Data-Driven Systems - Overview Presentation at InES Symposium 2013
-
Upload
alexander-maedche -
Category
Technology
-
view
313 -
download
2
description
Transcript of Data-Driven Systems - Overview Presentation at InES Symposium 2013
Data-Driven Systems: State-of-the-Art in Wissenschaft und Praxis
Prof. Dr. Heiner Stuckenschmidt und Prof. Dr. Alexander Mädche
InES Symposium, Mannheim, 31. Oktober 2013
Agenda
2
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
Viele neue technologische Potenziale im Datenumfeld
3
Big Data
Data M
iningData Quality
Mas
ter
Dat
a M
anag
emen
t
Linked Open Data
Data Governance
Data Warehouse
Data Mart
Data Management
Semantic Data
Data Integration
Metadata
Data Integrity
Data Acquisition
… und Managementkonzepte im Unternehmenskontext
4
Gesellschaft
Organisation
Informationstechnologie
Was ist ein „Data-Driven System“?
• Informationssysteme sind sozio-
technische Systeme, welche aus
den Elementen IT, Mensch und
Organisation bzw. Gesellschaft
bestehen.
• Durch die fortschreitende
Digitalisierung werden heute mehr
Daten denn je erzeugt und stehen
zur weiteren Verarbeitung zur
Verfügung.
5
Daten
Mensch
In datengetriebenen Informationssystemen sind Daten „First-Class Citizen“, sie werden als strategisches und wertschöpfendes Gut betrachtet.
Agenda
6
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
Daten, Informationen, Wissen
7
Daten
Wissen
InformationenKontext
Interpretation
Gemessener Wert: 7°C
Das Produkt ist zu warm geworden!
Wir haben ein ProblemIn der Lagerhaltung!
Integration
Analyse
Extraktion
Unterstützende
Infrastrukturen
Lebenszyklus zur Transformation von Daten in Wissen
Extraktion
ETL (Extract-Transform-Load) Prozess bei strukturierten Daten
Informationsextraktions-Prozess bei unstrukturierten Daten
9
Informationsextraktion aus unstrukturierten Daten
10
Anwendungsbeispiel: Lead Generation
Identifikation potentieller Kunden
über deren Web-Auftritt:
• Schlagworte
• Webseiten tatsächlicher
Kunden
Validierung benötigt Daten aus der
Webseite:
• Größe des Unternehmens
• Produkte, Dienstleistungen,…
Beispiel: wäre diese Klinik ein
Kunde für ein MRT?
11
Anwendungsbeispiel: Lead Generation
Identifikation von Ansprechpartnern
Extraktion von Kontaktinformationen:
• Name, Vorname, Titel
• Email, Telefon
• Position, Kompetenzen
Beispiel:
Wer ist Ansprechpartner für
Netzwerksicherheit?
12
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
Datenintegration
14
Heterogene Applikationssysteme
Benutzer
Legacy
ERP
CRM
Excel-Sheet Master
Data
Datenintegration ist die Herstellung einer einheitlichen und konsistenten Sicht auf vorhandene Daten.
Anwendungsbeispiel: Produktdatenmanagement
Zulieferer Kunden
Vom Datenblatt zum Modell
17
Definition von Mapping-Regeln
18
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
Was tun mit all den Daten?
Verfügbarkeit von Informationen reicht
nicht, man muss die richtigen
Schlüsse daraus ziehen!
Erst die Interpretation der Daten führt zu
direktem Nutzen:
• Erkennen von Mustern und
Zusammenhängen
• Analyse und Vorhersage der
Entwicklung
• Identifikation von Abweichungen und
Trends
20
Data Mining
Anwendungsbeispiel: Kundensonderwünsche
• Extrem Variantenreiche Produkte:
z.B. Stadt- und Reisebusse
• Sonderwünsche von Kunden
verursachen erheblichen Aufwand in
Planung und Konstruktion
• Ziel: häufig gewünschte
Sonderausstattung zu
Standardvarianten machen
22
Anwendungsbeispiel: Kundensonderwünsche
Datenbasis:
> 0.5 Mio Freitextbeschreibungen von
Sonderwünschen für unterschiedliche
Produkte, nur zum Teil Baugruppen
zugeordnet.
Fragestellung:
Welche Sonderwünsche sollten
standardisiert werden?
23
Anwendungsbeispiel: Kundensonderwünsche
24
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
Big Data Werkzeuge
26
Multilinguale Wissensbasis auf der Basis von Wikipedia
Englische Version enthält Beschreibungen für
• 4.0 Mio Dinge
• 3.22 Mio sind typisiert, davon
• 832,000 Personen
• 639,000 Orte
• 372,000 Produkte
• 209,000 Organisationen
Wissensressourcen – Beispiel DBpedia
Agenda
28
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
Daten als Basis für “Intelligent Business Operations”
29
Wertgenerierung mit Daten: Das Beispiel Deutsche Bahn
30
Model for Optimization Real-Time Events & Mobile DeliveryModel of Reality
Forschungsprojekt „Process Visibility“
31
Forschungsprojekt „Process Visibility“
32
SAP Operational Process Intelligence powered by HANA
• Which process characteristics determine high visibility requirements?• Which capabilities are needed to deal with high visibility requirements of processes?
Enhanced visibility for processes
Exemplarische Kundenanfrage: Konto ist gesperrt
Kunden erstellt Anfrage über mobile Anwendung, es wird eine
Abschätzung der Bearbeitungszeit angegeben.
Kunden erhält kontinuierliche Information über den Status des Prozesse
sowie über etwaige Verzögerungen bei der Problemlösung.
Request Entry Request Update Request Update
33
„Process Visibility” im Privatkundengeschäft von Banken
Agenda
34
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
Zusammenfassung
35
• In datengetriebenen Systemen werden Daten als strategisches und wertschöpfendes Gut betrachtet.1
• Eine Vielzahl von Technologien zur intelligenten Verarbeitung von Daten stehen heute zur Verfügung.2
• Durch die Einbettung dieser Technologien in betriebliche Abläufe können Unternehmen ihre Geschäftsprozesse intelligenter machen.3
Danke für Ihre Aufmerksamkeit!
36
Prof. Dr. Alexander MädcheUniversity of Mannheim | Business School Institute for Enterprise Systems (InES)L 15, 1-6 | 4th floor | 68131 Mannheim | Germany
Phone +49 621 181-3606 | Fax +49 621 181-3627
[email protected] http://eris.bwl.uni-mannheim.de http://ines.uni-mannheim.de
Prof. Dr. Heiner StuckenschmidtUniversity of Mannheim | School of Business Informatics and MathematicsInstitute for Enterprise Systems (InES)B6, 26 | Room B 1.20 | 68131 Mannheim | Germany
Phone +49 621 181-2530
[email protected] http://dws.informatik.uni-mannheim.dehttp://ines.uni-mannheim.de