SlideShare ist ein Scribd-Unternehmen logo
1 von 32
WasIstBigData.de
BigData?
WHY YOUR COMPANY NEEDS "BIG DATA"
TO SURVIVE THE COMPETITION!
echofy.me GmbH
Alexander Oelling
alex@echofy.me
WasIstBigData.de
DatenentwicklungMengeanDaten
Unstrukturierte Daten
Strukturierte Daten
201020052000 2020
Nachrichten
Tabellen
Texte
WasIstBigData.de
Beispiel Fraunhofer IFF
WasIstBigData.de
Beispiel Deutsche Bahn
WasIstBigData.de
Volumen
großen
Datenmengen
(Jahr 2020 =
100 Zetabyte),
Geschwindigkeit
in hoher
Geschwindigkeit
(Echtzeit),
Verschiedenheit
aus verknüpften
Quellen.
Was ist BigData?
Big Data bezeichnet die Analyse von
WasIstBigData.de
Was bedeutet das für Unternehmen?
Lernen Sie im Datenmeer schwimmen!
WasIstBigData.de
Chancen für Unternehmen
BigIdeas + BigData = BigBusiness
Copyright Fraunhofer
WasIstBigData.de
Effizienteres
Unternehmensmanagement
Möglichkeiten:
• Mehr und aktuellere Daten im direkten Zugriff
• Häufigere Prognosen
• Zunahme an automatisierten Entscheidungen
Beispiel:
• Monitoring der Lagerbestände
• Vorhersage von Verkaufszahlen auf Produktebene
• Dynamisches Pricing von Produkten und Services
• Prognose der Kündigerwahrscheinlichkeit
• Permanente Überwachung der Markenwahrnehmung
• Frühzeitige Fehlererkennung aus Logfile-Analysen
• Automatisierte Fallbearbeitung
• Prognose der Personalkapazitäten
• Energiebedarfsprognosen
• Automatische Compliance Überwachung von Prozessen
• Routenplanung der Fahrzeugflotten
Ausblick:
• Neue Low-Cost-Geschäftsmodelle werden möglich
• Höhere Attraktivität für Investoren durch geringere
Kapitalbindung
• Verdrängung von Unternehmen mit geringerer Effizienz
WasIstBigData.de
Massenindividualisierung von
Diensten
Möglichkeiten:
• Nutzung von komplexer Sensorik
• Einbindung von maschinellem Lernen
• Produkte erhalten eine gewisse „Eigenintelligenz“
Beispiel:
• Ad hoc Gesundheitsberatung
• Assisted Finance für individuelle Finanziele
• Personal TV / Radio
• Individualisierte Zeitschriften und Bücher
• Verhaltensbasierte Energieberatung
• Individualisierte Pauschalreisen
• Schutzengelfunktion im betreuten Wohnen
• Individuelle Mobilitätsassistenz für alle Verkehrsträger
• Hochauflösende Versicherungen für Objekte
• Preventive Wartung für Maschinen
Ausblick:
• Neue Formen der Kundenbindung durch Individualisierung
• Stärkere Kundenbindung
• Verdrängung von Unternehmen mit fehlender
Individualisierung
WasIstBigData.de
Intelligente Produkte
Möglichkeiten:
• Nutzung von komplexer Sensorik
• Einbindung von maschinellem Lernen
• Produkte erhalten eine gewisse „Eigenintelligenz“
Beispiel:
• Intelligente Häuser und Haushaltsgeräte ohne Programmieraufwände
• Virtuelle Assistenten für unterschiedlichste Fragestellungen
(SIRI/Watson)
• Maschinen- und Anlagenparks mit Selbstwartungsfunktion
• Intelligente Kleidung
• Elektrofahrzeuge als Teil des Smart Grids
• Servicerobotik in komplexen Umfeldern
• Autonome Fahrzeuge
Ausblick:
• Aufwertung bestehender Produkte mit
Mehrwertdiensten
• Langfristige IP-Wertsteigerung, da exklusives
Produktwissen vorliegt
• Wettbewerbssteigerung ganzer Schlüsselbranchen
möglich
WasIstBigData.de
Was braucht mein Unternehmen?
WasIstBigData.de
Wandel im Einzelhandel
Damals…
Verkäufe
Heute…
Datengetriebene Preisgestaltungen und
Empfehlungen
WasIstBigData.de
Wandel im Online Marketing
Damals…
Leads
Heute…
Marketing- und Vertriebs-
Empfehlungen
WasIstBigData.de
Wandel in der IT
Damals…
Log files
Heute…
Einsatzbereite Intelligenz
WasIstBigData.de
Wandel im Kundenservice
Damals…
Unglückliche Kunde
Heute…
Customer Care
WasIstBigData.de
Wandel in der Buchhaltung
Damals…
Manuelle Analyse
Heute…
Automatisierte Analyse
WasIstBigData.de
Wandel im Kreditmanagement
Damals…
Händisch erstellte
Kundendatenbanken
Heute…
Soziale Profile
WasIstBigData.de
Wandel in der Gesetzesvollstreckung
Damals…
Instinktiv geleitete Fahndungen
Heute…
Daten gestützte
Straftatenvorhersage
WasIstBigData.de
Wandel in der Medizinforschung
Damals…
Stichwortsuche
Heute...
Verknüpfte Fallstudien
WasIstBigData.de
Wandel im Fitnessbereich
Damals…
Manueller Fitnessplan
Heute…
Echtzeitmessung + Facebook
WasIstBigData.de
2 Arten von BigData-Anwendungen
A - Spezialisierte Analysen
 Beantwortung komplizierter
Fragestellungen
 Alle Freiheiten bei
Datenverknüpfung
 Hohe Geschwindigkeit bei
tiefergehenden Berechnungen
 Echtzeitfähige Anwendungen
 Kundenspezifische
Anwendungen
 Zielgruppe
 Kerngeschäftsfelder
 Produktentwicklung
B - Unternehmenssteuerung
 Gewinnung von
Übersichtlichkeit
 Verknüpfung von Datenquellen
 Schnelle Dashboard-Erstellung
 Keine ETL
 Viele Konnektoren
 Zielgruppe
 Marketing
 Vertrieb
WasIstBigData.de
Spezialisierte Architektur
Neuer Datenstream
Datenpool Batch View
Realtime View
Anfragen
Lambda Architecture
WasIstBigData.de
Beispiel: Spezialisierte Architektur
Batch Layer
Batch View
Data MessagingRSS
Webseiten
Speed Layer
Data Processing Realtime View
WasIstBigData.de
Software zum allgemeinen Überblick
WasIstBigData.de
Anwendungsbereiche
Bankwesen
Einzelhandel
Kommunikation
Spielentwicklung
Bildungseinrichtung
Marketing
Social Media
Städteverwaltung
Medizin
Manufacturing
WasIstBigData.de
Umsetzung einer praktischen
Architektur mit neusten Technologien
WasIstBigData.de
Umsetzung einer praktischen
Architektur mit neusten Technologien
MARKETINGCHANNELS
DATA MINING CAMPAIGN MANAGEMENT REPORTINGDATA SCIENTEST
WORKPLACE
BIG DATA ANALYTICS REAL TIME DATA CUSTOMER CENTRIC
DATA WAREHOUSE
RAW DATA STORE
SOURCE SYSTEMS
Event
System
Support
System
Wallet
System
Portal
CRM Social Media Controlling Webseite Shop Finance Sales …
Point of Sale E-mail Social Media Online Werbung Landing Page
WasIstBigData.de
BigData in Unternehmen
Educate
Marktbeoachtung
und Informations-
zusammenstel-
lung
ExploreStrategie- und
Roadmap-
zusammenstellung,
basierend auf
Bedürfnisse und
Herausforderungen im
Unternehmen
Engage
Pilotprojekt.
Bestimmen von
Nutzen und
Bedarf
Execute
Erstellen von
einer oder mehr
Initiativen und
Auswertung von
Analysen
Prozent der
Befragten
24%
Prozent der
Befragten
6%
Prozent der
Befragten
22%
Prozent der
Befragten
47%
Die Befragten wurden gebeten, den aktuellen Stand ihrer BigData-Aktivitäten innerhalb ihrer Organisationen zu
bestimmen. Durch Rundungen ist es nicht gleich 100%. Befragte=1061
Copyright: Leitfaden BigData im Praxiseinsatz – BITKOM Studie
WasIstBigData.de
Identifizierung
der UseCases
Zusammenstellung
der Teams
Identifizierung
der Daten-
quellen
Planung der
Hardware
Software build or
buy
Festlegen des
Bugets
Verankerung im
Unternehmen
Projektplanung
Technische
Umsetzung
Datenaggregation
Schulungen
Ergebnistests
Interpretation
der Ergebnisse
Livestellung
Sicherheitskonzept
ROI Bestimmung
Anleitung:
Einführung von BigData
WasIstBigData.de
Ausblick: Neue Möglichkeiten
• Neue Datenquellen
Fundiertere
Entscheidungen
• Durch Integration von verschiedenen Datenquellen,
erhält man ein gesamtheitlicheres Bild
Differenziertere
Entscheidungen
• Kurze Integration
• Schnelle Datenverarbeitung
Schnellere
Entscheidungen
• Abkürzen von BI Integrationsprozessen
• Einsparen teurer Systeme
Kostengünstigere
Entscheidungen
WasIstBigData.de
Fazit:
Für spezifische Fragen
Basis Hadoop und
andere Open-Source-
Tools
Umfangreiche
Projekte
Zielgruppe:
• Neue Werkzeuge
• Als Teil der eigenen Software
• Komplexe Fragestellungen
Überblickscharakter Fertige Tools
Für jeden
erlernbar
Schnelle Integration
von externen und
internen
Datenquellen
Spezialisierte Integration
Unternehmenssteuerung
WasIstBigData.de
Eigene Erfahrung
 Erste Einführungen von BigData im Bereich kundenspezifischer Fragen
 Die Voraussetzung für zukunftssichere Lösungen ist eine erweiterbare und
skalierbare Datenbasis (echofy - SPOT - Infrastruktur)
 Die Strategie wird in 1/3 der Fälle vom Top-Management beschlossen
 Erste Datenquellen für Pilotprojekte und Implementierungen sind interne
Systeme und neue Systeme
 Mitarbeiter benötigen analytische Fähigkeiten, die oft am Anfang noch nicht
zur Verfügung stehen.
 Während der Einführung eines BigData-Projekts erfahren die Beteiligten
verschiedene Stufen
 Information
 Datensammlung
 Erarbeitung der Fragestellungen
 Bereitstellung der Ergebnisse

Weitere ähnliche Inhalte

Was ist angesagt?

Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_longAxel Poestges
 
Analytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnahAnalytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnahAstrid Schmitt
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingDatentreiber
 
Data-Driven Marketing Workshop
Data-Driven Marketing WorkshopData-Driven Marketing Workshop
Data-Driven Marketing WorkshopDatentreiber
 
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp researchFujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp researchFujitsu Central Europe
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von DatentreiberDatentreiber
 
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...Euroforum Deutschland GmbH
 
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdmProduktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdmNeo4j
 
DSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaDSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaCloudera, Inc.
 
Data Governance - Data Performance Management
Data Governance - Data Performance ManagementData Governance - Data Performance Management
Data Governance - Data Performance ManagementMarco Geuer
 
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...Datentreiber
 

Was ist angesagt? (14)

Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_long
 
Analytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnahAnalytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnah
 
Mit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen MarketingMit Design Thinking zum datengetriebenen Marketing
Mit Design Thinking zum datengetriebenen Marketing
 
Data-Driven Marketing Workshop
Data-Driven Marketing WorkshopData-Driven Marketing Workshop
Data-Driven Marketing Workshop
 
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp researchFujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von Datentreiber
 
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
 
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
 
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdmProduktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
 
DSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaDSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und Cloudera
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Data Governance - Data Performance Management
Data Governance - Data Performance ManagementData Governance - Data Performance Management
Data Governance - Data Performance Management
 
Wirksames Stammdatenmanagement
Wirksames StammdatenmanagementWirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
 
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...
Wie Sie mit Datenstrategie-Design den analytischen Reifegrad Ihres Marketings...
 

Andere mochten auch

Rbu amanox big_data_intro_infrastruktur
Rbu amanox big_data_intro_infrastrukturRbu amanox big_data_intro_infrastruktur
Rbu amanox big_data_intro_infrastrukturRene Burgener
 
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...crentschufdiu
 
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastres
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastresLey de-proteccion-civil,-prevencion-y-mitigacion-de-desastres
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastresSave Solutions
 
Ley de-amnistia-general-para-la-consolidacion-de-la-paz
Ley de-amnistia-general-para-la-consolidacion-de-la-pazLey de-amnistia-general-para-la-consolidacion-de-la-paz
Ley de-amnistia-general-para-la-consolidacion-de-la-pazSave Solutions
 
Ley de-creacion-del-instituto-salvadoreño-de-artesanias
Ley de-creacion-del-instituto-salvadoreño-de-artesaniasLey de-creacion-del-instituto-salvadoreño-de-artesanias
Ley de-creacion-del-instituto-salvadoreño-de-artesaniasSave Solutions
 
Fokus fixed income 060513
Fokus fixed income 060513Fokus fixed income 060513
Fokus fixed income 060513bbattaglia
 
Empaque
EmpaqueEmpaque
Empaquenikki
 
Clase 9-comunidades virtuales
Clase 9-comunidades virtualesClase 9-comunidades virtuales
Clase 9-comunidades virtualesMaria
 
Trabajar en Accenture
Trabajar en AccentureTrabajar en Accenture
Trabajar en Accenturekarenjara
 
Petales fougeres n
Petales fougeres nPetales fougeres n
Petales fougeres nDeniselouis
 
Trabajo de redes inalambricas juan
Trabajo de redes inalambricas juanTrabajo de redes inalambricas juan
Trabajo de redes inalambricas juanlorena salazar
 
Glosario
GlosarioGlosario
Glosariotony
 
Eso unidad uno
Eso   unidad unoEso   unidad uno
Eso unidad unoFREDUIN
 
Interreligiöses Lernen in England
Interreligiöses Lernen in EnglandInterreligiöses Lernen in England
Interreligiöses Lernen in EnglandAnnaSchaefer
 

Andere mochten auch (20)

Rbu amanox big_data_intro_infrastruktur
Rbu amanox big_data_intro_infrastrukturRbu amanox big_data_intro_infrastruktur
Rbu amanox big_data_intro_infrastruktur
 
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...
Digital Tranformation: Überleben im Zeitalter von Big Data, Industrie 4.0 und...
 
Cuarto y quinto
Cuarto y quintoCuarto y quinto
Cuarto y quinto
 
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastres
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastresLey de-proteccion-civil,-prevencion-y-mitigacion-de-desastres
Ley de-proteccion-civil,-prevencion-y-mitigacion-de-desastres
 
Ley de-amnistia-general-para-la-consolidacion-de-la-paz
Ley de-amnistia-general-para-la-consolidacion-de-la-pazLey de-amnistia-general-para-la-consolidacion-de-la-paz
Ley de-amnistia-general-para-la-consolidacion-de-la-paz
 
Software
SoftwareSoftware
Software
 
Ley de-creacion-del-instituto-salvadoreño-de-artesanias
Ley de-creacion-del-instituto-salvadoreño-de-artesaniasLey de-creacion-del-instituto-salvadoreño-de-artesanias
Ley de-creacion-del-instituto-salvadoreño-de-artesanias
 
Fokus fixed income 060513
Fokus fixed income 060513Fokus fixed income 060513
Fokus fixed income 060513
 
Empaque
EmpaqueEmpaque
Empaque
 
Clase 9-comunidades virtuales
Clase 9-comunidades virtualesClase 9-comunidades virtuales
Clase 9-comunidades virtuales
 
Trabajar en Accenture
Trabajar en AccentureTrabajar en Accenture
Trabajar en Accenture
 
Sopas colombinas
Sopas colombinasSopas colombinas
Sopas colombinas
 
Petales fougeres n
Petales fougeres nPetales fougeres n
Petales fougeres n
 
Trabajo de redes inalambricas juan
Trabajo de redes inalambricas juanTrabajo de redes inalambricas juan
Trabajo de redes inalambricas juan
 
Glosario
GlosarioGlosario
Glosario
 
Web 2.0
Web 2.0Web 2.0
Web 2.0
 
Libritos sintesis
Libritos sintesisLibritos sintesis
Libritos sintesis
 
Eso unidad uno
Eso   unidad unoEso   unidad uno
Eso unidad uno
 
Interreligiöses Lernen in England
Interreligiöses Lernen in EnglandInterreligiöses Lernen in England
Interreligiöses Lernen in England
 
Trabajo blooger
Trabajo bloogerTrabajo blooger
Trabajo blooger
 

Ähnlich wie BigData?

Business Intelligence (BI) Kompakt
Business Intelligence (BI) KompaktBusiness Intelligence (BI) Kompakt
Business Intelligence (BI) KompaktFilipe Felix
 
Vom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberVom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberDatentreiber
 
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnen
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnenTweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnen
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnenit-novum
 
Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017Rising Media Ltd.
 
DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own datacaniceconsulting
 
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...InboundLabs (ex mon.ki inc)
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Michael Schmitt
 
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...Unic
 
DE - Module 4 - Data as a business model driver
DE - Module 4 - Data as a business model driverDE - Module 4 - Data as a business model driver
DE - Module 4 - Data as a business model drivercaniceconsulting
 
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Praxistage
 
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndDotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndOlivia Klose
 
Digitalisierung in deutschen Traditionsunternehmen
Digitalisierung in deutschen TraditionsunternehmenDigitalisierung in deutschen Traditionsunternehmen
Digitalisierung in deutschen Traditionsunternehmenintelligent-views-gmbh
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at Summit
 
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
 
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)Praxistage
 

Ähnlich wie BigData? (20)

Business Intelligence (BI) Kompakt
Business Intelligence (BI) KompaktBusiness Intelligence (BI) Kompakt
Business Intelligence (BI) Kompakt
 
Webinar: BigData - Vom Hype zum Nutzen
Webinar: BigData - Vom Hype zum NutzenWebinar: BigData - Vom Hype zum Nutzen
Webinar: BigData - Vom Hype zum Nutzen
 
Vom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberVom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum Datentreiber
 
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnen
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnenTweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnen
Tweets und Aktienkurse? Wertvolle Erkenntnisse durch Data Blending gewinnen
 
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
 
Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017
 
DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own data
 
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...
Matthias Kraus: IT-Trends in der Manufacturing-Industrie - was passiert in de...
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.
 
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...
Sitecore Experience Marketing – Gestaltung von aussergewöhnlichen Kundenerfah...
 
Analytics für Einsteiger
Analytics für EinsteigerAnalytics für Einsteiger
Analytics für Einsteiger
 
DE - Module 4 - Data as a business model driver
DE - Module 4 - Data as a business model driverDE - Module 4 - Data as a business model driver
DE - Module 4 - Data as a business model driver
 
eStrategy Magazin 02 / 2013
eStrategy Magazin 02 / 2013eStrategy Magazin 02 / 2013
eStrategy Magazin 02 / 2013
 
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
 
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndDotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
 
Digitalisierung in deutschen Traditionsunternehmen
Digitalisierung in deutschen TraditionsunternehmenDigitalisierung in deutschen Traditionsunternehmen
Digitalisierung in deutschen Traditionsunternehmen
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
 
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
 
2010 09 29 13-30 michael gniffke
2010 09 29 13-30 michael gniffke2010 09 29 13-30 michael gniffke
2010 09 29 13-30 michael gniffke
 
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)
Mag. Dr. Thomas Petrik, Martin Grund (Sphinx IT Consulting GmbH)
 

BigData?