Upload
mhp-a-porsche-company
View
302
Download
1
Embed Size (px)
Citation preview
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Die Vielfalt bei Predictive Analytics Werkzeugen
Tools & Techniken bei Predictive Analytics
Claudio Weck | MHPBoxenstopp: 08.11.2016
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2
15.11.2016 Umsteigen nach HANA! Die Transformation sicher und leicht gemacht, mit dem
MHPVorgehensmodell
22.11.2016 Global VAT Management Prozess-Standardisierung im Hinblick auf das
Umsatzsteuerrecht
29.11.2016 Prozesstransparenz durch Process Mining Erhebung, Visualisierung und Optimierung von Prozessabläufen
Einleitung
Agenda Zu Anfang sind alle Teilnehmer auf stumm geschalten.
Weitere MHPBoxenstopps www.mhp.com/events
Wo Sie uns in 2016 auch finden können… www.mhp.com/events
13.00 - 13.05 Uhr Begrüßung Nadine Zembrod
13.05 - 13.45 Uhr Vortrag Claudio Weck
13.45 - 14.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über die Chat-
funktion im rechten Fenster Fragen einreichen.
www.youtube.de/MHPProzesslieferant www.slideshare.net/MHPInsights
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
Ihr Gesprächspartner
Claudio Weck
Leiter Competence Center
Predictive Analytics
SU BI & BIGDATA
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4
Prozesse verbessern kann nur, wer sich im Detail auskennt.
Genauso wie im Großen und Ganzen.
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
Wir wissen aus Erfahrung,
wie man Ziele erreicht und dabei vorneweg fährt.
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5
Mieschke Hofmann und Partner (MHP)
A Porsche Company
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
Der Unterschied
Symbiose aus Management- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden
Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Die Leistung
Management Consulting
System Integration
Managed Services
Business Solutions
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 6
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.
Unsere Kompetenzbereiche mit Themenfeldern.
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Production Planning
Strategic Production
Consulting
Lean Production
Manufacturing
Execution
Maintenance
Retail Service
Management
Retail Consulting
Fleet Management
Sourcing
Planning
Affiliation
Performance
Development & Talent
Management
Governance, Risk and
Compliance
Template
Development and
Rollouts
Business Process
Development &
Optimization
Legal and Fiscal
Requirements
Accounts, Reporting
and Consolidation
System Harmonization
CIO Management
Consulting
Enterprise Content
Management
Standard Software
Individual Software
Application & Process
Services
Application
Management
Consulting
Product Structure
Management
Product Development
Process (PDP)
Management
SAP PLM Consulting &
Solution
Implementation
PTC Windchill Solution
Integration
DS Enovia V6 Solution
Integration
PLM Strategy &
Management
Consulting
Production
Logistics
Procurement & Quality
Sales Logistics
Service Management
Spare Parts
Management
Supply Chain &
Demand Planning
Service Management
Spare Parts
Management
Warranty Processes
(Pro-active) Complaint
Management
Digital incl. Connected
CRM & Social CRM
CRM Strategy &
Management
Consulting
Sales Force
Automation incl.
Mobile CRM
Analytics incl.
Segmentation &
Campaign
Management
Vertical Retail
Integration
(Pro-active) Complaint
Management
BI Technology
BI Strategy
Integrated Corporate
Planning
Analytical Business
Processes
Next Generation BI &
BIG DATA
Mobile BI Scenarios
CRM IT Consulting &
Solution
Implementation
Transition & Change
Management
Administrative Core
Processes
MHP Dealer
Performance
Management
Finance and
Controlling for
Automotive Retailers
Dealer Management
Systems
MHP Carbon
Innovations Connected Vehicle Future City Sustainable
Mobility Digitalisierung
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.
Unsere Kompetenzbereiche mit Themenfeldern.
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Production Planning
Strategic Production
Consulting
Lean Production
Manufacturing
Execution
Maintenance
Retail Service
Management
Retail Consulting
Fleet Management
Sourcing
Planning
Affiliation
Performance
Development & Talent
Management
Governance, Risk and
Compliance
Template
Development and
Rollouts
Business Process
Development &
Optimization
Legal and Fiscal
Requirements
Accounts, Reporting
and Consolidation
System Harmonization
CIO Management
Consulting
Enterprise Content
Management
Standard Software
Individual Software
Application & Process
Services
Application
Management
Consulting
Product Structure
Management
Product Development
Process (PDP)
Management
SAP PLM Consulting &
Solution
Implementation
PTC Windchill Solution
Integration
DS Enovia V6 Solution
Integration
PLM Strategy &
Management
Consulting
Production
Logistics
Procurement & Quality
Sales Logistics
Service Management
Spare Parts
Management
Supply Chain &
Demand Planning
Service Management
Spare Parts
Management
Warranty Processes
(Pro-active) Complaint
Management
Digital incl. Connected
CRM & Social CRM
CRM Strategy &
Management
Consulting
Sales Force
Automation incl.
Mobile CRM
Analytics incl.
Segmentation &
Campaign
Management
Vertical Retail
Integration
(Pro-active) Complaint
Management
BI Technology
BI Strategy
Integrated Corporate
Planning
Analytical Business
Processes
Next Generation BI &
BIG DATA
Mobile BI Scenarios
CRM IT Consulting &
Solution
Implementation
Transition & Change
Management
Administrative Core
Processes
MHP Dealer
Performance
Management
Finance and
Controlling for
Automotive Retailers
Dealer Management
Systems
MHP Carbon
Innovations Connected Vehicle Future City Sustainable
Mobility Digitalisierung
Tools & Techniken bei
Predictive Analytics
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10
Einordnung und Definition
1. Warum Predictive Analytics?
„Predictive Analytics is technology that
learns from experience (data) to predict the
future behavior of individuals in order to
drive better decisions.“ -Eric Siegel
Data Mining
Muster-
erkennung
Trends
Prognosen Predictive
Analytics &
Maintenance
Was, wenn man die Probleme exakt
vorhersagen könnte?
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11
Real Life Use Cases / Referenzen
1. Warum Predictive Analytics?
…
Real-Time Voraussage von
Produktionsfehlern
Qualitätsoptimierung beim
Herstellungsprozess
Verschleißanalyse in der
Intralogistik
Verschleißanalyse bei Getrieben
Neue Geschäftsmodelle auf Basis
hochwertiger Analysemodelle
Fraud Prediction im
Finanzsektor
Prognosen für Marketing
und Sales
HR Analysen zur Fluktuation,
Jobentwicklungen & Ausland
Social Media Analysen
Erschaffung neuer digitaler
Dienste
Predictive Maintenance & Quality Predictive Analytics
Quellen: siehe letzte Seite
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12
Predictive Analytics führt zu einer methodischen Weiterentwicklung
1. Warum Predictive Analytics?
Reifegrad / Weiterentwicklung der Erkenntnisfähigkeit
Wett
bew
erb
svo
rteil
Von Tracking:
Was ist
passiert?
Zu Predictive Analytics:
Warum passierte etwas?
Was wird passieren?
Was passiert, wenn …?
Wie kann es verbessert
werden?
Metriken
Benchmarks
Reporting
Vorhersagen
Predictive
Change
Korrelationen
Kausalität
Quellen: Investing in People: Financial Impact of Human Resource Initiatives, by Wayne Cascio & John Boudreau FT Press 2010, iNostix 2013, hannovermesse.de, MHP 2016
Einsparung bei
Reparaturen 12%
Reduzierung der
Wartungskosten 30%
Rückgang ungeplanter
Stillstände 70%
Ziel
Zukünftiger Ereignisse
voraussehen, um präventive
Maßnahmen gegen potentielle
Probleme treffen zu können
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13
Besonderheiten bei Predictive Maintenance
1. Warum Predictive Analytics?
Predictive
Maintenance
Conditioning
Monitoring
Traditionelle
Wartung
BIGDATA
Sensoren Prädiktive
Modelle
Predictive
Maint.
Maturity Model
Top Down
Bottom Up
Werksbetreiber
Das Two-Stage Verfahren
Heutiges Enablement
Herausforderungen bei der Datennutzung
Hersteller, z.B. von
Produktionsmaschinen
1 Lasten beim Untersuchungsobjekt
... 2 Wissensgenerierung & Modellierung
Exakte Prognosen zu Bauteilen
Quellen: Bosch.de, mercedes-amg.de, Audi.de
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 14
1. Warum Predictive Analytics?
Analyse Fahrzeugdaten
Sensor-Signale/Events
Virtuelle Signale
Integrierte Externe Daten
Use Cases
User Centric
Case Sensitive Car
Enhanced Navigation
Communication
Payment / Gov. / FASS
Datengetriebene prädiktive Analysen generieren neue Use Cases - Beispiel
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16
Ziele von Predictive Analytics
2. Prädiktive Methoden
Predictive Analytics bedeutet unbekannte Zusammenhänge zu erkennen und Zukünftiges prognostizieren.
Daten
sammeln
Zusammenhänge
erkennen
Zukünftiges
prognostizieren
Klassifikation Clustering Assoziationsanalyse Numerische Vorhersage Text Mining Web Mining
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 17
Predictive Analytics am Beispiel 1/2
2. Prädiktive Methoden
Korrelations- & Assoziationsanalysen Klassifikationsverfahren Regressionsanalyse
Berechnung von
Zusammenhängen von Wertreihen
und Identifikation von starken
Regeln, z.B. zwischen Event- und
Signalwerten wie Temperatur,
Motorendrehzahl, Öldruck
Labeling und Einordnung neuer
Datensätze in vordefinierte
Kategorien anhand von bisherigen
Einschätzungen:
z.B. Fehlerbereiche
Prognosen von Zielvariablen
basierend auf einer Anzahl von
Kriterien
z.B. Maschinen-Konfigurationen bei
häufigeren Ausfällen
X
Y
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 18
Predictive Analytics am Beispiel 2/2
2. Prädiktive Methoden
Clustering Ausreisseranalyse (Zeitreihen) Prognosen
Einordnung und Labeling von
Datensätze in bisher unbekannte
Gruppen anhand ihrer Ähnlichkeit
z.B. ähnliche Maschinenzustände
erkennen
Aufdecken von Anomalien in Daten,
welche typischerweise technische
Defekte oder Fehler im geprüften
Objekt sein können,
z.B. extreme Temperaturen (-500°)
Voraussage von zukünftigen
Ereignissen auf Basis der
Vergangenheit und
ausschlaggebenden Kriterien
z.B. Sensordaten im Dauerbetrieb
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 19
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 20
Landschaft Predictive Analytics
3. Technologien
Quelle: http://bimonitor.wordpress.com (2016)
Behalten Sie noch den
Durch lick?
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 21
Metriken von Predictive Analytics & Maintenance Technologien
3. Technologien
BIGDATA
Plattformen
Predictive
Enterprise
Plattformen
Predictive
Maintenance
Plattformen
Predictive
Algorithmik
Workflow &
Data Mining
Tools
Integration
Flexibilität
Initiale
Kosten
Initialer
Aufwand
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22
IBM – Die Welt des Cognitive Computing
3. Technologien
Toolauswahl:
IBM SPSS Modeler
IBM SPSS Statistics
IBM PMQ
IBM WATSON
…
PMQ
IBM baut neben dem klassischen SPSS auf
Cognitive Cloud Computing mit IBM
Watson für fast alle IT Bereiche.
Quelle: ibm.com
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 23
SAS – Die Marktführer bei vielen Branchen
3. Technologien
SAS führt mit 40 Jahren Erfahrung
das Predictive Analytics Feld an und
eignet sich besonders gut für große,
bereichsübergreifende Lösungen.
MHP Ansprechpartner
Dr. Ramin Norousi
Quelle: sas.com
Modify 3
Sample 1
Explore 2
Model 4
Assess 5
Toolauswahl:
SAS EnterpriseMiner
SAS EnterpriseGuide
SAS Contextual Analysis
SAS Analytics for IoT
…
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 24
SAP integriert Predictive Analytics
in bestehende SAP Lösungen
und baut IoT Plattformen aus.
SAP – Unterstützung bei der Digitalen Transformation
3. Technologien
Quelle: sap.com
Toolauswahl:
SAP Predictive Analytics
SAP HANA PAL
SAP IoT
…
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 25
Microsoft – Starke Ambitionen in Advanced Analytics
3. Technologien
Die Kombination von Microsoft Azure ML,
Excel Data Mining in SharePoint oder SQL
Servern mit PowerApps bietet einen
einfachen Einstieg in Predictive.
Quellen: Microsoft.de
Toolauswahl:
Excel mit Data Mining Tools
SQL Server 2016
Azure Cloud & ML
PowerApps & BI
…
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 26
KNIME und rapidminer – freies Data Mining
3. Technologien
KNIME und rapidminer ermöglichen Data
Mining mit visuellem Workflow mittels
vielen Algorithmen der Open Source
Community.
Quellen: knime.org, rapidminer.com
Toolauswahl:
KNIME
rapidminer
…
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27
Statistiksprache R & Shiny – Die aktuellsten Algorithmen
3. Technologien
Die statistische Programmiersprache R
bietet die größte Flexibilität und die
neusten wissenschaftlichen
prädiktiven Algorithmen.
Quellen: R-Project.org, R Studio
Toolauswahl:
R
R Studio
Shiny
Integration in alle
vorherigen Plattformen
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 28
Maschinelles Lernen: Deep Learning für Bild-Mustererkennung &Texte (NLP)
3. Technologien
Zunahme der Datenmengen
Selektion der Kriterien schwieriger
Größere Rechenkapazität verfügbar
Betrachtung unstrukturierter Daten
Fortgeschrittene Entwicklungen im Bereich
Deep Learning
Deep Learning für Objekterkennung:
Deep Neuronal Networks
Convolutional Neuronal Networks
Quellen: Spark Mllib, scikit-learn.org, TensorFlow, Numenta
Toolauswahl:
Spark MLlib
TensorFlow
Python scikit-learn
Numenta NuPic
…
Bild: Saulius Garalevicius
Bild: Alisneaky
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 29
Forrester.com
Abhängig von Fragestellungen und Datenbasis passende Tools evaluieren
3. Technologien
Evaluation der Analyse Tools und
Plattformen abhängig von jeweiligen
Analyse-Zielen und Rahmenbedingungen
Das Ziel bestimmt die Tools
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 30
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 31
Data Mining und Wissens-Exploration
4. Integration in die Organisation
Deskriptive Analytik
Prädiktive Analytik
Operationalisierung
Explorative Analytik
Deployment 6
Data
Preparation
3
Business
Understanding 1 2
Modeling 4
Evaluation 5
Data
Understanding
Date
nin
teg
rati
on
/ B
IGD
ATA
Pla
ttfo
rm
Vis
ualisi
eru
ng
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 32
Data Science Toolbox, IT-Architekten, Datenintegratoren, Data Scientists
4. Integration in die Organisation
Wissensbereiche
Data Science
Prozess
CRISP-DM
ETL und MDP
KDD / SEMMA
Design Thinking
Prozesserfahrung
Prozesse im Unternehmen
Datenverständnis, z.B.
zum Automotive Fahrzeugdatenbus
Fachliche Expertise
Artikel im CIO magazin von Alf Porzig vom 26.10.2016
Erkenntnisse & Trends
Predictive Analytics
Mustererkennung
Machine Learning
Mathematik
Algorithmik
BIGDATA
DATA
SCIENCE
BEI MHP
Key Performance
Indexes im BI Umfeld
…
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 33
Mögliches Vorgehensmodell
4. Integration in die Organisation
SCRUM / Kanban
z.B. mit Redmine/JIRA
Durch agiles Projektmanagement zu einer flexiblen und schnellen Lösung kommen
Identifikation Use Cases 1a
Datengetriebe Analysen 1b
Jump start @ BIGDATA Lab 2a Spezialtrainings 3
Knowledge Exchange 2b
Technologie-Einsatz
& Evaluation
Operationalisierung
BIGDATA IT-Architektur
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 34
Autonome Autos
Ausblick wohin die analytische Reise geht
4. Integration in die Organisation
BIGDATA
Data Mining
Datenintegration
Digitale Strategie
Einfluss auf das Geschäft?
Warum passiert etwas?
Was passiert, wenn… ?
Predictive
Analytics
+ Neurowissenschaften
+ Semantik & Optimierung Quellen: Spark MLlib, TensorFlow, Pixabay.de
Agenda
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 35
1. Warum Predictive Analytics?
2. Prädiktive Methoden
3. Technologien
4. Integration in die Organisation
5. Fazit
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 36
Warum?
Transformation der Analytics Welt - Mehrwert durch tiefgehende Statistik
5. Fazit
Zeit für neue Erkenntnisse Quellen: siehe u.a. letzte Seite
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 37
Ihr Ansprechpartner
MHPBoxenstopp: Tools & Techniken bei Predictive Analytics
Claudio Weck
Leiter Competence Center Predictive Analytics
SU BI & BIGDATA
Mobil: +49 151 4066 7937
E-Mail: [email protected]
© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 38
MHPBoxenstopp
Prozesstransparenz
durch Process Mining
MHPBoxenstopp
Global VAT
Management
MHPTimetable 2016
Weitere Infos
www.mhp.com/
events
Mit nur einem “Klick” zur MHPBoxenstopp Anmeldung
Haben Sie einen MHPBoxenstopp verpasst? Kein Problem - in unserem MHP YouTube-Channel und auf unserem SlideShare
Profil finden Sie alle vergangenen Websessions:
Mitschnitte und Videos im Channel: Präsentationsunterlagen:
http://www.youtube.com/MHPProzesslieferant http://de.slideshare.net/MHPInsights
MHPBoxenstopp
Umsteigen nach
HANA!
11-12 Uhr | 15.11.16 11-12 Uhr | 22.11.16 11-12 Uhr | 29.11.16
Bildquellen:
Porsche.de, MHP.com, Flaticon.com, Audi.de
Pixabay.de, icons8.com, Mercedes-amg.com,
fererro.de, bosch.de, claas.de, continental.de ,
merck.de, daimler.de, VW.de
Logos sind Eigentum der o.g. Unternehmen