Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft

Transkript

1 Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft b Univ-Prof. Dr. Stefanie Lindstaedt b Know-Center GmbH

2 Know-Center: Austria s Research Center for Data-driven Business and Big Data Analytics Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 2

3 Big Data Competence made in Austria ESTABLISH A WORLD-CLASS RESEARCH CENTER FOR DATA-DRIVEN BUSINESS WHICH WILL SERVE AS AUSTRIA S HUB FOR (BIG) DATA ANALYTICS AND MANAGEMENT BY PROVIDING KNOW-HOW AND SERVICES TO INDUSTRY AND SCIENCE. Empower Austrian industry with data-driven business Data science laboratory for Austrian science and industry Provide excellent qualification program for data scientists Software and services for Data Science and Open Science Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 3

4 NEUE ANGEBOTE AN DER TU GRAZ

5 Types of Data Scientist

6 Data Science Skills & TU Graz Studiengänge Wahlfachkatalog Data Analytics Wahlfachkatalog Data Management Embedded Systems / IoT

7 Data Science Skills & TU Graz Studiengänge Software- Entwicklung & Wirtschaft Informatik Telematik Embedded Systems / IoT

8 Wahlfachkatalog Data Analytics 8

9 Wahlfachkatalog Data Management TBD Persistentes Speichern und Verwalten der Daten in verteilten Datenbanken, P2P Netzwerken, persitstable RAM,... Dateninfrastrukturen mit map-reduce, in-memory computational databases, many-core parallelism, GPU parallelization, heterogeneous hardware utilization, usw. Skalierbarkeit, Verteilbarkeit und Verarbeitung von großen Datenströmen in Echtzeit Integration heterogener Datenquellen zusammen mit Nachverfolgung der Herkunft (Provenance, Trust, Security)

10 FFG Stiftungsprofessur Data Management Erhöhung Abstraktionslevel & Aufbau Dateninfrastruktur

11 ANFORDERUNGEN AUS DER WIRTSCHAFT

12

13 European Data Science Academy (edsa-project.eu)

14 European Data Science Academy (edsa-project.eu)

15 Domain Know-How is KEY! Z.B. Industrie 4.0 Value Chain Data Value Chain Concept Develop Validate Produce In-Use Service Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 3

16 BRIDGING THE GAP Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 16

17 Big Data Analytics with Human in the Loop Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 17

18 Industrielle Projekte Vorwettbewerbliche Entwicklung und Forschung Gemeinsame Projekte mit Partnerfirmen Ziele Herausforderungen Anwendung der Erkenntnisse aus der Forschung in der Praxis Erfolgreiche Durchführung des Projekts Verwertbare Ergebnisse Kenntnisse aus dem Fachgebiet(en) Kommunikation mit den Dömänen- Experten Durch Daten Mehrwert generieren Daten-Qualität & Verfügbarkeit 18

19 Industrielles Projekt Beispielsprojekt Inhalt Wartungsintervalle aufgrund von Daten besser steuern Ablauf Verständnis für die Domäne aufbauen Verständnis für die Daten aufbauen Datenanalysen durchführen Ergebnis Identifikation von Einflussgrößen Empfehlung für dynamische Wartungsintervallen 19

20 Entwicklung der Kompetenzen durch die industrielle Anwendung Wissen Verständnis der Probleme in der Praxis Kompetenzen Kommunikation mit Partnern Arbeitserfahrung in industriellen Projekten Erweiterte Kompetenzen Verständnis von Geschäftsprozessen Domänenverständnis 20

21 Data Scientist Erkenntnisse Data Scientist ist kein Job es ist ein Team 21

22 Data Scientist Erkenntnisse Data Science ist keine einzelne Methode sondern eine Sammlung von vielen Methoden und für das Problem die passende Methode auszusuchen 22

23 Data Scientist Erkenntnisse Data Science liefert nicht nur Ergebnisse sondern ermöglichen es auch, dass andere Analysen selbst machen können 23

24 Big Data Lab Unser Angebot Training ANALYSEPROJEKTE Consulting Big Data für SW Entwickler Verwendung von Apache Hadoop für Big Data Analytics Apache Hadoop Essentials Aufsetzen eines Apache Hadoop Clusters Data Analytics Fundamentals Grundlagen von Data Science und Machine Learning Datenübernahme Festlegen des Formats, Klärung rechtlicher und sicherheitsrelevanter Aspekte Datenvorverarbeitung Bereinigen, Normalisieren und Integrieren der Daten, Aufbereiten der Daten für verteiltes Bearbeiten (Verteilte) Datenanalyse Durchführen von Analysen etc. unter Verwendung des Hadoop Cluster oder anderer Cloud Big Data Infrastrukturen Data-driven Opportunities Identifizieren von Anwendungsund Wertchöpfungsmöglichkeiten entlang der Data Value Chain, Erstellen von Business Cases Data Value Check Untersuchung von Umfang und Qualität der Daten im Unternehmen sowie deren Nutzungspotential Big Data Essentials Eine kompakte, praxisorientierte Einführung in Konzepte, Methoden, Technologien und Tools von Big Data 24

25 25 International Conference for Big Data and Data-driven Business Oktober, 2016

26 Erfahrungsaustausch über Anwendungsdomänen hinweg

27 Industry Consortium Know-Center GmbH Research Center for Data-Driven Business and Big Data Analytics 27

28 Contact b Prof. Stefanie Lindstaedt General Manager Scientific Director Inffeldgasse 13, 8010 Graz slind@know-center.at Know-Center GmbH