Szanse, zagrożenia i wyzwania wynikające z rozwoju Business Intelligence. Plan prezentacji: 1. Big Data – buzzword czy przedmiot fascynacji? Inspirujące przykłady wykorzystujące Big Data, Business Intelligence oraz elementy sztucznej inteligencji w praktyce. 2. Big Problem or Big Chance? Czy Big Data i Business Intelligence narobią nam problemów? Jakie wyzwania i zagrożenia niesie za sobą „matrix”, w którym żyjemy? A może Big Data to Big Chance na rozwój i zmiany? 3. Case study – Business Intelligence w praktyce Przykłady zastosowań Business Intelligence w praktyce na podstawie doświadczeń organizacji konferencji #e-biznes festiwal.

1. Dlaczego Big Data narobi nam w życiu problemów?
Szanse, zagrożenia i wyzwania wynikające z rozwoju Business Intelligence
Mateusz Muryjas | GeekTrends #1 | Kraków, 17 listopada 2014

2. Mateusz Muryjas
Analityczny.IT | MF&Partners Consulting
Konsultant z zakresu analityki internetowej i wdrażania rozwiązań IT w biznesie. Pasjonat Business Intelligence i zagadnień związanych z Big Data. Menedżer projektu #e-biznes festiwal.
Kilka słów o mnie..
mateusz@analityczny.it
https://www.linkedin.com/in/mmuryjas
http://fb.com/mmuryjas
@mmuryjas

3. 1. Big Data – buzzword czy przedmiot fascynacji?
Inspirujące przykłady wykorzystujące Big Data, Business Intelligence oraz elementy sztucznej inteligencji w praktyce.
Plan na dziś:
2. Big Problem or Big Chance?
Czy Big Data i Business Intelligence narobią nam problemów? Jakie zagrożenia niesie za sobą „matrix”, w którym żyjemy? A może Big Data to Big Chance na rozwój i zmiany?
3. Case study – Business Intelligence w praktyce
Przykłady zastosowań Business Intelligence w praktyce na podstawie doświadczeń organizacji konferencji #e-biznes festiwal.

4. Z Business Intelligence jest trochę jak z …

5. Kto robi zakupy?

6. Kto robi zakupy?
Karty lojalnościowe.
Karty lojalnościowe, wszędzie.

7. I kiedy przeanalizujemy n paragonów..
okaże się, że najczęściej kupowanymi rzeczami są:

8. I kiedy przeanalizujemy n paragonów..
okaże się, że najczęściej kupowanymi rzeczami są:

9. Z wykorzystaniem technik BI można całkiem trafnie przewidzieć.. ciążę!
Pozostając w klimacie pieluch..

10. Z wykorzystaniem technik BI można całkiem trafnie przewidzieć.. ciążę!
Pozostając w klimacie pieluch..
Zanim Ty się o tym dowiesz.
(lub Twój partner/ka )

11. Pójdźmy dalej – dane vs realny zysk
Ile można zaoszczędzić eliminując prawoskręt?

12. Pójdźmy dalej – dane vs realny zysk
Ile można zaoszczędzić eliminując prawoskręt?
7 minut / każdą godzinę pracy kierowcy.
7 minut * 12 godzin pracy = 84 minuty / dziennie.

13. Pójdźmy dalej – dane vs realny zysk
Ile można zaoszczędzić eliminując prawoskręt?
7 minut / każdą godzinę pracy kierowcy.
7 minut * 12 godzin pracy = 84 minuty / dziennie.
84 minuty = 15 zamówień więcej.
1 zamówienie = 50 – 70 zł
50 – 70 zł * 15 zamówień * 200 = 150 000 – 210 000 zł / dziennie.

14. Wygrana team’u Mercedes McLaren w F1
Wyniki Mundialu 2014 w Brazylii
Współpraca DFB z SAP (Hana)
Przykłady można mnożyć!

15. Ilość danych, które zostawiamy każdego dnia, jest ogromna.
demograficzne
behawioralne
transakcyjne
geograficzne (lokacyjne)

17. Wymiarów danych będzie przybywać.

20. Nie potrafimy z nich korzystać.
a przynajmniej nie wszyscy.
Problem #1 i #2

21. Cel i zakres analizy

22. Standaryzacja danych

23. Frontem do klienta
backdoor‘em do oferenta
Problem #3

24. Nie zawsze wiemy gdzie wylądują nasze dane..

25. .. i jak mogą zostać (zostaną) wykorzystane.

26. on-line & off-line
Rozszerzamy rzeczywistość!
Problem #4

27. Posiadać, nie znaczy rozumieć
Wyzwania analizy i interpretacji danych.
Problem #5

28. Business Intelligence - definicja
Business Intelligence to proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana do zwiększenia konkurencyjności przedsiębiorstwa.
Głównym zadaniem systemów klasy BI jest wspomaganie decyzji biznesowych podejmowanych w przedsiębiorstwie bądź organizacji.

29. Problem wizualizacji danych

30. Dobór odpowiedniego narzędzia
Traktor rzecz fajna, ale trawnika nie skosi.
Problem #6

31. Dobór narzędzia jest równie ważny jak cel analizy danych.

32. Case studies – Business Intelligence w praktyce

33. Cel: co chcemy analizować?
uczestnicy #e-biznes festiwal
Grześ Kowalski (pojedynczy uczestnik #ebiznesfest)
Chcemy analizować dane o uczestnikach konferencji.

34. Realizacja: konstrukcja wymiarów danych

35. Realizacja: zastosowanie wymiarów danych

36. Realizacja: sposób przechowywania danych

37. Realizacja: narzędzia wspierające

38. Realizacja: synergia danych off-line i on-line

39. Realizacja: wykorzystanie kolejnych wymiarów

40. Realizacja: analiza danych, wnioski

41. Realizacja: analiza danych, wnioski

42. Realizacja: analiza danych, wnioski

43. Realizacja: analiza danych, wnioski

44. Realizacja: narzędzia i rozwiązania

45. Danych będzie przybywać.
Wniosek: musimy nauczyć się je wykorzystywać.
Przesłanie na koniec

46. Dzięki za uwagę! 
Koniec!

47. Mateusz Muryjas
Analityczny.IT | MF&Partners Consulting
Konsultant z zakresu analityki internetowej i wdrażania rozwiązań IT w biznesie. Pasjonat Business Intelligence i zagadnień związanych z Big Data. Menedżer projektu #e-biznes festiwal.
Kilka słów o mnie..
mateusz@analityczny.it
https://www.linkedin.com/in/mmuryjas
http://fb.com/mmuryjas
@mmuryjas