Blog zu Analytics

Beim Thema Self-Service-BI/AI/Analytics gehen die Meinungen auseinander: Die einen befürchten komplexen Wildwuchs, die anderen fühlen sich durch ein rigides Regelwerk ausgebremst. Bei solchen Kontroversen hilft oft eine Analogie. In diesem Blogbeitrag betrachten wir deshalb die Ess- und Kochgewohnheiten und schlagen die Brücke zur Frage nach den Self-Services, denn auch hier sind Geschmäcker, Skills und Situationen oftmals verschieden. Manchmal passt die Daten-Tiefkühlpizza besser und manchmal ist genug Zeit für eine frische, selbstgemachte BI-Pasta.

Produzierende Unternehmen sammeln in der Regel umfangreiche Daten in der Produktion. Die eingesetzten Fertigungsanlagen sind jedoch komplex und haben viele Stellschrauben, so dass nicht immer klar ist, welche Einstellungen zu guten Ergebnissen führen. Das ist ein ideales Einsatzszenario für Machine Learning und Artificial Intelligence. Der Verpackungs- und Beschichtungsspezialist Mondi trat in diesem Zuge an pmOne heran, um „Operating Windows“ für eine ihrer Fertigungsanlagen zu bestimmen. Damit sind Bereiche - oder eben Fenster - gemeint, in denen einzelne Stellschrauben sich während der Produktion bewegen dürfen, um eine gute Produktqualität bei gleichzeitig hohem Fertigungsdurchsatz sicherzustellen. Dieser Aufgabe hat sich das Advanced Analytics Team der pmOne gewidmet und damit zu einem neuen wichtigen Assistenzsystem in der Fertigung beigetragen.

Nach der Anbindung von Maschinen an die IT-Systeme stehen den entsprechenden Herstellern umfangreiche Produktionsdaten zur Verfügung. Um diese noch besser nutzbar zu machen, bedarf es einer systematischen Auswertung. Aus diesem Grund zog der Verpackungs- und Beschichtungsspezialist Mondi Release Liner Austria pmOne zu Rate. Mithilfe von Advanced Analytics, Artificial Intelligence und Machine Learning entwickelte das Data-Science-Team von pmOne auf Basis der historischen Maschinendaten ein Vorhersage-Modell und ein Maschinenparameter-Empfehlungssystem. Dadurch wird die Produktion silikonbeschichteter „Trennpapiere für Selbstklebeprodukte“ - beispielsweise Briefumschläge oder Etiketten - deutlich verbessert und damit im Idealfall Zeit, Kosten und Material eingespart.

Das Potential, welches in den stetig wachsenden Datenvolumen von Unternehmen schlummert, war nie größer als heute. Vor allem Methoden aus dem Umfeld von Data Science und Machine Learning versprechen wahre Wunder, wenn man der häufigen Nutzung dieser Begriffe als Buzzwords Glauben schenken mag. Oft ist dies mit der Vorstellung verbunden, dass man lediglich eine Software installieren und einen Algorithmus laufen lassen muss, damit die Optimierung bestehender Prozesse erfolgen kann. Bevor das Optimierungspotenzial jedoch erschlossen werden kann, sind einige Hürden zu meistern. Aber was sind die erfolgsversprechenden Vorgehensweisen, damit Data Science Projekte gelingen und Erfolge langfristig gesichert werden können?

Dieser Blog befasst sich mit den neuesten Trends auf dem Markt zu Business Performance Management (BPM). BPM-Lösungen beinhalten in diesem Zusammenhang Softwareanwendungen für das betriebswirtschaftliche Berichtswesen einschließlich konsolidierter Ergebnisse, alle Aspekte der Planung (strategisch, operativ, treiberbasiert, Zero Based Budgeting usw.) und Prognosen.

Kundensegmentierung ermöglicht Finanzinstitutionen eine differenzierte Kundenansprache und bietet eine Reihe von Vorteilen. Hervorzuheben ist hierbei die Steigerung des Produktabsatzes und damit die Steigerung des Zins- und Provisionsertrags im Retail Banking bzw. des Prämienergebnisses für Retail Insurance. Dennoch nutzen Banken und Versicherungen derzeit oft noch keine modernen, auf Machine Learning basierten Möglichkeiten, um die angestrebten Vorteile zu erzielen.

Industrial IoT – Aller Anfang ist Cloud

Data-Science-Team

IIoT ist nach wie vor ein Trendthema. Doch nicht immer sind entsprechende Projekte erfolgreich. Wir werfen einen Blick auf den Status quo, auf die typischsten Stolperfallen und auf vielversprechende Lösungsansätze. Hierbei spielen sogenannte Plug-&-Play-Devices und der Einsatz von Cloudlösungen eine zunehmende Rolle. Das Data-Science-Team erklärt Ihnen außerdem, wie man ausgehend von kleinen und ggf. sogar Modell-basierten Projekten frühzeitig das dahinterstehende Potenzial ermittelt.

Reibungslose Prozesse sind die Grundlage für erfolgreiche Produktionsunternehmen. Die komplexen digitalen und maschinellen Abläufe sind jedoch fehleranfällig und die aufwändige Suche nach Ursachen von Produktionsabweichungen – sogenannten Anomalien - kann zu verminderter Produktqualität, Ausschuss oder sogar zu kostspieligen Produktionsstillständen und Lieferschwierigkeiten führen. Mit Hilfe von Data Science und Algorithmen aus dem Gebiet des Maschinellen Lernens (ML) ist es möglich, automatisch komplexe Ursachen von Prozessanomalien zu finden. Unser Blogbeitrag zeigt, wo die Herausforderungen liegen und wie mögliche Lösungen aussehen.

Planung mit Power BI

Heimo Teubenbacher

Der einfache und schnelle Zugang zu Ist-Daten entwickelt sich zunehmend zu einem „Game-Changer“ in der Umsetzung von Planlösungen. Insbesondere durch Schwarzer-Schwan-Ereignisse wie der aktuellen Corona-Pandemie sind Unternehmen darauf sensibilisiert, dass sich wirtschaftliche Rahmenbedingungen sehr schnell erheblich verändern können. Mit einer flexiblen, integrierten Reporting- und Planungslösung gelingt eine rasche Anpassungsreaktion, um markt- und wettbewerbsfähig zu bleiben. So schaffen Sie im CFO-Office mehr Freiräume für inhaltliche Fragestellungen und eine Rückkehr zu einer aktiven Unternehmenssteuerung.

Schlagworte wie künstliche Intelligenz, Predictive Analytics, Data Science und Machine Learning sind in aller Munde. Der zielführendste Weg, sich diesen Themen zu nähern, ist zu schauen, was diese Verfahren konkret für Ihr Unternehmen leisten. Hier hilft bei Fertigungsunternehmen zunächst ein Blick auf die wichtigsten Leistungsindikatoren des Produktionsmanagements, wie beispielsweise Qualität, Kosten, Ausschuss etc.

In diesem Blogbeitrag zeigt Ihnen Dr. Georg Droschl, wie man digitale Analysen auf wichtige KPIs anwendet und stellt Ihnen ein Reifegradmodell vor.

Sind Ihre Informationen im CRM veraltet oder unvollständig? Fehlt es an einer Priorisierung der Bestandskunden im CRM und ist damit unklar, welcher Kundenkontakt sich lohnen könnte? Kommen Sie mit eigenen Recherchen nach potenziellen Kunden schlicht nicht weiter? Dann verbringen Sie vermutlich auch deutlich mehr Zeit bei der Recherche als beim Kunden. Mit der Artificial-Intelligence- und Machine-Learning-basierten Identifikation passender Neu- und Bestandkunden (Kurz: Customer Mining) bietet Ihnen pmOne eine Lösung, die alle genannten Herausforderungen löst – automatisiert und zielgenau. Unser System sucht für Sie DSGVO-konform nach B2B-Kunden und setzt dabei auf maßgeschneiderte Webanalysen, künstliche Intelligenz, Data Science und Cloud-Lösungen.

Per Customer Analytics zu mehr Umsatz

Data-Science-Team

Was sind die wertvollsten Kundentypen? Welche Kampagne passt zu welchen Kunden am besten? Wird durch passgenaue Produktempfehlungen das volle Up- und Cross-Selling-Potenzial genutzt? Diese und andere Fragen beantworten die Customer-Analytics-Lösungen von pmOne. Im Mittelpunkt steht dabei der Aufbau eines Customer Analytics Hub für den B2C- und B2B-Bereich, der die Daten der Customer Journey zentral abbildet und analysiert.

Power BI vs Tableau

Dirk Müller

In diesem Artikel vergleicht Dirk Müller Power BI und Tableau - die beiden führenden Tools auf dem Markt für Self-Service BI.

Modern Data Warehouse

Dirk Müller

Dirk Müller beschreibt in diesem Blogbeitrag was ein Modern Data Warehouse von einem traditionellen DWH unterscheidet und wie gelingt es, die unterschiedlichen Anforderungen miteinander zu verbinden.

 

Der Wettbewerb um Kunden, Umsätze und Marktanteile wird mit wachsender Intensität und Geschwindigkeit geführt. In sämtlichen Unternehmensbereichen werden Entscheidungen für eine effektive als auch effiziente Ausführung der Geschäftsprozesse erwartet, die zu greifbaren Vorteilen in der betrieblichen Leistungserbringung führen sollen. Obwohl für entsprechende gute Entscheidungen eine qualitativ hochwertige Datengrundlage sowie eine hohe Verfügbarkeit und Performanz der Systeme zur Verfügung stehen muss, klaffen diesbezüglich in heutigen Organisationen oftmals Anspruch und Wirklichkeit auseinander.

 

In den vergangenen Jahren wurde nicht nur aus diesem Grund das Ende eine zentralen Enterprise Data Warehouse immer wieder vorhergesagt. Zunehmend ist zu...

Prof. Dr. Karsten Oehler beschreibt in diesem Beitrag, wie man mit einer stochastischen Abweichungsanalyse auch unsichere Informationen in Berechnungen mit einbeziehen kann.

Prof. Dr. Karsten Oehler beschreibt in diesem Beitrag, wie man mit statistischen Methoden aus R und Excel Predictive Analytics richtig angeht.

Prof. Dr. Karsten Oehler beschreibt in seinem Beitrag, wie die Positionierung sowie die ersten Schritte gelingen.

Die Betroffenenrechte der Europäischen Datenschutzgrundverordnung sehen vor, dass Unternehmen auf Verlangen Auskunft über individuelle, personenbezogene Daten erteilen müssen. Diese Daten müssen als Datensatz bereitgestellt werden und auf Wunsch gelöscht werden. Und zwar innerhalb kürzester Zeit. 

Meetup Gruppen sind lose Interessensgemeinschaften, die auf Initiative einzelner gegründet werden und zu unterschiedlichsten Themen Treffen und fachlichen Austausch organisieren. Auf Initiative unseres Data Science Teams in Paderborn wurde im letzten Jahr das Data Science Meetup in Paderborn ins Leben gerufen, um die Data Science Community weiter zu stärken – und es wächst rasant.

Big Data? Nein, der eigentliche Nutzwert für die Unternehmen liegt in der Anwendung von Advanced Analytics und Data Science. Nur so können aus Daten echte Informationen abgeleitet werden. Das Ziel ist, weniger nach Intuition und Bauchgefühl zu entscheiden und sich mehr auf die von Algorithmen gelieferten Ergebnisse zu verlassen. Dies hat insbesondere im Marketing einen großen Einfluss, wo neue Paradigmen wie „Omni-Channel Marketing“ und „Customer Centricity“ die großen Schlagworte sind.

Der Big Data Vendor Benchmark der Experton Group positioniert die pmOne AG inmitten eines internationalen, prominenten Umfelds

Sie sind mit Ihrer Corporate Performance Management Lösung eigentlich ganz zufrieden. Aber hin und wieder gibt es Situationen, in denen Sie die Möglichkeit vermissen, Szenarien ad hoc durchzurechnen und abzubilden. Mit der Tabellenkalkulation stoßen Sie schnell an Grenzen. Aber wie gelingt es, ohne große Investitionen Big Data- und Predictive Analytics-Funktionen zu nutzen? 

„Business Analytics: Der Weg zur datengetriebenen Unternehmenssteuerung“ ist der Titel einer aktuellen Veröffentlichung des Internationalen Controller Vereins. Stefan Sexl, Vorstand der pmOne meint: Lesenswert. Dieser Blog-Beitrag stellt außerdem weitere Informationsangebote speziell für Controller und Finanzverantwortliche zusammen, die über neue Technologien zu Big Data und Advanced Analytics sowie deren Anwendungsmöglichkeiten in der Praxis informieren.

Aufgrund seiner konkurrenzlosen Schnelligkeit, der reichhaltigen Funktionalität und weil es sich perfekt in Hadoop-Umgebungen einpasst, gilt das an der renommierten Berkeley-Universität entwickelte Open Source Projekt Spark weltweit als Schlüsseltechnologie für Big Data-Projekte. Ob da ein in Deutschland entstandenes Pendant mithalten kann?

Sie können sich nicht vorstellen, wie es mit Datenanalysen gelingen kann, den Krebs zu bekämpfen? Ein 3-Minuten-Video erklärt anschaulich, wie pmOne das Universitätsklinikum Hamburg-Eppendorf genau dabei unterstützen.

Neue BARC-Studie liefert viele neue Einsichten von Anwendern für Anwender

Den Markt für Big Data in Österreich bis 2016 beleuchtet eine neue Studie von LSZ Consulting und MSM Research. Demnach versprechen sich die Befragten von Big Data mehrheitlich neue Möglichkeiten der Datenanalyse, schrecken aber zugleich vor der Komplexität von Lösungen zurück. Detaillierten Aufschluss über Status quo, Entwicklungen und Projektpläne von insgesamt 77 österreichischen Unternehmen gibt der 40 Seiten umfassende „Executive Summary Report für ICT-Verantwortliche/CxOs“, den pmOne als Sponsor der Studie zum Download bereitstellt.

Markttrends und Kundenpräferenzen vorhersagen zu können, ist der Traum aller Unternehmenslenker. Data Analytics-Anwendungen haben das Zeug dazu, dass dieser Traum auch in Erfüllung geht. Aber Vorsicht: Die richtige Technologie ist nur die eine Seite der Medaille. Was es auf dem Weg von unstrukturierten Informationen zu wertvollen Erkenntnissen sonst noch zu beachten gilt, erfahren Sie im neuen pmOne-Blog-Beitrag.

Planung gilt als Voraussetzung für eine effektive Unternehmenssteuerung. Soweit die Theorie. In der Praxis jedoch laufen Planungsprozesse in vielen Unternehmen alles andere als effizient ab – und als besonders komplex gilt eine treiberbasierte Planung. Sind die wichtigen Einflussfaktoren und Zusammenhänge im Unternehmen allerdings erst einmal aufgespürt, trägt das nicht nur zu einem besseren Verständnis der Ursache-Wirkungsbeziehungen bei, sondern erhöht den Wirkungsgrad der Planung insgesamt. In Teil 2 der Serie zur treiberbasierten Planung beschäftigt sich Karsten Oehler deshalb systematisch mit der Frage, welches die wesentlichen Parameter sind.

Die Ideenwerkstatt des Internationalen Controller Vereins, hat es sich zum Ziel gesetzt, wesentliche Trends der Controlling-Praxis zu identifizieren und so Impulse zu setzen. Das Thema 2014: Big Data – Potenzial für den Controller. In diesem Dream Car-Bericht wird zum einen die Relevanz des Themas eingeschätzt, zum anderen werden anhand von Praxisbeispielen Gestaltungsempfehlungen formuliert.

Diese Zusammenfassung beschäftigt sich mit dem zweiten Teil der Publikation – konkreten Handlungsanweisungen, wie Unternehmen von Big Data profitieren können.

Im Zuge des Events „Accelerate your Insights“ stellte Microsoft im April diesen Jahres den SQL Server 2014 vor. Und auch ein weiterer neuer Name tauchte auf: Analytics Platform System, kurz APS. Bei dieser Appliance, also der Kombination von Hard- und Software, handelt es sich allerdings nicht um eine komplett neue Lösung, sondern vielmehr um den neuen Namen der MPP-Datenbank (massiv parallel processing) von Microsoft, die bisher als Parallel Data Warehouse (PDW) bekannt war. Doch wie kam es zu dieser Umbenennung und gibt es außer der Bezeichnung noch weitere Unterschiede zwischen PDW und APS?

Im ersten von zwei Blog-Beiträgen zum Dream Car-Bericht der Ideenwerkstatt des ICV 2014 geht es um die Chancen und Risiken, die sich durch Big Data für Controller und ihr Berufsbild ergeben. Tenor des Berichts ist, dass sich durch Big Data zahlreiche Prozesse in allen Teilen der Wertschöpfungskette effizienter gestalten lassen. Doch gerade Controller sollten bei der Implementierung die Verheißungen neuer Lösungen stets kritisch betrachten und eine ausführliche Kosten-Nutzen-Analyse durchführen.

Das Deutsche Bank-Research „Big Data – Die ungezähmte Macht“ beschäftigt sich mit dem Thema Big Data samt Chancen sowie Risiken. Daten werden in der heutigen Zeit immer wertvoller – sie werden sogar als neue virtuelle Währung im Netz bezeichnet. Aufgrund dieser Entwicklung sind allerdings auch einige Aspekte, wie zum Beispiel die Sicherheit persönlicher Daten, mehr und mehr kritisch zu betrachten. Dieser Blog-Beitrag fasst die Kernthesen der Studie zusammen.

Das Institut für Business Intelligence der Steinbeis Hochschule Berlin beschäftigt sich in der Studie „Competing on Analytics 2013“ mit Herausforderungen, Nutzen und Potential von Business Intelligence sowie Big Data für Unternehmen. In der hier zum Download angebotenen ersten Teilauswertung geht es um den Themenkomplex Big Data Analytik, der immer wichtiger für Organisationen wird, die bestmöglich am Markt agieren wollen.

Dieser Blog-Eintrag soll die verschiedenen Informationen zum Parallel Data Warehouse (PDW) zusammenführen und verständlich aufbereiten. Abseits von euphorischen Marketing-Ankündigungen ist das PDW eine Lösung, um die Anforderungen, die sich aus immer weiter wachsenden Datenmengen ergeben, besser in den Griff zu bekommen. Also, was ist das PDW? Da stelle ma uns mal janz dumm …

Analysten des renommierten Business Application Research Center (BARC) haben sich in einer aktuellen Research Note mit dem Microsoft Big-Data-Angebot befasst. Dabei stellen sie fest, dass Microsoft auch Technologien für Big-Data-Szenarien anbietet und sich in den Entwicklungstrend der „großen BI-Generalisten“, wie IBM, Oracle oder SAP einreiht. Eine Ergebnis der BARC Research Note: „Der Fokus liegt auf einer einfachen Bedienbarkeit.“

Neuer Survey von BARC zeigt: Europäische Unternehmen erwarten von Big Data bessere strategische Entscheidungen

Wie viele Daten sind „Big Data“?

Michael Hartung

Sie haben wahrscheinlich eine grobe Vorstellung davon oder selber schon erlebt, was „viele Daten“ (Big Data) sind. Aber haben Sie auch eine echte Vorstellung von den Größenverhältnissen? Google-Daten in Reiskörner „umgerechnet“ würden alle zwei Tage die komplette Erdoberfläche bedecken. Und in 2011 wurden wohl 1,8 Zettabyte Daten produziert.

Zu diesem Schluss könnte man gelangen, wenn man die Ausrichtung einschlägiger Konferenzen und des Marketings vieler Business Intelligence Hersteller unter die Lupe nimmt. In welchen Aspekten die Big Data Bewegung eine evolutionäre Weiterentwicklung ist und welche neuen Aufgabenstellungen warten, beleuchtet dieser Artikel. Empfehlenswert auch unsere Expertenrunde „Big Data – Marketing-Hype oder echter Mehrwert?“, in der viele pointierte Meinungen zum Thema transportiert wurden.

Big Data ist kein Data Warehouse Projekt

Prof. Dr. Andreas Seufert

Der Direktor des Instituts für Business Intelligence, Prof. Dr. Andreas Seufert, äußert sich im Interview mit der Computerwoche differenziert zum Thema Big Data. Nach seiner Auffassung setzt „die sinnvolle Verarbeitung polystrukturierter Daten zum Teil ein völlig neues Skillset“ voraus. Außerdem erläutert er seine betriebswirtschaftliche Sichtweise auf das Thema Big Data und moniert methodische Defizite.

Expertenrunde diskutiert aktuelle Studienergebnisse zum Thema Data Warehouse

Status quo, Herausforderungen und Nutzen - Die vorliegende Studie soll einen Beitrag zu dieser Diskussion leisten, indem sie den Status quo und die Einschätzung in Unternehmen in Deutschland untersucht. Wir haben dabei, trotz und wegen des Alters des Konzeptes, noch einmal fundamentale Fragen gestellt: Warum werden Data Warehouses gebaut und welche Ziele werden tatsächlich erreicht?

Autoren

Lernen Sie die Blog-Autoren besser kennen.

Alle Blog-Autoren

Key Solutions

Optimale Datenbereitstellung

Ohne Data Governance ist heute ein unternehmensweit abgestimmtes Datenmanagement nicht mehr möglich. Sie ist der Schlüssel für eine effiziente Nutzung vertrauenswürdiger Daten. pmOne bietet die nötige Expertise, um eine Data Governance aufzubauen und mittels Master Data Management Ihre Daten optimal zu pflegen.

Data Governance / Master Data Management

Echte Mehrwerte generieren

Vorhersagen treffen, Prozesse automatisieren, neue Geschäftsmodelle entwickeln. Mit den modernsten Verfahren aus Data Science, Machine Learning und AI entwickeln und implementieren wir für Sie selbstlernende Algorithmen, die echte Mehrwerte aus Ihren Daten generieren.

Unser großes Team an Data Scientists und Data Engineers hat langjährige Erfahrung sowie umfangreiche Expertisen in der Durchführung von Digitalisierungs-Projekten und durfte bereits viele Unternehmen in den Bereichen B2B und B2C zum Erfolg führen.

 

Data Science / Machine Learning / AI

Optimierung von Finanzprozessen

Für den Finanzbereich von Unternehmen bietet pmOne bewährte, zuverlässige und flexible Lösungen zur strategischen Planung, Steuerung und für den Konzernabschluss. Zudem sorgen wir für die Ergänzung und Entwicklung leistungsstarker Systeme zum Erfüllen der steigenden Anforderungen an die Prognosegüte und eine weitestgehende Automatisierung von Prozessen. Hierbei kommen Verfahren wie Artificial Intelligence, Advanced Analytics und Data Science zum Einsatz.

Unternehmensplanung / Konsolidierung

Von Daten zu Erkenntnissen

Widerspruchsfreie, konsistente Daten sind die Grundlage für jegliche Business-Intelligence-Lösung. Für diese Basis sorgt pmOne mit dem Aufbau eines Data-Warehouse (DWH) als zentralem Anknüpfungspunkt. Dort fügen sich entsprechende Business-Intelligence-Lösungen von pmOne nahtlos an, mit denen sich die konsistenten Daten aufbereiten, analysieren und visualisieren lassen. Für die auf diese Weise veredelten Informationen bietet pmOne Reporting-Tools für standardisiertes Berichtswesen, aber auch für individuelles, agiles Reporting unterschiedlicher Fachbereiche.

Data-Warehouse / Business Intelligence/ Reporting

Globale Vernetzung nutzen

Die Digitalisierung mit Internet of Things (IoT) ermöglicht das sichere Vernetzen und Datensammeln von quer über den Planeten verteilten Geräten. Die Erkenntnisse aus diesen Daten können für effizientere Geschäftsprozesse und zur Kostenreduzierung genutzt werden. pmOne unterstützt sowohl bei einer kompletten Digitalisierung von Unternehmen als auch bei Anwendungsfällen in einzelnen Projekten. Mit dem IoT-Starter-Paket gehen Sie Schritt für Schritt Richtung Digitalisierung und erhalten einen Überblick über Ihre spezifischen Potenziale und möglichen Anwendungsfälle.

IoT

Für reibungslosen Betrieb

Mit zunehmender Digitalisierung aller Geschäfts- und Unternehmensbereiche steigen auch die Anforderungen an einen reibungslosen Betrieb. pmOne bietet für alle Lösungen und Systeme Unterstützung durch Operation Services. Auf Basis unterschiedlicher Service-Level sorgen wir für reibungslose Prozesse und rasche Hilfe. Durch die beliebige Skalierbarkeit der Support-Leistungen von pmOne sind Unternehmen hierbei besonders flexibel.

Operation Services