data-driven systems - overview presentation at ines symposium 2013
DESCRIPTION
Overview Presentation at InES Symposium 2013 http://www.institute-for-enterprise-systems.de/ines-symposium-2013.htmlTRANSCRIPT
![Page 1: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/1.jpg)
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
![Page 2: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/2.jpg)
Agenda
2
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
![Page 3: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/3.jpg)
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
![Page 4: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/4.jpg)
… und Managementkonzepte im Unternehmenskontext
4
![Page 5: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/5.jpg)
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.
![Page 6: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/6.jpg)
Agenda
6
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
![Page 7: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/7.jpg)
Daten, Informationen, Wissen
7
Daten
Wissen
InformationenKontext
Interpretation
Gemessener Wert: 7°C
Das Produkt ist zu warm geworden!
Wir haben ein ProblemIn der Lagerhaltung!
![Page 8: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/8.jpg)
Integration
Analyse
Extraktion
Unterstützende
Infrastrukturen
Lebenszyklus zur Transformation von Daten in Wissen
![Page 9: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/9.jpg)
Extraktion
ETL (Extract-Transform-Load) Prozess bei strukturierten Daten
Informationsextraktions-Prozess bei unstrukturierten Daten
9
![Page 10: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/10.jpg)
Informationsextraktion aus unstrukturierten Daten
10
![Page 11: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/11.jpg)
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
![Page 12: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/12.jpg)
Anwendungsbeispiel: Lead Generation
Identifikation von Ansprechpartnern
Extraktion von Kontaktinformationen:
• Name, Vorname, Titel
• Email, Telefon
• Position, Kompetenzen
Beispiel:
Wer ist Ansprechpartner für
Netzwerksicherheit?
12
![Page 13: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/13.jpg)
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
![Page 14: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/14.jpg)
Datenintegration
14
Heterogene Applikationssysteme
Benutzer
Legacy
ERP
CRM
Excel-Sheet Master
Data
Datenintegration ist die Herstellung einer einheitlichen und konsistenten Sicht auf vorhandene Daten.
![Page 15: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/15.jpg)
Anwendungsbeispiel: Produktdatenmanagement
Zulieferer Kunden
![Page 16: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/16.jpg)
Vom Datenblatt zum Modell
17
![Page 17: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/17.jpg)
Definition von Mapping-Regeln
18
![Page 18: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/18.jpg)
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
![Page 19: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/19.jpg)
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
![Page 20: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/20.jpg)
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
![Page 21: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/21.jpg)
Anwendungsbeispiel: Kundensonderwünsche
Datenbasis:
> 0.5 Mio Freitextbeschreibungen von
Sonderwünschen für unterschiedliche
Produkte, nur zum Teil Baugruppen
zugeordnet.
Fragestellung:
Welche Sonderwünsche sollten
standardisiert werden?
23
![Page 22: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/22.jpg)
Anwendungsbeispiel: Kundensonderwünsche
24
![Page 23: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/23.jpg)
Integration
Analyse
Extraktion
Lebenszyklus zur Transformation von Daten in WissenU
nterstützendeInfrastruktur
![Page 24: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/24.jpg)
Big Data Werkzeuge
26
![Page 25: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/25.jpg)
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
![Page 26: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/26.jpg)
Agenda
28
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
![Page 27: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/27.jpg)
Daten als Basis für “Intelligent Business Operations”
29
![Page 28: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/28.jpg)
Wertgenerierung mit Daten: Das Beispiel Deutsche Bahn
30
Model for Optimization Real-Time Events & Mobile DeliveryModel of Reality
![Page 29: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/29.jpg)
Forschungsprojekt „Process Visibility“
31
![Page 30: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/30.jpg)
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
![Page 31: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/31.jpg)
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
![Page 32: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/32.jpg)
Agenda
34
Agenda
1 Einführung
2 Technologien zur Extraktion, Integration und Analyse von Daten
3 Intelligente Geschäftsprozesse
4 Zusammenfassung
![Page 33: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/33.jpg)
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
![Page 34: Data-Driven Systems - Overview Presentation at InES Symposium 2013](https://reader036.vdocuments.mx/reader036/viewer/2022062614/546af39daf795920668b658f/html5/thumbnails/34.jpg)
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