Post on 18-Aug-2020
© Know-Center GmbH, www.know-center.at
Data-driven Business
Dr. Robert Ginthör
Regionalveranstaltung zu Wirtschaft 4.0 in NÖ , 14.11.2016
MACHEN SIE MEHR MIT IHREN UND ANDEREN DATEN
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Lassen Sie uns zuerst einmal Daten sammeln…
• Warum sind Sie heute hier?
1. Ich interessiere mich allgemein für das Thema
2. Ich habe konkrete Problemstellungen
3. Ich suche Kontakte
4. Ich war gerade in der Nähe… ;-)
2
https://app.feedbackr.io/#/auditor/join
Code: JCCLJ
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 3
Know-CenterKNOW-CENTER GMBH
Österreichs Forschungszentrum für Data-driven Business und Big Data Analytics
3
* Österreichisches
Förderprogramm,
das eine nachhaltige
Zusammenarbeit zwischen
Wissenschaft und Wirtschaft
unterstützt.
Gegründet 2001 | Standort: Technische Universität Graz| > 85 ForscherInnen | > 600 COMET* und Industrie Projekte |> 30 EU Projekte
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Source: http://www.spiegel.de/panorama/bild-889031-473242.html
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
2005
Source: http://www.spiegel.de/panorama/bild-889031-473266.html
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 6
Datenherkunft
6
Source: Gartner, Big Data Survey, June 2015
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Die 5 “V“ von Big Data
7
Volume(Scale of Data)
Variety(Data types)
Velocity(Real-time
analysis)
Veracity(Data quality)
Value(Insights)
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 8
Das fünfte V
Die digitale Transformation
Materielles
Vermögen
Geldmittel
Anlagen
Inventar
Gebäude
Materielles
Vermögen
Geistiges
Eigentum
Immaterielles
Vermögen
Wissen
Daten
Immaterielles
Vermögen
Datafizierenanstelle
Digitalisieren
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 9
Die digitale Transformation
Konzept Entwicklung Produktion Verkauf Service
KPI‘s EngagementOptimierungDokumentation
9
Smart Factory
Product Life Cycle
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 10
Value Chain
Data Value Chain
Die digitale Transformation
Konzept Entwicklung Produktion Verkauf Service
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
-
Was sehen Sie?
Adresse
Anzahl je Artikel + Gesamtanzahl
Preis je Artikel
Artikelbezeichnung
Zwischensumme
Gesamtsumme
Steuergruppen
Datum + Uhrzeit
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 12
Mehr Daten = Mehr Erkenntnisse
Objekte und Aktionen
Product A 2016-03-10, A, ID:1, view
2016-03-10, A, ID:2, view
2016-03-12,A, ID:1, view
2016-03-13,A, ID:1, view
2016-03-17, A, ID:1, like
Products Consumer Interactions
3x view
3x view, 1x like
Interesse, aber kein Kauf.
Wieso nicht?
Verstärktes Interesse? Angebot machen?
Business Insights
Big Data Tech Algorithms
Business Actions
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 13
Datenquellen
SAP, DatewarehouseGoogle Analytics
Emails, Mitschriften, Kommentare
Finanzmarkt, Weltbank,OECD, Eurostat, Statistik Austria
Websites, Facebook, Blogs
intern
extern
strukturiert unstrukturiert
Herkunft der
Information
Art der
Information
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 14
alles jederzeit
Suchen
und Finden
InformationRetrieval
NaturalLanguage
Processing
Machine Learning
PredictiveModeling
Visualization
Dokumente
und Text
verstehen
die Stärken
des Menschen
nutzen
Daten für sich
selbst sprechen
lassen
die Zukunft
durch Wissen
vorhersehen
Data-Driven Toolbox
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 15
Vorgehen bei Datenanalyse-Projekten (I)
Domänen-verständnis
Daten-bereitstellung
Daten-verständnis
Datenvor-verarbeitung
Statistische Analyse
Maschinelles Lernen
Evaluierung
ETL
Mitwirkung & Feedback
Kunde
Mitwirkung & Feedback
Kunde
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 16
Vorgehen bei Datenanalyse-Projekten
Domänen-
verständnis
Daten-
bereitstellung
Daten-
verständnis
Datenvor-
verarbeitung
Statistische
Analyse
Maschinelles
LernenEvaluierung
ERWARTUNG
Domänen-
verständnis
Daten-
bereitstellung
Daten-
verständnis
Datenvor-
verarbeitungEvaluierung
Statistische
Analyse
Maschinelles
Lernen
IST
Domänen-
verständnis
Statistische
Analyse
Maschinelles
LernenEvaluierung
Daten-
bereitstellungDatenverständnis
Datenvor-
verarbeitung
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Data Value Check
17
BUSINESS
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Data Value Check
Definierte Bewertungskriterien Sy
stem
• zugänglich
• bearbeitbar
Inh
alt • Reputation
• fehlerfrei
• objektiv
• glaubwürdig
Dar
stel
lun
g • eindeutig
• einheitlich
• übersichtlich
• verständlich Nu
tzu
ng • relevanter
Umfang
• angemessen
• vollständig
• wertschöpfend
• aktuell
Quelle: in Anlehnung an Deutsche Gesellschaft für Informations- und Datenqualität (DGIQ), 2016
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Data Value Check
Handlungsempfehlungen
Empfehlungen für die zusätzliche Erfassung und Aufzeichnung von Daten in Prozessen, Ressourcen, Schnittstellen, etc.
Empfehlungen für die Erhöhung der Datenqualität (Zeitintervalle, Datenformate, etc.) .
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 21
Big Data und Geschäftsmodelle
Monetarisierung Durchbruch
Optimierung Aufwertung
NeuesGeschäft
BestehendesGeschäft
vorhandene Daten neue Daten
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 22
Big Data-Geschäftsmodelle
Analytics-as-a-Service
Data-as-a-Service
Data-infused Products
Datenmarktplätze und Datenaggregation
1
2
3
4
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 23
Big Data-Geschäftsmodelle
Analytics-as-a-Service
Data-as-a-Service
Data-infused Products
Datenmarktplätze und Datenaggregation
Dienstleistungen der Analyse und Prognose (z.B.
Wetterdaten, Kundendaten, Social-Media Daten,…)
1
2
3
4
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 24
Big Data-Geschäftsmodelle
Analytics-as-a-Service
Data-as-a-Service
Data-infused Products
Datenmarktplätze und Datenaggregation
Sammlung, Aufbereitung, Zusammenführung von
Nutzungsdaten. Dieses Geschäftsmodell unterliegt
strengen gesetzlichen Regelungen (Datenschutz).
1
2
3
4
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 25
Big Data-Geschäftsmodelle
Analytics-as-a-Service
Data-as-a-Service
Data-infused Products
Datenmarktplätze und Datenaggregation
Datengetriebene Produkte, Produkte werden durch
zusätzliche Daten-Intelligenz angereichert.
- Gebäudeautomation (Nest-Thermostat, …)
- Wearables (Fitness-Tracker, Smart-Watches,
Laufschuhe, Datenbrillen…)
1
2
3
4
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 26
Big Data-Geschäftsmodelle
Analytics-as-a-Service
Data-as-a-Service
Data-infused Products
Datenmarktplätze und Datenaggregation
Datenmarktplätze – Plattformen für den Verkauf und die
Nutzung diverser Daten bzw. Datenströme. (Kunden
können unterschiedliche Datenservices nutzen)
1
2
3
4
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 27
Data Ownership & Geschäftsmodell
27
Maschinenbauer Produktion
Rückfluss, Eigentum, Datenschutz?
Was tun mit
den Daten?
Neues Angebot?
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 29
(Big) Data und Geschäftsmodelle
Monetarisierung Durchbruch
Optimierung Aufwertung
NeuesGeschäft
BestehendesGeschäft
vorhandene Daten neue Daten
• Lebenszykluskosten (TCO)
• Gesamtanlageneffektivität (OEE)
• Qualitätsverbesserung
• Vorausschauende Instandhaltung
(predictive maintenance)
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 30
Beispiele
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 31
Beispiele
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016
Take away
• Daten zuerst (Technologie/Tools später)
• von Big Data zu Smart Data
• Daten demokratisieren
• mit Daten experimentieren
© Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics • 2016 33
Big Data Lab
Unser Serviceportfolio
DATENANALYSE
DATENÜBERNAHMEFormate, Standards, Rechtsfragen
VORVERARBEITUNGBereinigen, Normalisieren, Integrieren
(VERTEILTE) ANALYSEVerwendung von Hadoop Cluster oder
Big Cloud Lösungen
BERATUNG
BIG DATA EINFÜHRUNGKonzepte, Methoden, Technologien
und Tools rund um Big Data
DATA VALUE CHECKUntersuchung von Art, Umfang und
Qualität der Daten
DATA-DRIVEN BUSINESSErkennen von Wertschöpfung,
Erstellen von Business Cases
TRAINING
BIG DATA FÜR DEVELOPERSVerwendung des Apache Hadoop
Frameworks für Big Data Analytics
APACHE HADOOP
ESSENTIALSAufsetzen und Administration eines
Apache Hadoop Clusters
DATA ANALYTICS
FUNDAMENTALS Grundlagen von Data Science und
Machine Learning
© Know-Center GmbH
Know-Center GmbH
Research Center for Data-Driven
Business and Big Data Analytics
Inffeldgasse 13/6
8010 Graz, Austria
Firmenbuchgericht Graz
FN 199 685 f
UID: ATU 50367703
gefördert durch das Programm COMET (Competence Centers for Excellent Technologies), wir danken unseren Fördergebern:
Managing & Scientific Director
office@know-center.at
Prof. Stefanie Lindstaedt
CTO
rginthoer@know-center.at
Dr. Robert Ginthör