Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben

Transkript

1 Ist das Big Data oder kann das weg? Outsourcing ja, aber geistiges Eigentum muss im Unternehmen bleiben Jürgen Boiselle, Managing Partner 16. März 2015

2 Agenda Guten Tag, mein Name ist Teradata Wozu Analytics und Big Data? Ein Beispiel Fünf Dinge, die man mit Big Data machen kann Drei Schritte um aus Big Data Nutzen zu ziehen Und der Prozess? Teradata

3 Guten Tag, mein Name ist Teradata 2,600+ Customers in 77 Countries 11,000+ Employees A Top 10 Public U.S. Software Company World s Most Innovative Companies Forbes World s Most Ethical Companies Ethisphere Institute Leader in Data Analytics Leader in Integrated Marketing Management 3

4 Guten Tag, mein Name ist Teradata V I S I O N Enabling the Data-Driven Business M I S S I O N Providing the world s best analytic data solutions to drive competitive advantage for our customers Teradata: Analytic Data Solutions Company 4

5 Wozu Analytics und Big Data? Three Horizons Of Innovation Horizon 1 Developing the core Horizon 2 New opportunities within existing business Horizon 3 Transformation opportunities Source: Steve Coley, McKinsey Question Farming 5

6 Bauteil Belastung Wozu Analytics und Big Data? Ein Beispiel Bei einigen hoch belasteten Bauteilen hat ein Ausfall nur geringe Auswirkung Eine Verringerung der Instandhaltungsaufwände ist zu prüfen Ausfälle mit großer Auswirkung bei hoch belasteten Teilen praktisch nicht vorhanden Instandhaltungsprozess bei wichtigen Bauteilen im Griff Einige Teile können trotz geringer Belastung hohe Auswirkung bei Ausfällen erzeugen Stärkeres Augenmerk der Instandhaltung verringert Ausfälle Teradata Auswirkung eines Ausfalls

7 Fünf Dinge, die man mit Big Data machen kann Bericht (Was ist passiert?) Analyse (Warum ist es passiert?) Voraussage (Was wird passieren?) Operational (Was passiert gerade?) Aktiv (Was soll passieren?) Kontinuierliches Update & Zeitkritische Queries gewinnen an Bedeutung 7 Hauptsächlich Batch and vordefinierte Queries Anstieg von Ad Hoc und Concurrent Queries Zunahme von Analytischer Modellierung Ereignis gesteuerte Trigger automatisieren die Entscheidungs- unterstützung Batch Ad Hoc Analytics Continuous Update/Short Queries Event-Based Triggering Das Versprechen ist alt - die Möglichkeiten sind neu

8 Who works with the system? What is the system doing? Typical requirements 8 Standarduser (Operational Business) Data Scientist (IT & Business Knowledge) Sensors, Audio-, Video- Sources, Web Clicks,... Support Business Process and decisions Discover new ways to insights Keep history of events, outcomes, transcations, etc. Track events on all channels (e.g. Audio, Video) SLA driven tactical queries Standard reporting OLAP processing Active Data Warehousing SLA driven Model execution 1000 s concurrend users Test Hypothesis Discover statistical Models Prepare Data from different Sources Fail, Fail again, Fail better Combine structured and poly-structured data with statistical knowledge and interprete in business context 10 s users Store data Structured data AND polystructured data Dynamic structures AND static structures Mio s of events per second Very few user/developer /Terabyte Contracts based on SLA s Your Intellecutual Property Cloud Candidate

9 Und der Prozess? Central Data Lab Approach Ideas Discovery Decision Result Productive Data External Data IT Data Lab Business Business Data Lab Operationalize Executive Sponsoring Use Cases & Touchpoints Human Resources Modular Pricing Models Buy vs. Lease Senior Executive Sponsor for Digitalization. Incentivation of innovation Early identification of use cases and involvement of business units Identification of new skill sets and generating new business units (i.e. BICC Business Intelligence Competence Center) Definition of a Proof of Concept Later on: Base Fee and Modular Pricing (Analytics on demand) Usage of Appliances or payment of Use Cases (+ base fee) Teradata

10 10