Roundtable

Im Kontext von Self-Service entstehen Datenprodukte, die nicht in allen Aspekten durchdacht sind, sondern vor allem auf den Nutzen für die Endanwender und die schnelle Erstellung ausgerichtet sind. Dies wird bei einer wiederholten Nutzung zum Problem, da Wartung und Anpassung in der Regel umso schwieriger werden, je länger ein Datenprodukt genutzt wird.
Der Grund dafür: »technische Schulden«. Diese lassen sich in einem dynamischen Umfeld nicht grundsätzlich vermeiden. Deshalb ergibt sich daraus die Notwendigkeit, Strategien für den Umgang damit zu entwickeln, um die daraus resultierenden Risiken zu kontrollieren.

Der Vortrag beleuchtet die wechselseitige Beziehung zwischen Self-Service BI und Data Governance. Self-Service BI verliert, schaut man auf aktuelle Trendmonitore, an Bedeutung.
Wir analysieren häufig auftretende Fehler bei der Einführung von Self-Service und zeigen auf, wie eine effektive Kombination von Self-Service und Data Governance aussieht. Im Kern geht es um die Bedeutung von Schulungen, Supportstrukturen, Lebenszyklen, Zugänglichkeit und warum das eine Verbindung zu einer effektiven Data Governance-Strategie hat.

Im Rahmen der Corona-Krise hat die Kassenärztliche Vereinigung Westfalen-Lippe (KVWL) zahlreiche neue Aufgaben zur Bewältigung der Herausforderungen im Bereich der Testzentren und des Impfgeschehens übernommen. Auch das Data Warehouse-Team war von Anfang an involviert und musste täglich auf neue Anforderungen reagieren, was die Verarbeitung und das Reporting von Impfdaten anbetrifft. Im Vortrag "Resilienz im Data Warehousing: Lehren aus der Bewältigung der Corona-Krise" erklären Anne Schlebusch und Alessandro Hüttermann anhand eines Erfahrungsberichts, welche Faktoren zur Widerstandsfähigkeit des Data Warehouse in einer "Extremsituation" wie der Corona-Pandemie beigetragen haben.

Alessandro Hüttermann (37) arbeitet und lebt in Dortmund. Er ist verantwortlich für die Leitung der Abteilung "Strategisches Datenmanagement" und hat zugleich die fachliche Leitung für sämtliche Data Warehouse-basierten Umsetzungen in der KVWL inne. Während der Corona-Pandemie war Herr Hüttermann konzeptionell für die Anbindung und Verarbeitung der von den Impfzentren und mobilen Teams bereitgestellten Daten zuständig.

Anne Schlebusch (53) arbeitet und lebt in Dortmund. Sie ist im IT-Bereich des Geschäftsbereiches "IT & Digital Health" der KVWL tätig. Als Entwicklerin und Projektleiterin ist Frau Schlebusch für die Koordination innerhalb des Teams sowie für die technische Weiterentwicklung und den Ausbau des Data Warehouse zuständig. Während der Corona-Pandemie war sie technisch verantwortlich für die Verarbeitung, die Auswertung und das Reporting von Daten, die von den Impfzentren und mobilen Teams zur Verfügung gestellt wurden.
 

Prof. Dr. Peter Gluchowski leitet den Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung und Anwendungssysteme, an der Technischen Universität in Chemnitz und konzentriert sich dort mit seinen Forschungsaktivitäten auf die Themengebiete Business Intelligence und Analytics. Er beschäftigt sich seit rund 20 Jahren mit Fragestellungen, die den praktischen Aufbau dispositiver bzw. analytischer Systeme zur Entscheidungsunterstützung betreffen. Seine Erfahrungen aus unterschiedlichsten Praxisprojekten sind in zahlreichen Veröffentlichungen zu diesem Themenkreis dokumentiert. Er ist Mitbegründer des TDWI Vereins und Ehrenmitglied sowie TDWI Fellow.

Das Lamarr-Institut ist eine der fünf durch Bund und Länder dauerhaft geförderten Forschungseinrichtungen für maschinelles Lernen und künstliche Intelligenz in Deutschland. Das Institut setzt den Schwerpunkt auf die Erforschung leistungsfähiger, vertrauenswürdiger sowie ressourcenschonender KI. Unternehmen profitieren vom direkten Transfer der Ergebnisse in die Anwendung - von innovativen ML-Technologien über die Absicherung von KI-Systemen bis zum Co-Working mit Lamarr-Forschenden. Interdisziplinäre Forschung, etwa mit Logistik, Medizin oder Astroteilchenphysik, arbeitet an einem besseren Verständnis unserer Welt. Der Vortrag gibt tiefere Einblicke in das Institut und stellt ausgewählte Forschungsthemen näher dar.

Stefan Michaelis ist Geschäftsführer des Lamarr Instituts für den Standort Dortmund. Er führt das operative Geschäft gemeinsam mit den Vertretern der anderen Standorte. Er unterstützt die Wissenschaftlerinnen und Wissenschaftler bei ihren Aufgaben und koordiniert die Zusammenarbeit sowohl intern als auch mit Projektträgern, dem Bundesministerium für Bildung und Forschung (BMBF) und Kooperationspartnern aus der Privatwirtschaft.

Professionelles Datenmanagement ist eine der Schlüsselfähigkeiten für die erfolgreiche Bewältigung der Herausforderungen der digitalen Transformation. Trotzdem scheitern immer noch eine Vielzahl von Data Governance Initiativen bei der Einführung. Im Vortrag „Data Governance – erfolgreich von der Einführung bis zum Regelbetrieb“ erklärt Dr. Lars Bollweg anhand praktischer Beispiele aus der Energiewirtschaft unterschiedliche Skalierungs- und Implementierungsmodelle für die erfolgreiche Einführung von Data Governance in kleinen und großen Organisationen.

Lars Bollweg (40) arbeitet und lebt in Dortmund. Er ist Autor einer Vielzahl an wissenschaftlichen Veröffentlichungen und Sachbücher zum Forschungsschwerpunkt „digitale Transformation“ und als Dozent für Big Data, Data Science und Programmiersprachen an privaten und staatlichen Hochschulen tätig.

Simon Fahle (28) arbeitet in Dortmund und lebt in Recklinghausen. Im Rahmen seiner Dissertation hat er sich mit den Themen Maschinelles Lernen und Zeitreihenklassifikation befasst und in diesem Zuge ein Vorhersagemodell für die Qualität von gewalzten Ringen des Radial-Axial Ringwalzprozesses entwickelt. Die Forschung und Entwicklung des Modells wurde mit Produktionsdaten von thyssenkrupp rothe erde Germany durchgeführt und abschließend trainiert und validiert. 

Professionelles Datenmanagement ist eine der Schlüsselfähigkeiten für die erfolgreiche Bewältigung der Herausforderungen der digitalen Transformation. Trotzdem scheitern immer noch eine Vielzahl von Data Governance Initiativen bei der Einführung. Im Vortrag „Data Governance – erfolgreich von der Einführung bis zum Regelbetrieb“ erklärt Dr. Lars Bollweg anhand praktischer Beispiele aus der Energiewirtschaft unterschiedliche Skalierungs- und Implementierungsmodelle für die erfolgreiche Einführung von Data Governance in kleinen und großen Organisationen.

Lars Bollweg (40) arbeitet und lebt in Dortmund. Er ist Autor einer Vielzahl an wissenschaftlichen Veröffentlichungen und Sachbücher zum Forschungsschwerpunkt „digitale Transformation“ und als Dozent für Big Data, Data Science und Programmiersprachen an privaten und staatlichen Hochschulen tätig.

Fast jeder Beitrag zu moderner BIA fängt mit dem Satz an 'Noch nie wurden so viele Daten wie heute gesammelt'. Es gilt als Daumenregel: Willst du Machine Learning machen, musst du viele Daten sammeln. Da wird man schon fast zum Spielverderber, wenn man das Thema Datenlöschungen anspricht. Erfahren Sie, warum es trotzdem wichtig ist, dieses eher unliebsame Thema als Spezialfall einer Data Governance auf die Tagesordnung zu setzen.

Christian Schneider ist der Director Data & Analytics bei der QuinScape GmbH. Als Consultant und Projektleiter war er langjährig in internationalen Großprojekten tätig und kennt die vielfältigen Herausforderungen unterschiedlichster Integrations- und Analytikszenarien aus der praktischen Arbeit. Als Speaker und in Publikationen beleuchtet er die Aspekte des Aufbaus von nachhaltigen Dateninfrastrukturen mit einem im späteren Betrieb überschaubaren Kostenrahmen durch eine zielorientierte Data Governance.

Vorgestellt werden die empirischen Ergebnisse zu Data Governance, die im Rahmen einer Umfrage durch QuinScape im Jahr 2021 ermittelt wurden.

Data Governance stellt sicher, dass Daten verfügbar, von hoher Qualität und relevant für datengesteuerte Prozesse und Erkenntnisse sind. Was früher auf Kontrolle und Einhaltung von Vorschriften abzielte, hat sich zu einem echten Wegbereiter für die Monetarisierung von Daten entwickelt. Aber wie kommt man dorthin? Data Governance 2.0 ermöglicht es Anwendern, aus sicheren und vertrauenswürdigen Daten einen Mehrwert zu schaffen, um sie für eine wachsende Zahl von Anwendungsfällen wie Self-Service-Analysen und künstliche Intelligenz verfügbar und nutzbar zu machen. In dieser Präsentation lernen die Teilnehmer das CDQ-Framework kennen und erfahren, wie es sie bei der Beantwortung der drei Schlüsselfragen Was, Wer und Wie von Data & Analytics Governance unterstützt.

Durch medienwirksame Spezialthemen wie dem autonomen Fahren und personalisiertem Marketing sind Künstliche Intelligenz und Machine Learning zu allgemeiner Bekanntheit gelangt. In etablierten Branchen stehen Unternehmen aber noch immer vor großen Herausforderungen bei der praktischen Umsetzung von Machine Learning-Projekten. Deshalb haben wir es uns zur Aufgabe gemacht, Data Science für praxisrelevante Projekte nutzbar zu machen. Im Roundtable stellen wir dafür ein Praxisbeispiel vor, das Sie mit Inspiration und aktuellem Know-How für Ihr nächstes Data Science-Projekt wappnen soll:

Die von uns besprochene Umsetzung ist branchenunabhängig und die eingesetzten Methoden und Technologien wurden auch außerhalb der Produktion erfolgreich eingesetzt. In unserem Vortrag führen wir Sie durch alle Aspekte eines praxistauglichen Machine Learning-Projektes - von der Datenerfassung über das Modell-Training, bis hin zur fertigen Applikation im praktischen Einsatz.

Datengetriebene Geschäftsmodelle und regulatorische Vorgaben wie Solvency II stellen hohe Anforderungen an die Qualität von Unternehmens-Daten. Unzulänglichkeiten in der Datenbasis können schnell zu fehlerhaften Analysen, Kennzahlen oder Berichten führen, sofern sie nicht zuvor in aufwendigen und größtenteils manuellen Prüfungen gefunden und behoben wurden. Vor diesem Hintergrund wurde im Rahmen eines Einführungsprojekts bei der LVM Versicherung die Zielsetzung verfolgt, ein systematisches Datenqualitätsmanagement im Unternehmen zu etablieren und entsprechende Datenqualitäts-Prüfungen durch den Einsatz von IT zu automatisieren. Dadurch sollen Daten-Auffälligkeiten frühzeitig identifiziert werden können; gleichzeitig sollen Mitarbeiter von manuellen Tätigkeiten entlastet und schlussendlich das Vertrauen in die Daten und die Analysequalität erhöht werden.

Dieser Vortrag gibt einen Überblick über die Rahmenbedingungen und Zielsetzungen des Projekts und demonstriert beispielhaft die Vorgehensweise zur Etablierung von Datenqualitätsmanagement bei der LVM Versicherung.

Für Datenqualitäts-Messungen in der DQ-Dimension Angemessenheit bestehen häufig Herausforderungen bei der Suche nach einer passenden Metrik. Naive DQ-Metriken berücksichtigen hier i.d.R. nicht immer die Unsicherheiten, welche mit diesen Messungen einhergehen. Im Solvency II Kontext der Versicherungen werden für die DQ-Dimension Angemessenheit gerne relevante Schaden- und Zahlungsdaten mit Werten der Vergangenheit verglichen. Dabei müssen jahreszeitliche Schwankungen genauso berücksichtigt werden wie Effekte durch Unternehmenswachstum. Darüber hinaus existiert im Unternehmen auch die Forderung, Messung und ihre Kalibration möglichst automatisiert durchzuführen. Zum einen für eine bessere Reproduzierung, zum anderen um die Ressourcen gering zu halten.

Wir demonstrieren einen Weg, mittels distanzbasierter DQ-Metriken schnell und automatisiert Messungen in der Dimension Angemessenheit auf die Daten individuell zu kalibrieren.

Spätestens im Zeitalter der Digitalisierung wird die enorme Bedeutung von Daten für Unternehmen allgemein anerkannt. Daten werden als wichtiger Vermögenswert angesehen und diese Wertigkeit rechtfertigt es, ein passendes Handlungssystem zu schaffen, um Menschen, Prozesse und Technologie so zu orchestrieren, dass der Wert der Daten effizient unter Einhaltung eines rechtlichen und ethischen Rahmens maximiert wird. Viele Unternehmen stehen aktuell vor der Herausforderung, eine adäquates Data Governance zu gestalten und zu etablieren.

In diesem Roundtable werden die verschiedenen Handlungsfelder einer Data Governance Initiative vorgestellt und entlang von konkreten Data Governance Rollen sowie ablauf- und aufbauorganisatorischer Strukturalternativen zusammengeführt. Wir präsentieren Ihnen die wesentlichen Aufgabenstellungen zur Gestaltung und Etablierung einer unternehmensindividuellen Data Governance Initiative anhand eines Best Practice Vorgehens mit dem beispielhaften Fokus der Einführung eines Data Catalogs. Mit diesen Bausteinen lässt sich ein Data Governance Programm zusammenstellen, um die Voraussetzung für eine effektive Datenwertschöpfung zu schaffen.

 „Text Mining ist ein Bündel von Algorithmus-basierten Analyseverfahren zur Entdeckung von Bedeutungsstrukturen aus un- oder schwachstrukturierten Textdaten." (Wikipedia)

Ralf Klinkenberg ist Mitgründer von RapidMiner, einem Leader (lt. Gartner) im Bereich Data Science and Machine Learning Platforms

Wie setzt das Handelshaus BI ein und was könnte davon auch für andere Unternehmen interessant sein? Herr Ormanin lässt einen Blick durchs Schlüsselloch zu.

Immer mehr Unternehmen steuern und überwachen ihre Kerngeschäftsprozesse mithilfe von Prozesssteuerungsplattformen. Hierbei werden über sog. „Process Engines“ Geschäftsprozesse, die mit der Sprachnotation BPMN2.0 modelliert wurden, direkt zur Ausführung gebracht. Aus BI-Perspektive stellt eine Process Engine eine wichtige neue Datenquelle dar, die Auswertungen zulässt, anhand derer die Geschäftsprozesse durchgängig analysiert und laufend optimiert werden können. Beispielsweise wird leicht erkennbar, welche Prozessschritte wie häufig, mit welcher Dauer und von wem ausgeführt wurden. Darüber hinaus wird deutlich, welche Fachdaten sich in welchen Prozessen verändern. Der Fokus der Analyse verschiebt sich somit von einer Fachobjekt-orientierten Auswertung hin zu prozessorientierten Kennzahlen. Nutzt man für solche Auswertungen „klassische“ BI-Techniken wie etwa OLAP-Berichte, so lassen diese jedoch den dahinter liegenden Prozess nicht mehr erkennen. Umgekehrt können in prozessorientierten Auswertungen diverse Daten aus einem bereits vorhandenen Data Warehouse sehr hilfreich sein. So lassen sich prozessorientierte Kennzahlen, wie etwa Ausführungszeiten, direkt am entsprechenden Prozessteil anzeigen und zusätzlich an gleicher Stelle nach prozessunabhängigen Variablen (Dimensionen) aus dem DWH, wie etwa Produkthierarchien, weiter filtern bzw. unterteilen.
Um diese prozessorientierten Auswertungen zur ermöglichen und in bestehende DWH-Architekturen zu integrieren, wurde bei der viadee IT-Unternehmensberatung ein „Process Warehouse“ konzipiert und umgesetzt, dessen Einsatz aktuell in einem Pilotprojekt mit der Westfälischen Provinzial Versicherung AG evaluiert wird. Das Process Warehouse enthält eine Auswertungskomponente, die Prozess-Kennzahlen direkt am Prozessmodell visualisiert und in der Lage ist, Daten aus dem DWH für zusätzliche Filter- und Drill-Down-Möglichkeiten zu nutzen. Ziel ist es, die kontinuierliche Analyse und Weiterentwicklung der automatisierten Geschäftsprozesse der Provinzial ohne Verlust des Prozessmodellbezugs zu ermöglichen. Der Vortrag stellt Prozessdaten als weitere Datenquelle für ein DWH, die Nutzung in einem Process Warehouse und dessen Integration mit traditionellen BI-Architekturen auf Daten- sowie Visualisierungsebene vor.

Die MotionMiners GmbH ist eine Ausgründung des Fraunhofer-Instituts für Materialfluss und Logistik (IML). Die Motion-Mining®-Technologie des jungen Start-ups ermöglicht automatisierte Prozessanalysen von manuellen Arbeitsprozessen in Produktion und Logistik. Dazu werden mobile Sensoren und Kleinstfunksender zusammen mit Algorithmen des Deep Learning genutzt, um Prozessdaten automatisch aufzunehmen und zu analysieren, und so Optimierungspotenziale aufzudecken. Nach dem Durchlaufen der Fraunhofer Venture Förderprogramme F-Days und Fraunhofer fördert Entrepreneure (FFE), ist das junge Unternehmen seit August 2017 durch einen EXIST-Forschungstransfer gefördert und führt derzeit Projekte bei ersten Kunden durch. Thematisch behandelt der Vortrag die Motion-Mining-Technologie und zeigt beispielhaft Projektergebnisse auf. Zudem wird die Technologie am Ende des Vortrags mit einer Live-Demonstration den Teilnehmern näher gebracht.

Mitglied des Vorstandes TDWI e.V.

Enterprise-IT-Architekturen erweisen sich heute vor allem in größeren Organisationen als komplexe Gebilde, die sich aufgrund der Vielzahl an technischen Objekten und Verarbeitungsprozessen nur noch mit großem Aufwand betreiben und erweitern lassen. Historisch gewachsene Systemarchitekturen mit dezentralen Auswucherungen bestimmen oftmals das Bild, in dem sich die Systemverantwortlichen um einen gangbaren Kompromiss zwischen der Verwendung neuer Technologien sowie dynamisch anwachsenden fachlichen Anforderungen auf der einen und stabilen Systemverfügbarkeiten mit hoher Qualität auf der anderen Seite bemühen.

In dieser Gemengelage kann nur ein umfassender Orientierungsrahmen mit verbindlichen Vorgaben gewährleisten, dass eine Gesamtlösung transparent, wartbar und modifizierbar bleibt, auch wenn sich das Umfeld und die damit einhergehenden Requirements in immer rascherer Folge verändern.

An dieser Stelle setzten Data Strategy und Data Governance an, um durch eine verbindliche Vereinbarung von Zielen, Regelungen und Standards eine abgestimmte Vorgehensweise bei der Entwicklung und beim Betrieb von Enterprise-Systemen zu gewährleisten.

Die Referenten stellen vor wie ein mittelständischer Arzneimittelhersteller Datenmanagement als Chance begreift um nicht nur regulatorischen Herausforderungen gerecht zu werden sondern auch erste Erfahrung mit Big Data Technologien zu sammeln und schließlich neue Chancen z. B. in der Produktion, im Marketing und in der Logistik zu erschließen.

Gespräche in lockerer Atmosphäre

Gespräche in lockerer Atmosphäre

Gespräche in lockerer Atmosphäre

19:15 - 20:00 Uhr
Basel II-konformes Reporting für Kreditinstitute
Dr. Alexander Pastwa, SKS Unternehmensberatung GmbH & Co. KG

ab 20:00 Uhr
Abschließende Worte Gespräche in lockerer Atmosphäre

Gespräche in lockerer Atmosphäre

TDWI - die herstellerneutrale Plattform für BI-Professionals - Was ist das und wie kann ich davon profitieren?

Gespräche in lockerer Atmosphäre