Prozess- und Datenmanagement Kein Prozess ohne Daten Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust
Prozess- und Datenmanagement Erfolgreiche Unternehmen sind Prozessorientiert. Prozesse im Fokus des Managements. Effiziente Prozesse das Zusammenspiel von Prozessen, Daten und Analytik. Von Daten und Data Management zu Big Data und Big Data Management. Entmythisierung von Big Data. Begriffsfindung und Definition von Big Data. Geld- und Wertschöpfung durch Big Data. Wie man mit Big Data Geld verdient. Kritische Erfolgsfaktoren von Big Data. 2 2013 S.A.R.L. Martin
Prozesse im Unternehmen Management-Fokus: Industrialisierung von Prozessen + Flexibilität von Prozessen + Regeltreue von Prozessen (Operational Excellence) (Agilität) (Compliance) Lieferanten Unternehmen Kunden Governance Analytik Kollaborativer Prozess Abteilung Performance Management Prozess-Management braucht Performance Management, Analytik und Information Management. 3 2013 S.A.R.L. Martin
Kein Prozess ohne Daten der Soll- Zustand implementieren, betreiben Business Process Management modellieren Information Management Performance Management planen, überwachen & steuern BPM heißt Prozesse planen, modellieren, implementieren, betreiben, überwachen und steuern. 4 2013 S.A.R.L. Martin Information Management ist Teil von BPM. Performance Management und Analytik ( BI ) ist Teil von BPM.
Die Digitalisierung der Welt Nach der Globalisierung folgt die Digitalisierung der Welt. BPM im Spiel der vier IT-Megatrends: Information bestimmt die digitale Welt. 5 2013 S.A.R.L. Martin
Information ist erfolgskritisch Ohne Information Management kein Prozess- Management. Kein Prozess ohne Daten. Information Management ist Chefsache. Information Management ist mehr als eine IT- Aufgabe. Prozesse, Daten und Analytik gehören in eine Verantwortung. Die Digitalisierung der Welt stellt Prozess- Management in den Kontext von Cloud, Mobile, Social und Big Data. Fazit 6 2013 S.A.R.L. Martin
Prozess- und Datenmanagement Erfolgreiche Unternehmen sind Prozessorientiert. Prozesse im Fokus des Managements. Effiziente Prozesse das Zusammenspiel von Prozessen, Daten und Analytik. Von Daten und Data Management zu Big Data und Big Data Management. Entmythisierung von Big Data. Begriffsfindung und Definition von Big Data. Geld- und Wertschöpfung durch Big Data. Wie man mit Big Data Geld verdient. Kritische Erfolgsfaktoren von Big Data. 7 2013 S.A.R.L. Martin
Mythen zu Big Data Mythos Nr. 1: Big Data = Hadoop Big Data ist mehr als Technologie. Als Technologie wird Hadoop ergänzt durch NoSQL und MPP analytische Datenbanken. Mythos Nr. 2: Big Data = In-Memory Big Data-Technologien nutzen eine Kombination aus Mathematik, Software- und Hardwaretechnologien. Mythos Nr. 3: Big Data = statische Analysen Zu Big Data gehört auch die Analyse von Datenströmen, also Echtzeitanalysen. 8 2013 S.A.R.L. Martin
Mythen zu Big Data Mythos Nr. 4: Big Data ist ein Problem der Datenspeicherung. Bei Big Data geht es um Analytik. Da steckt der Nutzen und das Potenzial zum Wandel. Mythos Nr. 5: Big Data = Social Media-Analytik Big Data = Transaktionen + Interaktionen + Beobachtungen. Mythos Nr. 6: Big Data spielt nur im Handel eine Rolle. Big Data geht quer über alle Branchen. 9 2013 S.A.R.L. Martin
Big Data eine Definition Big data is high-volume, -velocity and -variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. (Gartner [1]) [1] siehe Forbes (Zugriff am 10.04.2013) http://www.forbes.com/sites/gartnergroup/2013/03/27/gartners-big-data-definition-consists-of-three-parts-not-to-be-confused-with-three-vs/ Merkmale der Definition: die drei Vs, Information als Anlagegut ( Asset ), Kosten-effektive, innovative Formen der Informationsverarbeitung, besseres Verstehen und Treffen von Entscheidungen. 10 2013 S.A.R.L. Martin
poly-strukturiert hoch-strukturiert Big Data: Strukturen und Latenz massiv parallele Data Warehouses (IBM Netezza, Teradata) Analytische NoSQL DB (Aster, Sybase IQ, Hyperstage) In-Memory Datenbanken (Oracle x10, SAP HANA) Batch (offline) Echtzeit (online) verteilte Dateisysteme (Hadoop) NoSQL: Graph DB, OODB (Neo4J, Versant) Datenstrom- Verarbeitung (HStreaming, Streambase) Klassifikation von Big Data-Anbietern nach Datenstruktur- und Latenzanforderungen. 11 2013 S.A.R.L. Martin nach: Forrester
Von Data zu Big Data Big Data meint mehr als nur Technologie: Es geht um den Mehrwert von Information. Big Data meint Big Data-Analytik: Mittels Analytik erzielt man den Mehrwert von Information. Big Data umfasst die Analyse von strukturierten und poly-strukturen Daten sowie von statischen und Echtzeitdaten. Big Data kann in allen Branchen einen Mehrwert durch Information erzielen. Fazit 12 2013 S.A.R.L. Martin
Prozess- und Datenmanagement Erfolgreiche Unternehmen sind Prozessorientiert. Prozesse im Fokus des Managements. Effiziente Prozesse das Zusammenspiel von Prozessen, Daten und Analytik. Von Daten und Data Management zu Big Data und Big Data Management. Entmythisierung von Big Data. Begriffsfindung und Definition von Big Data. Geld- und Wertschöpfung durch Big Data. Wie man mit Big Data Geld verdient. Kritische Erfolgsfaktoren von Big Data. 13 2013 S.A.R.L. Martin
modellierte Daten 1. Transparenz durch Big Data polystrukturierte Daten Big Data recherchieren/ identifizieren NoSQL, Hadoop, analytisches DBMS gefilterte Daten/ analytische Ergebnisse Datenanalyse Analytische Applikationen & Services Daten- Integration Datenarchivierung, Filterung, Transformation strukturierte Daten externe und Unternehmensdaten 14 2013 S.A.R.L. Martin ETL/ELT Enterprise Data Warehouse nach: Colin White Datenanalyse Analytische Applikationen & Services
2. Erfolgskontrolle von Maßnahmen Big Data Messen Webanalyse Clickraten (QR Codes) Sensoren Lokalisierungsdaten Video etc. Big Data-Methodik: Iteratives Ableiten und Testen von Hypothesen 15 2013 S.A.R.L. Martin
3. Individualisierung in Echtzeit Beispiel Handel: Außenwerbungs-Optimierung und next best local point of contact 16 2013 S.A.R.L. Martin
4. Optimierung durch Big Data Prozess Sensoren zusammengesetzter Service analytische, kollaborative & Transaktions- Services Datenvirtualisierung 17 2013 S.A.R.L. Martin Events & Sensoren Operative Daten Files, XML, Spreadsheets externe Daten Data Warehouse Einbettung von Echtzeitanalytik. andere Big Data- Quellen
5. Innovation mit Big Data Nur ein Beispiel als Denkanstoß: Das Google-Auto: fahrerlose Mobilität. Technologien, die es möglich machen: Sensoren und Echtzeitanalytik, also Big Data. 18 2013 S.A.R.L. Martin
Das Internet der Dinge virtuelle Welt reale Welt Konvergenz M2M Beispiele: 19 2013 S.A.R.L. Martin (medizinische) Sensoren Smart Meter intelligente Plakate Bezahlung über NFC Home Entertainment Systeme vom Auto zum Mobilitäts-Service
Big Data-Erfolgsfaktoren Tweet von Stephen Shelton (@sdsdev, 28. März): Many businesses fail to have analytics as its cultural core. This is why Big Data confuses many. Kritische Erfolgsfaktoren von Big Data: Schaffen einer analytischen Kultur im Unternehmen. Etablieren neuer Entscheidungswege. Ausbauen und Leben der Information Governance im Rahmen von Big Data Management. 20 2013 S.A.R.L. Martin
Magische Zahlen Aber: Nutzen von Big Data im CRM ist nicht nur eine Frage der Mathematik und Technologie! Frage der Privatsphäre. Frage des Datenschutzes. Frage der Information Governance. Frage der Social Governance (Social CRM: Social Media Guidelines). Frage der Prozesse (Was tun, wenn...). 21 2013 S.A.R.L. Martin
Geld- und Wertschöpfung durch Big Data Big Data schafft Transparenz durch ein mehr an Information. Big Data stellt Entscheidungen und Maßnahmen auf Fakten. Big Data erlaubt zielgenaue, individualisierte Interaktionen. Big Data schafft ein mehr an Automation durch gezielte Beobachtungen und macht Prozesse intelligent. Big Data schafft Innovation durch Information. Fazit 22 2013 S.A.R.L. Martin Eine Nutzung von Big Data braucht eine Big Data-Ethik.
Prozess- und Datenmanagement. in den Zeiten von Big Data. Big Data entsteht durch die Digitalisierung der Welt. Die heutigen Megatrends (Social Media, Cloud, mobiles Internet und Big Data) führen uns zum Internet der Dinge. Das Internet der Dinge verändert die Unternehmenswelt: Prozesse, Daten und Analytik muss in diesen Kontext gestellt werden. Das Internet der Dinge verändert schließlich auch unser persönliches Leben. White Paper/Research Notes: Kostenloser Download auf www.wolfgang-martin-team.net Kontakt: wolfgang.martin@wolfgang-martin-team.net 23 2013 S.A.R.L. Martin