Datalab Corporate Presentation (2014 version)

Apresentação Corporativa#BecauseDataMatters

2014 Copyright DataLab/ Confidential Information / Distribution Prohibited

• Mais que uma empresa de TI, uma empresa quetem como meta a qualidade e gestão dosdados.– Parceira da empresa líder de mercado na Europa em Data

Quality (DQ) UNISERV

– Responsável pela adaptação das ferramentas da Uniservpara Portugal com excelentes resultados

– Parceira da empresa líder em Reference & Master DataManagement (RDM/MDM) ORCHESTRA NETWORKS

– Parceira da empresa líder e pioneira em Data Masking(ILM) CAMOUFLAGE

DataLab… quem somos?


1969 1999 2002 2009

Quando nascemos?


• Pela execução, provamos o nosso expertise úniconas áreas em que actuamos

• Somos pioneiros, ao trazer para Portugal arepresentação das tecnologias líderes:

• Ajudamos os nossos Clientes e Parceiros colocandoo nosso know-how à disposição destes

DataLab… o que fazemos?


Os nossos Clientes


O que dizem os nossos Clientes

"Com as ferramentas da Uniserv conseguimos maximizar a qualidade das nossas moradas, aumentando a confiança dos nossos utilizadores.“

Rui Martins, Director Adjunto do Departamento de Sistemas de Informação da Multicare

"Como empresa global que somos, encontrámos na Uniserv o parceiro ideal para a qualidade de dados com uma cobertura global.“

Mário Jordão Alves, IT Director na Redcats Portugal (La Redoute)


Porque é a Data Quality importante?

"in a December 2012 survey The Information Difference found that

80% of survey respondents felt that data quality was of “key importance” to big data

initiatives.“"The Data Quality Landscape - Q1 2013"

publicado pelo “The Information Difference”

"Quality Data Takes More Than a Quick Technology Fix (...) the ability to

communicate the value of data qualityand then implementing technology solutions was the prime process for

improved data quality overall. “Eric Lundquist

(editor in chief at PC WEEK)

"Social Data Quality Will Take Back Seat to Data Relevance“James Kobielus (serves as IBM’s big data evangelist)

"Data quality is a challenge senior executives are often aware of, but fail to do anything about. Getting the message across to business is becoming

increasingly important, as the value of data grows and the cost of poor quality data begins to mount. A low data error rate of less than 5% can

add nearly 30% to hidden and non-value-adding costs. (…)“Gary Alleman (IT Web)


Data Quality & Customer Data Hub [DQ]

Qualidade de Dados


Quais os problemas mais comuns em DQ?

Será a mesma pessoa?

ID 113

Cristina Isabel Cardoso Pinto

Morada:

Nome:

Localidade:

Rua dos Pinheiros, Lote 7, Bloco B, 3.Esq

Lisboa

ID 76

Cristina Pinto

Morada:

Nome:

Localidade:

Rua dos Pinheiros, 7, B, 3 E

Lisboa

ID 986

Kris I C Pinto

Morada:

Nome:

Localidade:

R. Pinhheiros, Lt 7, Blc B, 33.Esq

Lisvoa

Identificar Duplicados

Web site

CRM

Call center



Pode não parecer, mas é o mesmo nome!

Resolver IdentidadesSistema 1

Nome José Pereira Silva

Sistema 2

Nome 何塞·佩雷拉·席尔瓦

Sistema 3

Nome ジョゼ·ペレイラ·シルヴァ

Sistema 4

Nome Хосе Сильва Перейра



Validar/Normalizar Moradas

Transformar em

Dados do utilizador

Morada: Estr juse Aveleno Tinto I imp 3, 9300 Camera de Lovos

Componentes da morada

1º Impasse da Estrada José Avelino Pinto 3

Código postal:

Morada:

Localidade:

9300-326

Câmara de Lobos

Ilha da Madeira

Concelho:

Distrito:

Freguesia:

Câmara de Lobos

Câmara de Lobos

Coordenadas geográficas:

Código Distrito/Concelho/Freguesia:

32.661026,-16.991668

310201

Co

nte

úd

os

loca

is p

ara

23

paí

ses



Validar/Normalizar Moradas

Componentes da morada

Rua Joshua Benoliel 6

Código postal:

Morada:

Localidade:

1250-133

Lisboa

Lisboa

Concelho:

Distrito:

Freguesia:

Lisboa

Campo de Ourique (antes era Sta.Isabel)

Coordenadas geográficas:

Código Distrito/Concelho/Freguesia:

38.720911,-9.161683

110659

Transformar em

Dados do utilizador

Morada: R Jojua Benolel 6 1000 Lisvoa

Co

nte

úd

os

glo

bai

s p

ara

24

0 p

aíse

s


O nosso parceiro tecnológico… em DQ

"Finding a good business partner may seem hard, but finding your rhythm with your business partner is even harder. I work with the founders of DataLab for over fourteen

years now, and what I can say, is that it was very easy to find our rhythm. Together, Uniserv and DataLab have built a very successful long-term relationship that will

continue to prosper for many years.“Ulrich Sohn, International Sales Director na Uniserv GmbH

A Uniserv possui um portfólio desoluções de software e serviçosverdadeiramente internacionais paragestão de dados e, através da suavisão GloCal (“Pensar global, agirlocal”) é líder nos países onde temrepresentação.


O nosso parceiro tecnológico… em DQ

Entre os seus clientes estão inúmerasempresas de renome nas maisdiversas industrias em todo o mundo,como Allianz, Amazon, Axa France,BMW, Dell, Deutsche Bank, eBay,EDEKA, E.ON, France Telecom,Johnson & Johnson, Lufthansa, OTTO,Siemens, Swisscom e Time Warner,bem como TUI, Volkswagen e YvesRocher.

CHALLENGERS LEADERS

VISIONARIESNICHE PLAYERS

Source: Gartner (October 2013)

Informatica

IBM

SAS (DataFlux)

SAP

Trillium

Oracle

Pitney Bowes

Human Inference

Talend Information Builders

Ataccama

X88 Software

Innovative SystemsRedPoint

Datactics

DataMentors

UNISERV

Gartner Magic Quadrant for Data Quality Tools


Porque Portugal é diferente do resto do mundo…

#1 em Portugal

+15 Clientes

+1.500 utilizadores licenciados

+15.000 utilizadores a aceder em RT

MARKET STRENGTH

TEC

HN

OLO

GY

Informatica

IBM

SAS (DataFlux)SAP

Trillium

Oracle

UNISERV

Tamanho das bolhas representa o nº de Clientes activos

Portugal Data Quality Landscape


Como abordamos o tema DQ?

Analyze

- Data profiling- Exame de dados- Análise de qualidade de

dados

Cleanse

- Migração e consolidação de dados

- Limpeza de dados- Correspondência de dados

Governance- Conformidade- Monitorização e observação:

- Regras de negócio- Legislação prevalente

- Supervisão constante da qualidadede dados, p.e. ao mudar de endereço

Protect

- Protecção durante a inserção de dados pelo utilizador

- Intervenção do utilizador emcaso de ambiguidade

Ciclo

Qualidade

Dados


Soluções Plug&play para os principais CRM

Outros em desenvolvimento em parceria com empresas portuguesas na área do Software


Soluções Plug&play para os principais CRM

Exemplo

#1. Morada pesquisada

#2. Morada normalizada

#3. Potencial duplicado

#4. Resultado

Final

2014 Copyright DataLab/ Confidential Information / Distribution Prohibited 19

Referências internacionais

Insurance Banks Publishers Mail Order

Marketing

Service

Providers

Trade &

Industry

Allianz

Alte Leipziger

ARAG

AXA

Debeka

DEVK

Direct Line

Ergo Direct

Generali

HDI-Gerling

Helvetia

HUK-Coburg

ING DiBA

R+V

VHV

W&W

WWK

Zürich Agrippina

Bank of America

Bausparkasse Mainz

Commerzbank

Crédit Agricole

Deka

Investmentfonds

Deutsche Bank

Deutsche Börse

Finanz Informatik

KfW Bankengruppe

Landesbanken

Norisbank

Raiffeisen

SEB

UBS

Volkswagen

Financial Services

ADAC

Berliner Verlag

Burda

Cornelsen

Forum Verlag

Gruner+Jahr

Haufe

Reader‘s Digest

Amazon

Josef Witt

La Redoute

Neckermann.de

OTTO

Printus

Pro Idee

Versandhaus Walz

Yves Rocher

3 Pagen

Acxiom Deutschland

Consodata

defacto

IMS Health

MEILLERGHP

Mohnmedia

Prisma Direct

Schober Information

Group

BMW

Bruker Physik

Coop

Dell

dm

EnBW

FC Bayern München

Heineken

Henkel

MAN

Media Markt

Philip Morris

Peugeot Citroen

Pneuhage

Raab Karcher

Thyssen Krupp

Volvo

Vorwerk

Westfalia

€§


O que vem a seguir à Qualidade de Dados?

"As well as increasing in scope, data quality has started to be subsumed within broader data management initiatives.

Master Data Management projects have data quality as a major component; indeed an Information Difference

survey showed that master data projects consume on average 30% of their budget on issues related to data quality.“

retirado do documento "The Data Quality Landscape - Q1 2013" publicado pelo “The Information Difference”


Reference & Master Data Management [MDM]

Gestão de dados de Referência ou Mestre


O que é então Master Data?

António Silva comprou um televisor “Samsung X”no dia 24 de Dezembro de 2014 por 799,00€

ID: 123Nome: António Silva

ID: 12345Nome: Samsung XTipo: Televisor

Cliente

Produto

ID: 456Cliente: 123Produto: 12345Data: 24-12-2014Qt: 1Preço: 799,00€

ID: 778899Cliente: 123Produto: 12345Compra: 456Data: 25-12-2014Preço: 799,00€Iva: 183,77€

Compra

Factura

Master Data Transactional Data


A nossa visão para o MDM

Master DataThingsProducts

Services, Pricing

Physical assets,Real Estate

ReferenceData

Geographies,Regions

OrganizationalStructures

FinancialHierarchies

Codifications

Master DataParties

People,Employees

Clients,Suppliers

Uma abordagem de multi-domínios permite gerir qualquer tipo de dados mestre e/ou referência, bem como as relações entre os dados


O que dizem os analistas sobre este tema?

• O único fornecedor de MDM posicionado em ambos osQuadrantes Mágicos da Gartner com o mesmo software.– Quadrantes Mágicos Gartner para MDM de dados de Produto e

dados de Cliente

• O único fornecedor de MDM considerado «Bom» pelaGartner nas áreas Financeira, Clientes e Produtos com o mesmo software.– Uma visão da experiência dos fornecedores de MDM em

múltiplos domínios de Master Data

• A Michelin, cliente da Orchestra Networks, venceu o Prémiode Excelência Gartner MDM EMEA em 2013


Qual a opinião dos analistas?

• Fornecedor líder na área de gestão de dados mestre e dados de referência

• Fornecedor independente

– Fundado em 2000

– Privado, com crescimento de lucro e receita consistente

– Gerido pelos co-fundadoresdesde há 13 anos

Source: Bloor (Agosto 2013)

Kalido

Champions

Bloor Market Overview

Orchestra Networks

InformaticaIBM

SAS

SAP

Oracle

Software AG

Stibo

Teradata

Riversand

VisionWare


Como é o panorama nesta área?

• Classificado como #1 entre 34 fornecedores de tecnologiaMDM pela “The Information Difference” pelo segundo anoconsecutivo

• Reconhecido como líder em RDM pelo “MDM Institute”

MARKET STRENGTH

TEC

HN

OLO

GY

Informatica

Tamanho das bolhas representa o nº de Clientes globais

Master Data Management Landscape

IBM

Oracle

SAP

StiboSoftware

AG

Orchestra

Networks

Riversand

Kalido

Vision

Ware

Teradata

SAS


…e em 2014 já avaliaram o mercado

Source: The Information Difference (May 2014)


Quais os desafios mais comuns do MDM?

• Visões inconsistentes dos dados utilizados por diferentes

aplicações conduzem a incorretas e inconsistentes métricas de

negócio

• Múltiplas fontes para a mesma classe de dados podem causar

confusões e representações inconsistentes dos dados de referência -

múltiplas visões/versões da “verdade”

• Pobre entendimento das fontes dos dados leva a que múltiplos

sistemas atuem como dados de referência e mestre ou como pontos

de distribuição, aumentando a complexidade e diminuindo a

consistência

• A ausência de governo de dados para os dados de referência e

dados mestre significa que não há ownership

• Fluxos de dados complexos e pouco entendimento sobre as suas

dependências


BenefíciosAlta reutilização de dados

Uso de "verdadeiras" ferramentas de MDM para a gestão do ciclo de vida dos dados de referência

Redução do investimento emsoluções de hardwarepersonalizadas

Roteamento transparente egarantia de acesso aos dados

Semântica consistente

Estrutura de gestão de dados consistente

Impacto NegócioEliminar o risco de Interpretação

Altos níveis de automatização no suporte a criação, administração egoverno de dados

Consistente e intuitiva experiência para o utilizador

Redução de Custos

Aumento da qualidade dos dados

Dados Integrados

Investimento de TI flexível

MDM, Benefícios e impactos no negócio


Insurance

Banking

Manufacturing, CPG, Retail

Engineering & Construction



Pharma & Cosmetics

Media & Entertainment

Services & Public Sector

Logistics & Transportation

Retail



Depois de garantirmos a Qualidade dos Dados? Que fazer quanto à sua segurança?

"A study found that (…) 2012 was a record-breaking year when it came to the number of reported data loss incidents. (…) Despite increased vigilance by

organizations, data loss is a very real threat to a company’s reputation (…). The financial repercussions of this type of data loss are extremely high. Current

approaches to data protection such as firewalls, encryption and passwords fail to sufficiently lock down data. “

retirado do documento "A Beginner’s Guide to Data Masking"

“Data masking should be mandatory for enterprises using copies of sensitive production data for application development, analytics or training“

retirado do documento “Gartner Magic Quadrant for Data Masking Technology Report”

“Data breaches 9% more costly in 2013 than year before. It cost US companies hit by data breaches last year an average of $5.4 million to cope with

the after-effects up 9 percent from the year before (…) On average, it cost $201 per record lost, up from the $188 the year before (…)“

retirado do estudo apresentado em Maio de 2014 feito pelo Ponemon's Institute "2014 Cost of Data Breach Study: United States"


Data Masking [ILM]

Mascaramento e Subconjuntos de Dados


O que é afinal o Data Masking?

• Desidentificar, anonimizar ou ofuscar os dados

• Quem desenvolve necessita de aceder a dados realistaspara realizar seu trabalho

• O Data Masking permite ainda aos developers aceder a bases de dados seguras, sem expor informações confidenciais

Dados Originais

ID SSN DoB Salary

1 123-456-789 12-12-1975 €35.0002 456-789-123 01-01-1970 €20.0003 789-123-456 10-07-1985 €30.000

Base de Dados de Produção

Dados Mascarados

ID SSN DoB Salary

1 123-456-456 01-01-1970 €31.5002 456-789-789 12-12-1975 €18.0003 789-123-123 12-12-1975 €27.000

Dados realistas

Base de Dados de Qualidade ou Desenvolvimento


O nosso parceiro… em Data Masking

"This partnership with DataLab enhances our capabilities in delivering data masking solutions to new clients in Portugal, and some PALOP countries as well. We are

committed to providing data privacy solutions with leading global IT solutions and service partners, and we are excited to be working with DataLab and continuing to

expand our presence internationally.“Kevin Duggan, CEO na Camouflage

Inovador e criativo

– Pioneira ao identificar estanecessidade de segurança dos dados empresariais em 2002 e que batizaramde “Data Masking”

Reconhecido e respeitado

– Primeira versão comercial do produtoem 2004, sendo um dos primeirossoftware desta área no mercado

– Considerado pela Gartner como“founding fathers of data masking”


Data Masking – Visão da Gartner

Reconhecimento no mercado por:

• Reputação do produto

• Nível de suporte

• Razoabilidade do preço

• Facilidade de uso e flexibilidade da solução

• Vontade e capacidade para adaptar e ajustar a solução às necessidades do Cliente

CHALLENGERS LEADERS

VISIONARIESNICHE PLAYERS

Source: Gartner (December 2013)

Informatica

IBM

Oracle

Grid-Tools

Voltage Security

Dataguise

Axis Technology

Mentis

Epi-UseNet 2000

CAMOUFLAGE

Gartner Magic Quadrant for Data Masking Tools

Compuware

Solix Tech

Privacy Analytics

GreenSQL


Data Masking – Visão da Bloor

FUNCTIONALITY

BU

SIN

ESS

VA

LUE

Informatica

Tamanho das bolhas representa a presença no mercado global

Bloor Research – Market report (2013)

Cor verde representa “Dynamic Data Masking”

Cor laranja representa “Static Data Masking”

IBM

IBM

Informatica

Others

Grid-Tools

CAMOUFLAGE

Grid-ToolsCAMOUFLAGE

Mentis

• Facilidade de implementação– Solução única, utilização intuitiva e

facilidade de implanter;

• Funcionalidades abrangentes– Solução madura, estável e rica em

funcionalidades,

• Metodologia de boas práticas– Especialistas em data masking com

experiência comprovada

• Ecosistema e Suporte– Desenvolvido com base em open

standards– Agnóstico em relação às bases de

dados


Como abordamos o tema Data Masking?

Discover Mask SubsetDatabase Unity

Framework

Descobre qual a

informação

sensível de uma

forma

automática

Mascara a

informação

sensível e fornece

dados realistas

para testes

Cria cópias

reduzidas das

bases de dados

Permite o

mascaramento

consistente entre

bases de dados ao

longo do tempo


Quais os benefícios do Data Masking?

• Remoção de dados sensíveis

• Criação de dados realistas e úteis

• Atender aos requisitos de conformidade regulamentar

• Proteção contra ataques em ambientes de não-produção

• Garantia de que o mascaramento no nível do aplicativo complementa o mascaramento no nível empresarial

2014 Copyright DataLab/ Confidential Information / Distribution Prohibited40



Em resumo… as soluções que o vão ajudar!

DataLab…somos a sua referência nestas áreas:

Reference andMaster Data Management

Data Masking& Subsetting

Data Quality& Customer

Data Hub

BECAUSE DATA MATTERSObrigado

Carlos Guerreiro | Chief Operations Officer

e: [email protected]

t: +351 91 765 11 99

Datalab Corporate Presentation (2014 version)

Technology

Transcript of Datalab Corporate Presentation (2014 version)