SlideShare ist ein Scribd-Unternehmen logo
1 von 42
Endeca Web Acquisition Toolkit Integration verteilter Web-Anwendungen und anderer Datenquellen 
Harald Erb Oracle Business Analytics 
DOAG Konferenz 
Nürnberg, 19. November 2014 
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. |
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
•Harald Erb 
•Principal Sales Consultant 
•Business Analytics Architect Domain Lead - DE/CH Cluster 
•Kontakt +49 (0)6103 397-403 
•harald.erb@oracle.com 
Referent
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Safe Harbor Statement 
The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material, code, or functionality, and should not be relied upon in making purchasing decisions. The development, release, and timing of any features or functionality described for Oracle’s products remains at the sole discretion of Oracle. 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Agenda 
5 
„Discovery Lab“-Konzept mit Endeca 
Allg. Datenintegration & Endeca Web Aquisition Toolkit 
Endeca WAT Anwendungsfälle 
Ausblick Discovery Lab 
1 
2 
3 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Agenda 
6 
„Discovery Lab“-Konzept mit Endeca 
Allg. Datenintegration & Endeca Web Aquisition Toolkit 
Endeca WAT Anwendungsfälle 
Ausblick Discovery Lab 
1 
2 
3 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
7 
Interne qualitätsgesicherte Daten aus dem Oracle Data Warehouse , Oracle BI System oder anderen strukturierten Datenquellen liefern die notwendigen Fakten 
Click icon to add picture 
Externe Kundendialoge zum Thema sind direkt bei Twitter oder bei Mehrwertdiensten über entspr. Schnittstellen erhältlich 
Click icon to add picture 
Die Inhalte vieler Fachforen sind ohne Datenschnittstelle nicht in kurzer Zeit in eigene Analysen einbindbar  Ansatz für das Endeca Aquisition Toolkit 
Analyse-Szenario: Australischer Wein(markt) 
INTERN 
OK 
OK 
EXTERN 
?
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Ziel: Eine Analyse-Anwendung über (möglichst) alle Quellen
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
9 
Oracle Information Management Architektur 
Line of Governance 
Konzeptansicht
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
10 
Oracle Information Management Architektur 
Event Engine 
Erkennt vordefinierte Ereignismuster direkt im Datenstrom und ermittelt z.B. per Echtzeitanalyse die nächste beste Aktion/Handlung 
Data Reservoir 
Ökonomisch einsetzbares Scale-out Speichersystem, dass massiv parallel Daten verarbeiten kann, ohne dabei allzu strenge Anforderungen an Datenmodellierung oder Formalisierung der Daten zu stellen – typischerweise Hadoop Cluster oder Staging Area in RDBMS 
Data Factory 
Für das Management aller Datenflüsse (ETL) innerhalb einer bzw. zwischen den Platfformen 
Enterprise Information 
Groß angelegter Datenspeicher, der unternehmenskritische Daten in formalisierter und modellierter Form beherbergt – typischerweise manifestiert als (Enterprise) Data Warehouse und in Kombination mit dem Data Reservoir als Big Data Management System ausgeprägt. 
Reporting 
BI Abstraktionsschicht /KPI‘s, -Werkzeuge, -Infrastruktur für Berichtswesen, Analyse und Planung 
Discovery Lab 
Abseits der täglichen Datenverarbeitung werden hier neue interne und/oder externe Datenquellen nach ihrer Werthaltigkeit für die zukünftige Unternehmenstätigkeit untersucht. In Kombination mit eigenen Datenbeständen und mit Hilfe spezieller Methoden/Werkzeuge für Analyse, statistische Berechnungen, Mustererkennung, Ergebnisvisualisierung, erlangt ein kleiner, hochspezialisierter Benutzerkreis neue Erkenntnisse, die sich in der Praxis bewähren müssen 
Komponenten der Konzeptansicht
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
•Fokus liegt auf Identifizierung des wirtschaftlichen Wertes und der kommerziellen Nutzbarmachung neuer Daten-Sets 
•Kleiner Anwenderkreis mit hoch qualifizierten Personen (Data Scientists) 
•Entwicklungsansatz  iterativ, orientiert sich an Daten(-beschaffenheit) und NICHT an Entwicklungs- prozessen 
•Breites Spektrum von Werkzeugen und Analyse- und Visualisierungstechniken kommen zur Anwendung 
•Datenbereitstellung kann über die Data Factory oder eigene ETL-Prozesse erfolgen 
•Typischerweise als separate Infrastruktur ausgelegt 
11 
Discovery Lab - Konzeptansicht 
Merkmale und Design Pattern
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
12 
Projektbezogene Analyse-Sandboxen 
Discovery Lab – Logische Ansicht 
Analyse (Verarbeitung & Bereitstellung) 
Discovery Lab & Data Science Werkzeuge 
Data Reservoir & Enterprise Data 
Data Science (Primary Toolset) 
Statistikwerkzeuge 
Data & Text Mining Werkz. 
Faceted Query Werkzeuge 
Programmierung & Scripting 
Daten Modellierung/ETL 
Query & Search Werkzeuge 
Vorgefertigte BI-Inhalte 
Analyse- 
Werkzeuge 
Ad Hoc Abfragen 
& Analyse Werkzeuge 
OLAP 
Forecasting- & 
Simulationswerkzeuge 
Standardberichte 
Data Scientist 
Virtualisierung & Informationsdienste 
Data Factory Flow 
1.Data Factory – ermöglicht Daten- zugang oder (Teil-) Replikation in Richtung der Sandboxes im Discovery Lab. 
2.Direkte Verbindung (lesend und schreibend!) zwischen Data Science Werkzeugen und den Analyse Sandboxen. 
3.Data Scientist Zugriff auf die Abstraktionsschicht oder Werkzeuge der vorhandenen BI Plattform (Standard Dashboards, Reports und KPI’s) 
Data Quality & Profiling 
Visualisierungswerkzeuge 
Dashboards & Reports 
Scorecards 
Diagramme & Graphen 
Sandbox – Project 3 
Sandbox – Project 2 
Sandbox – Project 1 
Data store Analytical Processing 
BI Flow 
1 
2 
3
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
? 
13 
Discovery Lab mit Endeca 
EID Studio 
Anwenderoberfläche für Data Mash-up und zur Erstellung von intuitiv nutzbaren Discovery- Applikationen 
Self-Service Provisioning 
Sharing and Collaboration 
Drag & Drop Composition 
Intuitive Exploration 
EID Integrator 
Zur schnellen Integration und Anreicherung von strukturierten und niedrig- strukturierten Daten 
Innovative ETL 
Web and File Crawling 
Text Enrichment 
Endeca Server 
Skalierbare, gesicherte und zentral betriebene Engine (= kombinierter Ansatz aus In-memory Suchindex und analytischer Datenbank) 
EID Web Acquisition Toolkit 
Synthetic API Creation 
Plattform zur Integration von webbasierten Daten- quellen, die keine Schnittstelle für den Datenexport anbieten 
Twitter OAuth Interface 
Portale, Blogs, Internet Foren 
Interne Datenquelle(n): 
Data Warehouse und/oder BI Plattform 
Analytic Application “Australian Wine” 
Twitter und/ oder ähnliche (Social Media) Plattformen mit API 
Beteiligte Komponenten
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
14 
Discovery Lab mit Endeca 
Data Warehouse / BI Plattform 
Endeca Server Index 
Wine 
Sales 
Item 
Location 
Brand 
Type 
Qty 
Forum / Blog Posts 
Type 
Item 
Date 
Brand 
Date 
Topic 
Review 
Item 
Datenbereitstellung ohne vorherige Datenmodellierung 
Automatische Verknüpfung 
Endeca Server
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
15 
Discovery Lab mit Endeca 
Endeca Server 
Spezielle, In-Memory Engine für strukturierte und niedrig strukturierte Daten 
Datennavigation und -exploration über alle verfügbaren Attribute und Textbestandteile 
Datenanreicherung zum automat. Extrahieren der wesentlichen Textinhalte 
Relevante Themen aus Fließtexten und Dokumenten und ihre Tonalität erkunden 
Volltextsuche enthält Rechtschreibkorrektur, Stopworte, Synonyme, Stemming, Match Modes und konfig. Relevance Ranking 
Differenzierte analytische Abfragen und interaktive Daten Visualisierungen 
Explorative Analyse via Facettennavigation und Suche
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
16 
Zusammenspiel mit einer etablierten Oracle BI-Plattform 
Discovery Lab mit Endeca 
Zuverlässige Antworten auf erwartete Fragen 
Analytischer Mehrwert: Dauerhaft 
Zielgruppe: Unternehmensweit 
Projektart: Proaktiv / Anforderungen sind bekannt 
Schnelle Antworten auf unvorhersehbare Fragen 
Analytischer Mehrwert: Sofort 
Zielgruppe: Individuell … spezifische Gruppen 
Projektart: Reaktiv / häufig wechselnde Anforderungen 
ERP, CRM, … , DWH, Marktdaten 
Oracle Common Enterprise Information Model 
Standardberichte, Dashboards, Ad-hoc, Planung 
Datensilos, eigene Dateien, externe Inhalte 
Agile Data Mashup 
Self-Service Discovery Applikationen 
Qualitätsgesicherte Daten 
Leistungsfähige Infrastruktur 
LOB getrieben 
(Top-down) 
IT getrieben 
(Bottom-up)
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Agenda 
17 
„Discovery Lab“-Konzept mit Endeca 
Allg. Datenintegration & Endeca Web Aquisition Toolkit 
Endeca WAT Anwendungsfälle 
Ausblick Discovery Lab 
1 
2 
3 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
? 
18 
Möglichkeiten der Datenintegration in Endeca 
EID Studio 
Anwenderoberfläche für Data Mash-up und zur Erstellung von intuitiv nutzbaren Discovery- Applikationen 
Self-Service Provisioning 
Sharing and Collaboration 
Drag & Drop Composition 
Intuitive Exploration 
EID Integrator 
Zur schnellen Integration und Anreicherung von strukturierten und niedrig- strukturierten Daten 
Innovative ETL 
Web and File Crawling 
Text Enrichment 
Endeca Server 
Skalierbare, gesicherte und zentral betriebene Engine (= kombinierter Ansatz aus In-memory Suchindex und analytischer Datenbank) 
EID Web Acquisition Toolkit 
Synthetic API Creation 
Plattform zur Integration von webbasierten Daten- quellen, die keine Schnittstelle für den Datenexport anbieten 
Twitter OAuth Interface 
Portale, Blogs, Internet Foren 
Interne Datenquelle(n): 
Data Warehouse und/oder BI Plattform 
Analytic Application “Australian Wine” 
 
 
Twitter und/ oder ähnliche (Social Media) Plattformen mit API 
 
Beispielanwendung „Australian Wine“
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
19 
Beispiel: Twitter API's abfragen, Ergebnis anreichern und in Endeca Server laden 
Endeca Information Discovery Integrator
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
20 
Mehrwertdienste nutzen – Beispiel DataSift 
Endeca Information Discovery Integrator 
• Sentiment 
• Influence 
• Geo 
• Weblinks 
• Real-time 
• Historical 
Quelle: http://thewinewankers.com.au/2014/07/14/the-50-most-influential-wine-entities-on-social-media
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
21 
Falls die Datenquelle keine oder nur eine im Umfang beschränkte API anbietet 
Endeca Web Aquisition Toolkit 
EID Web Acquisition Toolkit 
EID Integrator 
auswine.com.au 
winespectator.com 
Endeca Server 
Erstellen eines Workflows zur An-bindung von Live-Daten und auto-matisierter Extraktion von Web-Inhalten sowie Speicherung in eine Datenbank (nur eine mgl. Option) 
Fortsetzung des Ladeprozesses durch Übernahme der strukturierten Daten, Anreicherung des Fließtextes (durch Entitäten-Extraktion, Text-Tagging und Sentiment-Analyse) sowie Laden der Daten in den Endeca-Server 
Beispiel-Szenario: Australian Wine
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
22 
Endeca Web Aquisition Toolkit = OEM Produkt von Kapow 
Prinzip Kapow Katalyst 9.2.9 
Architektur
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
23 
Endeca Web Aquisition Toolkit – Design Studio 
Workflow 
• Aktionen 
• Tag Finder 
• Variablen- Definition 
• Fehlerbe- handlung 
Code lines 
Live-Daten Browser- Simulation 
Projekt- struktur
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
24 
Endeca Web Aquisition Toolkit – Design Studio 
Extraktionslogik für http://forum.auswine.com.au
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
25 
Endeca Web Aquisition Toolkit – RoboServer
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
26 
Endeca Web Aquisition Toolkit – Management Console 
„Datenintegration as a Service“
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Agenda 
27 
„Discovery Lab“-Konzept mit Endeca 
Allg. Datenintegration & Endeca Web Aquisition Toolkit 
Endeca WAT Anwendungsfälle 
Ausblick Discovery Lab 
1 
2 
3 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Market Intelligence 
•Competitive Pricing 
•Social Media and Brand Monitoring 
•Financial Research 
•Open Source Intelligence 
•Fraud Detection 
Ecosystem Automation 
•Logistics Integration 
•Partner Integration 
•Customer Integration 
•Talent Management 
28 
Content Integration 
•Content Migration 
•Enterprise Search 
•Legacy Application Integration 
Endeca Web Aquisition Toolkit (Kapow Katalyst) 
Einsatzbereiche 
Relevant für Discovery Lab-Konzept
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
29 
Beispiel 1: Price & Revenue Management 
Prinzip
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
30 
Beispiel 1: Price & Revenue Management 
Mapping zum Oracle Product Stack
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
31 
Beispiel 2: Machine-2-Machine Integration 
Quelle: www.kapowsoftware.com/assets/casestudies/Deutsche-Telekom-us-letter.pdf 
M2M Competence Center Deutsche Telekom stellt im internen Application Store u.a. eine SIM-Info App bereit, die mit Kapow Katalyst zeitaufwändige Suchen und Analysen automatisiert: 
̶CRM-System  Kundenidentifikation 
̶ERP-System  SIM-Karten Lieferung ok? 
̶Netzwerk-Adminsystem  SIM aktiv? 
̶Ticket-System  weitere Infos 
̶... Ergebnis: 
̶Analyseprozess von 90 auf 4 min verkürzt 
̶Schnelle Bereitstellung der Schnittstelle
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Aufgabenstellung 
•Bestehende B2C Online Banking-Anwendung der Commerzbank war für den Desktopzugriff konzipiert und benötigte eine relativ hohe Bandbreite 
•Für Nutzung auf Android, iOS oder anderen mobilen Geräten weniger geeignet: kleinere Bildschirme, beschränkte Bandbreite ließen ein gutes Nutzererlebnis nicht zu 
Lösung 
•neue App basierend auf bestehendem Mobile Banking- Angebot erstellt 
•Auf Kapow Katalyst basierende Web Services unterstützen das schlanke Interface der App 
•Entkopplung von alten und neuen HTML-Inhalten über ein Web Service Layer ermöglicht neue Workflows und Funk- tionen, die selbst bei geringer Bandbreite für ein optimales Nutzererlebnis sorgen. 
32 
Ergebnis 
•Neue Die Commerzbank Banking & Service App wurde seit 2011 über 250.000 Mal heruntergeladen und wird täglich von mehr als 25.000 Commerzbank-Kunden genutzt 
•Flexible Plattform kann nun zeitnah auf sich ändernde Anforderungen im Bereich Mobile Banking reagieren und jederzeit Daten aus beliebigen Datenbanken, Anwendung oder Website in die Applikation integrieren 
Beispiel 3: Optimierung Mobile Services 
Quelle: kapowsoftware.com/de/downloads/pdf/commerzbank-a4-german.pdf
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Aufgabenstellung 
•Externe web-basierte Anwen- dungen, z.B. für Fahrkartenkauf und Hotelbuchungen sollten in Intranet-Portal von Audi inte- griert werden – Ziel: einheit- liche Menüführung 
•Direktzugriff auf frei verfügbare Online-Dienste war ineffizient: 
–Störung durch Werbung 
–Unterschiedl. Menüführung der Seiten verringerte Mitarb.- Produktivität 
–Manche Online-Dienste waren aufgrund interner IT-Richtlinien schlicht gesperrt 
Lösung 
•Mit Kapow Katalyst wurden interne und externe Services unter Berücksichtigung der Sicherheitsanforderungen in ein Portal integriert 
•Beispiel: Länderdatenbank für Infos und volkswirtschaftliche Daten zu mögl. Produktions- und Vertriebstandorten 
33 
Ergebnis 
•Audi‘s interne Plattform besteht aus acht einzelnen Portalen, die ca. 60.000 Mitarbeiter nutzen 
•15 interne und externe Dienste und Anwendungen sind zur Erleichterung der Arbeits- abläufe über das Intranet erreichbar 
•IT-Abteilung kann neue Services in 1..2 Wochen integrieren, statt an Projekte von ein bis zwei Monaten gebunden zu sein 
Beispiel 4: Anbindung externer Dienste in das Intranet 
Quelle: www.kapowsoftware.com/de/downloads/pdf/audi-a4-german.pdf
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
Agenda 
34 
„Discovery Lab“- Konzept mit Endeca 
Allg. Datenintegration & Endeca Web Aquisition Toolkit 
Endeca WAT Anwendungsfälle 
Ausblick Discovery Lab 
1 
2 
3 
4
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
35 
Hadoop-Verbreitung steigt weiter
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
36 
Analytische Erkenntnisse sind aber nur schwer erzielbar 
Volume, Variety, Velocity  Komplexität 
̶Daten sind unorganisiert 
̶komplexe, nicht integrierte Werkzeuge 
̶Spezialwissen erforderlich Folge: Mangelnder Nutzen, geringe analytische Agilität 
̶80% der Zeit wird allein für Datenaufbereitung verwendet, die restliche Zeit bleibt für die eigentliche Analyse 
Pfad in Richtung Produktion  unklar 
̶Ergebnisse schwierig verteilbar 
̶Absicherung der Daten 
̶Nutzengenerierung, Risiko- minimierung, Ressourcen-Einsatz Folge: Begrenzter unter- nehmensweiter Einsatz 
̶Neue Erkenntnisse werden im Unternehmen nicht weit genug verbreitet 
Value ?
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
37 
...und erfordern einen neuen Ansatz 
Eine intuitive und interaktive grafische Benutzeroberfläche... 
... für alle, die in Hadoop schnell Daten finden, erkunden, umwandeln, analysieren... 
... und für die unternehmensweite Nutzung bereitstellen wollen 
Höhere analytische Agilität 
Maximale Verbreitung der Ergebnisse
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
38
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
39 
Oracle Big Data Discovery – The Visual Face of Hadoop
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
40 
Vom Konzept zur Gesamtlösung… 
*) noch nicht verfügbar
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
41 
...mit Oracle‘s Information Management Plattform 
SOURCES 
Big Data Discovery 
Business Analytics 
Data Warehouse 
Big Data Appliance 
Agile Data Prep. in Hadoop 
+ 
Powerful Analytics 
Data Reservoir 
Exalytics 
Enterprise BI 
Self-Service Discovery 
Data Mashup 
Oracle Big Data Connectors 
Managing unstructured data 
Managing structured data 
Oracle Big Data SQL 
Exadata 
Oracle Data Integrator
Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 
42

Weitere ähnliche Inhalte

Andere mochten auch

La materia y energia
La materia y energiaLa materia y energia
La materia y energiamassielro
 
Growtainer simplified v1.1
Growtainer simplified v1.1Growtainer simplified v1.1
Growtainer simplified v1.1ifrost
 
Modell der anlagen für das pilotprojekt deep heat mining in basel
Modell der anlagen für das pilotprojekt deep heat mining in baselModell der anlagen für das pilotprojekt deep heat mining in basel
Modell der anlagen für das pilotprojekt deep heat mining in baseldinomasch
 
Buchbranche 2020
Buchbranche 2020Buchbranche 2020
Buchbranche 2020awa1
 
El petroleo
El petroleoEl petroleo
El petroleolina0102
 
Estrategias contra la reoxidación del acero líquido en la colada continua de ...
Estrategias contra la reoxidación del acero líquido en la colada continua de ...Estrategias contra la reoxidación del acero líquido en la colada continua de ...
Estrategias contra la reoxidación del acero líquido en la colada continua de ...Jorge Madias
 
Landschaftsgarten Luisenburg
Landschaftsgarten LuisenburgLandschaftsgarten Luisenburg
Landschaftsgarten LuisenburgSonjaStrittmatter
 
Coal and mine version 2007
Coal and mine  version 2007Coal and mine  version 2007
Coal and mine version 2007Arvinder Singh
 
Trends im Wärmemarkt 2013 - nuances public affairs Analyse
Trends im Wärmemarkt 2013 - nuances public affairs AnalyseTrends im Wärmemarkt 2013 - nuances public affairs Analyse
Trends im Wärmemarkt 2013 - nuances public affairs Analysenuances
 
Herbert Magazin
Herbert Magazin Herbert Magazin
Herbert Magazin AnjaSchober
 
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTER
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTERPICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTER
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTERNguyen Truong Son
 
Planaritätsalgorithmus nach Demoucron, Malgrange und Pertuiset
Planaritätsalgorithmus nach Demoucron, Malgrange und PertuisetPlanaritätsalgorithmus nach Demoucron, Malgrange und Pertuiset
Planaritätsalgorithmus nach Demoucron, Malgrange und PertuisetMartin Klinke
 
Presentacion um dyl marzo 2004
Presentacion um dyl  marzo 2004Presentacion um dyl  marzo 2004
Presentacion um dyl marzo 2004rtoledo0
 
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3Dan Kulka
 
Extintores portatiles modificado
Extintores portatiles modificadoExtintores portatiles modificado
Extintores portatiles modificadoladisnely
 

Andere mochten auch (20)

La materia y energia
La materia y energiaLa materia y energia
La materia y energia
 
Growtainer simplified v1.1
Growtainer simplified v1.1Growtainer simplified v1.1
Growtainer simplified v1.1
 
Ammonite cormetrics presentation german october 2012
Ammonite cormetrics presentation german october 2012Ammonite cormetrics presentation german october 2012
Ammonite cormetrics presentation german october 2012
 
Modell der anlagen für das pilotprojekt deep heat mining in basel
Modell der anlagen für das pilotprojekt deep heat mining in baselModell der anlagen für das pilotprojekt deep heat mining in basel
Modell der anlagen für das pilotprojekt deep heat mining in basel
 
Buchbranche 2020
Buchbranche 2020Buchbranche 2020
Buchbranche 2020
 
El petroleo
El petroleoEl petroleo
El petroleo
 
Estrategias contra la reoxidación del acero líquido en la colada continua de ...
Estrategias contra la reoxidación del acero líquido en la colada continua de ...Estrategias contra la reoxidación del acero líquido en la colada continua de ...
Estrategias contra la reoxidación del acero líquido en la colada continua de ...
 
Landschaftsgarten Luisenburg
Landschaftsgarten LuisenburgLandschaftsgarten Luisenburg
Landschaftsgarten Luisenburg
 
Geldanlage und finanzielle Freiheit
Geldanlage und finanzielle FreiheitGeldanlage und finanzielle Freiheit
Geldanlage und finanzielle Freiheit
 
Introducción
IntroducciónIntroducción
Introducción
 
Coal and mine version 2007
Coal and mine  version 2007Coal and mine  version 2007
Coal and mine version 2007
 
Alle Energieträger aus einer Hand
Alle Energieträger aus einer HandAlle Energieträger aus einer Hand
Alle Energieträger aus einer Hand
 
Trends im Wärmemarkt 2013 - nuances public affairs Analyse
Trends im Wärmemarkt 2013 - nuances public affairs AnalyseTrends im Wärmemarkt 2013 - nuances public affairs Analyse
Trends im Wärmemarkt 2013 - nuances public affairs Analyse
 
Yahoo! Versorgerstudie
Yahoo! VersorgerstudieYahoo! Versorgerstudie
Yahoo! Versorgerstudie
 
Herbert Magazin
Herbert Magazin Herbert Magazin
Herbert Magazin
 
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTER
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTERPICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTER
PICTURES OF THAI BINH - HAM RONG GAS DISTRIBUTION CENTER
 
Planaritätsalgorithmus nach Demoucron, Malgrange und Pertuiset
Planaritätsalgorithmus nach Demoucron, Malgrange und PertuisetPlanaritätsalgorithmus nach Demoucron, Malgrange und Pertuiset
Planaritätsalgorithmus nach Demoucron, Malgrange und Pertuiset
 
Presentacion um dyl marzo 2004
Presentacion um dyl  marzo 2004Presentacion um dyl  marzo 2004
Presentacion um dyl marzo 2004
 
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3
Fossil Bay Energy - Investment Opportunity CIM - September 2016 - BMM v3
 
Extintores portatiles modificado
Extintores portatiles modificadoExtintores portatiles modificado
Extintores portatiles modificado
 

Ähnlich wie Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und anderer Datenquellen

Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data KonnektivitätTrivadis
 
Data lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesData lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesComsysto Reply GmbH
 
YUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für UnternehmenYUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für Unternehmeneoda GmbH
 
20181210_ITTage2018_OracleNoSQLDB_KPatenge
20181210_ITTage2018_OracleNoSQLDB_KPatenge20181210_ITTage2018_OracleNoSQLDB_KPatenge
20181210_ITTage2018_OracleNoSQLDB_KPatengeKarin Patenge
 
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenWebinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenB-S-S Business Software Solutions GmbH
 
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...Cloudera, Inc.
 
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-LandschaftGeänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-LandschaftISR Information Products AG
 
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?KurtStockinger
 
Suche und Navigation in Online-Shops. Mit Apache Solr und Elasticsearch
Suche und Navigation in Online-Shops. Mit Apache Solr und ElasticsearchSuche und Navigation in Online-Shops. Mit Apache Solr und Elasticsearch
Suche und Navigation in Online-Shops. Mit Apache Solr und ElasticsearchSHI Search | Analytics | Big Data
 
Oracle hadoop doag-big-data_09_2014_gpi
Oracle hadoop doag-big-data_09_2014_gpiOracle hadoop doag-big-data_09_2014_gpi
Oracle hadoop doag-big-data_09_2014_gpiGunther Pippèrr
 
Logical Data Warehouse - SQL mit Oracle DB und Hadoop
Logical Data Warehouse - SQL mit Oracle DB und HadoopLogical Data Warehouse - SQL mit Oracle DB und Hadoop
Logical Data Warehouse - SQL mit Oracle DB und HadoopOPITZ CONSULTING Deutschland
 
Gewinnung von OPEN SOURCE Techniken für junge Unternehmen
Gewinnung von OPEN SOURCE Techniken für junge UnternehmenGewinnung von OPEN SOURCE Techniken für junge Unternehmen
Gewinnung von OPEN SOURCE Techniken für junge UnternehmenBjoern Reinhold
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtIBsolution GmbH
 
Setting-up Elasticsearch, Logstash, Kibana für agile Datenanalyse
Setting-up Elasticsearch, Logstash, Kibana für agile DatenanalyseSetting-up Elasticsearch, Logstash, Kibana für agile Datenanalyse
Setting-up Elasticsearch, Logstash, Kibana für agile DatenanalyseSHI Search | Analytics | Big Data
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2 oraclebudb
 
Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Ulrike Schwinn
 
SharePoint 8 Tipps um besser zu Finden
SharePoint 8 Tipps um besser zu FindenSharePoint 8 Tipps um besser zu Finden
SharePoint 8 Tipps um besser zu FindenDavid Schneider
 
Implementierbare Sicherheitsregeln im Enterprise Manager
Implementierbare Sicherheitsregeln im Enterprise ManagerImplementierbare Sicherheitsregeln im Enterprise Manager
Implementierbare Sicherheitsregeln im Enterprise ManagerMartin Obst
 
Secure Technical Implementation Guide for databases by Martin Obst
Secure Technical Implementation Guide for databases by Martin ObstSecure Technical Implementation Guide for databases by Martin Obst
Secure Technical Implementation Guide for databases by Martin ObstCarsten Muetzlitz
 

Ähnlich wie Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und anderer Datenquellen (20)

Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data Konnektivität
 
Elasticsearch Cluster Management mit Marvel
Elasticsearch Cluster Management mit MarvelElasticsearch Cluster Management mit Marvel
Elasticsearch Cluster Management mit Marvel
 
Data lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesData lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid Architectures
 
YUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für UnternehmenYUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für Unternehmen
 
20181210_ITTage2018_OracleNoSQLDB_KPatenge
20181210_ITTage2018_OracleNoSQLDB_KPatenge20181210_ITTage2018_OracleNoSQLDB_KPatenge
20181210_ITTage2018_OracleNoSQLDB_KPatenge
 
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenWebinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
 
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
 
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-LandschaftGeänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
 
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
 
Suche und Navigation in Online-Shops. Mit Apache Solr und Elasticsearch
Suche und Navigation in Online-Shops. Mit Apache Solr und ElasticsearchSuche und Navigation in Online-Shops. Mit Apache Solr und Elasticsearch
Suche und Navigation in Online-Shops. Mit Apache Solr und Elasticsearch
 
Oracle hadoop doag-big-data_09_2014_gpi
Oracle hadoop doag-big-data_09_2014_gpiOracle hadoop doag-big-data_09_2014_gpi
Oracle hadoop doag-big-data_09_2014_gpi
 
Logical Data Warehouse - SQL mit Oracle DB und Hadoop
Logical Data Warehouse - SQL mit Oracle DB und HadoopLogical Data Warehouse - SQL mit Oracle DB und Hadoop
Logical Data Warehouse - SQL mit Oracle DB und Hadoop
 
Gewinnung von OPEN SOURCE Techniken für junge Unternehmen
Gewinnung von OPEN SOURCE Techniken für junge UnternehmenGewinnung von OPEN SOURCE Techniken für junge Unternehmen
Gewinnung von OPEN SOURCE Techniken für junge Unternehmen
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 
Setting-up Elasticsearch, Logstash, Kibana für agile Datenanalyse
Setting-up Elasticsearch, Logstash, Kibana für agile DatenanalyseSetting-up Elasticsearch, Logstash, Kibana für agile Datenanalyse
Setting-up Elasticsearch, Logstash, Kibana für agile Datenanalyse
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2
 
Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2
 
SharePoint 8 Tipps um besser zu Finden
SharePoint 8 Tipps um besser zu FindenSharePoint 8 Tipps um besser zu Finden
SharePoint 8 Tipps um besser zu Finden
 
Implementierbare Sicherheitsregeln im Enterprise Manager
Implementierbare Sicherheitsregeln im Enterprise ManagerImplementierbare Sicherheitsregeln im Enterprise Manager
Implementierbare Sicherheitsregeln im Enterprise Manager
 
Secure Technical Implementation Guide for databases by Martin Obst
Secure Technical Implementation Guide for databases by Martin ObstSecure Technical Implementation Guide for databases by Martin Obst
Secure Technical Implementation Guide for databases by Martin Obst
 

Mehr von Harald Erb

Actionable Insights with AI - Snowflake for Data Science
Actionable Insights with AI - Snowflake for Data ScienceActionable Insights with AI - Snowflake for Data Science
Actionable Insights with AI - Snowflake for Data ScienceHarald Erb
 
Snowflake for Data Engineering
Snowflake for Data EngineeringSnowflake for Data Engineering
Snowflake for Data EngineeringHarald Erb
 
Dataiku & Snowflake Meetup Berlin 2020
Dataiku & Snowflake Meetup Berlin 2020Dataiku & Snowflake Meetup Berlin 2020
Dataiku & Snowflake Meetup Berlin 2020Harald Erb
 
Does it only have to be ML + AI?
Does it only have to be ML + AI?Does it only have to be ML + AI?
Does it only have to be ML + AI?Harald Erb
 
Delivering rapid-fire Analytics with Snowflake and Tableau
Delivering rapid-fire Analytics with Snowflake and TableauDelivering rapid-fire Analytics with Snowflake and Tableau
Delivering rapid-fire Analytics with Snowflake and TableauHarald Erb
 
Machine Learning - Eine Challenge für Architekten
Machine Learning - Eine Challenge für ArchitektenMachine Learning - Eine Challenge für Architekten
Machine Learning - Eine Challenge für ArchitektenHarald Erb
 
DOAG Big Data Days 2017 - Cloud Journey
DOAG Big Data Days 2017 - Cloud JourneyDOAG Big Data Days 2017 - Cloud Journey
DOAG Big Data Days 2017 - Cloud JourneyHarald Erb
 
Do you know what k-Means? Cluster-Analysen
Do you know what k-Means? Cluster-Analysen Do you know what k-Means? Cluster-Analysen
Do you know what k-Means? Cluster-Analysen Harald Erb
 
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?Harald Erb
 
Big Data Discovery
Big Data DiscoveryBig Data Discovery
Big Data DiscoveryHarald Erb
 
DOAG News 2012 - Analytische Mehrwerte mit Big Data
DOAG News 2012 - Analytische Mehrwerte mit Big DataDOAG News 2012 - Analytische Mehrwerte mit Big Data
DOAG News 2012 - Analytische Mehrwerte mit Big DataHarald Erb
 
Oracle Unified Information Architeture + Analytics by Example
Oracle Unified Information Architeture + Analytics by ExampleOracle Unified Information Architeture + Analytics by Example
Oracle Unified Information Architeture + Analytics by ExampleHarald Erb
 

Mehr von Harald Erb (12)

Actionable Insights with AI - Snowflake for Data Science
Actionable Insights with AI - Snowflake for Data ScienceActionable Insights with AI - Snowflake for Data Science
Actionable Insights with AI - Snowflake for Data Science
 
Snowflake for Data Engineering
Snowflake for Data EngineeringSnowflake for Data Engineering
Snowflake for Data Engineering
 
Dataiku & Snowflake Meetup Berlin 2020
Dataiku & Snowflake Meetup Berlin 2020Dataiku & Snowflake Meetup Berlin 2020
Dataiku & Snowflake Meetup Berlin 2020
 
Does it only have to be ML + AI?
Does it only have to be ML + AI?Does it only have to be ML + AI?
Does it only have to be ML + AI?
 
Delivering rapid-fire Analytics with Snowflake and Tableau
Delivering rapid-fire Analytics with Snowflake and TableauDelivering rapid-fire Analytics with Snowflake and Tableau
Delivering rapid-fire Analytics with Snowflake and Tableau
 
Machine Learning - Eine Challenge für Architekten
Machine Learning - Eine Challenge für ArchitektenMachine Learning - Eine Challenge für Architekten
Machine Learning - Eine Challenge für Architekten
 
DOAG Big Data Days 2017 - Cloud Journey
DOAG Big Data Days 2017 - Cloud JourneyDOAG Big Data Days 2017 - Cloud Journey
DOAG Big Data Days 2017 - Cloud Journey
 
Do you know what k-Means? Cluster-Analysen
Do you know what k-Means? Cluster-Analysen Do you know what k-Means? Cluster-Analysen
Do you know what k-Means? Cluster-Analysen
 
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?
Exploratory Analysis in the Data Lab - Team-Sport or for Nerds only?
 
Big Data Discovery
Big Data DiscoveryBig Data Discovery
Big Data Discovery
 
DOAG News 2012 - Analytische Mehrwerte mit Big Data
DOAG News 2012 - Analytische Mehrwerte mit Big DataDOAG News 2012 - Analytische Mehrwerte mit Big Data
DOAG News 2012 - Analytische Mehrwerte mit Big Data
 
Oracle Unified Information Architeture + Analytics by Example
Oracle Unified Information Architeture + Analytics by ExampleOracle Unified Information Architeture + Analytics by Example
Oracle Unified Information Architeture + Analytics by Example
 

Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und anderer Datenquellen

  • 1.
  • 2. Endeca Web Acquisition Toolkit Integration verteilter Web-Anwendungen und anderer Datenquellen Harald Erb Oracle Business Analytics DOAG Konferenz Nürnberg, 19. November 2014 Copyright © 2014, Oracle and/or its affiliates. All rights reserved. |
  • 3. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | •Harald Erb •Principal Sales Consultant •Business Analytics Architect Domain Lead - DE/CH Cluster •Kontakt +49 (0)6103 397-403 •harald.erb@oracle.com Referent
  • 4. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material, code, or functionality, and should not be relied upon in making purchasing decisions. The development, release, and timing of any features or functionality described for Oracle’s products remains at the sole discretion of Oracle. 4
  • 5. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Agenda 5 „Discovery Lab“-Konzept mit Endeca Allg. Datenintegration & Endeca Web Aquisition Toolkit Endeca WAT Anwendungsfälle Ausblick Discovery Lab 1 2 3 4
  • 6. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Agenda 6 „Discovery Lab“-Konzept mit Endeca Allg. Datenintegration & Endeca Web Aquisition Toolkit Endeca WAT Anwendungsfälle Ausblick Discovery Lab 1 2 3 4
  • 7. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 7 Interne qualitätsgesicherte Daten aus dem Oracle Data Warehouse , Oracle BI System oder anderen strukturierten Datenquellen liefern die notwendigen Fakten Click icon to add picture Externe Kundendialoge zum Thema sind direkt bei Twitter oder bei Mehrwertdiensten über entspr. Schnittstellen erhältlich Click icon to add picture Die Inhalte vieler Fachforen sind ohne Datenschnittstelle nicht in kurzer Zeit in eigene Analysen einbindbar  Ansatz für das Endeca Aquisition Toolkit Analyse-Szenario: Australischer Wein(markt) INTERN OK OK EXTERN ?
  • 8. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Ziel: Eine Analyse-Anwendung über (möglichst) alle Quellen
  • 9. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 9 Oracle Information Management Architektur Line of Governance Konzeptansicht
  • 10. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 10 Oracle Information Management Architektur Event Engine Erkennt vordefinierte Ereignismuster direkt im Datenstrom und ermittelt z.B. per Echtzeitanalyse die nächste beste Aktion/Handlung Data Reservoir Ökonomisch einsetzbares Scale-out Speichersystem, dass massiv parallel Daten verarbeiten kann, ohne dabei allzu strenge Anforderungen an Datenmodellierung oder Formalisierung der Daten zu stellen – typischerweise Hadoop Cluster oder Staging Area in RDBMS Data Factory Für das Management aller Datenflüsse (ETL) innerhalb einer bzw. zwischen den Platfformen Enterprise Information Groß angelegter Datenspeicher, der unternehmenskritische Daten in formalisierter und modellierter Form beherbergt – typischerweise manifestiert als (Enterprise) Data Warehouse und in Kombination mit dem Data Reservoir als Big Data Management System ausgeprägt. Reporting BI Abstraktionsschicht /KPI‘s, -Werkzeuge, -Infrastruktur für Berichtswesen, Analyse und Planung Discovery Lab Abseits der täglichen Datenverarbeitung werden hier neue interne und/oder externe Datenquellen nach ihrer Werthaltigkeit für die zukünftige Unternehmenstätigkeit untersucht. In Kombination mit eigenen Datenbeständen und mit Hilfe spezieller Methoden/Werkzeuge für Analyse, statistische Berechnungen, Mustererkennung, Ergebnisvisualisierung, erlangt ein kleiner, hochspezialisierter Benutzerkreis neue Erkenntnisse, die sich in der Praxis bewähren müssen Komponenten der Konzeptansicht
  • 11. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | •Fokus liegt auf Identifizierung des wirtschaftlichen Wertes und der kommerziellen Nutzbarmachung neuer Daten-Sets •Kleiner Anwenderkreis mit hoch qualifizierten Personen (Data Scientists) •Entwicklungsansatz  iterativ, orientiert sich an Daten(-beschaffenheit) und NICHT an Entwicklungs- prozessen •Breites Spektrum von Werkzeugen und Analyse- und Visualisierungstechniken kommen zur Anwendung •Datenbereitstellung kann über die Data Factory oder eigene ETL-Prozesse erfolgen •Typischerweise als separate Infrastruktur ausgelegt 11 Discovery Lab - Konzeptansicht Merkmale und Design Pattern
  • 12. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 12 Projektbezogene Analyse-Sandboxen Discovery Lab – Logische Ansicht Analyse (Verarbeitung & Bereitstellung) Discovery Lab & Data Science Werkzeuge Data Reservoir & Enterprise Data Data Science (Primary Toolset) Statistikwerkzeuge Data & Text Mining Werkz. Faceted Query Werkzeuge Programmierung & Scripting Daten Modellierung/ETL Query & Search Werkzeuge Vorgefertigte BI-Inhalte Analyse- Werkzeuge Ad Hoc Abfragen & Analyse Werkzeuge OLAP Forecasting- & Simulationswerkzeuge Standardberichte Data Scientist Virtualisierung & Informationsdienste Data Factory Flow 1.Data Factory – ermöglicht Daten- zugang oder (Teil-) Replikation in Richtung der Sandboxes im Discovery Lab. 2.Direkte Verbindung (lesend und schreibend!) zwischen Data Science Werkzeugen und den Analyse Sandboxen. 3.Data Scientist Zugriff auf die Abstraktionsschicht oder Werkzeuge der vorhandenen BI Plattform (Standard Dashboards, Reports und KPI’s) Data Quality & Profiling Visualisierungswerkzeuge Dashboards & Reports Scorecards Diagramme & Graphen Sandbox – Project 3 Sandbox – Project 2 Sandbox – Project 1 Data store Analytical Processing BI Flow 1 2 3
  • 13. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | ? 13 Discovery Lab mit Endeca EID Studio Anwenderoberfläche für Data Mash-up und zur Erstellung von intuitiv nutzbaren Discovery- Applikationen Self-Service Provisioning Sharing and Collaboration Drag & Drop Composition Intuitive Exploration EID Integrator Zur schnellen Integration und Anreicherung von strukturierten und niedrig- strukturierten Daten Innovative ETL Web and File Crawling Text Enrichment Endeca Server Skalierbare, gesicherte und zentral betriebene Engine (= kombinierter Ansatz aus In-memory Suchindex und analytischer Datenbank) EID Web Acquisition Toolkit Synthetic API Creation Plattform zur Integration von webbasierten Daten- quellen, die keine Schnittstelle für den Datenexport anbieten Twitter OAuth Interface Portale, Blogs, Internet Foren Interne Datenquelle(n): Data Warehouse und/oder BI Plattform Analytic Application “Australian Wine” Twitter und/ oder ähnliche (Social Media) Plattformen mit API Beteiligte Komponenten
  • 14. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 14 Discovery Lab mit Endeca Data Warehouse / BI Plattform Endeca Server Index Wine Sales Item Location Brand Type Qty Forum / Blog Posts Type Item Date Brand Date Topic Review Item Datenbereitstellung ohne vorherige Datenmodellierung Automatische Verknüpfung Endeca Server
  • 15. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 15 Discovery Lab mit Endeca Endeca Server Spezielle, In-Memory Engine für strukturierte und niedrig strukturierte Daten Datennavigation und -exploration über alle verfügbaren Attribute und Textbestandteile Datenanreicherung zum automat. Extrahieren der wesentlichen Textinhalte Relevante Themen aus Fließtexten und Dokumenten und ihre Tonalität erkunden Volltextsuche enthält Rechtschreibkorrektur, Stopworte, Synonyme, Stemming, Match Modes und konfig. Relevance Ranking Differenzierte analytische Abfragen und interaktive Daten Visualisierungen Explorative Analyse via Facettennavigation und Suche
  • 16. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 16 Zusammenspiel mit einer etablierten Oracle BI-Plattform Discovery Lab mit Endeca Zuverlässige Antworten auf erwartete Fragen Analytischer Mehrwert: Dauerhaft Zielgruppe: Unternehmensweit Projektart: Proaktiv / Anforderungen sind bekannt Schnelle Antworten auf unvorhersehbare Fragen Analytischer Mehrwert: Sofort Zielgruppe: Individuell … spezifische Gruppen Projektart: Reaktiv / häufig wechselnde Anforderungen ERP, CRM, … , DWH, Marktdaten Oracle Common Enterprise Information Model Standardberichte, Dashboards, Ad-hoc, Planung Datensilos, eigene Dateien, externe Inhalte Agile Data Mashup Self-Service Discovery Applikationen Qualitätsgesicherte Daten Leistungsfähige Infrastruktur LOB getrieben (Top-down) IT getrieben (Bottom-up)
  • 17. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Agenda 17 „Discovery Lab“-Konzept mit Endeca Allg. Datenintegration & Endeca Web Aquisition Toolkit Endeca WAT Anwendungsfälle Ausblick Discovery Lab 1 2 3 4
  • 18. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | ? 18 Möglichkeiten der Datenintegration in Endeca EID Studio Anwenderoberfläche für Data Mash-up und zur Erstellung von intuitiv nutzbaren Discovery- Applikationen Self-Service Provisioning Sharing and Collaboration Drag & Drop Composition Intuitive Exploration EID Integrator Zur schnellen Integration und Anreicherung von strukturierten und niedrig- strukturierten Daten Innovative ETL Web and File Crawling Text Enrichment Endeca Server Skalierbare, gesicherte und zentral betriebene Engine (= kombinierter Ansatz aus In-memory Suchindex und analytischer Datenbank) EID Web Acquisition Toolkit Synthetic API Creation Plattform zur Integration von webbasierten Daten- quellen, die keine Schnittstelle für den Datenexport anbieten Twitter OAuth Interface Portale, Blogs, Internet Foren Interne Datenquelle(n): Data Warehouse und/oder BI Plattform Analytic Application “Australian Wine”   Twitter und/ oder ähnliche (Social Media) Plattformen mit API  Beispielanwendung „Australian Wine“
  • 19. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 19 Beispiel: Twitter API's abfragen, Ergebnis anreichern und in Endeca Server laden Endeca Information Discovery Integrator
  • 20. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 20 Mehrwertdienste nutzen – Beispiel DataSift Endeca Information Discovery Integrator • Sentiment • Influence • Geo • Weblinks • Real-time • Historical Quelle: http://thewinewankers.com.au/2014/07/14/the-50-most-influential-wine-entities-on-social-media
  • 21. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 21 Falls die Datenquelle keine oder nur eine im Umfang beschränkte API anbietet Endeca Web Aquisition Toolkit EID Web Acquisition Toolkit EID Integrator auswine.com.au winespectator.com Endeca Server Erstellen eines Workflows zur An-bindung von Live-Daten und auto-matisierter Extraktion von Web-Inhalten sowie Speicherung in eine Datenbank (nur eine mgl. Option) Fortsetzung des Ladeprozesses durch Übernahme der strukturierten Daten, Anreicherung des Fließtextes (durch Entitäten-Extraktion, Text-Tagging und Sentiment-Analyse) sowie Laden der Daten in den Endeca-Server Beispiel-Szenario: Australian Wine
  • 22. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 22 Endeca Web Aquisition Toolkit = OEM Produkt von Kapow Prinzip Kapow Katalyst 9.2.9 Architektur
  • 23. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 23 Endeca Web Aquisition Toolkit – Design Studio Workflow • Aktionen • Tag Finder • Variablen- Definition • Fehlerbe- handlung Code lines Live-Daten Browser- Simulation Projekt- struktur
  • 24. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 24 Endeca Web Aquisition Toolkit – Design Studio Extraktionslogik für http://forum.auswine.com.au
  • 25. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 25 Endeca Web Aquisition Toolkit – RoboServer
  • 26. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 26 Endeca Web Aquisition Toolkit – Management Console „Datenintegration as a Service“
  • 27. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Agenda 27 „Discovery Lab“-Konzept mit Endeca Allg. Datenintegration & Endeca Web Aquisition Toolkit Endeca WAT Anwendungsfälle Ausblick Discovery Lab 1 2 3 4
  • 28. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Market Intelligence •Competitive Pricing •Social Media and Brand Monitoring •Financial Research •Open Source Intelligence •Fraud Detection Ecosystem Automation •Logistics Integration •Partner Integration •Customer Integration •Talent Management 28 Content Integration •Content Migration •Enterprise Search •Legacy Application Integration Endeca Web Aquisition Toolkit (Kapow Katalyst) Einsatzbereiche Relevant für Discovery Lab-Konzept
  • 29. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 29 Beispiel 1: Price & Revenue Management Prinzip
  • 30. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 30 Beispiel 1: Price & Revenue Management Mapping zum Oracle Product Stack
  • 31. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 31 Beispiel 2: Machine-2-Machine Integration Quelle: www.kapowsoftware.com/assets/casestudies/Deutsche-Telekom-us-letter.pdf M2M Competence Center Deutsche Telekom stellt im internen Application Store u.a. eine SIM-Info App bereit, die mit Kapow Katalyst zeitaufwändige Suchen und Analysen automatisiert: ̶CRM-System  Kundenidentifikation ̶ERP-System  SIM-Karten Lieferung ok? ̶Netzwerk-Adminsystem  SIM aktiv? ̶Ticket-System  weitere Infos ̶... Ergebnis: ̶Analyseprozess von 90 auf 4 min verkürzt ̶Schnelle Bereitstellung der Schnittstelle
  • 32. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Aufgabenstellung •Bestehende B2C Online Banking-Anwendung der Commerzbank war für den Desktopzugriff konzipiert und benötigte eine relativ hohe Bandbreite •Für Nutzung auf Android, iOS oder anderen mobilen Geräten weniger geeignet: kleinere Bildschirme, beschränkte Bandbreite ließen ein gutes Nutzererlebnis nicht zu Lösung •neue App basierend auf bestehendem Mobile Banking- Angebot erstellt •Auf Kapow Katalyst basierende Web Services unterstützen das schlanke Interface der App •Entkopplung von alten und neuen HTML-Inhalten über ein Web Service Layer ermöglicht neue Workflows und Funk- tionen, die selbst bei geringer Bandbreite für ein optimales Nutzererlebnis sorgen. 32 Ergebnis •Neue Die Commerzbank Banking & Service App wurde seit 2011 über 250.000 Mal heruntergeladen und wird täglich von mehr als 25.000 Commerzbank-Kunden genutzt •Flexible Plattform kann nun zeitnah auf sich ändernde Anforderungen im Bereich Mobile Banking reagieren und jederzeit Daten aus beliebigen Datenbanken, Anwendung oder Website in die Applikation integrieren Beispiel 3: Optimierung Mobile Services Quelle: kapowsoftware.com/de/downloads/pdf/commerzbank-a4-german.pdf
  • 33. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Aufgabenstellung •Externe web-basierte Anwen- dungen, z.B. für Fahrkartenkauf und Hotelbuchungen sollten in Intranet-Portal von Audi inte- griert werden – Ziel: einheit- liche Menüführung •Direktzugriff auf frei verfügbare Online-Dienste war ineffizient: –Störung durch Werbung –Unterschiedl. Menüführung der Seiten verringerte Mitarb.- Produktivität –Manche Online-Dienste waren aufgrund interner IT-Richtlinien schlicht gesperrt Lösung •Mit Kapow Katalyst wurden interne und externe Services unter Berücksichtigung der Sicherheitsanforderungen in ein Portal integriert •Beispiel: Länderdatenbank für Infos und volkswirtschaftliche Daten zu mögl. Produktions- und Vertriebstandorten 33 Ergebnis •Audi‘s interne Plattform besteht aus acht einzelnen Portalen, die ca. 60.000 Mitarbeiter nutzen •15 interne und externe Dienste und Anwendungen sind zur Erleichterung der Arbeits- abläufe über das Intranet erreichbar •IT-Abteilung kann neue Services in 1..2 Wochen integrieren, statt an Projekte von ein bis zwei Monaten gebunden zu sein Beispiel 4: Anbindung externer Dienste in das Intranet Quelle: www.kapowsoftware.com/de/downloads/pdf/audi-a4-german.pdf
  • 34. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | Agenda 34 „Discovery Lab“- Konzept mit Endeca Allg. Datenintegration & Endeca Web Aquisition Toolkit Endeca WAT Anwendungsfälle Ausblick Discovery Lab 1 2 3 4
  • 35. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 35 Hadoop-Verbreitung steigt weiter
  • 36. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 36 Analytische Erkenntnisse sind aber nur schwer erzielbar Volume, Variety, Velocity  Komplexität ̶Daten sind unorganisiert ̶komplexe, nicht integrierte Werkzeuge ̶Spezialwissen erforderlich Folge: Mangelnder Nutzen, geringe analytische Agilität ̶80% der Zeit wird allein für Datenaufbereitung verwendet, die restliche Zeit bleibt für die eigentliche Analyse Pfad in Richtung Produktion  unklar ̶Ergebnisse schwierig verteilbar ̶Absicherung der Daten ̶Nutzengenerierung, Risiko- minimierung, Ressourcen-Einsatz Folge: Begrenzter unter- nehmensweiter Einsatz ̶Neue Erkenntnisse werden im Unternehmen nicht weit genug verbreitet Value ?
  • 37. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 37 ...und erfordern einen neuen Ansatz Eine intuitive und interaktive grafische Benutzeroberfläche... ... für alle, die in Hadoop schnell Daten finden, erkunden, umwandeln, analysieren... ... und für die unternehmensweite Nutzung bereitstellen wollen Höhere analytische Agilität Maximale Verbreitung der Ergebnisse
  • 38. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 38
  • 39. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 39 Oracle Big Data Discovery – The Visual Face of Hadoop
  • 40. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 40 Vom Konzept zur Gesamtlösung… *) noch nicht verfügbar
  • 41. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 41 ...mit Oracle‘s Information Management Plattform SOURCES Big Data Discovery Business Analytics Data Warehouse Big Data Appliance Agile Data Prep. in Hadoop + Powerful Analytics Data Reservoir Exalytics Enterprise BI Self-Service Discovery Data Mashup Oracle Big Data Connectors Managing unstructured data Managing structured data Oracle Big Data SQL Exadata Oracle Data Integrator
  • 42. Copyright © 2014, Oracle and/or its affiliates. All rights reserved. | 42