metric - bugÜn cumartesİ - sap forum 2013

SAP FORUM İSTANBUL Gelecek Bugün

Konuşmacı Adı : Barış Çekiç

Firma Adı : Metric

Bugün Cumartesi

Metric

© 2013 SAP AG. All rights reserved. 3

Metric

SAP BusinessObjects Veriambarı ve işzekası gelirlerine göre

#1

SAP HANA Türkiyedeki ilk bellekiçi veriambarı

#1

SAP BPC on HANA Dünyadaki ilk bellekiçi bütçe uygulaması

#1

Asset büyüklüğüne göre 10/10 Banka SAP BusinessObjects’i seçti.

Bu bankaların 8/10 Metric’i tercih ediyor.

SAP HANA Dünyadaki ilk sertifikasyon

#1


Metric Technology

Some facts about Metric Technology;

• SAP BusinessObjects çözümlerinde Türkiye’deki ilk Gold Partner.

• SAP Türkiye Resmi Eğitim Partneri

• Dünyadaki ilk bellek içi tahminleme ve bütçeleme uygulaması ( UNO )

• Türkiyedeki ilk bellekiçi veriambarı ( UNO)

• Dünyadaki ilk SAP HANA sertifikasyonu

Metric ile çalışmak bizim için bir zevk, her çalışanı derin bilgi birikimi ile Türkiye İşbankası’naki iş zekası uygulamalarına

ciddi katkıda bulunmuşlardır.

Türkiye İşbankası

Metric Technology, 2007 yılında kuruldu ve tüm faaliyetlerini iş zekası

alanında sürdüren SAP Gold Partneri’dir.


Endüstrilere Göre Müşterilerimiz : Bankacılık

Referans Müşteriler

Akbank

Bank Asya

TCMB

Kuzey Kıbrıs Merkez Bankası

Garanti Leasing

HSBC

T.C. Ziraat Bankası

TEB ( PNB Paribas )

TEB Cetelem

Türkiye İş Bankası

Yapı Kredi

VDF

* According to Asset Size, 8 of Top 10 banks use SAP BusinessObjects, 6 of them prefers to work with Metric Technology

Banka

SAP BusinessObjects

kullanıyor. 10/10*

Banka

Metric’i tercih

ediyor 8/10


Endüstrilere Göre Müşterilerimiz : Sigorta

Referans Müşteri

Ak Emeklilik

Anadolu Sigorta

AvivaSA

Garanti Emeklilik

Zurich Sigorta


Endüstrilere Göre Müşterilerimiz : Telekom

Referans Müşteri

Azercell

Geocell

Kcell

Turkcell Global Bilgi

Turkcell Superonline

Vodafone

Digiturk

TTNET

Turk.net

http://kurumsal.turk.net/index.html


Endüstrilere Göre Müşterilerimiz : Hızlı Tüketim

Referans Müşteri

3M

British American Tobacco

Coca-Cola Icecek A.S.

Efes Pilsen

Fritolay

Johnson & Johnson

L’OREAL

Philip Morris

UNO


Endüstrilere Göre Müşterilerimiz : Otomotiv

Referans Müşteri

HONDA

Mercedes Benz

MAN

Brisa

Çiftkurtlar

Doğuş Otomotiv

Temsa Global


Endüstrilere Göre Müşterilerimiz : Diğer

Referans Müşteri

Arçelik

Vestel

BDH

Bilkent Holding

Borusan

Çevko

Demisaş

Gitti Gidiyor

İstanbul Bilgi Universitesi

KlimaPlus

Koç Sistem

Lease Plan

Referans Müşteri

Ministry of Finance

Polinas

Philsa

Roche

Sanko

Sarkuysan

Servier

Standart Profil

TAV

Tepe İnşaat

Turkish Airlines

Viko

Referans Müşteri

YAYSAT

Vestel


Metric

Danışmanlık Eğitim

Profesyonel Hizmetler

Workshop Sürekli Destek Dış Kaynak Kullanımı

SAP Business Analytics & Technology

İş Zekası (BI)

Web Intelligence

Crystal Reports

Dashboards(Xcelsius)

Explorer

Mobile BI

Analysis, OLAP

BI Platform

Kurumsal Bilgi Yönetimi

(EIM)

Data Services

Data Quality

Text Analysis

Information Steward

Event Insight

Kurumsal Performans Yönetimi

(EPM)

SSM - Strategy

Management

BPC – Business Planning

and Consolidation

PCM – Profitability and Cost

Management

FC – Financial Consolidation

Veri Tabanı ve Mobilite

SAP HANA

Sybase Unwired Platform

Sybase Afaria

Bugün Cumartesi


Global Trendler

%85

Zaman baskısı Yeni nesil Bilgi Artışı

5 exabyte 5.368.709.120 gigabytes

İnsanlık artık bu bilgiyi 2 günde

üretiyor, ve bu data 2003 yılına

kadar insanlık tarihinde üretilen

bilgiye eşit.

Organizasyonların %85’i

operasyonların karmaşıklığının

artacağını düşünüyor.

1 / 2

Dünya nüfusunun %50’i 25 yaşın

altında, teknolojiyi seviyor ve marka

bağımlılığı yok.


Big Data

(1) The Original Big Data

Big Data as the three Vs: Volume, Velocity, and Variety. This is the most venerable and well-known

definition, first coined by Doug Laney of Gartner over twelve years ago. Since then, many others have

tried to take it to 11 with additional Vs including Validity, Veracity, Value, and Visibility.

(2 ) Wikipedia

Big data[1][2] is the term for a collection of data sets so large and complex that it becomes difficult to

process using on-hand database management tools or traditional data processing applications. The

challenges include capture, curation, storage,[3] search, sharing, transfer, analysis,[4] and visualization.

The trend to larger data sets is due to the additional information derivable from analysis of a single large

set of related data, as compared to separate smaller sets with the same total amount of data, allowing

correlations to be found to "spot business trends, determine quality of research, prevent diseases, link

legal citations, combat crime, and determine real-time roadway traffic conditions.

hadoop No-sql

map reduce

clusturing

crowdsourcing

Natural language processing

regression

Signal processing

timeseries

Data mining

Massive parallel processing Predictive modelling

Search based application

http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf

http://en.wikipedia.org/wiki/Up_to_eleven

http://en.wikipedia.org/wiki/Big_data

http://en.wikipedia.org/wiki/Data_set



http://en.wikipedia.org/wiki/Legal_citation_analysis

http://en.wikipedia.org/wiki/Legal_citation_analysis

Büyük Kurumsal Bilgi Plaftormu SAP HANA & Sybase IQ


SAP HANA

SAP HANA

In-Memory Database

Modelling Studio

Real-time Replication

Services Data Services

Information Composer Application Services

Predictive Library Planning & Calculation

Engine Business Function

Library

Real Time Apps Real time analytics

SAP BusinessObjects Microsoft Excel Mobile

Kurumsal Veri Kaynakları Kişisel Veri Kaynakları

DWH


Disk Yerine Bellek içi Teknoloji

Geleneksel Disk Temelli

Veritabanları

Diskten Veri Okuma: 5 Milisaniye

Bellek İçi Veritabanları

Veri Okuma : 5 nanosaniye

1.000.000x


Bellek içi teknoloji

In-m

em

ory

Co

mp

uti

ng

Ad

op

tio

n

Tra

dit

ion

al

Data

base A

do

pti

on

Time

2012 – 1 TB disk Maliyeti

Disk

Memory

$60

$4,900

1990 – 1 TB disk Maliyeti

Disk

Memory

$9,000,000

$106,000,000

Erişim hızları

Disk

Memory

5,000,000 ns

80 ns

62,500x hızlı

Doğru Tahmin ( Predictive Analysis )


Doğru Tahmin?


Analitik Kabiliyetler

Hisset ve Tepki Ver Tahmin Et

Ham

Data

Temiz

Data

Standart

Rapor

OLAP

Sebep

Sonuç

analizleri

Tahmin

Modelleme

optimizasyon

Ne oldu?

Ne Zaman oldu?

Ne olacak?

Olası sonuçların en

optimumu ne?

Re

ka

be

t A

va

nta

jı

Analitik Olgunluk


… anlamlı desen ve kuralları keşfetmek için büyük verilerin otomatik

veya yarıotomatik yöntemlerle araştırılması ve analiz edilmesi.

Gordon Linoff and Michael Berry

Authors of “Data Mining Techniques”

“

… desen tanıma teknolojilerinin yanı sıra istatistiksel ve

matematiksel teknikler kullanılarak veritabanlarında saklanan büyük

miktardaki verilerin, anlamlı yeni korelasyon, desen ve eğilimleri

keşfetme süreci.”

Gartner Group

“

Predictive Analysis nedir?


Challenges

Forecasting

Anahtar

Etkenler

Trendler

Anormallikler

İlişkiler

Geçmiş dönemde gerçekleşen satış,

maliyet ve anahtar performans

göstergeleri geleceği nasıl etkiliyor?

Müşteri memnuniyetini

sadakatini, müşterinin

terketmesini, çalışan

devir oranını etkileyen

başlıca etkenler

nelerdir?

İş sonuçlarını etkileyen

geçmiş , gelişen , aniden

ortaya çıkan trendler

nelerdir?

Verilerin arasındaki

ilişkiler nasıl şekilleniyor?

Yeni iş fırsatları

oluşturabilir mi?

Veride ortaya çıkan

anormallikler,

gruplamalar nelerdir?

Örnekler


SAP BusinessObjects Predictive Analysis


Önce Okuyucuyu sürüklüyoruz.




Daha sonra algoritmayı sürüklüyoruz, özellikleri belirliyoruz ve modeli çalıştırıyoruz.


Sonuçları görüntülüyoruz.




Sonuçları görselliyoruz.



Sonuçları saklıyoruz.



Bazı görsellemeler

Teşekkürler!

İletişim Bilgileri:

Ad Soyad Barış Çekiç

Ünvan Yönetici Ortak

Adres

Telefon Numarası 0216 469 24 29