business intelligence big data in der praxis · business intelligence & big data in der praxis...

Business Intelligence &

Big Data in der Praxis

Gummersbach, 20. Juni 2013 Bernhard Nießen

Copyright © Capgemini 2013. All Rights Reserved

2 BigData_Bernhard_Niessen.pptx

Agenda

§ Kurzvorstellung (Referent, Capgemini)

§ BI bei einem Telekommunikationsunternehmen

§ Big Data – Begrifflichkeit und Relevanz

§ Big Data – Anwendungsfälle

§ Big Data - Zukunft

§ 2002 bis 2004:

§ Ausbildung zum staatlich gepr. Informatik, b.i.b.

§ 2004 bis 2007:

§ Duales Studium zum Diplom-Wirtschaftsinformatiker, FHDW

§ 2009 bis 2011:

§ Verbundstudium Master of Science, FH Köln/FH Dortmund

Kurzvorstellung

Bernhard Nießen

Ausbildung und Studium

§ 2004 bis 2008:

§ Synergetics MIC GmbH, Düsseldorf

§ seit Anfang 2008:

§ Capgemini Deutschland GmbH, Köln/Bonn

§ Bereich: Business Information Management

§ Projektleiter bei einem großen Telekommunikationsunternehmen

§ Team aus 10 indischen und

§ 5 polnische Kollegen

Berufliche Tätgikeiten



Capgemini

Kurzvorstellung

§ 120.000 Mitarbeitern weltweit

§ Büros in 40 Ländern

• Consulting Services

• Technology Services

• Outsourcing Services

§ weltweit führender Anbieter

• Management- und IT-Beratung

• Technologie-Services

• Outsourcing-Dienstleistungen

§ Umsatz der Capgemini-Gruppe 9,7 Milliarden € (2011)

§ Rightshore® Liefermodell

• OnShore

• NearShore

• FarShore



n € (2011)



Agenda






21.06.2013 6

Business Intelligence

Definition

Quelle: Definition nach „BI Spektrum 01/09“

Business Intelligence ist der Prozess

der Transformation von Daten in

Information und weiter durch Analyse

der Daten in Wissen.

h Analyse

n.

21.06.2013 7

Wo entstehen Daten? Welche Fragen entstehen?

Callcenter Vertrieb Finanzen

§ Wie wurde der Vertrag verkauft?

• Kanal, Weg, Linie, Organisation

§ Welche GK haben keinen Rahmenvertrag?

• VPN, UMTS/HSDPA, Datenvolumen

§ Wiederverkäufer

• meisten Verträge?

• Stornierungsrate?

§ Durchschnittlich Wartezeit

§ Kundenzufriedenheit

§ Automatische Kundenbefragung

§ Agenteneinsatzplanung

§ Positivkontakte im Rahmen von Kampagnen

§ Gewinn für Produkt „XY“

§ TOP/LAST 10 Vertriebspartner (Kundenwert)

§ Sonderprovision

§ Welches Kundensegment nutzt die Inklusivminuten vollständig aus?

21.06.2013

8

Systemlandschaft eines Telekommunikationsanbieters

Wirknetz

HLR

SMSC

Kunden-administration BackOffice

Abrechnung

Personalplannung

CallCenter

Kundenportal

Data Warehouse

21.06.2013 9

BI-Systeme: Vorsystem

n Anbindung mehrerer interner und externer Datenquellen

n Datenlieferungen über CSV, XML, DB-Link, SOA, WebServices etc.

n Trennung vom Operativ-System

n CRM-System

n Einsatzplanung

n Rechnungswesen

21.06.2013 10

BI-Systeme: Datenintegration (ETL)

n ETL - Extract, Transform, Load

n ETL ist der Prozess, der die Daten aus den Vorsystemen in die Zieldatenbank einfügt

n Extraktion der relevanten Daten aus verschiedenen Quellen

n Transformation der Daten in das Schema und Format der Zieldatenbank

n Laden der Daten in die Zieldatenbank

21.06.2013 11

BI-Systeme: Data Warehouse

n Unabhängigkeit zwischen Datenquellen und Analysesystemen

n Dauerhafte Bereitstellung integrierter und abgeleiteter Daten

n Mehrfachverwendbarkeit der bereitgestellten Daten

n Automatisierung der Abläufe

21.06.2013 12

BI-Systeme: Datenaufbereitung (OLAP)

n Daten müssen aufbereitet werden um Informationen zu generieren

n Aufbau multidimensionaler hierarchischer Datenmodelle (Cubes/Würfel)

n Dimensionen, Hierarchien, Kennzahlen

21.06.2013 13

BI-Systeme: Anwenderwerkzeuge

n Reports (PDF, XLS, HTML), Drilldown Berichte (dynamische Berichte)

21.06.2013 14

OLTP vs. DWH/OLAP

Online-Transaction-Processing vs. Online Analytical Processing

OLTP DWH/OLAP

Funktion Transaktionskonzept (Day-to-Day-Business)

zentrales Datenarchiv des Unternehmens

Daten operativ, aktuell, flüchtig historisch und aggregiert

Schema normalisiert normalisiert und denormalisiert

Systemauslastung eher konstant viele Auslastungsspitzen

Datenvolumen Gigabyte Terabytes



Agenda






Big Data bei Google Trends

von 2004 bis 2013



Google Trends: Big Data vs. Business Intelligence

Big Data und Business Intelligence im Vergleich



Reichen BI Lösungen noch aus?



Quelle: https://www.jaspersoft.com/de/business-intelligence-im-mittelstand-20112012

80% Of world’s

data is unstructured

Reichen BI Lösungen noch aus?

§ 83 % der deutschen Mittelständler nutzen BI-Lösungen

§ Nahe zu 100% der Großunternehmen

§ Doch was gibt es neues?

§ Wie geht es weiter?

Was ist Big Data?

76 million smart meters

in 2009… 200m by

2014

2+ billion people on

the Web by end 2011

100s of millions of

GPS enabled

devices sold annually

4.6 billion camera

phones world wide

30 billion RFID tags

today (1.3B in 2005)

12+ TBs of tweet data

every day

500 TBs new Data per day 25+ TBs

log data per day

Many PBs of data every

day

210 million networked

cars by end of

2016

80% Of world’s

data is unstructured



Was ist „Big Data Analytics“?



Business Use Cases • Fraud and Risk • Customer Insight • Sentiment analysis• Predictive asset

maintenance

New Data Sources • Social Networks • Video, Image, Documents • Logfiles

Enablers • In-Memory • Advanced Analytics • Big data Architecture

(Hadoop, ...)

Concerns • Data privacy • Data quality • Data scientist

skills

Challenges • Variety (Vielfalt) • Velocity (Schnelligkeit) • Volume

(Hadoop, ..





maintenance



(Hadoop, ...)


skills


(Hadoop, ..



Agenda






Maximierung des Werbeumsatz einer VOD Plattform

Zielstellung Ansatz



§ Online Videothek will Werbeumsatz erhöhen durch:

• Dynamische Platzierung von Werbung spezifisch für einerseits den Nutzer, andererseits den Filminhalt

• Werbung soll an sensiblen Stellen des Films platziert werden, um die Relevanz der Werbung für den Nutzer zu steigern

§ Identifikation von Leitbildern innerhalb eines Films

§ Zuordnung der gefundenen Leitbilder auf

• einerseits das Profil des Nutzers und

• andererseits die verfügbare Werbung

§ Ermittlung einer Stelle im Film, wo der Cut für die passende Werbung gemacht werden kann, ohne den Fluß des Films zu beeinträchtigen

Aufspüren von Copyright Verstößen im Internet

Zielstellung Ansatz



§ Schutz der eigenen Assets

• Video

• Podcasts

• Bilder

• Logos

• etc.

§ gegen Raubkopie (Copyright), Mißbrauch

§ Automatisierung der Suche und Identifikation von Medien Assets im Internet

§ Visueller Vergleich von im Internet gefundenen und eigenem Content

§ Unterscheidung der Copyright-Verstöße in Audio- und Video-Kopie

§ Protokollierung der Nutzung von bezahltem oder hochwertigen, eigenen Content

Automobilhersteller – Neue Geschäftsfelder durch Connected Cars



Big Data Case Study: Fully Automated Aqua Processing Service - decision support for environmental disasters


30

Satellite creates Earth Observation (EO) data

BigData_Bernhard_Niessen.pptx

Ansatz Daten

Automobilbauer analysieren Meinungsbilder ihrer Kunden in einschlägigen Autofahrerforen

Wert



§ Internetforen der Autofahrer § Sentimentanalyse, Textanalyse § Einsparung von Qualitätskosten: Probleme schneller erkannt

§ Effizienz des Marketing: Image gezielt verbessern

Sentiment Analyse der Auto Blogs

32

Ortung rechtlicher Hürden



Ortung rechtlicher Hürden



Datenbeschaffung

Public data vs.

Internal data

Datenverarbeitung/-haltung

In-House-Verarbeitung vs.

Cloud-Computing

Datennutzung

Legitim ist, was legal ist?

Rechtliche Hürden – bei der Datenbeschaffung



Terms of use und AGB der Anbieter

Bundesdatenschutzgesetz Telemediengesetz BundTelem

Öffentliche Quellen: Social Media Seiten Referenzdaten/-börsendaten Wikipedia

Interne Quellen: Logdaten Bewegungsprofile Logistikdaten

Datenbeschaffung

Public data vs.

Internal data

Rechtliche Hürden – bei der Datenverarbeitung/-haltung



Datenverarbeitung/-haltung

In-House-Verarbeitung vs.

Cloud-Computing

Rechtliche Hürden - Datennutzung




LegitimL iti isti t, was legal l lttt isti t?? Datennutzung





Agenda






Aktuelle BigData Fälle in den Medien



DER SPIEGEL 20/2013

§ Hamburger Hafen

• 7200 Hektar, 200 Züge tgl., 300 km Schienen, 130 Brücken

§ Minority Report: Einsatzplanung der Polizei, 50 % mehr Festnahmen

§ personalisierte Medizin (Tumorforschung)

• 3 Mrd. Erbgutbausteine

§ magischer Teppich für Senioren

9. Juni 2013

§ Computersystem des US-Geheimdiensts National Security Agency (NSA)

§ unterliegt der Geheimhaltung

§ erkennt signifikante Zusammenhänge

§ Bewegung einer einzelnen, terrorverdächtigen Person

§ Fülle von E-Mails und Telefonmetadaten

Aktuelle BigData Fälle in den Medien

Edward Snowden

Boundless Informant

§ Überwachung und Auswertung von elektronischen Medien und elektronisch gespeicherten Daten

§ Internetkonzerne und Dienste der USA beteiligt: Microsoft, Google, Facebook, Yahoo!, Apple etc.

§ live geführte Kommunikation und Informationen abhörbar

PRISM



Wollen wir in so einer Welt leben?

Börsenkurse

Fehlinterpretation

Kreditvergabe

Ethik

Schule / Job

Straffällig

Krankheiten

Schwangerschaft

Big Data



Kontaktinformationen



Bernhard Nießen M. Sc. / Release Manager [email protected]

Capgemini Köln/Bonn Mülheimer Strasse 9a 53840 Troisdorf Tel.: 02241/9737-472

www.capgemini.com

Über Capgemini Mit über 120.000 Mitarbeitern in 40 Ländern ist Capgemini einer der weltweit führenden Anbieter von Management- und IT-Beratung, Technologie-Services sowie Outsourcing-Dienst-leistungen. Im Jahr 2011 betrug der Umsatz der Capgemini-Gruppe 9,7 Milliarden Euro.

Gemeinsam mit seinen Kunden erstellt Capgemini Geschäfts- wie auch Technologielösungen, die passgenau auf die individuellen Anforderungen zugeschnitten sind. Auf der Grundlage seines weltweiten Liefermodells Rightshore® zeichnet sich Capgemini als multinationale Organisation durch seine besondere Art der Zusammenarbeit aus – die Collaborative Business ExperienceTM.

Rightshore® ist eine eingetragene Marke von Capgemini

Die in der Präsentation enthaltenen Informationen sind Eigentum. Copyright © 2013 Capgemini. Alle Rechte vorbehalten.