OBJEKTspektrum  JavaSPEKTRUM  Wissen  Konferenzen  Seminare
Predictive &
Advanced Analytics
Sehr geehrte Damen und Herren,
Diskussionen über den Einsatz von Predictive- oder Advanced-Analytics-Lösungen zeigen durchaus ein großes Spannungsfeld mit vielen Ideen und Potenzialen auf. Dennoch ist im Einzelfall rational zu reflektieren, was tatsächlich im Rahmen der Möglichkeiten liegt, was es erfordert, und was intuitiv naheliegend scheint. Mit diesem weiteren Online-Themenspecial wollen wir den realitätsgerechten Austausch zu diesem Thema im TDWI fördern.

Wir hoffen, dass Sie viel Spaß beim Lesen dieser digitalen Ausgabe haben und dabei natürlich neue Erkenntnisse. Schreiben Sie uns doch bitte, wie Ihnen diese Ausgabe und die Ideen von Online Themenspecials gefällt. Genauso freuen wir uns auch auf Ihre Beiträge zu weiteren Themenspecials und erwarten Ihr Feedback, um den Dialog im Verein zu intensivieren.

Ihr
Carsten Felden

Inhaltsverzeichnis
Editorial: Business Intelligence versus Business Analytics: What’s The Difference?
Vorausschauende Datenanalyse als Treiber der Geschäftstätigkeit - Advanced und Predictive Analytics
Verkauft man mit Data-Mining mehr Autos? - Advanced Analytics in der Automobilbranche
Anforderungen an Data Scientists und Data Analysts - Ergebnisse einer Studie - Programmierer oder Statistiker?
Aufbau einer analytischen Pipeline mit Apache Hadoop und XML - Enterprise und Big Data
Rapid Prototoyping und Predictive Analytics - Eine nützliche Kombination
Die konsequente Antwort auf Big Data - Advanced Analytics
Advanced Analytics Platforms in der Praxis - Statistica Success Stories
Editorial: Business Intelligence versus Business Analytics: What’s The Difference?
Prof. Dr. Carsten Felden
Ist Data Mining mit Predictive Analytics identisch? Wenn nicht, worin besteht der Unterschied? Warum braucht man eigentlich Business Analytics? Welche Methoden werden unter dem Begriff der Analytics zusammengefasst? Inwieweit wird sich die Rolle von Business Analytics durch Methoden und Technologien aus dem Bereich Big Data verändern? Ist es vielleicht sogar besser, direkt mit Advanced Analytics zu beginnen und all die (scheinbaren) Zwischenschritte auf dem Weg dorthin wegzulassen?
>  Artikel lesen
Vorausschauende Datenanalyse als Treiber der Geschäftstätigkeit - Advanced und Predictive Analytics
Prof. Dr. Carsten Felden
Predictive Analytics hat sich als Begriff in Wissenschaft und Praxis etabliert. Es geht dabei um einen speziellen Bereich der Advanced Analytics, der insbesondere auf die Vorhersage entscheidungsrelevanter Informationen abzielt. Dabei werden zum Beispiel Methoden des Data oder Text Mining genutzt, aber auch methodische Erweiterungen durchgeführt. Advanced Analytics sind jedoch umfassender zu sehen, da diese beispielsweise auch Big Data Analytics und Location Intelligence umfassen - also all das, was über die klassische OLAP-Analyse hinausgeht. Advanced Analytics stellt somit einen Oberbegriff dar, um das Methodenspektrum zur deskriptiven und/oder prädiktiven Datenanalyse in Unternehmensprozessen oder Geschäftsstrategien zu beschreiben.
>  Artikel lesen
Informationsfabrik (IN-FAB) GmbH
Informationsfabrik_Anz_VAR02_580.jpg
Verkauft man mit Data-Mining mehr Autos? - Advanced Analytics in der Automobilbranche
Agnes Jen
Automobile sind komplexe Produkte, deren Zusammenhänge nicht mit rein menschlicher Informationsverarbeitung zu erfassen sind. Die Vielfalt zusammenspielender Bereiche rund um Entwicklung, Bau und Vermarktung von Automobilen bringt eine Erhebung großer Datenmengen aus verschiedenen Datenquellen mit sich. Zu Beginn wird gezeigt, welche Daten im Rahmen der Wertschöpfungskette entstehen, um im Folgenden drei Anwendungsfälle aus den Bereichen Produktvermarktung, Komplexitätsmanagement und Einfluss der CO2-Regularien zu beschreiben. Im Schlussteil werden Ansätze zur Vorgehensweise in den entsprechenden Projekten vorgestellt.

Diesen Download stellt Ihnen die Firma BIVAL GmbH sofort kostenlos zur Verfügung, wenn Sie Ihrer Adressweitergabe zustimmen.
>  Artikel lesen
TDWI Infografik: Predictive Analytics
Novem_Infografik_130pix_klein.jpg
Predictive Analytics wird heute hauptsächlich im Marketing und Vertrieb genutzt, um Kundenbindung, Cross-Selling und Up-Selling sowie Direktmarketing zu verbessern.

Erkennen Sie auf einen Blick in der TDWI Infografik die Entwicklung, zukünftige Veränderungen sowie interessante Zahlen und Statistiken zu Predictive Analytics.


Zum Download der Infografik
Anforderungen an Data Scientists und Data Analysts - Ergebnisse einer Studie - Programmierer oder Statistiker?
Benjamin Schmid, Dr. Henning Baars
Mit der zunehmenden Bedeutung anspruchsvollerer, modellorientierter Analysen in der Unternehmenspraxis sowie deren Einbettung in Big-Data- und Business-Intelligence-Umgebungen wachsen auch die Anforderungen an die Benutzer. Als neue Bezeichnungen für die entsprechenden Rollen setzen sich zunehmend die Begriffe "Data Analysts" und "Data Scientists" durch. Zunächst stellt sich die Frage, inwiefern hier tatsächlich neue Aufgabenprofile definiert werden und inwiefern sich diese von den althergebrachten Rollen unterscheiden. Zum Zweiten ist unklar, ob die beiden Begriffe synonym gesehen werden bzw. in welcher Hinsicht sie sich unterscheiden. Und drittens ist zu prüfen, welche Werkzeugkenntnisse konkret benötigt werden und damit auch, wie die Werkzeugumgebung für die beiden Rollen zu gestalten ist. Zur Beantwortung dieser Fragen wurden 240 Stellenanzeigen ausgewertet.
>  Artikel lesen
Aufbau einer analytischen Pipeline mit Apache Hadoop und XML - Enterprise und Big Data
Prof. Dr.-Ing. Jorge Marx Gómez, Viktor Dmitriyev, Hauke Precht, Felix Kruse
Daten werden für Unternehmen immer mehr zu einem wichtigen Rohstoff, um ihre Prozesse und Wettbewerbsvorteile zu verbessern. Bisher werden allerdings hauptsächlich strukturierte Daten analysiert. Jedoch werden laut einer Studie des IDC in den nächsten Jahren lediglich 10 Prozent strukturierte Daten erzeugt - den verbleibenden größeren Teil machen semi- und unstrukturierte Daten wie XML-, JSON-, Bild- und Textdateien aus [Int12]. Häufig liegen diese Daten bereits heute in großen Mengen vor. Diese meist ungenutzten semi- und unstrukturierten Datenmassen bieten Unternehmen enorme Potenziale, um mittels Advanced und Predictive Analytics Wissen und Erkenntnisse zu generieren. Um jedoch diese Daten für Advanced und Predictive Analytics überhaupt nutzbar zu machen, sind neue Technologien wie das Hadoop Ecosystem und NoSQL-Datenbanken entstanden. Dabei kann für mittelständische Unternehmen das Hadoop Ecosystem eine Alternative zu proprietären Softwarelösungen sein, da es als Open-Source-Software gut verfügbar und durch eine entsprechende Community unterlegt ist.
>  Artikel lesen
BI-SPEKTRUM im Mini-Abonnement
3_BI_Hefte.jpg
Testen Sie unser günstiges Mini-Abo - 3 Ausgaben für nur 25 Euro!

Und Sie erhalten eine herstellerneutrale Informationsquelle für die Weiterbildung aktiver Entscheidungsträger für unternehmenskritische Prozesse, die sowohl die softwaretechnische als auch die betriebswirtschaftliche Komponente abdeckt.

Auch als Mini-Abonnent erhalten Sie Ihren persönlichen Login zu allen Artikel-PDFs.

Zur Bestellung
Rapid Prototoyping und Predictive Analytics - Eine nützliche Kombination
Dr. Marc Tesch, Dr. Stefan Pauli
Was in der Industrie seit Jahrzehnten Standard ist, hat auch in der Data Science Einzug gehalten. Rapid Prototyping ist auch in dieser Branche zu einem geflügelten Wort geworden, das schnelle und kostengünstige Erkenntnisse in der Produktentwicklung verspricht. Doch wie funktioniert ein solches Rapid-Prototyping-Verfahren in der Praxis? Wir wollen in einem konkreten Showcase aufzeigen, wie die perfekte Vermählung von Rapid Prototyping und Predictive Analytics aussieht.

Diesen Download stellt Ihnen die Firma LeanBI AG sofort kostenlos zur Verfügung, wenn Sie Ihrer Adressweitergabe zustimmen.
>  Artikel lesen
Die konsequente Antwort auf Big Data - Advanced Analytics
Dimitri Gross, Christopher Thomsen
Die META Group, die jetzt zu Gartner gehört, sprach bereits Ende der 1990er-Jahre über "Data Deluge" [Mar12] und beschrieb damit einen Trend im Versandhandel. Diese Branche verzeichnete damals einen großen Anstieg an Datenvolumen. Komplexe Auswertungen des Kundenverhaltens konnten mit den verfügbaren Technologien und Speicherkapazitäten nur schwer bewerkstelligt werden. Am 6. Februar 2001 veröffentlichte Doug Laney als Analyst der META Group das Paper "3D Data Management: Controlling Data Volume, Velocity and Variety" [Lan01]. Die Anforderung, große Datenvolumen zu speichern und diese in kurzer Zeit auszuwerten, wurde darin offiziell definiert.

Diesen Download stellt Ihnen die Firma OPITZ CONSULTING Deutschland GmbH sofort kostenlos zur Verfügung, wenn Sie Ihrer Adressweitergabe zustimmen.
>  Artikel lesen
TDWI Wissen
TDWI_Wissen.jpg
Starten Sie jetzt Ihre Suche in unserer umfassenden Wissensdatenbank.

Nutzen Sie unsere Serviceleistungen rund um Business Intelligence, Big Data und Data Management, um Antworten zu finden und Probleme zu lösen.
>  Zur Suche
Advanced Analytics Platforms in der Praxis - Statistica Success Stories
Dr. Ralf Uerkvitz
1922 eröffnete der britische Mathematiker Lewis Fry Richardson einen Weg zur Wetterprognose, indem er meteorologische Prozesse mit Differentialgleichungen beschrieb. Doch auch der große Pionier des Computerzeitalters John von Neumann benötigte 1950 immerhin noch eine Rechenzeit von 24 Stunden, um mit dem ersten Supercomputer ENIAC das Wetter für den nächsten Tag zu prognostizieren - interessant zwar, aber völlig unbrauchbar. Und wo stehen wir heute?
>  Artikel lesen
Impressum
Herausgeber: SIGS DATACOM GmbH, Lindlaustr. 2c, 53842 Troisdorf • Registergericht: Amtsgericht Siegburg, HRB 6552 • Verlagsleitung: Günter Fuhrmeister • Anzeigen und Sponsorships: Karl Reinhart • Redaktions- und Herstellungsleitung: Emanuel Rosenauer • Leitende Redaktion: Prof. Dr. Carsten Felden • Schlussredaktion: Kirsten Skacel

Tel: +49 (0)2241 2341 100 • Fax: +49 (0)2241 2341 299
URL: www.sigs-datacom.de • E-Mail: info@sigs-datacom.de
OBJEKTspektrum  |   JavaSPEKTRUM  |  Wissen  |  Konferenzen  |  Seminare