Dr. Moritz Gomm
Business Development Manager
09. Juli
2013, München
© Zühlke 2013
• Vernetzte Geräte und Big-Data-Technologien (Daniel Scheu)
• Datenströme in der Praxis (Christoph Bröcker)
...
© Zühlke 2013
Immer mehr Produkte werden vernetzt
Willkommen im Datenrausch | Dr. Moritz Gomm
• Logistik Flotten- und Auft...
© Zühlke 2013
Big Data
Immer mehr Produkte werden vernetzt
Die so gewonnen Daten sind die Basis für
die Geschäftsmodelle v...
© Zühlke 2013
Big Data
Immer mehr Produkte werden vernetzt
Die so gewonnen Daten sind die Basis für
die Geschäftsmodelle v...
© Zühlke 2013
…und wo stehen Sie heute?
Vernetzte Produkte
• Ideenfindung: Der Mehrwert von Vernetzung wird analysiert
• E...
© Zühlke 2013
Dr. Moritz Gomm
Vernetzte Produkte und Big
Data – wo geht die Reise hin?
Fünf Thesen zur Einstimmung
Willkom...
© Zühlke 2013
I. Daten werden der vierte Produktionsfaktor neben
Arbeit, Kapital und Boden.
Willkommen im Datenrausch | Dr...
© Zühlke 2013
II. Die interessantesten Unternehmensdaten
liegen außerhalb Ihres Unternehmens.
Willkommen im Datenrausch | ...
© Zühlke 2013
III. Die Apps von morgen sind Daten:
„Data Mash-Ups“ (Open Data)
Willkommen im Datenrausch | Dr. Moritz Gomm...
© Zühlke 2013
IV. Big Data entstand durch das Social Web. Denn Milliarden
Menschen wurden zu „Sensoren“ und „Datenschleude...
© Zühlke 2013
Weltbevölkerung & Connected Products
Bild: http://www.spiegel.de/netzwelt/web/netzwelt-ticker-zeitung-erfind...
V. Die IT der „Connected Products“ hat ganz andere
(Daten-)Herausforderungen als die Corporate IT.
• ERP, PPS, CRM
• Arbei...
© Zühlke 2013
Dr. Moritz Gomm
Big Data und vernetzte Produkte:
Treiber, Potentiale, Herausforder
ungen
Daniel Scheu
2. Jul...
© Zühlke 2013
Agenda
1. Warum Big Data und vernetzte Produkte gut zusammen passen
2. Treiber und Potentiale von Big-Data-T...
© Zühlke 2013
Warum Big Data und vernetzte Produkte
gut zusammen passen
Herausforderungen der Product IT
Time-to-Market
Bi...
© Zühlke 2013
Warum Big Data und vernetzte Produkte
gut zusammen passen
Inside und Outside Data
Big Data und vernetzte Pro...
© Zühlke 2013
Warum Big Data und vernetzte Produkte
gut zusammen passen
Inside und Outside Data
Big Data und vernetzte Pro...
© Zühlke 2013
z.B. unstrukturiertz.B. 1 Mio. Nachrichten/Sek.
Warum Big Data und vernetzte Produkte
gut zusammen passen
Di...
© Zühlke 2013
Warum Big Data und vernetzte Produkte
gut zusammen passen
Big Data in der Product IT
Big Data und vernetzte ...
© Zühlke 2013
Agenda
1. Warum Big Data und vernetzte Produkte gut zusammen passen
2. Treiber und Potentiale von Big-Data-T...
© Zühlke 2013
Treiber und Potentiale von Big Data
Die Suche nach der angemessenen Lösung
Big Data und vernetzte Produkte: ...
© Zühlke 2013
Treiber und Potentiale von Big Data
Relationale Datenbanken vs. Big Data
Relationale Datenbanken halten Date...
© Zühlke 2013
Big-Data-Technologien sind gegenüber klassischen Technologien:
• Pragmatisch – sie lösen bis dato ungelöste ...
© Zühlke 2013
Agenda
1. Warum Big Data und vernetzte Produkte gut zusammen passen
2. Treiber und Potentiale von Big-Data-T...
© Zühlke 2013
• Heterogene Daten
• Vervielfältigung des
Datenvolumens
• Globale Verteilung
• Echtzeitauswertungen
• Outsid...
© Zühlke 2013
?
MapReduce DWH
Key-Value
Store
OLTP
Herausforderungen an die IT
Integration in die bestehende IT-
Architekt...
© Zühlke 2013
Die technologische Vielfalt von Big Data ist eine große
Herausforderung für Architektur und Design!
Herausfo...
© Zühlke 2013
Herausforderungen an die IT
Architektur und Design
Big Data und vernetzte Produkte: Treiber, Potentiale, Her...
“The ability to model data is much more
of a gating factor than raw size, particularly
when considering new forms of data....
© Zühlke 2013
Herausforderungen an die IT
Methodik und Skills
Big Data und vernetzte Produkte: Treiber, Potentiale, Heraus...
© Zühlke 2013
Herausforderungen an die IT
Methodik und Skills
Big Data und vernetzte Produkte: Treiber, Potentiale, Heraus...
“It’s no longer hard to find the answer to a
given question; the hard part is finding
the right question.”
Kevin Weil (Ana...
© Zühlke 2013
Herausforderungen an die IT
Die „richtigen“ Fragen finden
Big Data und vernetzte Produkte: Treiber, Potentia...
© Zühlke 2013
Herausforderungen an die IT
Neue Rollen und Know-how
Big Data und vernetzte Produkte: Treiber, Potentiale, H...
© Zühlke 2013
Vernetzte Produkte und Big Data
Zusammenfassung
Big Data und vernetzte Produkte: Treiber, Potentiale, Heraus...
Daniel Scheu
Software Engineer
heu@zuehlke.com
http://xing.to/danielscheu
@danielscheu
Dr. Moritz Gomm
Business Developmen...
Nächste SlideShare
Wird geladen in …5
×

Big Data: Trends, Treiber und Potenziale

1.424 Aufrufe

Veröffentlicht am

Vernetzte Produkte und Big-Data-Technologien wie Cloud und NoSQL passen wunderbar zusammen. Der Einführungsvortrag analysiert die Herausforderungen der „vernetzten Zukunft“ und zeigt ein praktisches Werkzeug, um diese Herausforderungen für Ihr Unternehmen systematisch zu strukturieren.
Vortrag von Dr. Moritz Gomm auf dem Seminar "Willkommen im Datenrausch: Produkte vernetzen - mit BigData und der Cloud neue Schätze heben

Veröffentlicht in: Technologie
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.424
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
1
Aktionen
Geteilt
0
Downloads
33
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie
  • Begrüßung und mich als Person vorstellen Den Teilnehmern das Gefühl vermitteln, dass sie zu einer besonderen Veranstaltung da sind- Zwei Themen, bei denen sich ausnahmsweise alle wichtigen Institute und Strategieberater einig sind: Diese werden den Markt verändern, wie zuvor das Internet, die Sozialen Netzwerke und die Smartphones- Sie gehören zu den Early Movern, nutzen Sie diesen intimen Kreis aus, um Ihre Fragen zu klären- Wir als Zühlke sind häufig sehr früh dran. Aber in dieser Rolle fühlen wir uns ganz wohl.Meine Aufgabe: Ich werde durch den Tag moderieren und dafür sorgen, dass wirklich Ihre Themen adressiert werden.Kurz zum Vorgehen:- Fragen zum Vortrag bitte direkt stellen. Es wird natürlich auch nach jedem Vortrag die Möglichkeit für Fragen geben.- Falls Sie Ideen oder Fragen haben, diese bitte auf den „Wolken“ aufschreiben. Diese sammele ich dann ein, um sie in die Abschlussdiskussion einzubringen.Ich möchte drei Dinge erreichen: Erstens, Ihnen das Team der Referenten vorstellen, damit Sie wissen, mit wem Sie es zu tun haben. Zweitens mit fünf provokanten Thesen in das heutige Thema einleiten und Drittens kurz erfahren, Was Sie besonders interessiert und wo Sie mit den Themen „vernetzte Produkte“ und „Big Data“ stehen. Zu 1.) Das Programm (Folie 2) auflegen.Zu 2.) VortragZu 3.) Umfrage per Handzeichen („damit Sie auch gleich sehen, wer in diesem Raum mit ähnlichen Themen unterwegs ist“)
  • Der Trend zur «Vernetzung» zeigt sich in allen Industrien. Der erste Schritt ist die Verbesserung der Produkte und Prozesse durch neue Funktionalität.Logistik: z.B. Vernetzte Container mit Temperatur, Geo-Koordinate und Erschütterung; iBin von Würth, um C-Teile-Behälter zu überwachen (LIEBHERR)Industrie: z.B. Proaktive Wartung, wenn ein Teil kurz davor ist, auszufallen. (VIESSMANN)Medizin: z.B. Herzrhytmusstörungen frühzeitig erkennen und an einen Notdienst schicken (Leman Micro Devices)Gebäude: z.B. Licht und Heizung ausstellen, wenn die letzte Person das Gebäude verlassen hat. (RWE SmartHome)…Automotive: z.B. Meldung von Unfällen, Generierung von StauinformationenBis zu Versicherungen, die einen günstigeren Versicherungstarif anbieten, wenn das Auto vorsichtig gefahren und nicht in Länder fährt, in denen viele Autos geklaut werden.
  • Der zweite Schritt der vernetzten Revolution entsteht durch die so gesammelten Daten.Die F&E lässt sich optimieren, z.B. schneller time-to-market und Produkte, die sich an den tatsächlichen Gebrauch orientieren. Durch vernetzte Produkte lässt sich erkennen, wie, wann, wo und in welchem Kontext ein Produkt genutzt wird und wie, wann und unter welchen Umständen Fehler auftreten. Diese können ggf. sogar durch ein Remote Update direkt korrigiert werden.Auch Marketing & Vertrieb lassen sich optimieren, z.B. bietet ein Hersteller von Gabelstaplern seinen Kunden ein nutzungsbasiertes Modell an. Der Hersteller hat durch «Big Data» so viel Erfahrung mit den Kosten pro Betriebsstunde, dass er dein Einsatz von neuen und alten Gabelstaplern in seinem Sinne optimieren kann. Er nutzt sogar seine Informationen über die Preisschwankungen im Zweitmarkt, um bei hohen Preise gebrauchte zu verkaufen und seinem Kunden neue Fahrzeuge zu geben.Für Service & Prozesse ergeben sich ebenfalls vielfältige Verbesserungen: So kann durch Big Data Analyse der Einsatz von Service-Technikern optimiert werden. Z.B. wann ist bei einer Produktionsmaschine damit zu rechnen, das ein Bauteil ausfällt? Eine proaktive Wartung ist möglich, wenn durch schwache Signale (z.B. Temperaturveränderungen, Schwingen, Geräusche) rechtzeitig erkannt wird, das ein Bauteil bald kaputt geht. Dies ist dann besonders attraktiv, wenn durch einen Stillstand hohe Gewährleistungskosten für den Hersteller entstehen.In der Distribution & Logistik kann z.B. die Ersatzteilbestellung optimiert werden. Auch die Auslieferung von Produkten kann mit besserer Prognose durch Echtzeit-Daten optimiert werden, z.B. verarbeitet TomTom GPS-Daten, um Staus in Echtzeit zu entdecken. Das Ziel ist natürlich durch Muster Staus vorherzusehen, bevor die überhaupt entstanden sind.
  • Der zweite Schritt der vernetzten Revolution entsteht durch die so gesammelten Daten.Die F&E lässt sich optimieren, z.B. schneller time-to-market und Produkte, die sich an den tatsächlichen Gebrauch orientieren. Durch vernetzte Produkte lässt sich erkennen, wie, wann, wo und in welchem Kontext ein Produkt genutzt wird und wie, wann und unter welchen Umständen Fehler auftreten. Diese können ggf. sogar durch ein Remote Update direkt korrigiert werden.Auch Marketing & Vertrieb lassen sich optimieren, z.B. bietet ein Hersteller von Gabelstaplern seinen Kunden ein nutzungsbasiertes Modell an. Der Hersteller hat durch «Big Data» so viel Erfahrung mit den Kosten pro Betriebsstunde, dass er dein Einsatz von neuen und alten Gabelstaplern in seinem Sinne optimieren kann. Er nutzt sogar seine Informationen über die Preisschwankungen im Zweitmarkt, um bei hohen Preise gebrauchte zu verkaufen und seinem Kunden neue Fahrzeuge zu geben.Für Service & Prozesse ergeben sich ebenfalls vielfältige Verbesserungen: So kann durch Big Data Analyse der Einsatz von Service-Technikern optimiert werden. Z.B. wann ist bei einer Produktionsmaschine damit zu rechnen, das ein Bauteil ausfällt? Eine proaktive Wartung ist möglich, wenn durch schwache Signale (z.B. Temperaturveränderungen, Schwingen, Geräusche) rechtzeitig erkannt wird, das ein Bauteil bald kaputt geht. Dies ist dann besonders attraktiv, wenn durch einen Stillstand hohe Gewährleistungskosten für den Hersteller entstehen.In der Distribution & Logistik kann z.B. die Ersatzteilbestellung optimiert werden. Auch die Auslieferung von Produkten kann mit besserer Prognose durch Echtzeit-Daten optimiert werden, z.B. verarbeitet TomTom GPS-Daten, um Staus in Echtzeit zu entdecken. Das Ziel ist natürlich durch Muster Staus vorherzusehen, bevor die überhaupt entstanden sind.
  • Z.B. Geo-Daten, Social Media Daten, Marktdaten, Wetter, Temperatur, Kundendaten,Clickstreams, Mobile User, Crowd-Sourcing …
  • „… und nah bei Ihrem Produkt und Ihren Kunden“ (Produkte haben heute viele Sensoren, vgl. Smartphones)- Wer nutzt mein Produkt? Wie wird es genutzt? Wofür wird es genutzt? Wo wird es genutzt? Wann wird es genutzt?- Welcher Kontext? Was wird darüber berichtet?z.B. Mehrwert-Dienste: Fern-Wartung, Monitoring, eHealth, proaktive WartungBessere F&E: Schneller Time-To-Market, Produktentwicklung, MassCustimization, …
  • Bisher Services oder Features integriert (z.B. Widgets, iGoogle,) Wetter-App, Verkehrs-App, Kalender, Smart Home Steuerung, …Die Vernetzung von Daten bietet ganz neue Möglichkeiten, Mehrwertdienste anzubieten.Dazu wird es offene Daten-APIs geben mit kostenlosen und kostenpflichtigen Informationen. Da viele Unternehmen erst damit beginnen, die Daten ihrer Produkte zu sammeln, ist noch gar nicht abzusehen, welche Produkte und Dienste daraus zukünftig erwachsen.
  • Auch ohne Interesse an IT/Technologien!
  • ….und dafür haben wir dieses Seminar organisiert.
  • Time-to-Market:- Das Modell, dass ein Entwicklungsprojekt mehrere Jahre brauchen darf, bis dann die Big-Bang-Integration und der finale „Rollout“ stattfindet, ist ein Modell, dass für die Produkt-IT nicht trägt.- Mit dem Produkt schnell am Markt zu sein, um durch echtes Kunden- und Marktfeedback herauszufinden, ob ich überhaupt das richtige Produkt baue, ist ein Ansatz, mit dem vernetzte Produkte heute entwickelt werden.Neue Geschäftsmodelle:- Der „Wert“ eines Produkts für den Kunden wird durch die Vernetzung nochmal deutlich erhöht. Dadurch werden z.T. erst neue Produkte und Services ermöglicht. Etwa Versicherungen, die ihre Police je nach Fahrweise anpassen und kilometergenau abrechnen.- Aber auch: Daten, die ich bei mir im Unternehmen habe, die aber auch einen großen Wert für anderen Unternehmen darstellen, anbieten.- Oder auch: Vom Produkt oder Hardwareherstellet selbst zum Plattformanbieter werden, so dass sich andere Unternehmen mit ihren Produkten und Services in meine „Plattform“ integrieren können. Beispiel: ConnectecVehiclesKurze Produktlebenszyklen:- In der Tendenz erleben wir sehr viel kürzere Produktlebenszyklen, als sie in der Corporate IT gang und gebe sind. Das kommt daher, dass die Lebenszyklen der Softwaresysteme an den Lebenszyklus des Produkts gebunden sind. Die Product IT muss hier die notwendige Flexibilität bieten, um dabei mithalten zu können.Absatzmengen sind schwer prognostizierbar:- Corporate IT: Absatzmengen sind nicht unbedingt leicht, aber sehr viel besser Vorherzusagen als es generell im Consumer-Markt der Fall ist.- Und: Meine Absatzmengen können sich innerhalb kürzester Zeit um Zehnerpotenzen steigern. Wenn mein vernetztes Produkt, meine App, meine Idee richtig zündet, muss ich damit umgehen können, dass ich meine Kapazitäten innerhalb kürzester Zeit (Stunden, im Extremfall Minuten) verfielfachen muss.Geringe Entwicklungsbudgets:- Es gibt Firmen, die haben Investitionen in die Produktvernetzung als langfristige, strategische Investitionen erkannt und stellen entsprechende Entwicklungsbudgets bereit. Es gibt aber auch viele Firmen, die den Markt der vernetzten Produkte gerade erst ertasten und die von daher eher geringe Budgets haben.Heterogener „Datenanteil“ am Produkt: - Integration unterschiedlicher Datentypen: Strukturiert und unstrukturiert. Datenbanktabellen, Data-Warehouses, Text, Bild, Video… (ist nichts neues).- Aber: Die Integration aus unterschiedlichen Quellen, vor allem aus Quellen, die außerhalb meiner Unternehmensfirewall liegen, das ist neu!
  • Beispiele:Markt: BörsendatenKunden: Wer ist mein Kunde? Was hat er für ein Profil? In welche Zielgruppe fällt er?Produktnutzung: In welchen Situationen befindet sich mein Kunde, wenn er das Produkt benutzt? Wie benutzt er das Produkt? Stellen Sie sich vor, sie sind Hersteller von Baumaschinen und haben einen Kunden, bei dem die Baumaschinen besonders oft defekte aufweisen. Es wäre hier doch von echtem Mehrwert zu wissen, wie der Kunde die Baumaschine benutzt. Lässt er den Motor ordentlich warmlaufen bevor es losgeht? Betreibt er die Maschinen immer nur unter Volllast?Social Media: Was denken Kunden über mein Produkt? Was ist das Image, dass die Gesellschaft von meinen Produkten und Services hat?
  • Die Probleme, die mit Big Data gelöst wurden, sind „außergewöhnlich“ und für die meisten Unternehmen nicht in der gleichen Größenordnung.Manchmal stellen die Dimensionen isoliert eine Herausforderung dar:Volume = Ebay -> 50 Petabyte Daten pro Tag (http://knowwpcarey.com/article.cfm?cid=25&aid=1171) ,Manchmal ist es aber auch die Kombination unterschiedlicher Dimensionen, die besonders herausfordernd ist:Volume/Variety = 40 Milliarden Photos (http://www.economist.com/node/15557443)Volumen + Velocity + Variety = Hot-Topic/Trenderkennung bei Twitter mit Hilfe von Distributed Realtime ComputationEngines
  • Nun ist es so, dass niemand gerne Grundlagenforschung betreibt und viele Unternehmen, die heute Big-Data-Technologien einsetzen, bereits einen langen und auch teuren Weg gegangen. Auch ein Unternehmen wie Twitter hat mal angefangen, alles in einem DWH basierend auf MySQL zu sammeln und zu analysieren. Vor allem um rückblickende, historische Analysen in der Batchverarbeitung durchzuführen. Die Auswertung der Tweets der letzten 24 Stunden hat irgendwann mal eine Stunde gedauert, dann zwei Stunden und irgendwann war der Punkt erreicht, dass die Auswertung von 24 Stunden Tweets länger als 24 Stunden dauert. Dann ist man im zweiten Schritt auf Hadoop und MapReduce gegangen, so dass man einfach ein höheres Datenvolumen und höhere Wachstumsraten besser abfangen kann und wieder Antwortzeiten im Minutenbereich bekommt. Um aber schließlich auch Realtime-Auswertungen hinzubekommen, hat Twitter dann so genannte „Distributed Realtime Computation“ eingeführt, dass ist das Verarbeiten von Datenmengen, wie sie im Batch auftreten ich Echtzeit.Rakete: http://www.istockphoto.com/stock-photo-18949968-launch-of-endeavour-sts-134.php?st=4d12dd4Pfanne:http://www.istockphoto.com/stock-photo-12791092-isolated-breakfast-smily-face-in-a-frying-pan.php
  • „Der“ Treiber von Big Data ist die Suche nach der angemessenen Lösung für bestimmte Problemstellungen. Problemstellungen, die bis dato als unlösbar galten.Hammer und Schraube: http://www.istockphoto.com/stock-photo-3043780-hammer-and-screw.php?st=4bd6bbahttp://www.istockphoto.com/stock-photo-5443998-hammer-and-screw.php
  • Tresor: http://i.istockimg.com/file_thumbview_approve/14418222/2/stock-photo-14418222-secure-safe.jpgIn (fast) jedem Enterprise-System, das Daten persistiert, findet man ein RDBMS.Relationale Datenbanken sindausgelegt auf Konsistenz und Verfügbarkeit,mächtig in ihrem Funktionsumfang,starr, was Datenformate und Schemata betrifft,komplex zu konfigurieren und zu optimieren,eher vertikal als horizontal zu skalieren.mächtig = Konsistenz, Transaktionen, SQL, Joins, Verfügbarkeit, Replikation, Hot-Standby, Clustering, Tooling und Monitoring, kommerzielle Produkte, kommerzieller Supportkomplex = Setzen stabiles, gut ausgebautes Netzwerk voraus, „Um Performance kümmern wir uns später/Performance bauen wir später ein“vertikal= „Grenze der Performance = Leistungsgrenze einer einzelnen Hardware“
  • Leichtgewichtig: Setup-Aufwand geht für diese Services z.T. gegen 0, vor allem bei der Verwendung von Cloud-Services. Im Prinzip ist alles, was ich für die Cloud brauche, eine Kreditkarte und dann kann ich innerhalb von wenigen Minuten eine kompletten Technologiestack allokieren. Kein hoher Einarbeitungsaufwand in die Technologien ist erforderlich.Unbelastet = gut und schlecht, gut weil: Sie entledigen sich der Altlasten, schleppen keinen Balast mit sich rum. Wer braucht Schemata? Wer braucht SQL?schlecht, weil: Andere Paradigmen, Know-How, dass ich einmal aufgebaut habe, hilft mir hier nicht weiter, sind auch oftmals sehr Low-Level und wenn man dann doch unbedingt ein High-Level-Feature braucht, muss man Technologien miteinander kombinieren. Das geht mal besser, mal schlechter.Kostengünstig: Das Google-Prinzip. Viele billige kleine Rechner, die mit einem Open-Source-Stack ausgestattet werden und dann in einem Cluster oder Grid zusammengeschaltet werden. Anschließend kann ich horizontal skalieren. Ausfälle von einzelnen Rechnern stellen keine Ausnahmesituation dar, sondern sind die Regel. Aber die Software, die auf diesen Systemen läuft, ist darauf ausgelegt.Make-Your-Choice: Ich könnte die Schraube auch mit dem Hammer in die Wand treiben, aber ich muss mir ernsthaft die Frage stellen, ob der Hammer heutzutage noch das richtige Werkzeug ist. Die Herausforderungen, denen wir uns bei Big Data und Connected Products Kinder in viel zu großen Anzügen: http://www.istockphoto.com/stock-photo-13567449-adorable-kids-in-over-sized-suits.php?st=6075eca
  • Herausforderungen einer vernetzten Zukunft, z.B.heterogene Geräte, die eine hohe Menge an heterogenen Daten liefern,Augmentation mit Daten „außerhalb“ der Unternehmensfirewall (Social Media, Crowdsourcing, etc.),ein hohes zu erwartendes Datenvolumen, hohe Update- und Schreibratensind Problemstellungen, die sich mit Big-Data-Technologien wie NoSQL, Cloud, MapReduce, Appliances, In-Memory-DBs ggf. effizienter lösen lassen, als mit traditionellen Ansätzen.Big-Data-Technologien müssen nicht, können aber, je nach Kontext, die bessere Wahl für die Lösung des Problems sein.Spannungsfelder:Online vs. Offline?Realtime vs. Batch-VerarbeitungZentrale vs. lokale VerarbeitungSecurity – Wem vertraue ich eigentlich? Dem User? Dem Netzwerk-Provider? Dem Cloud-Anbieter?ProduktdatenströmeStau-Schild: http://www.istockphoto.com/stock-illustration-11843780-glossy-signs-caution-cars.php?st=e05b8a3Wolke: http://www.istockphoto.com/stock-illustration-13546333-raincloud-and-raindrops.php?st=fa45ac0Shirt: http://www.istockphoto.com/stock-illustration-1865945-babydoll-tee-shirts.php?st=ef5f623Kuh: http://www.istockphoto.com/stock-photo-13904939-front-view-of-holstein-cow-5-years-old-standing.php?st=dd37ba7Blutzuckermessgerät: http://www.istockphoto.com/stock-photo-9341260-blood-glucose-meter.php?st=1d8e65dBagger: http://www.istockphoto.com/stock-photo-19510063-hydraulic-excavator-isolated.php?st=3056464Smartmeter: http://www.istockphoto.com/stock-photo-17172167-smart-electricity-meter-isolated-on-white.php?st=214d50f
  • Unstrukturierte Daten: http://www.istockphoto.com/stock-illustration-17569479-ink-strokes-seamless-pattern.phpStrukturierte Daten: http://www.istockphoto.com/stock-photo-2330803-alphabetic-organizer.php?st=88e8e89Aber: Auch die Anbieter „klassischer“ Technologie haben mittlerweile Big-Data im Programm. Z.B. bekommt man auch bei Oracle NoSQL-DBs: http://www.oracle.com/technetwork/products/nosqldb/overview/index.htmlPayback setzt Oracle NoSQL ein (DWH-Konferenz in Kassel im März): http://www.oracledwh.de/DWH_Konferenz_Kassel_19_20_Maerz_2013/Vortraege/11_Puechl_Payback_Kassel.pdf
  • - Ich nehme diese Technologie, das alles kann, und schaue, wie ich die Features, die ich nicht brauchen kann, abschalte... - Bei Big-Data-Technologien eher: Ich habe die Technolgie, die mir das eine bietet. Welche andere Technolgie packe ich oben drauf (Layer-On-Top), damit ich die gewünschte Funktionalität bekomme? - Generell gilt: Je mehr ein Tool kann, desto unwahrscheinlicher (und unmöglicher) ist es, dass ich an den entscheidenden Stellen eingreifen kann und die Funktionalität so hinbekomme, wie ich sie wirklich brauche. Das spricht eher für den "Layer-On-Top"-Ansatz. - Neue Architekturen, je nach eingesetzter Technologie - Habe ich ein "Distributed Computing Framework", z.B. Twitter Storm, ist alles sehr Low-Level und ich muss vieles selbst bauen - Itmakes easy things easy andhardthingspossible?
  • Unordentlicher Werkzeugkasten: http://www.istockphoto.com/stock-photo-5617705-toolbox-construction-home-improvement-repair-tools-isolated.php?st=b4e09f4Ordentlicher Werkzeugkasten: http://www.istockphoto.com/stock-photo-3211705-red-toolbox.php?st=b4e09f4
  • Ich brauche Architekturen und Technologien, die dieses Vorgehen unterstützen!Erstmal viele Daten sammeln, dann Schritt für Schritt weniger.Lambda-Architektur, die sowohl Batch-Processing als auch Realtime-Processing miteinander vereint.Cloud: Wer möchte 50 Server kaufen, weil er ein neues Analysemodell evaluieren willAuswirkungen auf RollenBusiness Analysts: Ist bei 1. und 4. anzusiedelnData Scientist: Kümmert sich eher um 2. und 3.
  • Data Scientist: http://www.istockphoto.com/stock-photo-19981974-smiling-chemist-holding-a-conical-flask-isolated.php?st=e6ab8dfDomäne:- Branchen-Know-How mitbringen oder zumindest schnell aneignen- Nicht nur Daten modellieren, sondern auch die Semantik der Daten verstehenTechnologie:- SQL und NoSQL- Funktionale Programmierung, Sprachen wie R für statistische Auswertungen oder funktionale Programmierung, weil viele Big-Data-Verfahren darauf aufsetzen (z.B. MapReduce)-MapReduce- Trugschluss „Big-Data-Technologien sind immer skalierbar!“Methodik:- Statistik- Machine Learning- VisualisierungSoft Skills:- Brückenbauer- Jemand sein, der Plausibilisieren kann- Moderationsfähigkeiten
  • Radar: http://www.istockphoto.com/stock-illustration-13510237-radar-icon.php?st=58ac059
  • Big Data: Trends, Treiber und Potenziale

    1. 1. Dr. Moritz Gomm Business Development Manager 09. Juli 2013, München
    2. 2. © Zühlke 2013 • Vernetzte Geräte und Big-Data-Technologien (Daniel Scheu) • Datenströme in der Praxis (Christoph Bröcker) • Big-Data-Architekturen (Georg Molter) • NoSQL: Datenhaltung Gangnam Style (Stephan Volmer) • Chancen und Risiken der Cloud (Alexander Appel) • Datenvisualisierung (Sebastian Schmitt) Unser Programm heute Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 2
    3. 3. © Zühlke 2013 Immer mehr Produkte werden vernetzt Willkommen im Datenrausch | Dr. Moritz Gomm • Logistik Flotten- und Auftragsmanagement • Industrie Ferndiagnose, -Wartung und -Steuerung • Medizin Patientenüberwachung, MobileHealth • Gebäude Heimautomatisierung • Energie Smart Metering, Smart Grid • Banken Geldautomaten • Handel eTags, PoS Terminal • Automotive Connected Car • Versicherungen “Pay as you drive” Tarifmodelle • … 2. Juli 2013 Folie 3
    4. 4. © Zühlke 2013 Big Data Immer mehr Produkte werden vernetzt Die so gewonnen Daten sind die Basis für die Geschäftsmodelle von morgen Willkommen im Datenrausch | Dr. Moritz Gomm • Logistik • Industrie • Medizin • Gebäude • Energie • Banken • Handel • Automotive • Versicherungen • … 2. Juli 2013 Folie 4
    5. 5. © Zühlke 2013 Big Data Immer mehr Produkte werden vernetzt Die so gewonnen Daten sind die Basis für die Geschäftsmodelle von morgen Willkommen im Datenrausch | Dr. Moritz Gomm • Logistik • Industrie • Medizin • Gebäude • Energie • Banken • Handel • Automotive • Versicherungen • … F&E Marketing&Vertrieb Service&Prozesse Distribution&Logistik 2. Juli 2013 Folie 5
    6. 6. © Zühlke 2013 …und wo stehen Sie heute? Vernetzte Produkte • Ideenfindung: Der Mehrwert von Vernetzung wird analysiert • Erprobung: Erste Pilotprojekte sind umgesetzt • Marktdurchdringung: Vernetzte Produkte werden bereits verkauft Big-Data-Technologien • Cloud-Dienste in der Erprobung • Erfahrung mit NoSQL-Datenbanken • Appliances / InMemory im Einsatz Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 6
    7. 7. © Zühlke 2013 Dr. Moritz Gomm Vernetzte Produkte und Big Data – wo geht die Reise hin? Fünf Thesen zur Einstimmung Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 7
    8. 8. © Zühlke 2013 I. Daten werden der vierte Produktionsfaktor neben Arbeit, Kapital und Boden. Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 8
    9. 9. © Zühlke 2013 II. Die interessantesten Unternehmensdaten liegen außerhalb Ihres Unternehmens. Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 9
    10. 10. © Zühlke 2013 III. Die Apps von morgen sind Daten: „Data Mash-Ups“ (Open Data) Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 10
    11. 11. © Zühlke 2013 IV. Big Data entstand durch das Social Web. Denn Milliarden Menschen wurden zu „Sensoren“ und „Datenschleudern“. Jetzt folgen die Maschinen und Geräte… Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 11
    12. 12. © Zühlke 2013 Weltbevölkerung & Connected Products Bild: http://www.spiegel.de/netzwelt/web/netzwelt-ticker-zeitung-erfindet-facebook-aus-nutzer-in-panik-a-738618.html 2003 2010 2015 (Prognose) 6.3 0.5 6.8 12.5 7.2 25 Mrd. Quelle: Cisco IBSG 2011Willkommen im Datenrausch | Dr. Moritz Gomm 2. Juli 2013 Folie 12
    13. 13. V. Die IT der „Connected Products“ hat ganz andere (Daten-)Herausforderungen als die Corporate IT. • ERP, PPS, CRM • Arbeitsplatzrechner • Mitarbeiter als User • … häufig „green field“ i.d.R. „brown field“ Corporate IT
    14. 14. © Zühlke 2013 Dr. Moritz Gomm Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforder ungen Daniel Scheu 2. Juli 2013 Folie 14
    15. 15. © Zühlke 2013 Agenda 1. Warum Big Data und vernetzte Produkte gut zusammen passen 2. Treiber und Potentiale von Big-Data-Technologien 3. Herausforderungen an die IT durch Big Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 15
    16. 16. © Zühlke 2013 Warum Big Data und vernetzte Produkte gut zusammen passen Herausforderungen der Product IT Time-to-Market Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Kurze Produktlebenszyklen Geringe Entwicklungsbudgets Absatzmengen sind schwer prognostizierbar Heterogener „Datenanteil“ Neue Geschäftsmodelle 2. Juli 2013 Folie 16
    17. 17. © Zühlke 2013 Warum Big Data und vernetzte Produkte gut zusammen passen Inside und Outside Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Social Media Firewall Inside Data Outside Data 2. Juli 2013 Folie 17
    18. 18. © Zühlke 2013 Warum Big Data und vernetzte Produkte gut zusammen passen Inside und Outside Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Terminkalender Nutzungsdaten Firewall Inside Data Outside Data Firewall Inside Data Wetterprognose 2. Juli 2013 Folie 18
    19. 19. © Zühlke 2013 z.B. unstrukturiertz.B. 1 Mio. Nachrichten/Sek. Warum Big Data und vernetzte Produkte gut zusammen passen Dimensionen von Big Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu z.B. > Petabyte Volume Velocity Variety Wenn mindestens eine Dimensionen unzureichend mit „traditionellen“ Lösungsansätzen abgebildet werden kann, sprechen wir von „Big Data“. z.B. 365 Mal mehr Daten z.B. Realtime-Auswertung z.B. Open Data 2. Juli 2013 Folie 19
    20. 20. © Zühlke 2013 Warum Big Data und vernetzte Produkte gut zusammen passen Big Data in der Product IT Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu … … Die Product IT kann diese Früchte ernten! 2. Juli 2013 Folie 20
    21. 21. © Zühlke 2013 Agenda 1. Warum Big Data und vernetzte Produkte gut zusammen passen 2. Treiber und Potentiale von Big-Data-Technologien 3. Herausforderungen an die IT durch Big Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 21
    22. 22. © Zühlke 2013 Treiber und Potentiale von Big Data Die Suche nach der angemessenen Lösung Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu “Attempting to force one technology or tool to satisfy a particular need for which another tool is more effective and efficient is like attempting to drive a screw into a wall with a hammer when a screwdriver is at hand: the screw may eventually enter the wall, but at what cost?” Edgar Frank Codd (Urvater des relationalen Modells), 1994 2. Juli 2013 Folie 22
    23. 23. © Zühlke 2013 Treiber und Potentiale von Big Data Relationale Datenbanken vs. Big Data Relationale Datenbanken halten Daten aus jeder Perspektive solide – auf Kosten von Durchsatz, Skalierbarkeit und Flexibilität hinsichtlich der Datenstruktur. Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Big-Data-Technologien (NoSQL, MapReduce, Distributed Realtime Computation, Cloud …) skalieren sehr gut und die Datenstrukturen sind flexibel. 2. Juli 2013 Folie 23
    24. 24. © Zühlke 2013 Big-Data-Technologien sind gegenüber klassischen Technologien: • Pragmatisch – sie lösen bis dato ungelöste Probleme, indem sie sich stark auf bestimmte Aspekte fokussieren • Leichtgewichtig – sie haben oftmals simple APIs und lassen sich mit geringem Aufwand integrieren • Unbelastet – sie brechen mit der Tradition Treiber und Potentiale von Big Data Eigenschaften von Big-Data-Technologien Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu • Kostengünstig – sie verknüpfen horizontalen Scale-Out mit Open-Source-Lizenzen • Kombinierbar – sie ermöglichen zahlreiche neue Lösungsansätze „Make-Your-Choice“ statt „One-Size-Fits-All“! 2. Juli 2013 Folie 24
    25. 25. © Zühlke 2013 Agenda 1. Warum Big Data und vernetzte Produkte gut zusammen passen 2. Treiber und Potentiale von Big-Data-Technologien 3. Herausforderungen an die IT durch Big Data Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 25
    26. 26. © Zühlke 2013 • Heterogene Daten • Vervielfältigung des Datenvolumens • Globale Verteilung • Echtzeitauswertungen • Outside Data  Einsatzszenarien für Big-Data-Technologien Herausforderungen an die IT Herausforderungen vernetzter Produkte Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 26
    27. 27. © Zühlke 2013 ? MapReduce DWH Key-Value Store OLTP Herausforderungen an die IT Integration in die bestehende IT- Architektur Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 27
    28. 28. © Zühlke 2013 Die technologische Vielfalt von Big Data ist eine große Herausforderung für Architektur und Design! Herausforderungen an die IT Architektur und Design Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu NoSQL CAP Riak Storm MapReduce In-Memory Dynamo PaaS Appliances BASE Hadoop Esper Document Shared Nothing Kafka IaaS Column Cloud Cassandra Redis Triple Stores Trident CEP … 2. Juli 2013 Folie 28
    29. 29. © Zühlke 2013 Herausforderungen an die IT Architektur und Design Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu 2. Juli 2013 Folie 29
    30. 30. “The ability to model data is much more of a gating factor than raw size, particularly when considering new forms of data.” Dave Campbell (Microsoft – VLDB Keynote)
    31. 31. © Zühlke 2013 Herausforderungen an die IT Methodik und Skills Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Woher bekommen wir die Daten? Wie sammeln wir die Daten? Wie filtern wir die Daten? Wie integrieren wir die Daten? Wie visualisieren wir die Daten? Viele Leute wollen gleich über Daten sprechen… Wie augmentieren wir die Daten? 2. Juli 2013 Folie 31
    32. 32. © Zühlke 2013 Herausforderungen an die IT Methodik und Skills Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Viele Leute wollen gleich über Daten sprechen… …und verlieren dabei die Geschäftsziele aus den Augen! Daten ≠ Information ≠ Erkenntnis! 2. Juli 2013 Folie 32
    33. 33. “It’s no longer hard to find the answer to a given question; the hard part is finding the right question.” Kevin Weil (Analytics Lead at Twitter)
    34. 34. © Zühlke 2013 Herausforderungen an die IT Die „richtigen“ Fragen finden Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Geschäftsziel 1. Teilaspekt herausgreifen Woher bekommen wir die Daten? Wie sammeln wir die Daten? Wie filtern wir die Daten? Wie integrieren wir die Daten? Wie visualisieren wir die Daten? Wie augmentieren wir die Daten? 2. Aspekt umsetzen 4. Fragestellung prüfen Fragestellung 3. Umsetzung prüfen 2. Juli 2013 Folie 34
    35. 35. © Zühlke 2013 Herausforderungen an die IT Neue Rollen und Know-how Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Data Scientist “… a person who is better at statistics than any software engineer and better at software engineering than any statistician.” (https://twitter.com/josh_wills/status/198093512149958656) Domäne Technologie Methodik Soft Skills 2. Juli 2013 Folie 35
    36. 36. © Zühlke 2013 Vernetzte Produkte und Big Data Zusammenfassung Big Data und vernetzte Produkte: Treiber, Potentiale, Herausforderungen | Dr. Moritz Gomm, Daniel Scheu Vernetzte Produkte sind die Basis für die Geschäftsmodelle der Zukunft Big Data bietet geeignete Technologien, um schnell, günstig und agil in die vernetzte Zukunft einzusteigen Der Einsatz dieser Technologien stellt neue Herausforderungen an die IT Let‘s go! 2. Juli 2013 Folie 36
    37. 37. Daniel Scheu Software Engineer heu@zuehlke.com http://xing.to/danielscheu @danielscheu Dr. Moritz Gomm Business Development Manager mog@zuehlke.com http://xing.to/gomm @mo_go Blogbeitrag zu diesem Thema

    ×