Hochschule Aschaffenburg März 2018...SAP, SAP BI / BW, SAP HANA KUNDEN Deutsche Bahn Deutsche...

Hochschule Aschaffenburg – März 2018

Blue Tomato Technologies

Warum BIG DATA

Herausforderungen und Perspektiven

Unterschiede zum klassischen BI

DATA Lake – Hadoop

Praxisanwendungen

Risiken

Visionen und Ausblick

AGENDA

1

2

3

4

5

6

7

8

Challenge Conventional Thinking

BLUE TOMATOTECHNOLOGIES

BLUE TOMATO TECHNOLOGIES

KOMPETENZEN

▪ Projektmanagement

▪ Agiles Projektvorgehen / SCRUM

▪ IT Architekturberatung (SAP, Big Data, SOA)

▪ Schulungen und Trainings (SCRUM, PM)

UNTERNEHMENSBERATUNG

▪ Gegründet 2012

▪ Regionales Unternehmen

▪ Projekte regional und international

▪ Kooperation u.a. mit Hochschule Aschaffenburg

TECHNOLOGIEN

▪ Datawarehouse / Business Intelligence

▪ Big Data /

▪ Service OrientedArchitecture

▪ SAP, SAP BI / BW, SAP HANA

KUNDEN

▪ Deutsche Bahn

▪ Deutsche Telekom

▪ Menicon GmbH

▪ Heraeus GmbH

▪ Mobi TV USA

WARUM BIG DATA?Ein kleiner Einblick…

MENSCH ZU MENSCH

Netizens, Virtual, Communities, Soziale Netzwerke, Web Logs…

MENSCH ZU MASCHINE

Archive, medizinische Geräte, digitale TVs, Online Business, Smart Cards, Bankkarten, Computer, mobile Geräte

MASCHINE ZU MASCHINE

Sensoren, Navigationsgeräte, GPS, Barcodes, Scanners, Überwachungskameras, wissenschaftliche Forschung

MILLIONEN2.9 Emails werden jeden Sekunde verschickt

MILLIONEN50 Tweets pro Tag

STUNDEN20 Video in jeder Sekunde

>3,500NORD-AMERIKA

>2,000EUROPA >250

CHINA

>400JAPAN

>50INDIA

>200MITTLERER

OSTEN

>50LATEIN-

AMERIKA

VOLUMEN VIELFALT

GESCHWINDIGKEIT

MENGE AN BIG DATA, WELCHE WELTWEIT GESPEICHERT IST (IN PETABYTES)

Warum BIG DATA?Die drei Komponenten – Volumen, Vielfalt und Geschwindigkeit – der eingehenden Daten sind das, was die Herausforderung darstellt.

HERAUSFORDERUNGEN UND PERSPEKTIVENBIG DATA

DATENSTRUKTURGeeignete Datenstrukturen müssen etabliert und gepflegt werden, um die Transparenz über den Datenraum zu erhalten.

WANDLUNGDie Veränderlichkeit der Märkte und das immense Datenvolumen erschweren die Datenanalyse und die Bildung einer Entscheidungsbasis.

INFORMATIONSMANAGEMENTInterpretation, Aktualität, Validierung und die Vermeidung von Fehldeutungen müssen implementiert werden.

HERAUSFORDERUNG

KUNDENÜberlegene Informationen zu Interessen und Kaufverhalten der Kunden

MARKETINGÜberlegene Steuerung von Marketing und Verkauf

MARKTÜberlegene Einschätzung von Marktniveaus und Geschäftsszenarios

PERSPEKTIVEN

WAS IST DER UNTERSCHIED ZUM DATAWAREHOUSE?Zwei unterschiedliche Ansätze

DataWarehouse vs. BIG DATA

Zentralisierte Datenlagerung

Hochwertige Daten

Strukturierte, bereinigte, zusammengefasste Daten

Periodische Berichte

Regelmäßige Erstellung

DATA WAREHOUSE

Daten existieren an mehren Stellen

Einfache Nutzung

Verarbeitung von Rohinformationen vieler Formate

Echtzeitanalysen

Flexibilität steht im Vordergrund

BIG DATA

DATA LAKEHadoop im Kurzüberblick

DATA LAKEHadoop im Kurzüberblick

PRAXISANWENDUNGENBIG DATA

Optimierung der Sportler

▪ Profifußball: Sensoren in Schienbeinschoner, Trikots, Schuhen, Ball

▪ Auswertung der Daten über Algorithmen und „Experten“ (Trainer, Sportmediziner, usw.)

▪ Zielgerichtetes Training und angepasste Ruhephasen um optimale Leistung zu erzielen

LEISTUNGSPORT / PROFISPORT

Zielgerichtete Therapien

MEDIZINISCHER BEREICH

▪ Weltweit generierte und erfasste Daten bei Einsatz und Durchführung on Krebstherapien

▪ Individuelle Therapien gezielt und optimiert einsetzen

Verbesserung Kundenansprache

▪ Echtzeitansprache des Kunden während des Kaufprozesses

▪ Echtzeitinformationen zur Vermittlung von Partnerangeboten (nicht nur „Kunden die dieses Produkt gekauft haben …..“)

▪ Erhöhung der Lieferbereitschaft und Reduktion der damit verbundene Out-of-stock Situationen

ONLINE VERSANDHANDEL

Echtzeitanalyse Sensordaten aus Zügen

▪ Werkstattplanung und Optimierung Rüstzeiten▪ Verhinderung von ausfallrelevanter Komponenten▪ Reduzierung von Lagerkosten

EISENBAHNWIRTSCHAFT

RISIKENBIG DATA

Auch für Big Data gilt das Urheberrecht an Datensammlungen im Sinne des Datenbankwerks.

URHEBERRECHT

Alle Regelungen zu personenbezogenen Daten müssen beachtet und umgesetzt werden.

DATENSCHUTZ

Sofern Daten über Landesgrenzen hinaus gesammelt oder übermittelt werden, müssen entsprechende Regelungen beachtet werden.

Moralische und ethische Grundlagen für Einsatz und Grenzen von Big Data müssen festgelegt werden.

SOZIALRISIKO

COMPLIANCE

INTERNATIONALE RICHTLINIEN

Ein präzises Modell zur Messung der Plausibilität von Quelldaten ist die Grundlage für treffende Analysenergebnisse.

DATENQUALITÄT

Zugriffsbeschränkung, Manipulations- und Angriffsschutz sind im Blick des Werts der gesammelten Daten unverzichtbar.

DATENSICHERHEIT

DATENRISIKEN

VISIONEN UND AUSBLICKBIG DATA

VISIONEN & AUSBLICK

Machine LearningSmart Factorys

Internet of Things

Increasing „life-critical“ Data

Predictive Analytics

Blue Tomato Technologies GmbH Akazienweg 1063768 Hösbach

Tel: +49 6021 4229 960eMail: VIP@bluetomato-technologies.de

Vielen Dank für

Ihre Aufmerksamkeit !