ZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter. Gudio van Husen, Christopher Muth DB Systel GmbH Hanau

Ähnliche Dokumente
ETL in den Zeiten von Big Data

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Business Chancen im Reporting nutzen. Ingo Diekmann Leiter Kooperationen & Business Development IDL GmbH Mitte

Trends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

BI-Kongress 2016 COMBINED THINKING FOR SUCCESS - BI & S/4HANA

Software Defined Storage Storage Transformation in der Praxis. April

Phänomen Digitalisierung Pflicht oder Kür erfolgreicher Unternehmen. Hannover, Timm Grosser, Senior Analyst

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg,

Self Service BI der Anwender im Fokus

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS

Survival Guide für Ihr Business Intelligence-Projekt

SAP BI Fokustage 2015

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

Vom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt

ibpm - intelligent Business Process Management:

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

Intelligentes Datenmanagement und Architekturen für flexibles Reporting und Analytik

SAP HANA eine Plattform für innovative Anwendungen

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg,

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Top 10 der Business Intelligence-Trends für 2014

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP

Business Intelligence - Wie passt das zum Mainframe?

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland

SOA im Zeitalter von Industrie 4.0

Big Data Eine Einführung ins Thema

Michael Bauer Niederlassungsleiter Köln

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014

FREUDENBERG IT. Mobile Business Intelligence

Das Informations-Cockpit für die Geschäftsführung Fileserver, Exchange, ERP, Sharepoint und mehr

Die Scheer GmbH. Scheer Group GmbH. SAP Consulting. Security LMS. Business Process. Predictive Analytics & Ressource Efficiency

Mission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden

RE.one. Self Service Information Management für die Fachabteilung

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

Managed Self Service BI Vorgehensweise mit ODI und OBI

Agile Analytics Neue Anforderungen an die Systemarchitektur

Erfolgreicher Umgang mit heutigen und zukünftigen Bedrohungen

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.

Von Smaller Data zu BIGGER Data Praktische Ansätze zu Data Discovery, Data Blending und Data Visualization

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

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, Dr. Carsten Bange, Gründer und Geschäftsführer BARC

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014

1Ralph Schock RM NEO REPORTING

Durchblick im Self-Service-Dschungel. Hannover, Patrick Keller, Senior Analyst

BI around the world - Globale Reporting Lösungen bei Continental Automotive

Matthias Schorer 14 Mai 2013

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte BI Operations Erfolgsfaktoren für einen effizienten Data Warehouse Betrieb

Location Intelligence

Management Cockpits. Business Intelligence für Entscheider. Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH

SAP BI/BO Roadmap SAP BI Verteilung

Maximieren Sie Ihr Informations-Kapital

Einführungsveranstaltung: Data Warehouse

Das bessere Unternehmen Industrialisierung von Information Management

The Need for Speed. CeBIT Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Business Intelligence Lust oder Leid?

Operational Intelligence

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten

Junisphere Systems AG Aligning Business with Technology. One step ahead of Business Service Management. Intelligentes ITSM

Agile BI mit Agile BI Modeler & Agile Scorecard

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Die Renaissance von Unified Communication in der Cloud. Daniel Jonathan Valik UC, Cloud and Collaboration

Digital or die that s the fact! - neue, digitale Geschäftsmodelle in alten Branchen -

THE KNOWLEDGE PEOPLE. CompanyFlyer.indd :48:05

Zeitgemäße Verfahren für ganzheitliche Auswertungen

Erster Einblick in die BPM Suite 11g - Live

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers.

vinsight BIG DATA Solution

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

mobiles Management Reporting mit dem ipad

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011

Mobility im Unternehmenseinsatz. Timo Deiner, Senior Presales Expert Mobility, SAP Deutschland Communication World 2012, 10.

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA

O-BIEE Einführung mit Beispielen aus der Praxis

Business Intelligence

6. Oracle DWH Community Mainz Koexistenz SAP BW und mit unternehmensweitem zentralen DWH

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe

ITSM Roundtable. Linz, den

PROGRAMMATIC VIDEO: Warum wir Private Marktplätze als Swimming Pools bezeichnen!

Eine Analyse der Crisp Research AG

DWH Szenarien.

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

IT Transformation. Journey to the Private Cloud bei einem globalen EMC Kunden. Hans Krebs - Switzerland

LOG AND SECURITY INTELLIGENCE PLATFORM

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm Berlin Germany

Der Markt für Analysewerkzeuge & -verfahren. CeBIT, Larissa Seidler, Senior Analyst Business Intelligence

Eine kurze Einführung in die Technologiegrundlage. Future Internet Technologies and Funding for Agri-Food, Logistics, Transport and Manufacturing

Andreas Emhart Geschäftsführer Alegri International Group

IT SECURITY MANAGEMENT MIT ARIS CLOUD ENTERPRISE

Vorgehen bei der Entwicklung mobiler Lösungen. Peter M. Brak, Partner, proaxia consulting group ag SAP Forum Baden

Reporting im Umfeld von SAP BWonHANA Dos & Don ts aus der Praxis Tjarko von Lehsten, Rüdiger Hagmann Swisscom Enterprise Customers

Einmal Pie-Chart und zurück: Manchmal ist mehr drin als man glaubt

Risk Management for Banking Herausforderungen für einen integrierten Approach

Transkript:

ZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter Gudio van Husen, Christopher Muth DB Systel GmbH Hanau 28.02.2018

Foto: DB Systel DB Systel GmbH Die Digitalisierung der Bahn erfolgreich gestalten. Das ist es, was uns treibt. 2

Foto: DB Systel Foto: Foto: Mikko Max Lemola Lautenschläger - Fotolia DB Systel GmbH Advanced Analytics @ DB AG Solution Group Business Intelligence 70 MA ZERO.ONE.DATA Inhouse Big Data Start-up 100+ MA Klassisches DWH auf Basis relationaler Datenbanken und SAP BW Für den DB Konzern inkl. aller Unternehmensbereiche/ Geschäftsfelder Verarbeitung und Analyse großer Datenmengen 3

Organisatorische Grundsteinlegung vor drei Jahren 4

ZERO.ONE.DATA Das agile Big Data Startup der DB Systel Large Customer Projects HR Data Vision Business Services Intelligent Video Analytics (Audio Analytics) (Smart Booking) (Micro- Service Analytics) Strategic DWH Projects Asset Analytics Data Intelligence Data Ops Customer Analytics Financial Analytics 6

Zukunft Bahn: Wir brauchen eine Qualität, die unsere Kunden überzeugt Kunden Erfahrungen Verspätung / vorausfahrender Zug Zugausfall / Fehlender Wagen Störung Klimaanlage WC / Restaurant defekt Weichen-/ Stellwerksstörung 7

Für die Ursachenanalyse müssen wir bis tief ins Detail schauen HF Technische Komponente Verpätungscodes Linien/Zug-Nr Organisation Geographie Zeitpunkt Werk 8

Das Top Management will jeder Zeit die Lage im Blick haben Als Vorstand mit dem Handy auf dem Weg zu Arbeit Als Mitarbeiter im Intranet Als Analyst auf Desktop Als Stab am Wochenende von zu Hause aus Als Entscheider Hintergrundinfo im Meeting auf dem ipad Im Performance Dialog auf großem Touchscreen 9

Statusupdate LIVE-DEMO FR 10

Erfolgreiche IT-Architektur des DSR Konsistente Datenbasis bei diversen Use Cases Datenfluss Geschützte Rohdaten (z.b. Kosten aus GF) Endnutzer Standard -Nutzer Report- Empfänger Power- User Data Scientist Informationsbereitstellung Report-Apps Report-Apps Dashboards Report-Apps Report-Apps Analyse-Apps Data Science-App Data Science-App Data Science-Apps Meta- Daten Daten- Management Core DWH Data-Mart Core Stage Datenhaltung Data Lake Quellsysteme Operative Daten Externe Daten Zusätzliche Daten 11

Erfolgreiches Wachstum Die Voraussetzungen: Organisatorische & methodische Rahmenbedingungen Technologie Fachliche Notwendigkeit Auswertung großer Datenmengen übergreifende Auswertung Architektur vorhanden Know-How vorhanden Schneller Zugriff auf Daten Schnelle Speicherung Wer ist zuständig? Wie gehen wir an die Sache ran? Wie stellt sich das organisatorisch dar? Schwerpunkt liegt auf Organisation und Vorgehensweise 12

Erfolgreiches Wachstum Die Erkenntnis: Technologie muss direkt berücksichtigt werden Fachliche Notwendigkeit Auswertung großer Datenmengen übergreifende Auswertung Business Cases Schneller Zugriff auf Daten Schnelle Speicherung Wer ist zuständig? Wie gehen wir an die Sache ran? Welche Technologie? Schwerpunkt liegt auf Organisation, Vorgehensweise und Technik 13

Erfolgreiche Datennutzung Föderativer Ansatz für einen Data Lake im DB Konzern PXR Operational Intelligenz DB Data Lake Vendo Operational Intelligenz DSR z.b. DB Cargo weitere Geschäftsfelder DB S&S DB IoT Cloud Dashboards Operational Intelligenz Operational Intelligenz Reporting Dashboards Operational Intelligenz 14 Cloud On-Premise Datenaustausch Information Catalog Data Governance Data Processing Data Storage

Erfolgreiche Datennutzung DB Data Lake Core Services als Voraussetzungen für die breite Nutzbarkeit Data Provider Data Owner Datenfreigabe festlegen Metadaten veröffentlichen Unterstützt in Form von Projektleistung Datenintegration durchführen Daten bereinigen Data Lake Daten verwenden Datennutzung regeln Governance Datenqualität sicher stellen Daten recherchieren Data Consumer 15

Erfolgreiche Datennutzung Information Catalogue als Sprungbrett für weitere Use Cases 16

Fazit Wir befinden uns in der Transformation in ein agiles Zeitalter. Organisatorisch und technologisch gibt es große Herausforderungen. Fehler passieren und sind notwendig. Think big. Start small. 17

Foto: sdecoret - Fotolia Thank You Very Much! Questions?