Roundtable

Data Science Proof of Concepts verschwinden leider allzu oft in der Schublade, obwohl die Ergebnisse doch recht brauchbar schienen.
Wie kann es sein, dass Lösungen, die eigentlich einen Mehrwert bieten, nicht operativ genutzt werden?
In dem Vortrag zeigt Timo die DOs and DON'Ts auf, um den Weg vom PoC zur Operationalisierung erfolgreich(er) zu gestalten.

Timo Klerx  ist Gründer und Data Scientist von und bei paiqo und hilft Kunden bei der Konzeption und Umsetzung von Projekten im Bereich Artificial Intelligence / Data Science / Machine Learning.
Die ersten Berührungen mit AI hatte Timo in einem Forschungsprojekt zur automatischen Manipulationserkennung von Geldautomaten.
Bevor er sein eigenes Startup gründete, sammelte er Erfahrungen in einem anderen Data Science Startup und fokussierte sich dort auf den Bereich Machine Analytics inkl. Use Cases wie Predictive Maintenance und Predictive Quality.

AI/ML ist nicht nur relevant für Data Scientist, sondern können auch mehr und mehr ins Tagesgeschäft integriert werden. Dies kann die automatische Erstellung von Charts und Insights ein, aber auch z.B. Predictive Analytics mit vordefinierten Modellen. In diesem Vortrag werden wir uns einige solcher Lösungen in der Praxis anschauen und deren Einsatzgebiete in der Praxis diskutieren. Außerdem werden wir die Grenzen solcher Systeme in der heutigen Zeit besprechen.

Andreas Buchholz ist seit mehr als 20 Jahren leidenschaftlicher Datenenthusiast und verantwortet als Managing Director der Lizardis GmbH ein führendes Beratungsunternehmen für Data Integration, Data Analytics sowie Data Insight für die Life Sciences Branche. Zuvor hat Herr Buchholz verschiedene Führungsrollen im In- und Ausland bekleidet und verfügt über jahrelange Internationale Erfahrung. Neben seiner 15-jährigen Beratungsexpertise in der Pharmabranche liegen seine Spezialgebiete vor allem im Bereich Datenarchitektur, Performanceoptimierung und visueller Darstellung in großen und komplexen Data Analytics Projekten.

Using bike sharing data we will design a data warehouse data model via the Data Vault modeling pattern - the next generation data modelling methodology. This design is agile friendly, supports massively parallel ETL, and by its nature leads to a fast turnaround on requirements. 80% of data warehouses in the Netherlands are implemented using the Data Vault approach.

We will deploy the Data Vault data model on Snowflake and build a virtual data mart for reporting and dashboards. Snowflake is a true data warehouse as a service - it was purpose built for the cloud. With its scalability, decoupling of storage & compute, and a pay per use billing model, Snowflake is the #1 cloud data platform.

Uli Bethke is the co-founder of Sonra. Uli is the CEO of Sonra, the data liberation company. Sonra develops Flexter, a tool to automate the conversion of complex XML to a database, text, or Hadoop. Uli is a data visionary and provides thought leadership in the architecture and implementation of data driven applications. He has led some of the largest and most complex data warehouse implementations in Europe.

Dan Galavan is a Data Architect who has been working with databases since 1998. Has delivered solutions in a variety of industries including Banking, Investment Banking, Aerospace, CRM, Social Protection, Telecoms, and Health Product Regulation - primarily using the Microsoft Data Platform. While living and working abroad, on St. Patrick’s Day 2003 Dan came face to face with MS SQL Server for the first time - it’s not a national holiday in Germany for some reason! Starting with SQL Server Database design and development, Dan branched into ETL, Reporting, Data Modelling, DB optimization, Data Quality Management and Master Data Management. Regular contributor to the Dublin SQL Server User Group.

Snowflake is the first cloud data warehouse actually designed to use cloud technology. With this in mind it is a strong competitor to Microsoft’s Azure SQL Data Warehouse.
But how is the support for Snowflake in the Microsoft Landscape? We will use Power BI to connect to the Data Vault schema created by Dan and Uli and will create a simple dashboard on top.

Gabi Münster befasst sich seit 2005 mit BI Themen rund um den gesamten Microsoft BI Stack. Seit 2010 ist sie als BI Consultant für die oh22data AG unterwegs. Ihre Schwerpunkte liegen dabei auf den Bereichen SSAS, SSRS und MDS. Neben ihrer Sprechertätigkeit (Regionalgruppen, SQL Saturdays, Konferenzen wie SQL Nexus und SQL Bits) ist sie seit November 2016 auch im Team der RG Verantwortlichen für die RG Ruhrgebiet vertreten. Innerhalb der PASS setzt sie
sich ansonsten gerne für Women in Technology Themen ein.
Seit Oktober darf sie sich nun in den illustren Kreis der Data Platform MVPs einreihen.

Mit neuen Methoden wie Data Vault und Data Warehouse Automation kann man die Arbeiten am Data Warehouse auf 25% schrumpfen. Noch während der Einführung wird deutlich, die Probleme außerhalb der Datenintegration bleiben bestehen:

• Data Governance
• Welche Daten gibt es, was bedeuten sie und wie können wir die Lücke zwischen Sichtweise und Realität schließen?
• die Qualität der Anforderungsdokumente
• der Betrieb des DWH
• die Qualität der Schnittstelle zu den operativen Systemen

Dies sind alles altbekannte Probleme und werden schnell zum neuen Flaschenhals. Meist sind einige Lösungsversuche schon gescheitert. Das Problem wird immer weniger technisch, es muss nun zwischen Menschen vermittelt werden. Bei alten und tiefen Konflikten zahlt es sich immer aus, auf die dahinter liegenden Bedürfnisse zu gehen: Was wird wirklich gebraucht und warum? Auf dieser Basis entsteht eine Architektur von der Datenstrategie über Data Governance und Requirement Engineering bis hin zum Data Warehouse, die alle beteiligten Aspekte mit dem minimalen Aufwand bedient und alle Beteiligten bei der optimalen Lösung unterstützt.

Michael Müller arbeitet seit 20 Jahren als Consultant im Bereich Data Warehousing und ist Experte für Data Vault. Seine Interessen liegen in der Datenmodellierung und der Automation der Data Warehouse Entwicklung. Aktuell erforscht er Architekturen für BI sowie Modelle für eine bessere Zusammenarbeit zwischen Fachbereich und IT.

Seit dem 25.05.2018 ist die neue europäische Datenschutzverordnung (DSGVO) anzuwenden. Der Kurzvortrag soll einen Einblick in die folgenden Fragen geben:

• Was sind die wichtigsten Änderungen?
• Welche speziellen Aspekte sind in den Bereichen Data Warehousing, Business Intelligence und Big Data zu beachten?
• Wo besteht akuter Handlungsbedarf?
• Ist die DSGVO eher Evolution statt Revolution?

Die Herausforderungen der digitalen Zukunft erfordern neue Lösungen für die Digitalisierung von Prozessen entlang der Wertschöpfungskette. Mit wachsendem Datenvolumen, steigender Komplexität und zeitlicher Gültigkeit von Informationen, stehen etablierten Systemen heute Anforderungen gegenüber, die sowohl technologisch als auch in ihrer Vorgehensweise an ihre Grenzen stoßen.
Um zukünftig in einem extrem dynamischen, vernetzten Geschäftsumfeld technologisch bestehen zu können, braucht es Werkzeuge, die im Kontext von Agilität und Flexibilität die Anpassungs- und Umsetzungsgeschwindigkeit (Time to Market) in der Anwendungsentwicklung operativer und analytischer Systeme sigifikant beschleunigen können und so neue Werte schaffen.
Die CortexPlatform wurde nach dem Vorbild des menschlichen Gehirns geschaffen und ist ein selbstlernendes System. Importierte Daten werden automatisch in die höchste Normalform (NF6) transformiert und bietet hoch performante Datenbankabfragen über beliebige Attribute, deren Kombinationen und Beziehungen im zeitlichen Kontext untereinander.
Keine anwendungsabhängigen Indexierungen sind vorhanden oder notwendig. Über eine vollständig implementierte Programmiersprache (JS Google V8 Engine) innerhalb der Plattform werden komplexe Algorithmen direkt auf den Daten ausgeführt und ermöglichen die Applikationsentwicklung operativer und analytischer Lösungen auf einer Plattform. Damit lassen sich mit geringem Programmieraufwand Anwendungen im Bereich Digitalisierung, Big Data, IoT / Industrie 4.0, Analytik, Stammdaten Management, Dispositive Planung und prozessbasierte Lösungen erstellen.
Im Dialog mit dem Publikum und dynamisch abgefragt werden verschiedene Datenmodelle als Live-Demo auf einem handelsüblichen Laptop mit 8GB RAM - ohne „In Memory“ Technologie

• Über 1.4 Milliarden Taxifahrten (Transaktionen) in New York auf einem Standard externen 2 TB SSD Laufwerk.
• Komplexes Semantisches Netzwerk mit Meta- & Anwendungsdaten (Erweitertes Data Dictionary) über verschieden Datenquellen (Silosysteme)
• Kontextabhängige Suche über beliebige Attribute im Telefonbuch mit 35 Millionen Einträgen zum Thema Record Linkage im Rahmen der Datenschutzregulierung DSGVO

Kontakt zwischen BI Studierenden und Unternehmen in Hannover hinsichtlich Praxissemester, Abschlussarbeiten und Berufseinstieg
Prof. Dr. Stephan König, Hochschule Hannover

Nach einer kurzen Einführung ins Testen allgemein, werden folgende DWH- und BI-spezifischen Aspekte behandelt: Festlegen der Testschwerpunkte, berechnen einer genügenden Testabdeckung und Definition geeigneter Testfälle, insbesondere datengetriebener Testfälle.

Herbert Stauffer ist Hauptautor des gleichnamigen Kurses, Leiter des TDWI Roundtables Zürich und Geschäftsführer der BARC Schweiz GmbH. Er hat 25 Jahre Erfahrung in Business Intelligence und Data Warehousing, als Projektleiter, Dozent, Architekt, Trainer, …

Hoffen Sie noch oder Testen Sie schon? In der klassischen Software Entwicklung geht nix ohne (behaupten sie dort jedenfalls), bei DWH Projekten ist es anscheinend Magie.
Systematische Tests sind da nur der Anfang. Denkt man genauer über Qualitätssicherung nach, fällt einem noch diverses weiteres ein: Anforderungs-Reviews, Standards, Pair Programing, Continous Delivery etc. etc. Andererseits - ist es wirklich notwendig, den Projektumfang gleich zu verdoppeln?
Im Vortrag wollen wir uns einerseits den Werkzeugkasten des potentiell Sinnvollen anschauen, inklusive aktueller Testtools für die Microsoft Welt wie NBi und der entsprechenden Frameworks. Andererseits soll ein Rahmen geschaffen werden, der hilft zu beurteilen, welche dieser Werkzeuge wann wirklich zum Einsatz kommen sollten. Sind etwa Unit Tests beim ETL unverzichtbar und Deployment Tests reiner Luxus?
Christoph Seck arbeitet als DWH Consultant für die Ceteris AG und setzt dort BI Projekte im Microsoft Umfeld um. Mit dem MS BI Stack ist er seit über 15 Jahren unterwegs.
Er ist außerdem Gastdozent an der Uni Hildesheim, Mitgründer und RGV der PASS Gruppe Hannover/Göttingen und im DB/BI Umfeld regelmäßiger Sprecher in PASS Gruppen und Konferenzen zu Themen wie Data Warehouse und agile Vorgehensweise

allgemeine Einführung

Einführende Gedanken

Gelegenheit zu Gesprächen

Gelegenheit zu persönlichen Gesprächen

Gelegenheit zu Gesprächen

Gelegenheit zu persönlichen Gesprächen

Gelegenheit zu persönlichen Gesprächen

http://www.hannoverit.de

.