hochschule aschaffenburg märz 2018...sap, sap bi / bw, sap hana kunden deutsche bahn deutsche...
TRANSCRIPT
Hochschule Aschaffenburg – März 2018
Blue Tomato Technologies
Warum BIG DATA
Herausforderungen und Perspektiven
Unterschiede zum klassischen BI
DATA Lake – Hadoop
Praxisanwendungen
Risiken
Visionen und Ausblick
AGENDA
1
2
3
4
5
6
7
8
Challenge Conventional Thinking
BLUE TOMATOTECHNOLOGIES
BLUE TOMATO TECHNOLOGIES
KOMPETENZEN
▪ Projektmanagement
▪ Agiles Projektvorgehen / SCRUM
▪ IT Architekturberatung (SAP, Big Data, SOA)
▪ Schulungen und Trainings (SCRUM, PM)
UNTERNEHMENSBERATUNG
▪ Gegründet 2012
▪ Regionales Unternehmen
▪ Projekte regional und international
▪ Kooperation u.a. mit Hochschule Aschaffenburg
TECHNOLOGIEN
▪ Datawarehouse / Business Intelligence
▪ Big Data /
▪ Service OrientedArchitecture
▪ SAP, SAP BI / BW, SAP HANA
KUNDEN
▪ Deutsche Bahn
▪ Deutsche Telekom
▪ Menicon GmbH
▪ Heraeus GmbH
▪ Mobi TV USA
WARUM BIG DATA?Ein kleiner Einblick…
MENSCH ZU MENSCH
Netizens, Virtual, Communities, Soziale Netzwerke, Web Logs…
MENSCH ZU MASCHINE
Archive, medizinische Geräte, digitale TVs, Online Business, Smart Cards, Bankkarten, Computer, mobile Geräte
MASCHINE ZU MASCHINE
Sensoren, Navigationsgeräte, GPS, Barcodes, Scanners, Überwachungskameras, wissenschaftliche Forschung
MILLIONEN2.9 Emails werden jeden Sekunde verschickt
MILLIONEN50 Tweets pro Tag
STUNDEN20 Video in jeder Sekunde
>3,500NORD-AMERIKA
>2,000EUROPA >250
CHINA
>400JAPAN
>50INDIA
>200MITTLERER
OSTEN
>50LATEIN-
AMERIKA
VOLUMEN VIELFALT
GESCHWINDIGKEIT
MENGE AN BIG DATA, WELCHE WELTWEIT GESPEICHERT IST (IN PETABYTES)
Warum BIG DATA?Die drei Komponenten – Volumen, Vielfalt und Geschwindigkeit – der eingehenden Daten sind das, was die Herausforderung darstellt.
HERAUSFORDERUNGEN UND PERSPEKTIVENBIG DATA
DATENSTRUKTURGeeignete Datenstrukturen müssen etabliert und gepflegt werden, um die Transparenz über den Datenraum zu erhalten.
WANDLUNGDie Veränderlichkeit der Märkte und das immense Datenvolumen erschweren die Datenanalyse und die Bildung einer Entscheidungsbasis.
INFORMATIONSMANAGEMENTInterpretation, Aktualität, Validierung und die Vermeidung von Fehldeutungen müssen implementiert werden.
HERAUSFORDERUNG
KUNDENÜberlegene Informationen zu Interessen und Kaufverhalten der Kunden
MARKETINGÜberlegene Steuerung von Marketing und Verkauf
MARKTÜberlegene Einschätzung von Marktniveaus und Geschäftsszenarios
PERSPEKTIVEN
WAS IST DER UNTERSCHIED ZUM DATAWAREHOUSE?Zwei unterschiedliche Ansätze
DataWarehouse vs. BIG DATA
Zentralisierte Datenlagerung
Hochwertige Daten
Strukturierte, bereinigte, zusammengefasste Daten
Periodische Berichte
Regelmäßige Erstellung
DATA WAREHOUSE
Daten existieren an mehren Stellen
Einfache Nutzung
Verarbeitung von Rohinformationen vieler Formate
Echtzeitanalysen
Flexibilität steht im Vordergrund
BIG DATA
DATA LAKEHadoop im Kurzüberblick
DATA LAKEHadoop im Kurzüberblick
PRAXISANWENDUNGENBIG DATA
Optimierung der Sportler
▪ Profifußball: Sensoren in Schienbeinschoner, Trikots, Schuhen, Ball
▪ Auswertung der Daten über Algorithmen und „Experten“ (Trainer, Sportmediziner, usw.)
▪ Zielgerichtetes Training und angepasste Ruhephasen um optimale Leistung zu erzielen
LEISTUNGSPORT / PROFISPORT
Zielgerichtete Therapien
MEDIZINISCHER BEREICH
▪ Weltweit generierte und erfasste Daten bei Einsatz und Durchführung on Krebstherapien
▪ Individuelle Therapien gezielt und optimiert einsetzen
Verbesserung Kundenansprache
▪ Echtzeitansprache des Kunden während des Kaufprozesses
▪ Echtzeitinformationen zur Vermittlung von Partnerangeboten (nicht nur „Kunden die dieses Produkt gekauft haben …..“)
▪ Erhöhung der Lieferbereitschaft und Reduktion der damit verbundene Out-of-stock Situationen
ONLINE VERSANDHANDEL
Echtzeitanalyse Sensordaten aus Zügen
▪ Werkstattplanung und Optimierung Rüstzeiten▪ Verhinderung von ausfallrelevanter Komponenten▪ Reduzierung von Lagerkosten
EISENBAHNWIRTSCHAFT
RISIKENBIG DATA
Auch für Big Data gilt das Urheberrecht an Datensammlungen im Sinne des Datenbankwerks.
URHEBERRECHT
Alle Regelungen zu personenbezogenen Daten müssen beachtet und umgesetzt werden.
DATENSCHUTZ
Sofern Daten über Landesgrenzen hinaus gesammelt oder übermittelt werden, müssen entsprechende Regelungen beachtet werden.
Moralische und ethische Grundlagen für Einsatz und Grenzen von Big Data müssen festgelegt werden.
SOZIALRISIKO
COMPLIANCE
INTERNATIONALE RICHTLINIEN
Ein präzises Modell zur Messung der Plausibilität von Quelldaten ist die Grundlage für treffende Analysenergebnisse.
DATENQUALITÄT
Zugriffsbeschränkung, Manipulations- und Angriffsschutz sind im Blick des Werts der gesammelten Daten unverzichtbar.
DATENSICHERHEIT
DATENRISIKEN
VISIONEN UND AUSBLICKBIG DATA
VISIONEN & AUSBLICK
Machine LearningSmart Factorys
Internet of Things
Increasing „life-critical“ Data
Predictive Analytics
Blue Tomato Technologies GmbH Akazienweg 1063768 Hösbach
Tel: +49 6021 4229 960eMail: [email protected]
Vielen Dank für
Ihre Aufmerksamkeit !