Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Dlaczego Big Data narobi nam problemów? - Mateusz Muryjas @ GeekTrends #1

970 views

Published on

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.

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Dlaczego Big Data narobi nam problemów? - Mateusz Muryjas @ GeekTrends #1

  1. 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. 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. 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. 4. Z Business Intelligence jest trochę jak z …
  5. 5. Kto robi zakupy?
  6. 6. Kto robi zakupy? Karty lojalnościowe. Karty lojalnościowe, wszędzie.
  7. 7. I kiedy przeanalizujemy n paragonów.. okaże się, że najczęściej kupowanymi rzeczami są:
  8. 8. I kiedy przeanalizujemy n paragonów.. okaże się, że najczęściej kupowanymi rzeczami są:
  9. 9. Z wykorzystaniem technik BI można całkiem trafnie przewidzieć.. ciążę! Pozostając w klimacie pieluch..
  10. 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. 11. Pójdźmy dalej – dane vs realny zysk Ile można zaoszczędzić eliminując prawoskręt?
  12. 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. 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. 14. Wygrana team’u Mercedes McLaren w F1 Wyniki Mundialu 2014 w Brazylii Współpraca DFB z SAP (Hana) Przykłady można mnożyć!
  15. 15. Ilość danych, które zostawiamy każdego dnia, jest ogromna. demograficzne behawioralne transakcyjne geograficzne (lokacyjne)
  16. 16. Wymiarów danych będzie przybywać.
  17. 17. Nie potrafimy z nich korzystać. a przynajmniej nie wszyscy. Problem #1 i #2
  18. 18. Cel i zakres analizy
  19. 19. Standaryzacja danych
  20. 20. Frontem do klienta backdoor‘em do oferenta Problem #3
  21. 21. Nie zawsze wiemy gdzie wylądują nasze dane..
  22. 22. .. i jak mogą zostać (zostaną) wykorzystane.
  23. 23. on-line & off-line Rozszerzamy rzeczywistość! Problem #4
  24. 24. Posiadać, nie znaczy rozumieć Wyzwania analizy i interpretacji danych. Problem #5
  25. 25. 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.
  26. 26. Problem wizualizacji danych
  27. 27. Dobór odpowiedniego narzędzia Traktor rzecz fajna, ale trawnika nie skosi. Problem #6
  28. 28. Dobór narzędzia jest równie ważny jak cel analizy danych.
  29. 29. Case studies – Business Intelligence w praktyce
  30. 30. Cel: co chcemy analizować? uczestnicy #e-biznes festiwal Grześ Kowalski (pojedynczy uczestnik #ebiznesfest) Chcemy analizować dane o uczestnikach konferencji.
  31. 31. Realizacja: konstrukcja wymiarów danych
  32. 32. Realizacja: zastosowanie wymiarów danych
  33. 33. Realizacja: sposób przechowywania danych
  34. 34. Realizacja: narzędzia wspierające
  35. 35. Realizacja: synergia danych off-line i on-line
  36. 36. Realizacja: wykorzystanie kolejnych wymiarów
  37. 37. Realizacja: analiza danych, wnioski
  38. 38. Realizacja: analiza danych, wnioski
  39. 39. Realizacja: analiza danych, wnioski
  40. 40. Realizacja: analiza danych, wnioski
  41. 41. Realizacja: narzędzia i rozwiązania
  42. 42. Danych będzie przybywać. Wniosek: musimy nauczyć się je wykorzystywać. Przesłanie na koniec
  43. 43. Dzięki za uwagę!  Koniec!
  44. 44. 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

×