Work with BIG DATA? 25

26 Medizinische Versorgung Versorgungsforschung Ende 2010 praktizierten in Deutschland über Vertragsärzte, das sind 16% mehr als 1993 Trotzdem Wartezeiten, lange Wege, Unterversorgung im ländlichen Raum. Regionale Gesundheitsversorgung in starkem Wettbewerb: Viele Player mit ganz unterschiedlichen Interessen: How to Work with BIG DATA? 26

27 Der Teich ist 30 cm tief. Die Kuh ist ertrunken.? Versorgungsforschung arbeitet mit aggregierten Daten: Krankheiten richten sich nicht nach Kreisen Aggregierte Daten liefern fragwürdige Ergebnisse Sinnvoll: Patientenströme mit regionaler Alters- und Morbiditätsstruktur abgleichen How to Work with BIG DATA? 27

28 Versorgungsforschung Medizinische Routinedaten sind BIG DATA und (prinzipiell) an ganz unterschiedlichen Orten verfügbar: a) Kassenärztliche Vereinigungen (ambulanten Leistungen der KV) b) Kassen (eigene Kassenmitglieder: ambulant, stationär, ) c) Institut für das Entgeltsystem im Krankenhaus (InEK, stationär)) d) Medikamente sehr viel später bei a) und b) (Lag: >1 Jahr) Patientenbezogene Daten sind sensibel. Datenschutz & Rohdaten kein Widerspruch Die Datenschutzproblematik ist lösbar. gemeinsame Medizin-Projekte EMC² & n³ How to Work with BIG DATA? 28

29 BIG DATA 1996: Lungenkrebs und Radon Detaillierte raumbezogene Analysen How to Work with BIG DATA? 29

30 Vorbeugung durch Wissen: Radon ist ein natürlich vorkommendes Edelgas, das in allen Böden, Gesteinen, Gewässern und in der Luft vorhanden ist. Es zerfällt unter Aussendung von Alpha- Strahlung in Elemente, die ebenfalls radioaktiv sind. Über Undichtigkeiten und Risse in der Bausubstanz kann Radon leicht in Gebäude eindringen und sich dort anreichern. Die Inhalation von Radon und seinen radioaktiven Folgeprodukten ist nach dem Tabakrauch die wichtigste Ursache für Lungenkrebs. weibl. Lungenkrebsfälle, aggregiert auf Kreise: völlig unauffällig How to Work with BIG DATA? 30

31 Anwendung Geographical Analysis Machine GAM-Analyse: Krebscluster Aus dem Spiegel-Artikel Krebsfälle in der Altstadt und im Neubaugebiet von Schneeberg Datengröße bei BIG DATA ist relativer Begriff war 1 GB mit verfügbarer Technik (PC 80486) und komplexen Algorithmen wie GAM in der Matrixsprache PC ISP sicher BIG DATA! Diese Analysen sind nur mit Rohdaten machbar. Rohdaten müssen kein Widerspruch zum Datenschutz sein! Ergebnis: Ermittlung von Krankheitsclustern ermöglicht Prävention How to Work with BIG DATA? 31

32 Definitionen & Erläuterungen zu einem komplexen Thema Was ist eigentlich BIG DATA? How to Work with BIG DATA? 32

33 Was ist BIG DATA? Volume: Größenordnung für BIG DATA: groß. Unternehmen versinken in einer Datenflut, vielfach Tera- oder sogar Petabytegröße Auch komplexe Gigabyte können BIG DATA sein! Velocity: BIG-DATA-Daten sind oftmals zeitkritisch und müssen sofort verarbeitet werden, damit ihr Wert optimal genutzt wird. Variety: BIG DATA geht über strukturierte Daten hinaus und umfasst unstrukturierte Daten aller Art: Text, Audio, Video, Klickstreams, Protokolldateien usw. Heute sind bereits mehr als 80% der Daten unstrukturiert. How to Work with BIG DATA? 33

34 BIG DATA erfordert Spezialisten Data Scientists, die absolut sattelfest in Datenanalyse sind, kreativ sind und Querdenken können (erfordert große und breite Erfahrung), die richtigen Fragen stellen können, Systeme beherrschen, die auch mit der höchsten Granularität und unterschiedlichen Datentypen klarkommen und in der Lage sind, unstrukturierte Daten zur Informationsanreicherung aus dem Netz (oder anderswo) zu beziehen. Teamarbeit wir groß geschrieben! Offene Fragen bei BIG DATA: Erschließung der semantischen Dimension Visualisierung & Informationsdarstellung How to Work with BIG DATA? 34

35 BIG DATA in ihrem Umfeld Ist damit über BIG DATA alles gesagt? How to Work with BIG DATA? 35

36 Nein! Zu BIG DATA gehört noch viel mehr: Technik {Verteiltes Rechnen, Parallelisierung, Verfügbarkeit, } Cloud & Sandbox Methodenvielfalt & Algorithmen {Machine Learning, Data Mining; } Forschung {Data Scientist & Teams, Data Journalism, Collaboration} Datenqualität & Vertrauenswürdigkeit Datenquellen {Unternehmensdaten; Open Data; Internet der Dinge; Social Media; Web; } Integration der Ergebnisse in BI Datenschutz Daten Ethik How to Work with BIG DATA? 36

37 BIG DATA steht erst am Anfang. Daten sind überall. Wichtig ist es, an sie die richtigen Fragen zu stellen. Wir von n³ & EMC² haben die Systeme und das Knowhow, um Antworten zu finden. Am Schluss wird oft ein Produktivsystem erstellt, welches das erlangte Wissen immer wieder sinnvoll aggregiert und über Visualisierung einem breiteren Nutzerkreis verfügbar macht. How to Work with BIG DATA? 37

38 Wir haben das Knowhow und die Systeme. Dr. Matthias Nagel, n³ Reimund Willig, EMC² Mathematiker & Datenanalytiker Analyse von Massendaten Eigene BI-Produkte: VisualCockpit DataWarehouseBuilder Damit Realisierung von Branchenlösungen für Healthcare, Industry, Financial Service, Energy & Telecommunication, Reserch & Development, Government Senior Technology Consultant EMC: Speichern, Schützen, Verwalten von Informationen Informations Infrastrukturen Analysewerkzeuge Data Scientist Ausbildung How to Work with BIG DATA? 38

Wertschöpfung durch Daten: Nutzung von Little Data & Big Data in der Industrie

Wertschöpfung durch Daten: Nutzung von Little Data & Big Data in der Industrie Wertschöpfung durch Daten: Dr. Matthias Nagel, Markus Nagel, Dirk Maiwald & Dagmar Lange Chemnitz, 20.03.2014 1 Smart Everything : Leben im Datenzeitalter 2 Datability: Nutzung aller relevanter Daten Datenquellen:

Mehr

Analyse der Patientenströme von Zuweisern an Spitäler

Analyse der Patientenströme von Zuweisern an Spitäler Analyse der Patientenströme von Zuweisern an Spitäler durch Nutzung von Visual Analytics, Big Data & Semantik Dr. Matthias Nagel & Markus Nagel forum digital gesundheit, 2015#fdg15 Zürich 09.09.2015 Nutzen

Mehr

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

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

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

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

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

Technologieförderschwerpunkt des BMWi

Technologieförderschwerpunkt des BMWi Forschungsbereich Konvergente IKT - Technologieförderschwerpunkt des BMWi Überblick, Trends, Perspektiven Future Internet PPP 22.5.2013 Dr. Alexander Tettenborn Referatsleiter Entwicklung konvergenter

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

OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH

OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH OPEN GOVERNMENT: MEHR TRANSPARENZ UND PARTIZIPATION DURCH ANALYTICS ANDREAS NOLD STATEGISCHE GESCHÄFTSENTWICKLUNG SAS D-A-CH BEISPIEL FLUGHAFEN BERLIN-BRANDENBURG Offizielle Webseite des Flughafens https://ber.piratenfraktion-berlin.de/projekt/

Mehr

Die zentralen Erfolgsfaktoren für mehr Werberelevanz: Smart statt Big Data

Die zentralen Erfolgsfaktoren für mehr Werberelevanz: Smart statt Big Data Die zentralen Erfolgsfaktoren für mehr Werberelevanz: Smart statt Big Data dmexco Night Talk Wolfhart Fröhlich 24.06.2014, Hamburg intelliad Media GmbH Daten gibt es wie Sand am Meer Bild: Alexandr Ozerov

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

Health Insurance Days Künstliche Intelligenz Relevanz für die Krankenversicherung? Otto Bitterli, CEO Sanitas Interlaken, 23.

Health Insurance Days Künstliche Intelligenz Relevanz für die Krankenversicherung? Otto Bitterli, CEO Sanitas Interlaken, 23. Health Insurance Days Künstliche Intelligenz Relevanz für die Krankenversicherung? Otto Bitterli, CEO Sanitas Interlaken, 23. April 2015 Agenda Was wir unter künstlicher Intelligenz 1 verstehen - Breites

Mehr

Self Service BI der Anwender im Fokus

Self Service BI der Anwender im Fokus Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches

Mehr

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST? BERNADETTE FABITS WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS HINEIN GEHÖRT DATA SCIENTIST, STATISTIKER, DATA MINER, ANALYST,. Gibt es noch mehr von denen. die arbeiten mit Big Data

Mehr

TrustYou Analytics. Reputations-Management für Hotels und Hotelketten

TrustYou Analytics. Reputations-Management für Hotels und Hotelketten TrustYou Analytics Reputations-Management für Hotels und Hotelketten 06.12.2010 TrustYou 2010 1 Wissen Sie, was über Ihr Hotel im Internet gesagt wird? Im Internet gibt es mittlerweile Millionen von Hotelbewertungen,

Mehr

Industrie 4.0 und Smart Data

Industrie 4.0 und Smart Data Industrie 4.0 und Smart Data Herausforderungen für die IT-Infrastruktur bei der Auswertung großer heterogener Datenmengen Richard Göbel Inhalt Industrie 4.0 - Was ist das? Was ist neu? Herausforderungen

Mehr

Fachforum Radon in Wohngebäuden 27.06.2012

Fachforum Radon in Wohngebäuden 27.06.2012 Fachforum Radon in Wohngebäuden 27.06.2012 Dr. Simone Körner Woher kommt das Radon? 2 Ursprung der natürlichen Strahlung Sternenexplosion vor 6 7 Milliarden Jahren kosmische Strahlung Bildung aller Elemente

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

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

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

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

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

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung !DI Industrial Data Intelligence Datenbasierte Produktionsoptimierung Industrial Data Intelligence Sammeln Analysieren Mit dem Industrial Data Intelligence-Angebot ermöglicht Softing Industrial die datenbasierte

Mehr

Internet, vernetzte Daten und Datenanalyse

Internet, vernetzte Daten und Datenanalyse Internet, vernetzte Daten und Datenanalyse Wer hat welche Rechte an Big Data? Dr. Lorenza Ferrari Hofer Phillip Schmidt, LL.M. Agenda Einführung und Grundlagen Beispiel medizinische Forschung Beispiel

Mehr

The Day in the Life of a Business Manager @ Microsoft

The Day in the Life of a Business Manager @ Microsoft The Day in the Life of a Business Manager @ Microsoft A look at analytics in action inside Microsoft Frank.Stolley@Microsoft.com Daniel.Weinmann@microsoft.com Microsoft Deutschland GmbH Big Data: Die Management-Revolution?

Mehr

9. Oktober 2013, Congress Park Hanau

9. Oktober 2013, Congress Park Hanau 9. Oktober 2013, Congress Park Hanau DAS WIE & WARUM IN SOCIAL MEDIA RESEARCH. SOCIAL MEDIA ANALYSE & MONITORING IN ZEITEN CHAOTISCHER TOOLLAND- SCHAFTEN & BIG DATA. Daten sind im 21. Jahrhundert der wichtigste

Mehr

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

Big Data Kundendaten im 2015 Michael Gisiger Wortgefecht Training & Beratung

Big Data Kundendaten im 2015 Michael Gisiger Wortgefecht Training & Beratung Big Data Kundendaten im 2015 Social Media für Medienunternehmen Trendtagung am Agenda Kurze Vorstellung Big Data was ist das genau? Case: DW Nutzungsdaten und -analysen von Videos im Web 2 Vorstellung

Mehr

Datenanalyse im Web. Einführung in das Thema. Prof. Dr. Ingo Claÿen. Beispiele für Daten im Web. Extraktion und Aggregation von Informationen

Datenanalyse im Web. Einführung in das Thema. Prof. Dr. Ingo Claÿen. Beispiele für Daten im Web. Extraktion und Aggregation von Informationen Datenanalyse im Web Einführung in das Thema Prof. Dr. Ingo Claÿen Hochschule für Technik und Wirtschaft Berlin Beispiele für Daten im Web Extraktion und Aggregation von Informationen Datenanalyse im Web

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

Datenschutz bei kleinräumigen Auswertungen Anforderungen und Grenzwerte 6. Dresdner Flächennutzungssymposium. Sven Hermerschmidt, BfDI

Datenschutz bei kleinräumigen Auswertungen Anforderungen und Grenzwerte 6. Dresdner Flächennutzungssymposium. Sven Hermerschmidt, BfDI Datenschutz bei kleinräumigen Auswertungen Anforderungen und Grenzwerte 6. Dresdner Flächennutzungssymposium Sven Hermerschmidt, BfDI 1 Kleinräumige Daten und Raumbezug Kleinräumige Auswertung von Daten

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

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

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

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

Cloud Computing für Big-Data-Analysen in der Medizin

Cloud Computing für Big-Data-Analysen in der Medizin Cloud Computing für Big-Data-Analysen in der Medizin Sekundärnutzung klinischer Daten Business Intelligence Data Warehouse Sekundärnutzung klinischer Daten lokal Extract Transform Load LIS SQL KIS/ KAS

Mehr

Big & Smart Data. bernard.bekavac@htwchur.ch

Big & Smart Data. bernard.bekavac@htwchur.ch Big & Smart Data Prof. Dr. Bernard Bekavac Schweizerisches Institut für Informationswissenschaft SII Studienleiter Bachelor of Science in Information Science bernard.bekavac@htwchur.ch Quiz An welchem

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

POWER ALS BIG DATA PLATTFORM. Vom klassischen Data Warehouse zum Big Data Ansatz

POWER ALS BIG DATA PLATTFORM. Vom klassischen Data Warehouse zum Big Data Ansatz POWER ALS BIG DATA PLATTFORM Vom klassischen Data Warehouse zum Big Data Ansatz IBM COGNOS VORSTELLUNG Stefan Held Software Architekt PROFI GS Bochum Schwerpunkte: Business Intelligence & Analytics Big

Mehr

BIG DATA ANALYTICS STATUS QUO VADIS

BIG DATA ANALYTICS STATUS QUO VADIS Heading BIG DATA ANALYTICS STATUS QUO VADIS Name, Position Reiner Pistorius 17.03.2016 1 18.03.2016 1 Willkommen, Vorstellung, Warm up 2 Definition Big Data 3 Einsatz in Unternehmen heute 4 Künftige Entwicklung,

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

Summary Report - Apr 2, 2012 Survey: Wie weiter mit Open Government Data - Umfrage 2012

Summary Report - Apr 2, 2012 Survey: Wie weiter mit Open Government Data - Umfrage 2012 Summary Report - Apr 2, 2012 Survey: Wie weiter mit Open Government Data - Umfrage 2012 1. Auf welche Zielgruppen sollte mit dem OGD Angebot im ersten Schritt fokussiert werden? Geben Sie die drei wesentlichen

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

Zeitgemäße Verfahren für ganzheitliche Auswertungen

Zeitgemäße Verfahren für ganzheitliche Auswertungen Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

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

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

Analysen sind nur so gut wie die Datenbasis

Analysen sind nur so gut wie die Datenbasis Analysen sind nur so gut wie die Datenbasis Datenaufbereitung und Sicherung der Datenqualität durch den kontextbasierten MIOsoft Ansatz. Daten gelten längst als wichtiger Produktionsfaktor in allen Industriebereichen.

Mehr

Bund Deutscher Kriminalbeamter

Bund Deutscher Kriminalbeamter Foto: Oberlausitzsche Bibliothek der Wissenschaften, Görlitz Bund Deutscher Kriminalbeamter Fachforum Massendaten im polizeilichen Umfeld Wer bin ich? Ronald Schulze Baujahr 1961 Betriebswirt (FH) / Wirtschaftsinformatiker

Mehr

Metadaten im OutputManagement

Metadaten im OutputManagement DOXNET 2012 Metadaten im OutputManagement Baden-Baden, 26. Juni 2012 Hendrik Leder Agenda Dokumente und Metadaten OutputManagement und ECM Verarbeitung von Massendaten Lösung mit Hilfe der POSY-OutputFactory

Mehr

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016 Citizen Data Science Balázs Bárány Linuxwochen Wien 2016 29. April 2016 Inhalt Einführung: Data Science Werkzeuge und Methoden Citizen Data Science Daten holen Daten verstehen Daten-Vorverarbeitung Prädiktive

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 im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.

Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen

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 Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,

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

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

Bernhard Calmer Leitung Business Development Healthcare IT. Siemens AG 2014 Alle Rechte vorbehalten. Answers for life.

Bernhard Calmer Leitung Business Development Healthcare IT. Siemens AG 2014 Alle Rechte vorbehalten. Answers for life. Von der statischen digitalen Patientenakte zur dynamischen personalisierten Gesundheitsakte welche Lösungen kann / wird der Markt in Zukunft brauchen und bieten können? Bernhard Calmer Leitung Business

Mehr

Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung

Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung Hamburg 16.11.2016 Nmedia Fotolia Fraunhofer-Institut für Intelligente Analyseund Informationssysteme Fraunhofer IAIS - Wir

Mehr

Business Analytics in der Big Data-Welt

Business Analytics in der Big Data-Welt Business Analytics in der Big Data-Welt Frankfurt, Juni 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data-Analytik "The way I look at big data analytics is it's not a technology,

Mehr

Kann man Big Data managen?

Kann man Big Data managen? Kann man Big Data managen? Information Governance in Retail-Unternhmen Uwe Nadler Senior Managing Consultant Big Data Architect Sales Leader Information Governance D-A-CH Themen Die Bedeutung von Information

Mehr

Von Big zu Smart - Wie Daten in Wirtschaft und Gesellschaft zu Innovationen führen

Von Big zu Smart - Wie Daten in Wirtschaft und Gesellschaft zu Innovationen führen Von Big zu Smart - Wie Daten in Wirtschaft und Gesellschaft zu Innovationen führen 27. März 2014 TUM School of Management Technische Universität München W3-Professorin Lehrstuhl für Strategie und Organisation

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

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen

Mehr

Wir befinden uns inmitten einer Zeit des Wandels.

Wir befinden uns inmitten einer Zeit des Wandels. Wir befinden uns inmitten einer Zeit des Wandels. Geräte Apps Ein Wandel, der von mehreren Trends getrieben wird Big Data Cloud Geräte Mitarbeiter in die Lage versetzen, von überall zu arbeiten Apps Modernisieren

Mehr

Neue Studie zum digitalen Universum entdeckt Big Data Gap

Neue Studie zum digitalen Universum entdeckt Big Data Gap 13. Dezember 2012 Neue Studie zum digitalen Universum entdeckt Big Data Gap Big Data Gap 23 Prozent (643 Exabyte) des digitalen Universums könnten nützliche Erkenntnisse bringen. Derzeit sind nur drei

Mehr

EXASOL Anwendertreffen 2012

EXASOL Anwendertreffen 2012 EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2

Mehr

Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen. Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015

Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen. Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015 Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015 Zur Diskussion DATEN Spenden kann Leben retten Analysieren

Mehr

Logo MIA. Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web

Logo MIA. Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web Logo MIA Ein cloud basierter Marktplatz für Informationen und Analysen auf dem deutschsprachigen Web MIA Konsortium Ausgangslage Das deutschsprachige Web mit derzeit mehr als sechs Milliarden Webseiten

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

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

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

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration Actum + MIOsoft Ihr SAP Partner Prozessoptimierung Applikationsmanagement Systemintegration Daten verstehen Daten managen Business Analytics und IT Plattformanbieter Daten- u. Prozessmodellierung Applikationsentwicklung

Mehr

Social Media in der Konfirmanden arbeit. Projektstelle Social Media / Christoph Breit

Social Media in der Konfirmanden arbeit. Projektstelle Social Media / Christoph Breit Social Media in der Konfirmanden arbeit Web 1.0 > Web 2.0 > Web 3.0 ab 1990 statische Seiten wenige content producer viele content consumer Software durch Verrieb geringe Transferraten ab 2004 Dynamische

Mehr

Auswertung 2.0. Das Web 2.0 als Chance

Auswertung 2.0. Das Web 2.0 als Chance Auswertung 2.0 Das Web 2.0 als Chance Mathias Walter & Bidjan Tschaitschian 19.03.2009 Wir machen Wissen produktiv! Was uns auszeichnet: 28 Jahre Erfahrung im Bereich Künstliche Intelligenz insiders ist

Mehr

cloud4health Smart Data in der Medizin Dr. med. Philipp Daumke

cloud4health Smart Data in der Medizin Dr. med. Philipp Daumke cloud4health Smart Data in der Medizin Dr. med. Philipp Daumke CLOUD4HEALTH In cloud4health wird eine klinische Forschungsinfrastruktur zur verteilten Auswertung medizinischer Daten bereitgestellt Analyse

Mehr

Top 10 der Business Intelligence-Trends für 2014

Top 10 der Business Intelligence-Trends für 2014 Top 10 der Business Intelligence-Trends für 2014 Das Ende der Datenexperten. Datenwissenschaft kann künftig nicht nur von Experten, sondern von jedermann betrieben werden. Jeder normale Geschäftsanwender

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

Information Lifecycle Management (ILM) - neue Speicherkonzepte für die digitale Archivierung. Dr. Bernhard Wentz

Information Lifecycle Management (ILM) - neue Speicherkonzepte für die digitale Archivierung. Dr. Bernhard Wentz Information Lifecycle Management (ILM) - neue Speicherkonzepte für die digitale Archivierung Einleitung und Motivation Medizinische IT-Anwendungssysteme komplexe hoch funktionale Systeme Basisfunktionen

Mehr

ConWeaver Make Your Data Work

ConWeaver Make Your Data Work ConWeaver Make Your Data Work 2012 ConWeaver Know-how im Bereich Wissensvernetzung seit 1993 2007 Ausgründung aus der Fraunhofer-Gesellschaft (Mit-)Gewinner des Software-Clusters 2010 und des Innovationspreis-IT

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Industrie & Wirtschaft. Unsere Business-Lösungen

Industrie & Wirtschaft. Unsere Business-Lösungen Industrie & Wirtschaft Unsere Business-Lösungen Unsere Business-Lösungen für Industrie und Wirtschaft Wir sprechen Ihre Sprache! Auch wenn die Wirtschaft boomt: Als Unternehmer bekommt man nichts geschenkt,

Mehr

Status Quo der Sicherheitslage

Status Quo der Sicherheitslage Status Quo der Sicherheitslage Secure Summit 2010 Themen Strategische Veränderung des Risikos Aktuelle Bedrohungsszenarien Täterformen Angemessene Reaktionen Herausforderungen für die Zukunft Strukturproblem

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

Big Data Performance Management

Big Data Performance Management Big Data Performance Management Überblick Big Data Im Kontext der Performance Relevanz Big Data Big Data Big data is a buzzword and a "vague term", but at the same time an "obsession" with entrepreneurs,

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

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende

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

Zweite Umfrage zur Bedarfsermittlung von Ressourcen zum wissenschaftlichen Rechnen an der TU Dortmund

Zweite Umfrage zur Bedarfsermittlung von Ressourcen zum wissenschaftlichen Rechnen an der TU Dortmund Zweite Umfrage zur Bedarfsermittlung von Ressourcen zum wissenschaftlichen Rechnen an der TU Dortmund Das Wissenschaftlichen Rechnen hat sich in Forschung und Lehre in den letzten Jahren zu einem wichtigen

Mehr

How smart is Big Data today? Dr. Stefan Kühn Jahrestagung der Herstellungsleiter Kloster Irsee

How smart is Big Data today? Dr. Stefan Kühn Jahrestagung der Herstellungsleiter Kloster Irsee How smart is Big Data today? Dr. Stefan Kühn Jahrestagung der Herstellungsleiter Kloster Irsee 07.05.2016 Die schönste Nebensache der Welt Marginal goals: Some goals count more than others, one should

Mehr

VisualCockpit. agile business analytics

VisualCockpit. agile business analytics VisualCockpit agile business analytics Agile Business Analytics mit VisualCockpit Für Unternehmen wird es immer wichtiger die gesamte Wertschöpfungskette aus Daten, sowohl für das operative Geschäft als

Mehr

BIG DATA Impulse für ein neues Denken!

BIG DATA Impulse für ein neues Denken! BIG DATA Impulse für ein neues Denken! Wien, Januar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust The Age of Analytics In the Age of Analytics, as products and services become

Mehr

Integrierte medienerschliessung für medien, kultur und wirtschaft

Integrierte medienerschliessung für medien, kultur und wirtschaft Integrierte medienerschliessung für medien, kultur und wirtschaft »DOKUMENTE ZU ERSCHLIESSEN UND ANZUREICHERN IST FAST SO KOMPLIZIERT, WIE EIN GRUNDSTÜCK ZU ÜBERTRAGEN.«Für Verlage ist die Mehrfachverwertung

Mehr

Apache HBase. A BigTable Column Store on top of Hadoop

Apache HBase. A BigTable Column Store on top of Hadoop Apache HBase A BigTable Column Store on top of Hadoop Ich bin... Mitch Köhler Selbstständig seit 2010 Tätig als Softwareentwickler Softwarearchitekt Student an der OVGU seit Oktober 2011 Schwerpunkte Client/Server,

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr