SlideShare ist ein Scribd-Unternehmen logo
1 von 34
Downloaden Sie, um offline zu lesen
Data-Driven Systems: State-of-the-Art in Wissenschaft
und Praxis
Prof. Dr. Heiner Stuckenschmidt und Prof. Dr. Alexander Mädche
InES Symposium, Mannheim, 31. Oktober 2013
Agenda
Agenda
1

Einführung

2

Technologien zur Extraktion, Integration und Analyse von Daten

3

Intelligente Geschäftsprozesse

4

Zusammenfassung

2
Viele neue technologische Potenziale im Datenumfeld

Big Data

Data Governance

Data Quality

Linked Open Data
Data Warehouse
Data Integration

Data Acquisition
3

Data Mining

Master Data
Management

Semantic Data

Data Mart

Metadata
Data
Management
Data Integrity
… und Managementkonzepte im Unternehmenskontext

4
Was ist ein „Data-Driven System“?
•

•

Informationssysteme sind soziotechnische Systeme, welche aus
den Elementen IT, Mensch und
Organisation bzw. Gesellschaft
bestehen.

Gesellschaft

Organisation

Mensch

Informationstechnologie

Durch die fortschreitende
Digitalisierung werden heute mehr
Daten denn je erzeugt und stehen
zur weiteren Verarbeitung zur
Verfügung.

Daten

In datengetriebenen Informationssystemen sind Daten „First-Class
Citizen“, sie werden als strategisches und wertschöpfendes Gut betrachtet.
5
Agenda
Agenda
1

Einführung

2

Technologien zur Extraktion, Integration und Analyse von Daten

3

Intelligente Geschäftsprozesse

4

Zusammenfassung

6
Daten, Informationen, Wissen
Wissen

Interpretation

Wir haben ein Problem
In der Lagerhaltung!

Informationen
Kontext

Daten

Das Produkt ist zu
warm geworden!

Gemessener Wert: 7 C

7
Lebenszyklus zur Transformation von Daten in Wissen

Analyse

Extraktion

Unterstützende
Infrastrukturen

Integration
Extraktion


ETL (Extract-Transform-Load) Prozess bei strukturierten Daten



Informationsextraktions-Prozess bei unstrukturierten Daten

9
Informationsextraktion aus unstrukturierten Daten

10
Anwendungsbeispiel: Lead Generation
Identifikation potentieller Kunden
über deren Web-Auftritt:
•

Schlagworte

•

Webseiten tatsächlicher
Kunden

Validierung benötigt Daten aus der
Webseite:
• Größe des Unternehmens

• Produkte, Dienstleistungen,…
Beispiel: wäre diese Klinik ein
Kunde für ein MRT?
11
Anwendungsbeispiel: Lead Generation
Identifikation von Ansprechpartnern
Extraktion von Kontaktinformationen:
•

Name, Vorname, Titel

•

Email, Telefon

•

Position, Kompetenzen

Beispiel:
Wer ist Ansprechpartner für
Netzwerksicherheit?

12
Lebenszyklus zur Transformation von Daten in Wissen

Analyse

Extraktion

Unterstützende
Infrastruktur

Integration
Datenintegration
Datenintegration ist die
Herstellung einer
einheitlichen und
konsistenten Sicht auf
vorhandene Daten.

Benutzer

ERP
ExcelSheet

Legacy

CRM

Heterogene Applikationssysteme

14

Master
Data
Anwendungsbeispiel: Produktdatenmanagement

Zulieferer

Kunden
Vom Datenblatt zum Modell

17
Definition von Mapping-Regeln

18
Lebenszyklus zur Transformation von Daten in Wissen

Analyse

Extraktion

Unterstützende
Infrastruktur

Integration
Was tun mit all den Daten?
Verfügbarkeit von Informationen reicht
nicht, man muss die richtigen
Schlüsse daraus ziehen!
Erst die Interpretation der Daten führt zu
direktem Nutzen:
• Erkennen von Mustern und
Zusammenhängen
• Analyse und Vorhersage der
Entwicklung
• Identifikation von Abweichungen und
Trends

Data Mining
20
Anwendungsbeispiel: Kundensonderwünsche

•

Extrem Variantenreiche Produkte:
z.B. Stadt- und Reisebusse

•

Sonderwünsche von Kunden
verursachen erheblichen Aufwand in
Planung und Konstruktion

•

Ziel: häufig gewünschte
Sonderausstattung zu
Standardvarianten machen

22
Anwendungsbeispiel: Kundensonderwünsche
Datenbasis:
> 0.5 Mio Freitextbeschreibungen von
Sonderwünschen für unterschiedliche
Produkte, nur zum Teil Baugruppen
zugeordnet.

Fragestellung:
Welche Sonderwünsche sollten
standardisiert werden?

23
Anwendungsbeispiel: Kundensonderwünsche

24
Lebenszyklus zur Transformation von Daten in Wissen

Analyse

Extraktion

Unterstützende
Infrastruktur

Integration
Big Data Werkzeuge

26
Wissensressourcen – Beispiel DBpedia
Multilinguale Wissensbasis auf der Basis von Wikipedia
Englische Version enthält Beschreibungen für
•

4.0 Mio Dinge

•

3.22 Mio sind typisiert, davon

•

832,000 Personen

•

639,000 Orte

•

372,000 Produkte

•

209,000 Organisationen
Agenda
Agenda
1

Einführung

2

Technologien zur Extraktion, Integration und Analyse von Daten

3

Intelligente Geschäftsprozesse

4

Zusammenfassung

28
Daten als Basis für “Intelligent Business Operations”

29
Wertgenerierung mit Daten: Das Beispiel Deutsche Bahn

Model of Reality

Model for Optimization

30

Real-Time Events & Mobile Delivery
Forschungsprojekt „Process Visibility“

31
Forschungsprojekt „Process Visibility“

SAP Operational Process Intelligence
powered by HANA
Enhanced visibility
for processes

• Which process characteristics determine high visibility requirements?
• Which capabilities are needed to deal with high visibility requirements of processes?

32
„Process Visibility” im Privatkundengeschäft von Banken
Request Entry

Request Update

Request Update

 Exemplarische Kundenanfrage: Konto ist gesperrt

 Kunden erstellt Anfrage über mobile Anwendung, es wird eine
Abschätzung der Bearbeitungszeit angegeben.
 Kunden erhält kontinuierliche Information über den Status des Prozesse
sowie über etwaige Verzögerungen bei der Problemlösung.
33
Agenda
Agenda
1

Einführung

2

Technologien zur Extraktion, Integration und Analyse von Daten

3

Intelligente Geschäftsprozesse

4

Zusammenfassung

34
Zusammenfassung

1

• In datengetriebenen Systemen werden Daten als
strategisches und wertschöpfendes Gut
betrachtet.

2

• Eine Vielzahl von Technologien zur intelligenten
Verarbeitung von Daten stehen heute zur
Verfügung.

3

• Durch die Einbettung dieser Technologien in
betriebliche Abläufe können Unternehmen ihre
Geschäftsprozesse intelligenter machen.

35
Danke für Ihre Aufmerksamkeit!
Prof. Dr. Heiner Stuckenschmidt
University of Mannheim | School of Business Informatics and Mathematics
Institute for Enterprise Systems (InES)
B6, 26 | Room B 1.20 | 68131 Mannheim | Germany
Phone +49 621 181-2530
heiner@informatik.uni-mannheim.de
http://dws.informatik.uni-mannheim.de
http://ines.uni-mannheim.de
Prof. Dr. Alexander Mädche
University of Mannheim | Business School
Institute for Enterprise Systems (InES)
L 15, 1-6 | 4th floor | 68131 Mannheim | Germany
Phone +49 621 181-3606 | Fax +49 621 181-3627
maedche@es.uni-mannheim.de
http://eris.bwl.uni-mannheim.de
http://ines.uni-mannheim.de

36

Weitere ähnliche Inhalte

Was ist angesagt?

M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...
M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...
M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...bhoeck
 
Data Market Austria - Research delivering results.
Data Market Austria - Research delivering results.Data Market Austria - Research delivering results.
Data Market Austria - Research delivering results.Data Market Austria
 
IBM - Big Value from Big Data
IBM - Big Value from Big DataIBM - Big Value from Big Data
IBM - Big Value from Big DataWilfried Hoge
 
Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)AWS Germany
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Peter Gentsch
 
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-SystemsDas 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems2kd1
 
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.atGoogle Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.ate-dialog GmbH
 
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...M-Files schneidet im Critical Capabilities Report for Content Services Platfo...
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...bhoeck
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von DatentreiberDatentreiber
 
Nucleus Research sieht M-Files als Leader in 2018 ECM Value Matrix
Nucleus Research sieht M-Files als Leader in 2018 ECM Value MatrixNucleus Research sieht M-Files als Leader in 2018 ECM Value Matrix
Nucleus Research sieht M-Files als Leader in 2018 ECM Value Matrixbhoeck
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingDatentreiber
 
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugen
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugenSocial Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugen
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugenDatentreiber
 

Was ist angesagt? (14)

M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...
M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...
M-Files als Visionär im Gartner Magic Quadrant for Content Services Platforms...
 
Data Market Austria - Research delivering results.
Data Market Austria - Research delivering results.Data Market Austria - Research delivering results.
Data Market Austria - Research delivering results.
 
Big Data
Big DataBig Data
Big Data
 
IT Trends 2011 - und welchen Einfluss Business Analytics darauf hat
IT Trends 2011 - und welchen Einfluss Business Analytics darauf hatIT Trends 2011 - und welchen Einfluss Business Analytics darauf hat
IT Trends 2011 - und welchen Einfluss Business Analytics darauf hat
 
IBM - Big Value from Big Data
IBM - Big Value from Big DataIBM - Big Value from Big Data
IBM - Big Value from Big Data
 
Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016
 
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-SystemsDas 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems
Das 4. V: Mehrwert durch Healthcare Analytics - Marc Wilczek, T-Systems
 
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.atGoogle Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
 
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...M-Files schneidet im Critical Capabilities Report for Content Services Platfo...
M-Files schneidet im Critical Capabilities Report for Content Services Platfo...
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von Datentreiber
 
Nucleus Research sieht M-Files als Leader in 2018 ECM Value Matrix
Nucleus Research sieht M-Files als Leader in 2018 ECM Value MatrixNucleus Research sieht M-Files als Leader in 2018 ECM Value Matrix
Nucleus Research sieht M-Files als Leader in 2018 ECM Value Matrix
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen Marketing
 
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugen
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugenSocial Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugen
Social Data Strategy: Mehr Wert aus Daten von Facebook & Co. erzeugen
 

Andere mochten auch

Andere mochten auch (20)

Alaska_USA_2_
Alaska_USA_2_Alaska_USA_2_
Alaska_USA_2_
 
Einfach Baerig
Einfach BaerigEinfach Baerig
Einfach Baerig
 
Symfony
SymfonySymfony
Symfony
 
La tecnologia moderna
La tecnologia modernaLa tecnologia moderna
La tecnologia moderna
 
PROTECCIÓN DE DATOS
  PROTECCIÓN DE DATOS  PROTECCIÓN DE DATOS
PROTECCIÓN DE DATOS
 
Archive am Oberrhein werden digital
Archive am Oberrhein werden digitalArchive am Oberrhein werden digital
Archive am Oberrhein werden digital
 
Por que-dios-no-sana-a-los-amputados
Por que-dios-no-sana-a-los-amputadosPor que-dios-no-sana-a-los-amputados
Por que-dios-no-sana-a-los-amputados
 
Cuentecillo de Paulo Coelho
Cuentecillo de Paulo CoelhoCuentecillo de Paulo Coelho
Cuentecillo de Paulo Coelho
 
Präsentation BAM Activity Steams
Präsentation BAM Activity SteamsPräsentation BAM Activity Steams
Präsentation BAM Activity Steams
 
Kiii Stufe 2
Kiii   Stufe 2Kiii   Stufe 2
Kiii Stufe 2
 
Simulacion 2 carpintera de aluminio
Simulacion 2 carpintera de aluminioSimulacion 2 carpintera de aluminio
Simulacion 2 carpintera de aluminio
 
Softchalk
SoftchalkSoftchalk
Softchalk
 
Vos...¿ le pedirías peras a un olmo?
Vos...¿ le pedirías peras a un olmo?Vos...¿ le pedirías peras a un olmo?
Vos...¿ le pedirías peras a un olmo?
 
Trabajo en equipo
Trabajo en equipoTrabajo en equipo
Trabajo en equipo
 
La respuesta de un sabio
La respuesta de un sabio La respuesta de un sabio
La respuesta de un sabio
 
Alimentacion
AlimentacionAlimentacion
Alimentacion
 
Initiative 2020 Thal in Bewegung
Initiative 2020 Thal in BewegungInitiative 2020 Thal in Bewegung
Initiative 2020 Thal in Bewegung
 
Mapbender FOSSGIS 2008 Umfrage
Mapbender FOSSGIS 2008 UmfrageMapbender FOSSGIS 2008 Umfrage
Mapbender FOSSGIS 2008 Umfrage
 
tolle_Vogelbilder
tolle_Vogelbildertolle_Vogelbilder
tolle_Vogelbilder
 
2 Kapitel 4 Stufe 3
2 Kapitel 4   Stufe 32 Kapitel 4   Stufe 3
2 Kapitel 4 Stufe 3
 

Ähnlich wie Data-Driven Systems - Overview Presentation at InES Symposium 2013

Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...
Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...
Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...Alexander Stocker
 
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...Lynx E-Commerce
 
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...Dr. Christian Holsing
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationBoris Otto
 
IT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIntelliact AG
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Semantic Web Company
 
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenXing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenDigicomp Academy AG
 
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swcOGD-DACHLI Konferenzreihe
 
worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse worldiety GmbH
 
The Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteThe Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteAnatole Tresch
 
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)Agenda Europe 2035
 
Der Weg zum vernetzten Spital: Von Silos zum Workflow
Der Weg zum vernetzten Spital: Von Silos zum WorkflowDer Weg zum vernetzten Spital: Von Silos zum Workflow
Der Weg zum vernetzten Spital: Von Silos zum WorkflowNetcetera
 
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?Michael Greth
 
Vom Hype zur gelebten Normalität Wie entsteht echter Nutzen durch Web 2.0 im...
Vom Hype zur gelebten NormalitätWie entsteht echter Nutzen durch Web 2.0 im...Vom Hype zur gelebten NormalitätWie entsteht echter Nutzen durch Web 2.0 im...
Vom Hype zur gelebten Normalität Wie entsteht echter Nutzen durch Web 2.0 im...Telekom MMS
 
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)Agenda Europe 2035
 
Enterprise Knowledge Networking - a HowTo
Enterprise Knowledge Networking - a HowToEnterprise Knowledge Networking - a HowTo
Enterprise Knowledge Networking - a HowToThomas Kunz
 
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...Stephan Schillerwein
 

Ähnlich wie Data-Driven Systems - Overview Presentation at InES Symposium 2013 (20)

Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...
Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...
Enterprise 2.0: Welche Möglichkeiten und Herausforderungen bringen Social Med...
 
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
 
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
BIG DATA im E-Commerce - Potenziale und Herausforderungen des Web Mining am B...
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
 
Sprechen Sie digital?
Sprechen Sie digital?Sprechen Sie digital?
Sprechen Sie digital?
 
Fn neu broschuere_mai2017
Fn neu broschuere_mai2017Fn neu broschuere_mai2017
Fn neu broschuere_mai2017
 
IT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIT-Architektur für Digital Commerce
IT-Architektur für Digital Commerce
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
 
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenXing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
 
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
 
worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse
 
The Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteThe Big Five - IT Architektur Heute
The Big Five - IT Architektur Heute
 
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)
Dipl.-Ing. Harald Brandstätter (CSC Computer Sciences Consulting)
 
Der Weg zum vernetzten Spital: Von Silos zum Workflow
Der Weg zum vernetzten Spital: Von Silos zum WorkflowDer Weg zum vernetzten Spital: Von Silos zum Workflow
Der Weg zum vernetzten Spital: Von Silos zum Workflow
 
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
 
Vom Hype zur gelebten Normalität Wie entsteht echter Nutzen durch Web 2.0 im...
Vom Hype zur gelebten NormalitätWie entsteht echter Nutzen durch Web 2.0 im...Vom Hype zur gelebten NormalitätWie entsteht echter Nutzen durch Web 2.0 im...
Vom Hype zur gelebten Normalität Wie entsteht echter Nutzen durch Web 2.0 im...
 
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)
Dipl.-Ing. Alexander Lichtneger (Hewlett Packard)
 
Enterprise Knowledge Networking - a HowTo
Enterprise Knowledge Networking - a HowToEnterprise Knowledge Networking - a HowTo
Enterprise Knowledge Networking - a HowTo
 
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
 
2010 10-28-dms expo-mk-v2.pptx
2010 10-28-dms expo-mk-v2.pptx2010 10-28-dms expo-mk-v2.pptx
2010 10-28-dms expo-mk-v2.pptx
 

Mehr von Prof. Dr. Alexander Maedche

Service Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen TransformationService Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen TransformationProf. Dr. Alexander Maedche
 
Accelerating Big Data & Analytics Innovations through Public – Private Partne...
Accelerating Big Data & Analytics Innovations through Public – Private Partne...Accelerating Big Data & Analytics Innovations through Public – Private Partne...
Accelerating Big Data & Analytics Innovations through Public – Private Partne...Prof. Dr. Alexander Maedche
 
SAP Big Data Innovation Lab at the University of Mannheim
SAP Big Data Innovation Lab at the University of MannheimSAP Big Data Innovation Lab at the University of Mannheim
SAP Big Data Innovation Lab at the University of MannheimProf. Dr. Alexander Maedche
 
Prinzipien für eine agile und nutzerzentrierte Softwareentwicklung
Prinzipien für eine agile und nutzerzentrierte SoftwareentwicklungPrinzipien für eine agile und nutzerzentrierte Softwareentwicklung
Prinzipien für eine agile und nutzerzentrierte SoftwareentwicklungProf. Dr. Alexander Maedche
 
Graduate School of Economics and Social Sciences at the University of Mannheim
Graduate School of Economics and Social Sciences at the University of MannheimGraduate School of Economics and Social Sciences at the University of Mannheim
Graduate School of Economics and Social Sciences at the University of MannheimProf. Dr. Alexander Maedche
 
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der Revolution
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der RevolutionKostenführerschaft und Differenzierung - Unternehmenssoftware vor der Revolution
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der RevolutionProf. Dr. Alexander Maedche
 
How banks reinvent themselves through enterprise systems
How banks reinvent themselves through enterprise systemsHow banks reinvent themselves through enterprise systems
How banks reinvent themselves through enterprise systemsProf. Dr. Alexander Maedche
 
Enterprise Apps - Will Future Enterprise Software come from App Stores?
Enterprise Apps - Will Future Enterprise Software come from App Stores?Enterprise Apps - Will Future Enterprise Software come from App Stores?
Enterprise Apps - Will Future Enterprise Software come from App Stores?Prof. Dr. Alexander Maedche
 
Design Principles of Advanced Task Elicitation Systems
Design Principles of Advanced Task Elicitation SystemsDesign Principles of Advanced Task Elicitation Systems
Design Principles of Advanced Task Elicitation SystemsProf. Dr. Alexander Maedche
 
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...Prof. Dr. Alexander Maedche
 

Mehr von Prof. Dr. Alexander Maedche (17)

Service Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen TransformationService Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen Transformation
 
Accelerating Big Data & Analytics Innovations through Public – Private Partne...
Accelerating Big Data & Analytics Innovations through Public – Private Partne...Accelerating Big Data & Analytics Innovations through Public – Private Partne...
Accelerating Big Data & Analytics Innovations through Public – Private Partne...
 
User Assistance Systems
User Assistance SystemsUser Assistance Systems
User Assistance Systems
 
Designing Digital Services in Retail Banking
Designing Digital Services in Retail BankingDesigning Digital Services in Retail Banking
Designing Digital Services in Retail Banking
 
Der Weg zum nutzerzentrierten Unternehmen
Der Weg zum nutzerzentrierten UnternehmenDer Weg zum nutzerzentrierten Unternehmen
Der Weg zum nutzerzentrierten Unternehmen
 
InES Development Day
InES Development DayInES Development Day
InES Development Day
 
SAP Big Data Innovation Lab at the University of Mannheim
SAP Big Data Innovation Lab at the University of MannheimSAP Big Data Innovation Lab at the University of Mannheim
SAP Big Data Innovation Lab at the University of Mannheim
 
Prinzipien für eine agile und nutzerzentrierte Softwareentwicklung
Prinzipien für eine agile und nutzerzentrierte SoftwareentwicklungPrinzipien für eine agile und nutzerzentrierte Softwareentwicklung
Prinzipien für eine agile und nutzerzentrierte Softwareentwicklung
 
Nutzerzentrierte Informationssysteme
Nutzerzentrierte InformationssystemeNutzerzentrierte Informationssysteme
Nutzerzentrierte Informationssysteme
 
Graduate School of Economics and Social Sciences at the University of Mannheim
Graduate School of Economics and Social Sciences at the University of MannheimGraduate School of Economics and Social Sciences at the University of Mannheim
Graduate School of Economics and Social Sciences at the University of Mannheim
 
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der Revolution
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der RevolutionKostenführerschaft und Differenzierung - Unternehmenssoftware vor der Revolution
Kostenführerschaft und Differenzierung - Unternehmenssoftware vor der Revolution
 
Die Megatrends in der Softwarebranche
Die Megatrends in der SoftwarebrancheDie Megatrends in der Softwarebranche
Die Megatrends in der Softwarebranche
 
How banks reinvent themselves through enterprise systems
How banks reinvent themselves through enterprise systemsHow banks reinvent themselves through enterprise systems
How banks reinvent themselves through enterprise systems
 
Enterprise Apps - Will Future Enterprise Software come from App Stores?
Enterprise Apps - Will Future Enterprise Software come from App Stores?Enterprise Apps - Will Future Enterprise Software come from App Stores?
Enterprise Apps - Will Future Enterprise Software come from App Stores?
 
Design Principles of Advanced Task Elicitation Systems
Design Principles of Advanced Task Elicitation SystemsDesign Principles of Advanced Task Elicitation Systems
Design Principles of Advanced Task Elicitation Systems
 
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...
Yin and Yang - Product Manager and Usability/Ux-Professionals in der Software...
 
Best Practices for Software Product Development
Best Practices for Software Product DevelopmentBest Practices for Software Product Development
Best Practices for Software Product Development
 

Data-Driven Systems - Overview Presentation at InES Symposium 2013