Big Data Technologien &...
Transcript of Big Data Technologien &...
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
PREDICTIVE ANALYTICS & BIG DATA
DR. THOMAS KEIL, SAS
DGI PRAXISTAGE, FRANKFURT, 11.11.2016
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
WAS PASSIERT 2016 IN EINER INTERNET MINUTE?BIG DATA
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
BIG DATA BELIEBTESTE APPS
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
Internet der Dinge
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
BITKOM DEFINITIONBIG DATA
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
Proaktive AnalyticsDeskriptive Analytics
ANALYTICS
Was ist passiert?
Standard
-berichteWie häufig, wann und wo ist es passiert?
Ad hoc
reportsWie lässt sich das Problem eingrenzen?
Drill
downWelche Maßnahmen sind nötig?
Alarme
Warum passiert dies?Statistische
Analyse
Was, wenn Trends fortbestehen? Forecasts
Was wird als Nächstes passieren?Predictive
Modelling
Was wäre das Beste, das passieren könnte?
Optimierung
Wet
tbew
erb
svo
rtei
l
Analytischer Reifegrad
1
2
3
4
5
6
7
8
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?
• 0, 1, 2, 3, 4, …
• 0, 1, 1, 2, 3, 5, 8, 13, …
5, 6 (Reihe, n+ 1)
21, 34 (Summe der beiden Vorgänger)
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS ZAHLEN BILDEN DIE WIRKLICHKEIT AB
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?
• 0, 1, 2, 3, 4, …
• 0, 1, 1, 2, 3, 5, 8, 13, …
• 1, 2, 4, 8, 16, …
• 1, 2, 4, 8, 16, …
5, 6 (Reihe, n + 1)
21, 34 (Summe der beiden Vorgänger)
32, 64 (2 hoch n)
31, 57 (Kreissegmente)
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS JE MEHR DATEN, DESTO BESSER DAS MODELL
1
1 Punkt
1 Segment2 Punkte
2 Segmente
3 Punkte
4 Segmente
4 Punkte
8 Segmente
5 Punkte
16 Segmente
6 Punkte
31 Segmente
1 2 4 8 16 31
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?
• 0, 1, 2, 3, 4, …
• 0, 1, 1, 2, 3, 5, 8, 13, …
• 1, 2, 4, 8, 16, …
• 1, 2, 4, 8, 16, …
5, 6 (Reihe, n + 1)
21, 34 (Summe der beiden Vorgänger)
32, 64 (2 hoch n)
31, 57 (Kreissegmente)
deterministisch vs. probabilistisch
Kausalität vs. Korrelation
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
ANALYTICS IN DER REALITÄT: KOMPLIZIERTER ;-)
Historical Data
Trend
V
t
worldwide
millions of items
Seasons
V
t
Influences (calender!)
V
t
“noise”
V
t
V
t
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
Eine Milliarde Produkte. Pro Tag – mit 10.000 Marken. Um sicherzustellen, dass
von all diesen Produkten immer die richtige Menge im Handel verfügbar ist, setzt
Nestlé auf Forecasting mit SAS.
NestléSAS References Analytics / BI-Plattform
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
VEREINTE
NATIONENVORHERSAGE VON ARBEITSLOSIGKEIT
ZIEL HERAUSFORDERUNG ERGEBNIS
Veränderungen der Arbeitslosig-
keit vorhersehen, noch bevor
sich diese in den offiziellen
Statistiken niederschlagen
Herausfinden, ob sich aus der
Analyse von Diskussionen in
sozialen Netzwerken hierfür
verlässliche Erkenntnisse
gewinnen lassen
Mehr als 500.000 Blogs, Foren
und Webseiten untersuchen
Inhalte und Stimmungen auto-
matisiert erkennen und ordnen
Relevante Äußerungen
analysieren
Für den Arbeitsmarkt relevante
Zusammenhänge identifizieren
Analyse unstrukturierter Daten
durch Text Mining und Social
Media Analytics
Identifizierung von Frühindikato-
ren, die 3 Monate vorab
zuverlässige Aussagen zur
Arbeitslosigkeit liefern
Stimmungsbarometer für
politische Entscheidungsträger
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
VEREINTE
NATIONENVORHERSAGE VON ARBEITSLOSIGKEIT
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
Beispiel Telekommunikation
Bestehendes Geschäft Neues Geschäft
Neue Daten
Vorhandene
Daten
Wartungsoptimierung von
Sendemasten
Investitionsplan anhand von
Kundenbindungskriterien
Kampagnen gegen Wettbewerb
zum Thema „Netzqualität“
Flutprognosen dank Auswertung
der regenabhängigen
Sendeleistung
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
SAS WORLDWIDE
ofrevenues
0 $
1 $
2 $
3 $
2014200219901978
3.16Billion US$
2015 revenues
23%
Re-investing in R&D
80.000software solutions
installed
in148 countries
14,000
employeesSAS offices
in 59 countries
since 1976
Fortune
Global 500®
91 of the top 100 are
SAS customers.
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
VIELEN DANK FÜR IHRE AUFMERKSAMKEIT!
Dr. Thomas Keil
Manager Field Marketing
SAS Institute GmbH
In der Neckarhelle 162 ▪ 69118 Heidelberg
Tel: + 49 6221 415 1268 ▪ Mobil: + 49 173 6500 790
[email protected] ▪ @DrKeil
www.sas.de