SlideShare a Scribd company logo
1 of 16
Download to read offline
Agile Datenanalyse
Der schnelle Weg zum Mehrwert
Alexander C. S. Hendorf
@hendorf
4. Netzwerkforum - 11.10.2016 - ZEW, Mannheim
Alexander C. S. Hendorf
Königsweg GmbH
Königsweg: Spezialist für Digitalisierung
verbindet High-Tech Startups und die Industrie
EuroPython Organisator + Programm Chair
mongoDB master 2016, MUG Leader
Speaker Cebit, mongoDB World, EuroPython, PyData…
@hendorf
ERP
Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und
Kommunikationstechnik und IT-Systeme
ERP
Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und
Kommunikationstechnik und IT-Systeme
Prozess- / Fertigungsdaten
Logs
Bauteil- / CAD Daten
Auswertungen
Semi-strukturierte Daten wie Texte, Konzepte, Mail- /
Schriftverkehr
…
ERP
Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und
Kommunikationstechnik und IT-Systeme
Prozess- / Fertigungsdaten
Logs
Bauteil- / CAD Daten
Auswertungen
Semi-strukturierte Daten wie Texte, Konzepte, Mail- /
Schriftverkehr
…
ERP
Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und
Kommunikationstechnik und IT-Systeme
Prozess- / Fertigungsdaten
Logs
Bauteil- / CAD Daten
Auswertungen
Semi-strukturierte Daten wie Texte, Konzepte, Mail- /
Schriftverkehr
…
"Information is the oil of the 21st century."
Peter Sondergaard, Gartner Research
"There were 5 Exabytes of information created between the dawn
of civilization through 2003, but that much information is now
created every 2 days." Eric Schmidt, Google, 2010
"You can have data without information, but you cannot have
information without data." Daniel Keys Moran, Autor
"Hiding within those mounds of data is knowledge that could change
the life of the patient, or change the world." Atul Butte, Stanford School,of Medicine
We chose it because we deal with huge amounts of data. Besides, it
sounds really cool.” – Larry Page, Google
"Big data is what happened when the cost of storing
information became less than the cost of making the decision
to throw it away." - George Dyson
Problemstellungen
-Insellösungen
-One-Fits-All-Lösungen
-Heterogenität der Daten
-Daten gehören zur IT und jeweiligen Fachbereich(en)
-Kommunikationsprobleme zwischen Fachabteilungen
-Daten sind nicht nur Beiprodukt, sondern Produkt des Prozesses
-Wissen: Daten = Mehrwert
"Data is not information,
information is not knowledge,
knowledge is not understanding,
understanding is not wisdom."
- Clifford Stoll, astronomer, author and teacher
Moral
Ethik
Qualität
Verfügbarkeit
Relevanz
Verdichtung
Kontext
Klassifizierung
Daten InformationBeziehungen verstehen
Wissen
Hypothesen
Erfahrung
Wissen WeisheitMuster verstehen Prinzipien verstehen
Mittel- & langfristige Umsetzung
-Fachbereichübergreifend - jenseits von IT
-Gemeinsame Verantwortlichkeit für Daten
-Berücksichtigung Verbesserungsziele Unternehmen
-Freiheit von großen Lösungen
-Data Science ins Boot holen
-Eingehen auf Veränderungen wichtiger als Festhalten am Plan.
-Mensch & Erfahrung spielt Rolle, trifft aber auf harte Fakten
* Twelve Barriers to Effective Management of Data and Information Assets (Data Driven / Thomas Redman)
Agile Datenanalyse Vorteile
-Frühzeitig Unternehmensnutzen schaffen
-agil / flexibel
-zielorientiert, aber ergebnisoffen
-qualitätsorientiert
-einzelne, identifizierte Quellen können nach und nach in bestehende
Systeme integriert werden
Alexander C. S. Hendorf
ah@koenigsweg.com
@hendorf

More Related Content

Similar to Agile Datenanalsyse - der schnelle Weg zum Mehrwert

Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Semantic Web Company
 
Big Data im Personalmanagement (HRM)
Big Data im Personalmanagement (HRM)Big Data im Personalmanagement (HRM)
Big Data im Personalmanagement (HRM)Stephan Kaiser
 
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007Andreas Schulte
 
Der Wert von Daten in Zeiten von "Big Data"
Der Wert von Daten in Zeiten von "Big Data"Der Wert von Daten in Zeiten von "Big Data"
Der Wert von Daten in Zeiten von "Big Data"Thilo Stadelmann
 
Die Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsDie Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsEduard Daoud
 
3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, ProjektwissensmanagementStefan Landwehr
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigungMaria Willamowius
 
Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Maria Willamowius
 
Persönliches Wissensmanagement
Persönliches WissensmanagementPersönliches Wissensmanagement
Persönliches Wissensmanagementsommer22
 
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndDotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndOlivia Klose
 
04_Whitepaper_Perspektive_Daten_WEB-2.pdf
04_Whitepaper_Perspektive_Daten_WEB-2.pdf04_Whitepaper_Perspektive_Daten_WEB-2.pdf
04_Whitepaper_Perspektive_Daten_WEB-2.pdfMILTONHARVEYSANCHEZ
 
Intranet und Mitarbeiter-App – Wie passt das zusammen?
Intranet und Mitarbeiter-App – Wie passt das zusammen?Intranet und Mitarbeiter-App – Wie passt das zusammen?
Intranet und Mitarbeiter-App – Wie passt das zusammen?Staffbase
 
Big Data - Die große Innovation?
Big Data - Die große Innovation?Big Data - Die große Innovation?
Big Data - Die große Innovation?BARC GmbH
 
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und InformationsmanagementUnternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und InformationsmanagementNicki Borell
 
Durch intelligente Optimierung zum einem Enterprise Information System
Durch intelligente Optimierung zum einem Enterprise Information SystemDurch intelligente Optimierung zum einem Enterprise Information System
Durch intelligente Optimierung zum einem Enterprise Information SystemFranz Schreiber
 
Durch intelligente Optimierung zum Enterprise Information System
Durch intelligente Optimierung zum Enterprise Information SystemDurch intelligente Optimierung zum Enterprise Information System
Durch intelligente Optimierung zum Enterprise Information SystemFranz Schreiber
 
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...Stefan Pfeiffer
 

Similar to Agile Datenanalsyse - der schnelle Weg zum Mehrwert (20)

Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
 
Big Data im Personalmanagement (HRM)
Big Data im Personalmanagement (HRM)Big Data im Personalmanagement (HRM)
Big Data im Personalmanagement (HRM)
 
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007
A2 DPC Knowledege Wissen Griffbereit 2007 Lotusday 2007
 
Der Wert von Daten in Zeiten von "Big Data"
Der Wert von Daten in Zeiten von "Big Data"Der Wert von Daten in Zeiten von "Big Data"
Der Wert von Daten in Zeiten von "Big Data"
 
Die Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsDie Zukunft des Wissensmanagements
Die Zukunft des Wissensmanagements
 
3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement
 
Toolbasierte Datendokumentation in der Psychologie
Toolbasierte Datendokumentation in der PsychologieToolbasierte Datendokumentation in der Psychologie
Toolbasierte Datendokumentation in der Psychologie
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigung
 
Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013
 
Persönliches Wissensmanagement
Persönliches WissensmanagementPersönliches Wissensmanagement
Persönliches Wissensmanagement
 
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-EndDotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
 
04_Whitepaper_Perspektive_Daten_WEB-2.pdf
04_Whitepaper_Perspektive_Daten_WEB-2.pdf04_Whitepaper_Perspektive_Daten_WEB-2.pdf
04_Whitepaper_Perspektive_Daten_WEB-2.pdf
 
Intranet und Mitarbeiter-App – Wie passt das zusammen?
Intranet und Mitarbeiter-App – Wie passt das zusammen?Intranet und Mitarbeiter-App – Wie passt das zusammen?
Intranet und Mitarbeiter-App – Wie passt das zusammen?
 
[DE] Vom Enterprise Content Management zum Enterprise Information Management ...
[DE] Vom Enterprise Content Management zum Enterprise Information Management ...[DE] Vom Enterprise Content Management zum Enterprise Information Management ...
[DE] Vom Enterprise Content Management zum Enterprise Information Management ...
 
Enterprise Search Technologien im Dienste der DSGVO / GDPR
Enterprise Search Technologien im Dienste der DSGVO / GDPREnterprise Search Technologien im Dienste der DSGVO / GDPR
Enterprise Search Technologien im Dienste der DSGVO / GDPR
 
Big Data - Die große Innovation?
Big Data - Die große Innovation?Big Data - Die große Innovation?
Big Data - Die große Innovation?
 
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und InformationsmanagementUnternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und Informationsmanagement
 
Durch intelligente Optimierung zum einem Enterprise Information System
Durch intelligente Optimierung zum einem Enterprise Information SystemDurch intelligente Optimierung zum einem Enterprise Information System
Durch intelligente Optimierung zum einem Enterprise Information System
 
Durch intelligente Optimierung zum Enterprise Information System
Durch intelligente Optimierung zum Enterprise Information SystemDurch intelligente Optimierung zum Enterprise Information System
Durch intelligente Optimierung zum Enterprise Information System
 
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...
Kollege Watson, übernehmen Sie ... oder: Was Systeme der künstlichen Intellig...
 

More from Alexander Hendorf

Deep Learning for Fun and Profit [PyConDE 2018]
Deep Learning for Fun and Profit [PyConDE 2018]Deep Learning for Fun and Profit [PyConDE 2018]
Deep Learning for Fun and Profit [PyConDE 2018]Alexander Hendorf
 
Einführung Datenanalyse mit Pandas [data2day]
Einführung Datenanalyse mit Pandas [data2day]Einführung Datenanalyse mit Pandas [data2day]
Einführung Datenanalyse mit Pandas [data2day]Alexander Hendorf
 
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]Introduction to Pandas and Time Series Analysis [Budapest BI Forum]
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]Alexander Hendorf
 
Introduction to Pandas and Time Series Analysis [PyCon DE]
Introduction to Pandas and Time Series Analysis [PyCon DE]Introduction to Pandas and Time Series Analysis [PyCon DE]
Introduction to Pandas and Time Series Analysis [PyCon DE]Alexander Hendorf
 
Data Mangling with mongoDB the Right Way [PyData London] 2016]
Data Mangling with mongoDB the Right Way [PyData London] 2016]Data Mangling with mongoDB the Right Way [PyData London] 2016]
Data Mangling with mongoDB the Right Way [PyData London] 2016]Alexander Hendorf
 
Introduction to Data Analtics with Pandas [PyCon Cz]
Introduction to Data Analtics with Pandas [PyCon Cz]Introduction to Data Analtics with Pandas [PyCon Cz]
Introduction to Data Analtics with Pandas [PyCon Cz]Alexander Hendorf
 
NoSQL oder: Freiheit ist nicht schmerzfrei - IT Tage
NoSQL oder: Freiheit ist nicht schmerzfrei - IT TageNoSQL oder: Freiheit ist nicht schmerzfrei - IT Tage
NoSQL oder: Freiheit ist nicht schmerzfrei - IT TageAlexander Hendorf
 
Neat Analytics with Pandas 4 3 [PyParis]
Neat Analytics with Pandas 4 3 [PyParis]Neat Analytics with Pandas 4 3 [PyParis]
Neat Analytics with Pandas 4 3 [PyParis]Alexander Hendorf
 
Data analysis and visualization with mongo db [mongodb world 2016]
Data analysis and visualization with mongo db [mongodb world 2016]Data analysis and visualization with mongo db [mongodb world 2016]
Data analysis and visualization with mongo db [mongodb world 2016]Alexander Hendorf
 
Time travel and time series analysis with pandas + statsmodels
Time travel and time series analysis with pandas + statsmodelsTime travel and time series analysis with pandas + statsmodels
Time travel and time series analysis with pandas + statsmodelsAlexander Hendorf
 
Data mangling with mongo db the right way [pyconit 2016]
Data mangling with mongo db the right way [pyconit 2016]Data mangling with mongo db the right way [pyconit 2016]
Data mangling with mongo db the right way [pyconit 2016]Alexander Hendorf
 

More from Alexander Hendorf (12)

Deep Learning for Fun and Profit [PyConDE 2018]
Deep Learning for Fun and Profit [PyConDE 2018]Deep Learning for Fun and Profit [PyConDE 2018]
Deep Learning for Fun and Profit [PyConDE 2018]
 
Databases for Data Science
Databases for Data ScienceDatabases for Data Science
Databases for Data Science
 
Einführung Datenanalyse mit Pandas [data2day]
Einführung Datenanalyse mit Pandas [data2day]Einführung Datenanalyse mit Pandas [data2day]
Einführung Datenanalyse mit Pandas [data2day]
 
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]Introduction to Pandas and Time Series Analysis [Budapest BI Forum]
Introduction to Pandas and Time Series Analysis [Budapest BI Forum]
 
Introduction to Pandas and Time Series Analysis [PyCon DE]
Introduction to Pandas and Time Series Analysis [PyCon DE]Introduction to Pandas and Time Series Analysis [PyCon DE]
Introduction to Pandas and Time Series Analysis [PyCon DE]
 
Data Mangling with mongoDB the Right Way [PyData London] 2016]
Data Mangling with mongoDB the Right Way [PyData London] 2016]Data Mangling with mongoDB the Right Way [PyData London] 2016]
Data Mangling with mongoDB the Right Way [PyData London] 2016]
 
Introduction to Data Analtics with Pandas [PyCon Cz]
Introduction to Data Analtics with Pandas [PyCon Cz]Introduction to Data Analtics with Pandas [PyCon Cz]
Introduction to Data Analtics with Pandas [PyCon Cz]
 
NoSQL oder: Freiheit ist nicht schmerzfrei - IT Tage
NoSQL oder: Freiheit ist nicht schmerzfrei - IT TageNoSQL oder: Freiheit ist nicht schmerzfrei - IT Tage
NoSQL oder: Freiheit ist nicht schmerzfrei - IT Tage
 
Neat Analytics with Pandas 4 3 [PyParis]
Neat Analytics with Pandas 4 3 [PyParis]Neat Analytics with Pandas 4 3 [PyParis]
Neat Analytics with Pandas 4 3 [PyParis]
 
Data analysis and visualization with mongo db [mongodb world 2016]
Data analysis and visualization with mongo db [mongodb world 2016]Data analysis and visualization with mongo db [mongodb world 2016]
Data analysis and visualization with mongo db [mongodb world 2016]
 
Time travel and time series analysis with pandas + statsmodels
Time travel and time series analysis with pandas + statsmodelsTime travel and time series analysis with pandas + statsmodels
Time travel and time series analysis with pandas + statsmodels
 
Data mangling with mongo db the right way [pyconit 2016]
Data mangling with mongo db the right way [pyconit 2016]Data mangling with mongo db the right way [pyconit 2016]
Data mangling with mongo db the right way [pyconit 2016]
 

Agile Datenanalsyse - der schnelle Weg zum Mehrwert

  • 1. Agile Datenanalyse Der schnelle Weg zum Mehrwert Alexander C. S. Hendorf @hendorf 4. Netzwerkforum - 11.10.2016 - ZEW, Mannheim
  • 2. Alexander C. S. Hendorf Königsweg GmbH Königsweg: Spezialist für Digitalisierung verbindet High-Tech Startups und die Industrie EuroPython Organisator + Programm Chair mongoDB master 2016, MUG Leader Speaker Cebit, mongoDB World, EuroPython, PyData… @hendorf
  • 3.
  • 4. ERP Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und Kommunikationstechnik und IT-Systeme
  • 5. ERP Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und Kommunikationstechnik und IT-Systeme Prozess- / Fertigungsdaten Logs Bauteil- / CAD Daten Auswertungen Semi-strukturierte Daten wie Texte, Konzepte, Mail- / Schriftverkehr …
  • 6. ERP Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und Kommunikationstechnik und IT-Systeme Prozess- / Fertigungsdaten Logs Bauteil- / CAD Daten Auswertungen Semi-strukturierte Daten wie Texte, Konzepte, Mail- / Schriftverkehr …
  • 7. ERP Ressourcen wie Kapital, Personal, Betriebsmittel, Material, Informations- und Kommunikationstechnik und IT-Systeme Prozess- / Fertigungsdaten Logs Bauteil- / CAD Daten Auswertungen Semi-strukturierte Daten wie Texte, Konzepte, Mail- / Schriftverkehr …
  • 8. "Information is the oil of the 21st century." Peter Sondergaard, Gartner Research "There were 5 Exabytes of information created between the dawn of civilization through 2003, but that much information is now created every 2 days." Eric Schmidt, Google, 2010 "You can have data without information, but you cannot have information without data." Daniel Keys Moran, Autor "Hiding within those mounds of data is knowledge that could change the life of the patient, or change the world." Atul Butte, Stanford School,of Medicine We chose it because we deal with huge amounts of data. Besides, it sounds really cool.” – Larry Page, Google
  • 9. "Big data is what happened when the cost of storing information became less than the cost of making the decision to throw it away." - George Dyson
  • 10. Problemstellungen -Insellösungen -One-Fits-All-Lösungen -Heterogenität der Daten -Daten gehören zur IT und jeweiligen Fachbereich(en) -Kommunikationsprobleme zwischen Fachabteilungen -Daten sind nicht nur Beiprodukt, sondern Produkt des Prozesses -Wissen: Daten = Mehrwert
  • 11. "Data is not information, information is not knowledge, knowledge is not understanding, understanding is not wisdom." - Clifford Stoll, astronomer, author and teacher
  • 13. Mittel- & langfristige Umsetzung -Fachbereichübergreifend - jenseits von IT -Gemeinsame Verantwortlichkeit für Daten -Berücksichtigung Verbesserungsziele Unternehmen -Freiheit von großen Lösungen -Data Science ins Boot holen -Eingehen auf Veränderungen wichtiger als Festhalten am Plan. -Mensch & Erfahrung spielt Rolle, trifft aber auf harte Fakten * Twelve Barriers to Effective Management of Data and Information Assets (Data Driven / Thomas Redman)
  • 14.
  • 15. Agile Datenanalyse Vorteile -Frühzeitig Unternehmensnutzen schaffen -agil / flexibel -zielorientiert, aber ergebnisoffen -qualitätsorientiert -einzelne, identifizierte Quellen können nach und nach in bestehende Systeme integriert werden
  • 16. Alexander C. S. Hendorf ah@koenigsweg.com @hendorf