SlideShare ist ein Scribd-Unternehmen logo
1 von 22
Downloaden Sie, um offline zu lesen
Datenprodukte
für Deutschlands größten Fahrzeugmarkt
Vortrag beim BITKOM Big Data Summit
am 16. Februar 2017 in Hanau
2
Was
darf dieses Auto
kosten?
Quelle: mobile.de
3
Vortragende
Benjamin Eckart
Manager
Software Development
Trust & Safety
mobile.de
Dr. Christoph Tempich
Head of Consulting
inovex GmbH
4
MOBILE.DE
DEUTSCHER
MARKTFÜHRER
13,53 MIO
UNIQUE USER
IM MONAT
1,4 MIO
FAHRZEUGE
65%
TRAFFIC ÜBER
MOBILE ENDGERÄTE
5
290
MITARBEITER
DREILINDEN /
FRIEDRICHSH
AIN BERLIN
FIRMENSITZ
GEBRAUCHTWAGEN
NEUWAGEN
ADVERTISING
WICHTIGSTE
GESCHÄFTSELDER
inovex ist ein IT-Projekthaus für die Digitale Transformation:
‣ Agile Development & Management
‣ Web · UI/UX · Replatforming · Microservices
‣ Mobile · Apps · Smart Devices · Robotics
‣ Big Data & Business Intelligence Platforms
‣ Data Science · Data Products · Search · Deep Learning
‣ Data Center Automation · DevOps · Cloud · Hosting
‣ Trainings & Coachings
Wir nutzen Technologien,
um unsere Kunden glücklich zu
machen. Und uns selbst.
inovex gibt es in
Karlsruhe · Pforzheim ·
München · Köln · Hamburg.
Und natürlich unter
www.inovex.de
7
Agenda
Fragestellungen bei mobile.de
Vorgehen
Ergebnisse
Ausblick
8
Fragestellungen und Vorgehen
9
Fragestellungen
Welche Infrastruktur ist geeignet?
Wie ist das Datenprodukt-Management
organisiert?
Welche Strategie verfolgen wir mit
Datenprodukten?
Welche Datenprodukte haben einen Mehrwert?
Welche Datenprodukte können wir wann
umsetzen?
Wie findet ein datengetriebener Ansatz Einzug in
die Produktentwicklung?
Datenstrategie Datenprodukte
10
Ziele
Verkürzung der Cycle Times
Jedes Produkt wird A/B-getestet
Jeder Cycle trägt zur Erkenntnis bei
Fokus im Projektverlauf
1. Build: Aufbau der Basis Infrastruktur, Datenintegration
2. Measure: Richtige Zielgrößen für den A/B-Test
3. Idea: die richtigen Datenprodukte
Lean Startup*
IDEA
BUILD
PRODUCT
MEASURE
DATA
LEARN
MVP
* Eric Ries – The Lean Startup
Vorgehen
11
Ergebnisse
12
Architektur-Überblick
Datenschutzkonforme Datenspeicherung
innerhalb der EU
Integration zahlreicher Datenquellen
Gelöste Herausforderungen Aktuelles Thema
Echtzeitfähige Datenprodukte auf dem
Data Stream
13
Größenordnungen
Technische Daten
Events: 5.000-10.000 pro Sekunde
Ungefähr 10 MB pro Sekunde
50 Data Nodes, 1.400 Cores, 10 TB Memory
im Cluster
Aussicht auf Ausbau auf 90 Nodes
2 PB konfiguriert für das HDFS
Websites ähnlicher Größenordnung*
* Monatliche Unique visitors nach AGOF, statista.de, 2016.
14
Statistisches
Modell
Nutzung der Informationen
verschiedener Anzeigen,
um ein Preismodell zu
erzeugen
Berechnung des „fairen“
Preises auf Basis der
eingegebenen Informationen
auf der Webseite
Modellierung des Fair Value
Verschiedene Anzeigen
1
2
15
-10.7%+10.6%
-21.1% +26.8%
225k kürzlich
gelöschte Anzeigen
-0.4%
1.1%
Modell
[Vorhersage] – [Tatsächlicher Preis]
[Tatsächlicher Preis]
100 
Ergebnis – Vorhersage vs. Online-Preis
Abweichung der Vorhersage
vom Online-Preis
16
Quelle: mobile.de; https://de.wikipedia.org/wiki/AWZ_P70
2.700 €
im Ursprungs-
zustand
17
Herausforderung:
Integration von Wunsch und Möglichkeit
Die Lösung von Data-Science-Problemen
ist in der Regel nicht trivial
Eine genaue Schätzung ist schwierig
Es werden die gleichen Skills für die
Evaluierung der Lösungsoptionen wie für
deren Implementierung benötigt
Discovery
Delivery
Liefern
Lernen
Prozess
18
Start als Team innerhalb der CFO-
Organisation
Nutzung der vorhandenen Kenntnisse über
Datenquellen und Integration
Nutzung der crossfunktionalen Vernetzung
zur Etablierung des Themas
Inkubator zum Testen
CFO CIO
… BI…
Data team
Site OPS …
Dev
PM
CPO
…
Integration von Produktmanagement, IT
und Daten unter einem CPTO
Stärkere Integration in den
Entwicklungsprozess
Weniger Reibungsverluste in der
Kommunikation
Schnellere Produktentwicklungszyklen
CFO
BI…
Data team
Site OPS …
Dev
PM
CPTO
…
Organisation: Von der BI-Abteilung in den Technikbereich
19
Ausblick
20
Empfehlungen auf der Homepage
21
Zusammenfassung
Die technische Infrastruktur wurde aufgebaut.
Das Nutzungserfahrung konnte nachweislich verbessert werden.
Die Organisation bekommt ein Gefühl für die Möglichkeiten von Datenprodukten.
Die Prozesse zur Erstellung von Datenprodukten sind etabliert.
Die Pipeline ist gefüllt.
22
Welche Datenprodukte bauen Sie gerade?

Weitere ähnliche Inhalte

Andere mochten auch

Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
inovex GmbH
 

Andere mochten auch (20)

Moderne App-Entwicklung am Beispiel waipu.tv
Moderne App-Entwicklung am Beispiel waipu.tvModerne App-Entwicklung am Beispiel waipu.tv
Moderne App-Entwicklung am Beispiel waipu.tv
 
Prometheus Monitoring
Prometheus MonitoringPrometheus Monitoring
Prometheus Monitoring
 
Advanced Cojure Microservices
Advanced Cojure MicroservicesAdvanced Cojure Microservices
Advanced Cojure Microservices
 
SysDig Metriken zentralisieren
SysDig Metriken zentralisierenSysDig Metriken zentralisieren
SysDig Metriken zentralisieren
 
Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
Haltet den (Daten-) Dieb! Echtzeiterkennung von Anomalien in Computernetzwerk...
 
foreman_provision – Infrastructure as code
foreman_provision – Infrastructure as codeforeman_provision – Infrastructure as code
foreman_provision – Infrastructure as code
 
Continuous Integration for Fun and Profit
Continuous Integration for Fun and ProfitContinuous Integration for Fun and Profit
Continuous Integration for Fun and Profit
 
Gitlab meets Kubernetes
Gitlab meets KubernetesGitlab meets Kubernetes
Gitlab meets Kubernetes
 
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
 
Stackstorm – Event driven Automation
Stackstorm – Event driven AutomationStackstorm – Event driven Automation
Stackstorm – Event driven Automation
 
Automated Application Management with SaltStack
Automated Application Management with SaltStackAutomated Application Management with SaltStack
Automated Application Management with SaltStack
 
Sprachsteuerung mit dem Google Assistant – Add a new User Interface to your P...
Sprachsteuerung mit dem Google Assistant – Add a new User Interface to your P...Sprachsteuerung mit dem Google Assistant – Add a new User Interface to your P...
Sprachsteuerung mit dem Google Assistant – Add a new User Interface to your P...
 
Terraform
TerraformTerraform
Terraform
 
Kubernetes Workshop
Kubernetes WorkshopKubernetes Workshop
Kubernetes Workshop
 
Infrastructure as code: Cloud-Umgebungen mit Terraform verwalten
Infrastructure as code: Cloud-Umgebungen mit Terraform verwaltenInfrastructure as code: Cloud-Umgebungen mit Terraform verwalten
Infrastructure as code: Cloud-Umgebungen mit Terraform verwalten
 
Kubernetes Frankfurt
Kubernetes FrankfurtKubernetes Frankfurt
Kubernetes Frankfurt
 
Deploying Foreman in Enterprise Environments
Deploying Foreman in Enterprise EnvironmentsDeploying Foreman in Enterprise Environments
Deploying Foreman in Enterprise Environments
 
OpenStack und Containers
OpenStack und ContainersOpenStack und Containers
OpenStack und Containers
 
Web Components mit Polymer und AngularJS 1.x
Web Components mit Polymer und AngularJS 1.xWeb Components mit Polymer und AngularJS 1.x
Web Components mit Polymer und AngularJS 1.x
 
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
 

Ähnlich wie Datenprodukte für Deutschlands größten Fahrzeugmarkt

Software as a Service E-Commerce Technologien
Software as a Service E-Commerce TechnologienSoftware as a Service E-Commerce Technologien
Software as a Service E-Commerce Technologien
Martina Goehring
 

Ähnlich wie Datenprodukte für Deutschlands größten Fahrzeugmarkt (20)

K5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian HeinemannK5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
 
Software as a Service E-Commerce Technologien
Software as a Service E-Commerce TechnologienSoftware as a Service E-Commerce Technologien
Software as a Service E-Commerce Technologien
 
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
 
VDC Newsletter 2007-10
VDC Newsletter 2007-10VDC Newsletter 2007-10
VDC Newsletter 2007-10
 
Software Defined Everything 2016 - Post Event Report
Software Defined Everything 2016 - Post Event ReportSoftware Defined Everything 2016 - Post Event Report
Software Defined Everything 2016 - Post Event Report
 
Präsentation GSE Jahreshauptversammlung 2015 05-12
Präsentation GSE Jahreshauptversammlung 2015 05-12Präsentation GSE Jahreshauptversammlung 2015 05-12
Präsentation GSE Jahreshauptversammlung 2015 05-12
 
VDC Newsletter 2007-02
VDC Newsletter 2007-02VDC Newsletter 2007-02
VDC Newsletter 2007-02
 
Diva e gentsch_conversational_commerce-2017
Diva e gentsch_conversational_commerce-2017Diva e gentsch_conversational_commerce-2017
Diva e gentsch_conversational_commerce-2017
 
Namics & Adobe Industrie-Workshop "Be smart" vom 23.05.2017
Namics & Adobe Industrie-Workshop "Be smart" vom 23.05.2017Namics & Adobe Industrie-Workshop "Be smart" vom 23.05.2017
Namics & Adobe Industrie-Workshop "Be smart" vom 23.05.2017
 
Upc14 huelse
Upc14 huelseUpc14 huelse
Upc14 huelse
 
Digitize your Business. Now. - Beispiele erfolgreicher Digitalisierungsprojek...
Digitize your Business. Now. - Beispiele erfolgreicher Digitalisierungsprojek...Digitize your Business. Now. - Beispiele erfolgreicher Digitalisierungsprojek...
Digitize your Business. Now. - Beispiele erfolgreicher Digitalisierungsprojek...
 
Bernhard Linemayr, MSc, Dipl.-Ing. Thomas Richter (Creditreform)
Bernhard Linemayr, MSc,  Dipl.-Ing. Thomas Richter (Creditreform)Bernhard Linemayr, MSc,  Dipl.-Ing. Thomas Richter (Creditreform)
Bernhard Linemayr, MSc, Dipl.-Ing. Thomas Richter (Creditreform)
 
Back to the Frontend – aber nun mit Microservices
Back to the Frontend – aber nun mit MicroservicesBack to the Frontend – aber nun mit Microservices
Back to the Frontend – aber nun mit Microservices
 
Digital Signage & Datavisualisierung
Digital Signage & DatavisualisierungDigital Signage & Datavisualisierung
Digital Signage & Datavisualisierung
 
eStrategy-Magazin #31 - Shopsysteme Marktüberblick
eStrategy-Magazin #31 - Shopsysteme MarktüberblickeStrategy-Magazin #31 - Shopsysteme Marktüberblick
eStrategy-Magazin #31 - Shopsysteme Marktüberblick
 
Rethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event Report
 
worldiety GmbH - SUCCESS STORIES
worldiety GmbH - SUCCESS STORIESworldiety GmbH - SUCCESS STORIES
worldiety GmbH - SUCCESS STORIES
 
Artikel im Swiss IT Magazine: Marktuebersicht Web-Agenturen
Artikel im Swiss IT Magazine: Marktuebersicht Web-AgenturenArtikel im Swiss IT Magazine: Marktuebersicht Web-Agenturen
Artikel im Swiss IT Magazine: Marktuebersicht Web-Agenturen
 
Digitalisierung im Mittelstand: Märkte von morgen
Digitalisierung im Mittelstand: Märkte von morgenDigitalisierung im Mittelstand: Märkte von morgen
Digitalisierung im Mittelstand: Märkte von morgen
 
«Schnittstellen sind kompliziert, darum kann ich die Digitalisierung nicht mi...
«Schnittstellen sind kompliziert, darum kann ich die Digitalisierung nicht mi...«Schnittstellen sind kompliziert, darum kann ich die Digitalisierung nicht mi...
«Schnittstellen sind kompliziert, darum kann ich die Digitalisierung nicht mi...
 

Mehr von inovex GmbH

Interpretable Machine Learning
Interpretable Machine LearningInterpretable Machine Learning
Interpretable Machine Learning
inovex GmbH
 
Deep Learning for Recommender Systems
Deep Learning for Recommender SystemsDeep Learning for Recommender Systems
Deep Learning for Recommender Systems
inovex GmbH
 
Representation Learning von Zeitreihen
Representation Learning von ZeitreihenRepresentation Learning von Zeitreihen
Representation Learning von Zeitreihen
inovex GmbH
 
Performance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use casePerformance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use case
inovex GmbH
 

Mehr von inovex GmbH (20)

lldb – Debugger auf Abwegen
lldb – Debugger auf Abwegenlldb – Debugger auf Abwegen
lldb – Debugger auf Abwegen
 
Are you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AIAre you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AI
 
Why natural language is next step in the AI evolution
Why natural language is next step in the AI evolutionWhy natural language is next step in the AI evolution
Why natural language is next step in the AI evolution
 
WWDC 2019 Recap
WWDC 2019 RecapWWDC 2019 Recap
WWDC 2019 Recap
 
Network Policies
Network PoliciesNetwork Policies
Network Policies
 
Interpretable Machine Learning
Interpretable Machine LearningInterpretable Machine Learning
Interpretable Machine Learning
 
Jenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen UmgebungenJenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen Umgebungen
 
AI auf Edge-Geraeten
AI auf Edge-GeraetenAI auf Edge-Geraeten
AI auf Edge-Geraeten
 
Prometheus on Kubernetes
Prometheus on KubernetesPrometheus on Kubernetes
Prometheus on Kubernetes
 
Deep Learning for Recommender Systems
Deep Learning for Recommender SystemsDeep Learning for Recommender Systems
Deep Learning for Recommender Systems
 
Azure IoT Edge
Azure IoT EdgeAzure IoT Edge
Azure IoT Edge
 
Representation Learning von Zeitreihen
Representation Learning von ZeitreihenRepresentation Learning von Zeitreihen
Representation Learning von Zeitreihen
 
Talk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale AssistentenTalk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale Assistenten
 
Künstlich intelligent?
Künstlich intelligent?Künstlich intelligent?
Künstlich intelligent?
 
Dev + Ops = Go
Dev + Ops = GoDev + Ops = Go
Dev + Ops = Go
 
Das Android Open Source Project
Das Android Open Source ProjectDas Android Open Source Project
Das Android Open Source Project
 
Machine Learning Interpretability
Machine Learning InterpretabilityMachine Learning Interpretability
Machine Learning Interpretability
 
Performance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use casePerformance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use case
 
People & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madnessPeople & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madness
 
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with PulumiInfrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
 

Datenprodukte für Deutschlands größten Fahrzeugmarkt