Auswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse
|
|
- Elsa Grosse
- vor 6 Jahren
- Abrufe
Transkript
1 Auswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse Prof. Dr. Frank Bensberg Gandalf Buscher
2 Agenda Motivation Forschungsdesign Ergebnisse Schlussfolgerungen 2
3 Motivation Gartner s 2014 Hype Cycle for Emerging Technologies Evolution von IT-Zukunftsthemen IoT Big Data Data Science Cloud Computing Neue Kompetenzen HR-Management Kompetenzmanagement Personalentwicklung Personalbeschaffung 3
4 Motivation Quelle: Bundesagentur für Arbeit (Hrsg) (2011) Systematik und Verzeichnisse der KldB
5 Forschungsdesign Quelle: Bensberg, F., Buscher, G. (2016), Job Mining als Analyseinstrument des Human-Resource-Managements, in: HMD Praxis der Wirtschaftsinformatik. 5
6 Forschungsdesign Stellenanzeigen aus öffentlichen Job-Portalen JobServe LinkedIn Bundesagentur für Arbeit Monster StepStone ZEIT ONLINE XING Stellenmarkt NRW Stand März
7 Forschungsdesign 7 Amazon.com Inc Microsoft Corp SAP SE Accenture PLC Bundesverwaltungsamt Vodafone Group PLC IBM ThyssenKrupp AG Siemens AG Daimler AG Deutsche Bank AG Continental AG Volkswagen AG Deutsche Telekom AG Apple Inc Allianz SE Bayer AG Deutsche Post AG Adidas AG Henkel AG & Co KGaA Salesforce.com inc Google Inc Cap Gemini SA Bayerische Motoren Werke AG Fresenius SE & Co KGaA Atos SE Merck KGaA Telefonica SA Infineon Technologies AG BASF SE Deutsche Lufthansa AG Linde AG E.ON SE Orange SA Hutchison Telecommunications Commerzbank AG Drillisch AG Cisco Systems Inc RWE AG Deutsche Boerse AG HeidelbergCement AG Beiersdorf AG Liberty Global PLC K+S AG Sopra Steria Group LANXESS AG Muenchener Rueckversicherung Adesso AG Stand März 2016 Stellenanzeigen aus Unternehmensportalen
8 Forschungsdesign Rohdaten 8 [ ] Key Qualifications: Proficiency in MapReduce development and experience with Hadoop or other data processing technologies required Knowledge of Hadoop-related technologies such as MapReduce, Azkaban, Hive, Pig, Spark and Splunk Strong object-oriented design skills, coupled with a deep knowledge of data structures and algorithms Deep knowledge of statistics, machine learning and data mining required Experience conducting A/B tests and generating relevant statistics, hypothesis testing is a plus Experience modeling user behavior data profiling, segmentation, understanding is a plus [ ]
9 Forschungsdesign Selektierte Datenbasis 11-monatiger Zeithorizont (Juni 2014 bis April 2015) Selektionskriterium Schlagwort big data, data science/scientist, smart data oder fast data in der Stellenbezeichnung oder der Stellenbeschreibung vorhanden Selektionsergebnis n= englischsprachige Stellenanzeigen als Analysekorpus 9
10 Forschungsdesign Methodenset Explorativer, korpusgetriebener Forschungsansatz (corpus-driven) Einsatz lexikometrischer Verfahren Frequenzanalyse Korrelationsanalyse Teilkorpusanalyse Kookkurenzanalyse Werkzeuge IBM Watson Explorer Content Analytics, AntConc 10
11 Big Data-Berufsbilder im Überblick Analyse der Stellenbezeichnungen (Jobtitel) 72% der Stellenbezeichnungen von IKT- Unternehmen entfallen auf fünf Kernberufsbilder Big Data Developer Data Scientist Big Data Architekt Data Analyst Data Engineer Zentrale Berufsfelder Big Data Spezielle Berufsbilder Big Data Technology Researcher Data Quality Manager Data Services Developer Data Visualization Engineer Decision Scientist (SAP) (Amazon) (Microsoft) (BigR.io) (Microsoft) 11
12 Kompetenzprofil Big Data Architect Konzepte modellgestützte Planung, Design und Realisierung von Datenarchitekturen auf Grundlage des Hadoop-Technologiestapels Sprachen Big Data Business Intelligence ETL Data Warehouse Reporting Relational Databases Data Modeling Data Management Open Source Data Quality Hadoop Hive HBase Pig MapReduce Linux Teradata Cassandra Informatica Amazon Web Services 0% 20% 40% 60% 80% 100% Produkte 0% 10% 20% 30% 40% 50% 60% 70% SQL Java NoSQL Python PERL R PHP Ruby C++ C Java Enterprise Communication Skills Working Experience Analytical Skill Engagement Organizational Skill Team Skills Social Competence Creativity Motivation Willingness to learn 0% 10% 20% 30% 40% 50% Soft Skills 0% 5% 10% 15% 20% 25% 30% 12
13 Kompetenzprofil Big Data Developer Konzepte Begleitung des Softwareentwicklungsprozesses für Big Data-Plattformen (mit Java / Hadoop) Sprachen Big Data ETL Data Warehouse Web Service Test Driven Development Business Intelligence Open Source Scrum Relational Databases Machine Learning Hadoop Hive MapReduce Pig Cassandra Spring MongoDB HBase Spark Amazon Web Services 0% 20% 40% 60% 80% 100% 120% Produkte 0% 10% 20% 30% 40% 50% 60% 70% Java SQL NoSQL Python JavaScript PHP Scala C C++ HTML 0% 10% 20% 30% 40% 50% 60% 70% Communication Skills Working Experience Team Skills Analytical Skill Social Competence Engagement Endurance Creativity Ambition Organizational Skill Soft Skills 0% 5% 10% 15% 20% 13
14 Kompetenzprofil Data Scientist Big Data Machine Learning Data Mining Predictive Analytics Data Analysis Business Intelligence Natural Language Processing Relational Databases Data Visualization Reporting Hadoop SAS Hive Pig SPSS MapReduce Spark HBase Tableau Excel Konzepte 0% 20% 40% 60% 80% 100% Produkte 0% 10% 20% 30% 40% 50% 60% 70% Python SQL R Java MATLAB C++ NoSQL PERL Scala C# Communication Skills Working Experience Team Skills Analytical Skill Engagement Creativity Social Competence Personal Responsibility Motivation Willingness to Learn Konstruktion, Evaluation und Anwendung von Prognosemodellen auf Grundlage maschineller Lernverfahren und multipler Datenquellen Sprachen 0% 10% 20% 30% 40% 50% 60% Soft Skills 0% 5% 10% 15% 20% 25% 30% 35% 40% 14
15 Kompetenzprofil Data Analyst Big Data Reporting Relational Databases Data Exploration Software Engineering Data Analysis Business Intelligence ETL Data Warehouse Data Mining Konzepte 0% 20% 40% 60% 80% 100% 120% SQL Python R Java NoSQL C++ PERL VBA C# Ruby Statistische Analyse multidimensionaler Datenbestände zur fachlichen Unterstützung betrieblicher Entscheidungsprozesse Sprachen 0% 20% 40% 60% 80% 100% Produkte 0% 10% 20% 30% 40% 50% 60% 70% Excel SAS Hadoop Tableau Hive SPSS Teradata MS SQL microstrategy Amazon Web Services Soft Skills 0% 10% 20% 30% 40% 50% 60% Communication Skills Working Experience Analytical Skill Creativity Motivation Engagement Social Competence Team Skills Willingness to Learn Organizational Skill 15
16 Kompetenzprofil Data Engineer Big Data ETL Data Warehouse Machine Learning Reporting Business Intelligence Relational Databases Data Mining Data Modeling Predictive Analytics Hadoop Hive Pig MapReduce HBase Amazon Web Services Cassandra Spark MongoDB Solr Konzepte 0% 20% 40% 60% 80% 100% 120% Produkte 0% 10% 20% 30% 40% 50% 60% 70% 80% SQL Java Python NoSQL C++ Scala Shell PERL C# JavaScript Sprachen 0% 10% 20% 30% 40% 50% 60% 70% Communication Skills Working Experience Analytical Skill Creativity Engagement Team Skills Social Competence Willingness to Learn Organizational Skill Ambition Design und in der Implementierung von ETL-Workflows (Data Pipelines) zur Akquisition und Analyse strukturierter und unstrukturierter Daten Soft Skills 0% 5% 10% 15% 20% 25% 30% 16
17 Schlussfolgerungen Big Data hat zur Entwicklung neuer Berufsbilder für IT-Fachkräfte geführt Gestaltung von Big Data-Lösungen = Big Data Architect, Big Data Developer Nutzung von Big Data-Lösungen = Data Scientist, Data Analyst, Data Engineer Nutzen der Kompetenzprofile als Informationsgrundlage für Unternehmen zum betrieblichen Kompetenzmanagement Hochschulen zur Gestaltung von Aus- und Weiterbildungsangeboten Grenzen der Forschungsergebnisse Datenqualitätsprobleme (Duplikate, Job-Spamming) inhaltliche Qualität der Stellenanzeigen 17
18 Vielen Dank für Ihre Aufmerksamkeit! Geo.-Verteilung Informatik-Jobs von 6/ /2016 (n=293k) 18
Digitale Transformation und IT-Zukunftsthemen im Spiegel des Arbeitsmarkts für IT-Berater Ergebnisse einer explorativen Stellenanzeigenanalyse
Digitale Transformation und IT-Zukunftsthemen im Spiegel des Arbeitsmarkts für IT-Berater Ergebnisse einer explorativen Stellenanzeigenanalyse Prof. Dr. Frank Bensberg f.bensberg@hs-osnabrueck.de Gandalf
Auswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse
Auswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse Frank Bensberg, Gandalf Buscher Zusammenfassung IT-Zukunftsthemen wie Big Data führen
Pressekonferenz DSW-Aufsichtsratsstudie , Berlin
30% 25% 20% 15% 10% 5% 0% 1,% 13,9% 12,7% 12,0% 10,0% 8,9% 8,9% 9,% 9,% 8,1% 9,2% 10,8% 12,3% 7,% 2,% 2,% 3,2% 3,%,0% 5,% 200 2007 2008 2009 2010 2011 2012 2013 201 2015 weibliche Anteilseignervertreter
Arbeitsbericht Wirtschaftsinformatik
Arbeitsbericht Wirtschaftsinformatik Berufsbilder und Kompetenzen zum Management der Informationssicherheit Ergebnisse einer explorativen Stellenanzeigenanalyse Frank Bensberg Gandalf Buscher Hochschule
Technology meets Strategy Digitale Trends Hartmut König Director Specialist Sales Marketing Cloud
Technology meets Strategy Digitale Trends 2017 Hartmut König Director Specialist Sales Marketing Cloud 12 Monate 7 8 9 11 12 13 15 Nein, nicht länger kann ichs lassen; will ihn fassen. Das ist Tücke!
hw.design DAX-30 ONLINE- GESCHÄFTS- BERICHTE 2013 STUDIE
hw.design DAX-30 ONLINE- GESCHÄFTS- BERICHTE 013 STUDIE 15 05 014 STUDIE: DAX-30 ONLINE-GESCHÄFTSBERICHTE 013 Wir wollten wissen 15 05 014 In welcher Form werden die Online-Geschäftsberichte des Berichtsjahres
Beispiel. Egmond Haidt. Bloomberg. Fundamentalanalyse. Nein. Nein
INFORMATIONEN ÜBER DEN ERSTELLER: Information Ersteller der Anlageempfehlung Wesentliche Quelle, welche als Grundlage für die Anlageempfehlung herangezogen wird Zusammenfassung & Erklärung der Preisprognose,
Trends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016
Trends im Markt für Business Intelligence Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 18.03.2016 BARC 2016 2 IT Meta-Trends 2016 Digitalisierung Consumerization Agilität Sicherheit und Datenschutz
Beispiel. Alexander Paulus. Guidants. Charttechnische Analyse. Nein. Nein
INFORMATIONEN ÜBER DEN ERSTELLER: Information Beispiel Ersteller der Anlageempfehlung Wesentliche Quelle, welche als Grundlage für die Anlageempfehlung herangezogen wird Zusammenfassung & Erklärung der
Auswirkungen auf Konzernabschlussgrößen in % Langfristiges Vermögen Schulden EBIT EBITDA n M 11,58 17,47 8,49 66,83 SD 19,14 37,80 23,12
Auswirkungen auf Konzernabschlussgrößen in % Langfristiges Vermögen Schulden EBIT EBITDA n 50 50 50 50 M 11,58 17,47 8,49 66,83 SD 19,14 37,80 23,12 105,89 MD 4,03 6,05 1,74 21,20 Min 0,02 0,04 0,02 0,30
Bekanntmachung Freiverkehr (Open Market)
1 DE000PA6D4B3 BNP Paribas Em.-u.Handelsg.mbH Bilfinger SE 10.06.2016 2 DE000PB0N7D4 BNP Paribas Em.-u.Handelsg.mbH Deutsche Lufthansa AG 10.06.2016 3 DE000PB1QPZ8 BNP Paribas Em.-u.Handelsg.mbH Deutsche
Die Bewertungssaison der Geschäftsberichte 2018 war ganz besonders spannend. Große kapitalmarktorientierte
1 7 Die visuelle Bilanz 2018 Die bewertung des Corporate Reporting durch das cci Die Besten im Corporate Reporting 2018 Bewertung der Print- und Online-Geschäftsberichte DAX 30 Ergebnisse in alphabetischer
www.pwc.de Inlands- und Auslandsumsatz von DAX-Unternehmen 2008-2013 Das Wachstum findet im Ausland statt.
www.pwc.de Inlands- und sumsatz von DAX-Unternehmen - Das Wachstum findet im statt. DAX-Industrieunternehmen konnten ihren zwischen und deutlich steigern. Das wachstum erfolgte im wesentlichen außerhalb
Fluktuation in den DAX-30-Vorständen weibliche und männliche Vorstände im Vergleich
Kienbaum Communications Gummersbach, 24. Oktober 2014 Fluktuation in den DAX-30-Vorständen weibliche und männliche Vorstände im Vergleich Fluktuationsquoten für den Zeitraum 1. Januar 2013 bis 31. Juli
HR Communication & Media Management
HR Communication & Media Management Christian Scholz Sommersemester 2018 CUBE HR Communication & Media Management (scholz@orga.uni-sb.de) SS 2018 2 Information Projekt CSR : Die Unterlagen zu diesen Firmen
Entwicklung der Dax-30-Unternehmen im Geschäftsjahr Eine Analyse wichtiger Bilanzkennzahlen
Entwicklung der Dax-30-Unternehmen im Geschäftsjahr 2012 Eine Analyse wichtiger Bilanzkennzahlen Kernergebnisse 2011 2012 Entwicklung Umsatz in Mio. Euro 1.194.046 1.295.199 +8% Gewinn (EBT) in Mio. Euro
Neuemission: Aktienanleihe Classic (EUR) (Lieferung)
Neuemission: Aktienanleihe Classic (EUR) (Lieferung) Aktie WKN ISIN Bezugsverhältnis adidas AG DE000A1EWWW0 adidas AG DE000A1EWWW0 Allianz SE DE0008404005 Allianz SE DE0008404005 BASF SE DE000BASF111 BASF
Neuemission: Aktienanleihe Classic (EUR) (Lieferung)
Neuemission: Aktienanleihe Classic (EUR) (Lieferung) adidas AG DE000A1EWWW0 adidas AG DE000A1EWWW0 Allianz SE DE0008404005 Allianz SE DE0008404005 Allianz SE DE0008404005 BASF SE DE000BASF111 BASF SE DE000BASF111
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY 08.03.2017 REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer AGENDA 1 / Vorstellung REWE Systems GmbH und inovex
Vorwort...5 Vorbemerkung...6 Abbildungsverzeichnis...13 Tabellenverzeichnis...15 Verzeichnis der Anlagen...17 Abkürzungsverzeichnis...19 Abstract...
Inhaltsverzeichnis 7 Inhaltsverzeichnis Vorwort...5 Vorbemerkung...6 Abbildungsverzeichnis...13 Tabellenverzeichnis...15 Verzeichnis der Anlagen...17 Abkürzungsverzeichnis...19 Abstract...23 I. Einleitung:
hw.design DAX 30 ONLINE- GESCHÄFTSBERICHTE 2012 STUDIE
hw.design DAX 30 ONLINE- GESCHÄFTSBERICHTE 2012 STUDIE Inhalt 1 DAX 30 Studie zu den Online-Geschäftsberichten 2012 2 Trends des mobilen Marktes 2 1 DAX 30 STUDIE 3 STUDIE: DAX30 ONLINE-GESCHÄFTSBERICHTE
Steffen Bischoff Senior Sales Engineer
CLOUD FÜR DUMMIES Steffen Bischoff Senior Sales Engineer sbischoff@talend.com 4 WAS CLOUD-LÖSUNGEN BIETEN Keine Anfangsinvestition Geringe Betriebskosten Zahlung nach Gebrauch Überall zugänglich Einfache
Final Terms. dated 27 March 2018
Final Terms dated 27 March 2018 in connection with the Base Prospectus dated 28 September 2017 (as supplemented by Supplement No. 1 dated 20 December 2017 and Supplement No. 2 dated 28 February 2018) of
Modulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
"Hier kann ich mich weiterentwickeln!"
"Hier kann ich mich weiterentwickeln!" Zur Verstärkung suchen wir für die Standorte München und Dresden einen Reporting Expert (m/w) Leistungsspektrum der BBF BBF ist ein mittelständisches Unternehmen
DAX-30-Konzerne im Ranking
Link: https://www.computerwoche.de/a/dax-30-konzerne-im-ranking,2354512 Social Media DAX-30-Konzerne im Ranking Datum: Autor(en): 30.09.2010 Andrea König Auch die Großen wollen von den Sozialen Netzwerken
Manfred Schneider Bayer AG
Tabelle 1: TOP-Aufsichtsräte im DAX 30 in 2012 Rang Name AR-Mandate, Ausschüsse 1 Manfred Schneider Bayer AG (V): Präsidium (V), Personal (V), Nominierung (V), Prüfung; Linde AG (V): Ständiger (V), Prüfung,
Dividenden der DAX-Unternehmen
Dividenden der DAX-Unternehmen Geschäftsjahr 2016 20. März 2017 Design der Studie Ihr Ansprechpartner Mathieu Meyer Managing Partner Audit Germany Ernst & Young GmbH Telefon +49 711 9881 24424 E-Mail mathieu.meyer@de.ey.com
Treiber der Digitalisierung Transformationale. Informationstechnologien am Arbeitsmarkt
Treiber der Digitalisierung Transformationale Informationstechnologien im Spiegel des Arbeitsmarkts Frank Bensberg Fakultät Wirtschafts- und Sozialwissenschaften Hochschule Osnabrück Caprivistrasse 30a
NORD/LB AM Aktien Deutschland LS. Halbjahresbericht für das Wertpapier-Sondervermögen für die Zeit vom bis
NORD/LB AM Aktien Deutschland LS Halbjahresbericht für das Wertpapier-Sondervermögen für die Zeit vom 01.07.2016 bis 31.12.2016 Herausgeber dieses Halbjahresberichtes: NORD/LB Asset Management AG Prinzenstrasse
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,
in Data Science (MAS-DS)
Study Guide zum Master of Advanced Studies in Data Science (MAS-DS) Strategische und betriebliche Entscheide stützen sich immer stärker auf die Analyse umfangreicher und verschiedenster Datenquellen ab.
Das optimale Aktienportfolio aus Sicht eines Analysten
Das optimale Aktienportfolio aus Sicht eines Analysten Commerzbank Fundamentale Aktienstrategie Andreas Hürkamp Stuttgart / 18.04.2015 (1) 6 Jahre DAX-Bullenmarkt: ist es noch sinnvoll, Aktienpositionen
Halbjahresbericht. DAX Source ETF. Halbjahresbericht zum 31.05.2010. zum 31.05.2010. für das Rumpfgeschäftsjahr vom 10.02.2010 bis 30.11.
Halbjahresbericht zum 31.05.2010 für das Rumpfgeschäftsjahr vom 10.02.2010 bis 30.11.2010 für das Richtlinienkonforme Sondervermögen DAX Source ETF Halbjahresbericht zum 31.05.2010 - Seite 1 Vermögensaufstellung
DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH. Referent: Ilona Tag
DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Referent: Ilona Tag Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
LOVOO auf Wolke 7. Stefan Weigert (Head of Data) BI Trendforum, Dresden,
LOVOO auf Wolke 7 Stefan Weigert (Head of Data) BI Trendforum, Dresden, 01.03.2018 Über LOVOO 110+ Mitarbeiter 2 Büros (B, DD) > 50M Nutzer Weltweit ~1M req/min Android, IOS, Web Über LOVOO 110+ Mitarbeiter
hw.design Geschäftsberichte Dax 30
Geschäftsberichte 2012 Dax 30 Studie Inhalt 1 Geschäftsberichte 2012 DAX 30 Studie 2 Ergebnis, Resumee, Empfehlung 2 1 GB 2012 DAX 30 Studie 3 Wir wollten wissen... Wie sind die Geschäftsberichte inhaltlich
Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft
Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft b Univ-Prof. Dr. Stefanie Lindstaedt b www.know-center.at Know-Center GmbH Know-Center: Austria s Research
Big Data Technologien
Big Data Technologien - Ein Überblick - Prof. Dr. Jens Albrecht jens.albrecht@th-nuernberg.de Big Data Landscape 2016 Prof. Dr. Jens Albrecht Big Data 3 Systemarchitektur im Wandel Gestern und heute Strukturierte
Trends in der BI. Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist
Trends in der BI Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist BARC: Expertise für datengetriebene Unternehmen 2 Top Trends in BI und Analytics als Chance 3 Relevante Trends vs.
START DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG
START DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG HAMBURG 23. MAI 2017 PROF. DR. DIMKA KARASTOYANOVA KOLLABORATIVE, DYNAMISCHE UND KOMPLEXE SYSTEME FÜR DIE LOGISTIK HAMBURG 23. MAI 2017 SCM
Produktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
Big Data im Retail-Sektor am Beispiel Kassenbondaten
Big Data im Retail-Sektor am Beispiel Kassenbondaten REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer Business Analytics Day, 08.03.2017 AGENDA 1. Vorstellung REWE Systems GmbH und inovex
Data und Big Data in der Cloud
Data und Big Data in der Cloud Dr. Nadine Schöne Detlef E. Schröder 29. September 2016, DOAG Big Data Days Copyright 2016, and/or its affiliates. All rights reserved. Safe Harbor Statement The following
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
Analytic im Einsatz! Betrugserkennung auf Basis von Big Data. Karol Sobiech
Analytic im Einsatz! Betrugserkennung auf Basis von Big Data Karol Sobiech 2 ACCENTURE GLOBAL DELIVERY NETWORK 3 4 AGENDA 1 MOTIVATION & ZIEL 2 METHODEN FRAUD MANAGEMENT SYSTEM 4 ARCHITEKTUR & TOOLS 3
Pressekonferenz DSW-Aufsichtsratsstudie 2014
DSW-Aufsichtsratsstudie.., Frankfurt.. Grafiken zur DSW-Pressekonferenz zum Thema Aufsichtsratsstudie. Aufsichtsratsvergütung % % % % % Grundvergütung kurzfr. var. Vergütung langfr. var. Vergütung % Ausschussvergütung
Data Science and Business Analytics
Data Science and Business Analytics Berufsbegleitende Weiterbildung Master of Science Lara Völk Weiterbildung HdM Stuttgart DIE HDM STUTTGART Campus S-Vaihingen 5.000 Studierende 16 Bachelor- / 11 Masterstudiengänge,
vom Gemäß 32 Abs. 3 Satz 1 LHG hat die Rektorin der Ergänzung der Zertifikatsordnung am zugestimmt.
Besonderer Teil für das Zertifikatsprogramm Data Science ergänzend zur Zertifikatsordnung der Hochschule Albstadt-Sigmaringen in der Fassung vom 21.10.2015 vom 17.10.2017 Aufgrund von 31 Abs. 5 Satz 3
Januar tradingfreaks.com Börsenkalender 2018 Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Januar tradingfreaks.com Börsenkalender 2018 1 Neujahr 2 3 4 5 6 Heilige Drei Könige 7 Neujahr 01. Woche 8 9 10 11 12 13 14 02. Woche 03. Woche 15 16 17 18 19 20 21 Martin Luther King Day BoC Zinsentscheid
mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com
mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-
Übersicht Streams nach Liste Produkte/Themen
Stream Datenbank: DB Oracle 9i bis 12c In-Memory Datenbanken Enterprise Manager Appliances EXADATA RAC DataGuard Upgrades, Konsolidierungen Implementationen Administration / Monitoring Performance Tuning
Entwicklung der Dax-30-Unternehmen Juli September 2013
Entwicklung der Dax-30-Unternehmen Juli September 2013 Eine Analyse wichtiger Bilanzkennzahlen Page 1 Kennzahlen im Überblick Q3-2013 Q3-2012 Entwicklung Umsatz 289.215 Mio. 293.772 Mio. -2% EBIT 24.055
Datengetriebene Agilität als Motor der digitalen Stadt
Fachbereich Informatik Datengetriebene Agilität als Motor der digitalen Stadt Hamburg TREND Prof. Dr. Tilo Böhmann zusammen mit Prof. Dr. Paul Drews, Corvin Meyer-Blankart, Dr. Andreas Zolnowski Handlungsfelder
Analyse der Unternehmenskommunikation zur Bewertung der Nachhaltigkeitsorientierung
Analyse der Unternehmenskommunikation zur Bewertung der Nachhaltigkeitsorientierung Prof. Dr. Frank Bensberg Fakultät WiSo Fachgruppe Quantitative Methoden & Informatik Agenda Motivation Digitalisierung
SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz
2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax
Wem gehört der DAX? Analyse der Aktionärsstruktur der DAX-Unternehmen 2014
Analyse der Aktionärsstruktur der DAX-Unternehmen 204 Design der Studie Ihr Ansprechpartner Untersucht werden die Unternehmen im DAX (eingetragene Marke der Deutsche Börse AG). Dr. Martin Steinbach Ernst
Big Data. Mit DVD. Was ist wichtig im Hadoop-Ökosystem? Hadoop 2 als universelle Data Processing Platform
Mit DVD Jobs im Wandel: Was für Informatiker bedeutet 2/2015 Auf der Heft-DVD Über 8 GByte Software für Entwickler Multimedia: 5 Videos zur Hoch leistungsdatenbank EXASolution Hadoop: Cloudera s Distribution
Zur Rolle des Chief Data Officers: Treiber der digitalen Transformation
Zur Rolle des Chief Data Officers: Treiber der digitalen Transformation Frankfurt, Juni 2016 Dr. Wolfgang Martin Analyst CDO Treiber der digitalen Transformation Das digitale Unternehmen und die digitale
NORD/LB AM Aktien Deutschland LS. Halbjahresbericht für das Wertpapier-Sondervermögen für die Zeit vom 01.07.2014 bis 31.12.2014
NORD/LB AM Aktien Deutschland LS Halbjahresbericht für das Wertpapier-Sondervermögen für die Zeit vom 01.07.2014 bis 31.12.2014 Herausgeber dieses Halbjahresberichtes: NORD/LB Asset Management AG Prinzenstrasse
R im Enterprise-Modus
R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org
Datenschutz in Zeiten von Big Data
Datenschutz in Zeiten von Big Data FFHS Regensdorf, 11. Juni 2015 OLIVIER HEUBERGER-GÖTSCH Legal Counsel Attorney at Law Einführung Big Data Profiling Aspekte zum Persönlichkeits- und Datenschutzrecht
big data @ work Chancen erkennen, Risiken verstehen von Thomas Davenport, Thomas H. Davenport, Péter Horváth 1. Auflage
big data @ work Chancen erkennen, Risiken verstehen von Thomas Davenport, Thomas H. Davenport, Péter Horváth 1. Auflage Verlag Franz Vahlen München 2014 Verlag Franz Vahlen im Internet: www.vahlen.de ISBN
Data Warehousing 0-1. DBS-Module
Data Warehousing Sommersemester 2016 Prof. Dr. E. Rahm Universität Leipzig Institut für Informatik y y y http://dbs.uni-leipzig.de 0-1 DBS-Module Master-Studium Informatik 10-202-2215 Moderne Datenbanktechnologien
} Priska Hinz. Mitglied des Deutschen Bundestages Bildungs- und forschungspolitische Sprecherin der Fraktion BÜNDNIS 90/DIE GRÜNEN
} Priska Hinz Mitglied des Deutschen Bundestages Bildungs- und forschungspolitische Sprecherin der Fraktion BÜNDNIS 90/DIE GRÜNEN DAX-Ausbildungsumfrage 2007 Ausbildungsleistung der DAX-Unternehmen auch
Microsoft Azure Deutschland ist jetzt verfügbar -
Einordnung und Überblick Data Scientist Operationalisierung IT-Abteilung Anwendungsentwickler Der Data Scientist agil Tool seiner Wahl möglichst wenig Zeit Skalierung Code für die Operationalisierung Der
Seminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP
Seminar WS 2012/13 S. Chaudhuri et al, CACM, Aug. 2011 Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP 2 Vorkonfigurierte, komplette Data Warehouse-Installation Mehrere Server,
Modulliste. für den Masterstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Wintersemester 2016/2017 Der Masterstudiengang Wirtschaftsinformatik
Einführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar
Einführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar Die Referenten sind keine exklusiven Trainer, sondern Berater aus dem Projektgeschäft, die auch Trainings durchführen.
Allgemeine IT-Priorities. und Trends in DACH. in Hendrik Oellers, Sales Director DACH. März, TechTarget 1
Allgemeine IT-Priorities und Trends in DACH in 2018 Hendrik Oellers, Sales Director DACH März, 2018 TechTarget 1 Diese Umfrage wurde in deutscher Sprache in Deutschland, Österreich & der Schweiz (DACH)
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
Vorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2013
Vorlesung des Software-Engineering im Sommersemester 2013 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.9: Werkzeugunterstützung v. 13.05.2013 1 [mit freundlicher Genehmigung
BDCA Kick-Off München,
BDCA Kick-Off München, 3.3.2015 Unser Modus: Sprinter Fakten! Seit 2005! 60+ Mitarbeiter:! Certified Scrum Masters/Product Owners! Certified Java Spring Professionals! Certified MongoDB Devs/Admins! Certified
DAX-VORSTANDSSTUDIE 2017
DAX-VORSTANDSSTUDIE 2017 8. Ausgabe » Inhalt» Methodik... 5 Analysierte Unternehmen im Überblick... 6 Unternehmen 2016... 7 Offenlegung der Vorstandsbezüge im Rahmen der Geschäftsberichte... 9 Definition
Bekanntmachung Regulierter Markt (Regulated Market)
1 DE000CB4FR33 Commerzbank AG Oracle Corp. 29.09.2015 2 DE000CN2B592 Commerzbank AG Frozen Concent. Ora. Juice A 29.09.2015 3 DE000CN2EG34 Commerzbank AG Sixt SE 30.09.2015 4 DE000CN2LAC9 Commerzbank AG
Eine neue Hoffnung - Watson Analytics verschmilzt mit Cognos BA. Erik Purwins
Eine neue Hoffnung - Watson Analytics verschmilzt mit Cognos BA Erik Purwins Watson Kognitiv Cloud Security Open Data PPI AG 02.03.2016 > 2 Watson Analytics Cloud Security Open Data Social Media Wetterdaten
BIG UNIVERSITÄTSRECHENZENTRUM
UNIVERSITÄTS RECHENZENTRUM LEIPZIG BIG DATA @ UNIVERSITÄTSRECHENZENTRUM Forschung und Entwicklung Entwicklung eines E-Science-Angebots für die Forschenden an der Universität Leipzig Stefan Kühne Axel Ngonga
Machine Learning Das neue 42?
Machine Learning Das neue 42? Fabian Buchert Solution Architect SAS DACH Analytics actual trend topics Citizen Data Scientist Machine Learning Text Analytics Artificial Intelligence Image Recognition Open
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
> 90%! > Kollegen erecruiting Nationen > AMS PAR DUS. > /p.a. SPRACHEN. IN /min.
In Business since 2001 90+ Kollegen 24 Nationen Büros in DUS PAR AMS 100+ erecruiting Partnerschaften 1.000+ Direkte Kunden GROWING! 1.700+ indirekte Kunden...and daily geparste CVs tägl. werden es mehr
FastTrack. IT-Einsteigerprogramm für Bachelor- und Masterabsolventen
FastTrack IT-Einsteigerprogramm für Bachelor- und Masterabsolventen IT-Einsteigerprogramm für Bachelor- und Masterabsolventen FastTrack Durchstarten in Ihre IT-Karriere Sie steigen mit unserem 18-monatigen
Big Data in der Praxis
Jonas Freiknecht Big Data in der Praxis Lösungen mit Hadoop, HBase und Hive Daten speichern, aufbereiten, visualisieren HANSER Vorwort XI 1 Einleitung 1 2 Big-Data 7 2.1 Historische Entstehung 8 2.2 Big-Data
Just seen on the way here SEITE 1
Just seen on the way here SEITE 1 Why you should learn about Data Science @WU? Axel Polleres, Institut für Informationswirtschaft, WU Twitter: @AxelPolleres http://polleres.net Finde these slides at: http://polleres.net/presentations/
Office 365 Dynamics 365 Azure Cortana Intelligence. Enterprise Mobility + Security Operations Mgmt. + Security
Office 365 Dynamics 365 Azure Cortana Intelligence Enterprise Mobility + Security Operations Mgmt. + Security API Application Availability Bottomless Storage Identity Management Full hybrid
Concepts and Methods of Social Network Analysis
DR.WEYER C ONSULTING Concepts and Methods of Social Network Analysis Parts 5-7 (Methods and Software) Berlin-Brandenburgische Akademie der Wissenschaften Berlin, Oct. 9-11, 2017 Sorry for mixing English
Round Table B: Digitalisierung als Chance für Controlling Prozesse Digitalisierung im Controlling Eine Standortbestimmung
Round Table B: Digitalisierung als Chance für Controlling Prozesse Digitalisierung im Controlling Eine Standortbestimmung Heimo Losbichler, Studiengangsleiter CRF Controlling, Rechnungswesen, Finanzmanagement
Business Analytics. Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung. Business Analytics
Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung Workshop für Führungskräfte (Gesamtheitlicher Überblick) mit Excel 2019 mit R Workshop für Führungskräfte (Gesamtheitlicher Überblick) Chancen
TU Wien. Gerti Kappel Business Informatics Group (BIG) Institut für Information Systems Engineering
Wirtschafts!NFORMATIK @ TU Wien Gerti Kappel Business Informatics Group (BIG) Institut für Information Systems Engineering Aus der Sicht der Informatik Teil der Angewandten Informatik? Was ist Wirtschaftsinformatik?
Studienergebnisse - Digital Future Jobs
Studienergebnisse - Digital Future Jobs 1 Inhalt- IT Berufsbilder in Österreich Ausgangs-Situation und Zielsetzung Verwendetes Framework Ergebnisse der Befragung und Interpretation 2 Ausgangs-Situation
Vorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2014
Vorlesung des Software-Engineering im Sommersemester 2014 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.8: Werkzeugunterstützung für Process-Mining v. 09.06.2014 1 für Process-Mining
Oracle Big Data Discovery Ein Überblick
Oracle Big Data Discovery Ein Überblick Hadoop Data Reservoir gewinnt weiter an Bedeutung Data Warehouse Bekannte Datenquellen Data Reservoir Entstehende Datenquellen Hadoop Umsatz und Forecast 49% CAGR,
Untersuchung. Vergütung der Vorstandsmitglieder. der DAX30-Unternehmen für das Geschäftsjahr
Untersuchung Vergütung der Vorstandsmitglieder der DAX30-Unternehmen für das Geschäftsjahr 2008 www.boeckler.de Zusammensetzung der Vorstände Übrige Vorsitz 30 Personal 21 121 26 Zuordnung erfolgte nach
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
The Future of Software Testing. Tilo Linz, imbus AG
The Future of Software Testing, imbus AG Szenariotechnik Source: http://de.wikipedia.org/wiki/szenariotechnik Folie 2 von 22 Future of Software Testing - Driven by Technology Testing Objects & Objectives
Die visuelle Bilanz 2017 Die bewertung des Corporate Reporting durch das cci. Die Besten im Corporate Reporting cci facts & figures
1 6 Die visuelle Bilanz 2017 Die bewertung des Corporate Reporting durch das cci Die Besten im Corporate Reporting 2017 Bewertung der Print- und Online-Geschäftsberichte DAX 30 Ergebnisse in alphabetischer
Mehrwert durch Microsoft Business Intelligence
Mehrwert durch Microsoft Business Intelligence Dr. Klaus von Rottkay Direktor Business Group Server Microsoft Deutschland GmbH Steffen Krause Technical Evangelist Microsoft Deutschland GmbH Warum Business
M.Sc. Informatik, Studium angewandte Informatik M.Sc. Ing. Lasertechnik, Studium Laser und Photonik B.Sc. Elektrotechnik, Studium der Elektrotechnik
Profil T.D. Test Consultant Jahrgang 1991 Wohnort Nürnberg / Köln Nationalität Bangladesch Ausbildung M.Sc. Informatik, Studium angewandte Informatik M.Sc. Ing. Lasertechnik, Studium Laser und Photonik