AUSGEBUCHT

Book A Pro – Buchen Sie einen Cubeware Profi für Ihr Thema!

- AUSGEBUCHT -

Nutzen Sie die Gelegenheit und sprechen Sie auf dem diesjährigen Kundentag mit einem unserer BI- und Datenexperten auf Augenhöhe. Profitieren Sie von unserer Erfahrung aus tausenden von Projekten in den letzten 22 Jahren!

Von fachlich bis technologisch, spezifisch oder allgemein – 30 Minuten intensiver Austausch für Ihre Fragen, Ideen und Projekte.

Sie bringen das Thema, wir liefern die Erfahrung!

Wir sind bereits ausgebucht. Sie können sich aber gerne in unserer Warteliste eintragen.

Warteliste

Gesprächsbedarf - AUSGEBUCHT -

Zu welcher unserer Kategorien passt Ihr Thema am besten? Wir haben für Sie die passenden Experten.

Data Storytelling

Daten verlassen sich darauf, dass Sie ihr eine Stimme geben, und Datenstorytelling ist eine Möglichkeit, die Bedeutung von Analyseergebnissen und gewonnenen Erkenntnissen zu erklären. Data Stories ergänzen und bauen auf Komponenten von visuellen Analysen, standardisierten Berichten und Dashboards wie Grafiken und Tabellen auf. Sie werden modifiziert, kommentiert und zu einer Erzählung zusammengefasst, um den Beweis für einen fundierten Handlungsbedarf zu liefern. Die Neurowissenschaften zeigen, dass Geschichten einen größeren Einfluss auf uns haben als bloße Zahlen, so dass sich die Kommunikation von Erkenntnissen und Botschaften nicht mehr nur auf Berichte verlassen kann. Fesselnde und inspirierende Geschichten treiben das Handeln an, das auf fundierten Erkenntnissen basiert. BI- und Analysetools sind die wichtigsten Gateways für Unternehmensinformationen. Die interaktive Präsentation von Informationen und Stories in BI- und Analysetools ermöglicht eine hohe Effizienz und hilft, die Datenqualität sowie ein hohes Maß an Vertrauen zu gewährleisten. Dies ermöglicht die Interaktion mit Daten, das Bohren und Analysieren von Details ohne Werkzeugwechsel oder manuelle Anpassungen. Dieses interaktive analytische Storytelling erhöht die Glaubwürdigkeit von Geschichten und ermöglicht es Führungskräften, weitere Erkenntnisse zu gewinnen, die aus statischen, vordefinierten Analysen schwieriger zu gewinnen gewesen wären.

JETZT BUCHEN

Unternehmensplanung

Die integrierte Funktionalität für BI und Performance Management (insbesondere Planung) auf einer gemeinsamen Plattform ist seit Jahren einer der stabilsten und relevantesten Trends im Markt. Viele Unternehmen und Anwender wissen, dass es keine Planung ohne unterstützende Funktionen für Reporting (z.B. Ergebnisberichte), Analyse (z.B. Plan- und Istwertanalysen) und Dashboarding (z.B. Monitoring) geben kann. Die nahtlose Integration von Planungs- und BI-Funktionalität ist unerlässlich, um Planungsprozesse optimal zu unterstützen. Integrierte Plattformen für BI und Performance Management sind für alle Nutzertypen, Unternehmensgrößen und Branchen gleichermaßen relevant. Vor allem erstklassige Unternehmen haben stark in die Integration von BI- und Performance-Management-Prozessen investiert und der Nutzen dieser Bemühungen ist empirisch belegt. Die Unterstützung von BI und Performance Management auf einer integrierten Datenplattform mit einem integrierten Tool ist ein Ziel, in das es sich lohnt zu investieren. Ein entscheidender Faktor für den nachhaltigen Erfolg bei der Integration von BI und Planung ist die Unterstützung durch spezialisierte Softwarelösungen. Um zeitaufwändige und fehleranfällige Datentransferprozesse zwischen Softwaresystemen zu vermeiden, bildet eine integrierte Datenbank für Ist- und Plandaten, die in einem konsistenten Datenmodell dargestellt werden, die solide Grundlage für integrierte Softwarelösungen. Die zentral harmonisierten Stammdaten bilden eine einzige, gemeinsame Datenbasis für BI und Planung sowie weitere zusätzliche Performance-Management-Prozesse.

JETZT BUCHEN

Advanced & Predictive Analytics

Predictive Analytics und Data Mining sind wichtige Trends bei BI-Entscheidern für 2019. Die erweiterte Analytik geht über mathematische Berechnungen wie Summen und Durchschnitte hinaus. Es verwendet mathematische und statistische Formeln und Algorithmen, um neue Informationen zu generieren, Muster und Abhängigkeiten zu identifizieren und Prognosen zu berechnen. Die Anzahl der möglichen Anwendungsfälle in diesem Bereich ist immens und reicht von der Durchführung von Prognosen über Einkommen, Preise, Umsatz, Bedarf oder Kundenwert bis hin zur Vermeidung von Vertragskündigungen, der Prognose von Maschinenstillstandszeiten, der Überwachung und Auswertung von Social Media und der vorausschauenden Polizeiarbeit. Der Ausbau der Predictive Analytics und des Machine Learning bedeutet auch Veränderungen für IT-Entscheider und Manager. Sie müssen beurteilen, welche Anwendungsfälle mit Advanced Analytics zu bewältigen sind, welches Prioritätsniveau Advanced Analytics im gesamten Unternehmen haben sollte, welche Rollen benötigt werden (und mit welchen Fähigkeiten) und welche Technologie unter Berücksichtigung der IT-Landschaft und der vorgesehenen Benutzer am besten geeignet ist. Mit dem zunehmenden Einsatz und der zunehmenden Reife fortschrittlicher Analytik haben viele Unternehmen die Experimentierphase hinter sich gelassen und sind nun zu praktischeren, alltäglichen Anwendungsfällen übergegangen. Vor allem größere Unternehmen investieren in Ressourcen, um prädiktive Analysen und maschinelles Lernen durchzuführen. Der Einsatz von Analyselösungen und die Operationalisierung neuer Erkenntnisse und Erkenntnisse durch die Entwicklung neuer Produkte und Dienstleistungen bringt neue Herausforderungen mit sich, die sowohl organisatorisch als auch technologisch angegangen werden müssen. Die Operationalisierung von Use Cases ist in diesem Zusammenhang eine der größten Herausforderungen. Anbieter, die dem Thema die größte Bedeutung beimessen, profitieren von dem wachsenden Wissen der Business-Anwender und den wachsenden Investitionen in diesem Bereich.

JETZT BUCHEN

Künstliche Intelligenz

Der Begriff Künstliche Intelligenz (KI, engl. artificial intelligence, AI) als Teilgebiet der Informatik umfasst ein weites Feld. Im Kern bei der Umsetzung konkreter Aufgabenstellungen steht dabei das Maschinelle Lernen (engl. Machine Learning). KI findet im Kontext von BI momentan vor allem Einzug im Bereich Advanced Analytics. KI darüber hinaus aber noch in wesentlichen mehr BI-Bereichen einen wesentlichen Beitrag leisten. So zum Beispiel bei Reporting- und Dashboarding-Anwendungen, bei der Erstellung von Ad-hoc-Analysen und Data Stories, im Datenmanagement und vor allem auch im Bereich der Unternehmensplanung. Die Zukunft das KI-Marktes ist rosig: Das Marktvolumen wurde 2016 bereits mit 643,7 Millionen US-Dollar beziffert. 2017 soll es sich verdoppeln und bis 2025 auf 36,8 Milliarden US-Dollar anwachsen. Der durchdachte und gezielte Einsatz von KI-Verfahren wie Machine Learning hat das Potential Geschäftsmodelle, Produkte und Prozesse zu verbessern. Dabei wird die Business Intelligence weiterhin eine entscheidende Rolle spielen, denn Advanced-Analytics-Verfahren sind Kern von KI, aber auch schon lange Teil der BI. Business Intelligence profitiert von Advanced Analytics, indem einerseits leistungsfähigere analytische Verfahren angeboten werden können. Andererseits werden Reporting, Analyse und Planung aber auch das Datenmanagement durch in der Software eingebettete KI-Verfahren immer besser unterstützt, bis hin zur autonomen Ausführung bestimmter Datenmanagement- und -analyseaufgaben durch die Software.

JETZT BUCHEN

BI Architektur

Eine Business-Intelligence-Architektur bildet ein Framework zum Organisieren der Daten-, Informations-Management- und Technologie-Komponenten, die verwendet werden, um Business-Intelligence (BI) -Systeme für das Berichtswesen und die Datenanalyse zu erstellen. Die zugrunde liegende BI-Architektur spielt eine bedeutende Rolle bei Business-Intelligence-Projekten, da sie Entscheidungen hinsichtlich der Entwicklung und Implementierung beeinflusst.

Die Datenkomponenten einer BI-Architektur enthalten die Datenquellen, auf die das Management und andere Endbenutzer zugreifen und die sie analysieren müssen, um die jeweiligen geschäftlichen Anforderungen zu erfüllen. Wichtige Kriterien beim Auswahlprozess der Quellen betreffen die Datenaktualität, Datenqualität und den Detailgrad der Daten. Als Teil einer BI-Architektur können sowohl strukturierte als auch unstrukturierte Daten erforderlich sein, außerdem Informationen, die aus internen und externen Quellen stammen.

Mit den in der Architektur vorhandenen Komponenten für das Informations-Management werden die Transaktionsrohdaten in konsistente und kohärente Informationen überführt, die sich für BI-Zwecke eignen. Dieser Teil einer BI-Architektur umfasst zum Beispiel Datenintegration, Datenbereinigung sowie die Erstellung von Datendimensionen und Geschäftsregeln, die den Architekturvorgaben entsprechen. Mit diesen Komponenten lassen sich auch Strukturen für das Data Warehousing oder für einen Ansatz zur Datenföderation definieren, um Informationen nicht in physischen Data Warehouses oder Data Marts, sondern in virtuellen Datenbanken zu aggregieren.

Die Technologiekomponenten werden verwendet, um Unternehmensanwendern Informationen zu präsentieren und ihnen zu ermöglichen, die Daten zu analysieren. Dazu zählen BI-Softwarepakete oder BI-Tools, die innerhalb einer Organisation genutzt werden sollen, sowie die unterstützende IT-Infrastruktur, das heißt Hardware, Datenbank-Software und Netzwerkgeräte. Es gibt unterschiedliche Typen von BI-Anwendungen, die sich in eine Architektur integrieren lassen: Tools für das Berichtswesen, für Ad-hoc-Abfragen, Data Mining und zur Datenvisualisierung, außerdem OLAP-Software, Business-Intelligence-Dashboards und Performance Scorecards.

JETZT BUCHEN

Data Quality Management

Die Bedeutung von Datenqualität und Stammdatenmanagement lässt sich ganz einfach erklären: Nur auf der Grundlage korrekter Daten können Menschen die richtigen Entscheidungen treffen. Entscheidungsprozesse und operative Maßnahmen sind auf zuverlässige Daten angewiesen. BI-Berichte und -Analysen können durch ihre Aggregationsmechanismen dazu beitragen, Probleme der Datenqualität aufzudecken. Ziel des Stammdatenmanagements ist es, Stammdaten wie Kunden-, Lieferanten- oder Produktstammdaten systemübergreifend zusammenzuführen und auszutauschen. Neben einem "Master"-ERP-System arbeiten viele Unternehmen auch mit anderen CRM- oder SCM-Systemen, nutzen Webservices, müssen Systeme nach Unternehmenszusammenschlüssen zusammenführen oder als Partner effektiv zusammenarbeiten. Es gibt bewährte Konzepte zur Steigerung der Datenqualität und zur Implementierung des Stammdatenmanagements. Ein Beispiel ist der Data Quality Cycle, den viele Softwarehersteller in ihre Tools implementiert haben. Im heutigen digitalen Zeitalter, in dem sich Daten zunehmend als Produktionsfaktor herausbilden, wächst die Notwendigkeit, qualitativ hochwertige Daten zu nutzen und zu produzieren, um neue Dienstleistungen und Produkte zu ermöglichen. Die entscheidenden Erfolgsfaktoren für eine nachhaltig hohe Datenqualität sind definierte Rollen und Verantwortlichkeiten, Qualitätssicherungsprozesse und die kontinuierliche Überwachung der Datenqualität eines Unternehmens.

JETZT BUCHEN

Self Service BI

Self-Service-BI steht seit Jahren auf der Wunschliste vieler Unternehmen und hat nach unseren Umfrageergebnissen nach wie vor eine hohe Priorität. Diese anhaltend hohe Nachfrage unterstreicht die Bedeutung einer entsprechenden Ausstattung moderner Analyselandschaften. Self-Service-BI verspricht schnellere und effizientere Analysen und Berichte, indem es den beteiligten Geschäftsanwendern ermöglicht, Einblicke in die Daten zu gewinnen und besser informierte Entscheidungen zu treffen. Die Anzahl der Implementierungen, die es Geschäftsanwendern ermöglichen, ihre eigenen Berichte und Dashboards zu erstellen oder sogar Daten mit Hilfe von geführten erweiterten Analysen zu untersuchen und Datenbestände aufzubauen (Datenaufbereitung), nimmt zu. Nicht alle Geschäftsanwender nehmen aktiv an der Erstellung von BI- und Analyseinhalten teil. Es ist wichtig, Self-Service-BI als Ergänzung und nicht als Ergänzung zu gewartetem oder "Silver Service" BI zu verstehen. Die Verbindung und Steuerung der Bemühungen von Geschäftsanwendern mit dezentraler Inhaltserstellung ist trotz technologischer Fortschritte eine Herausforderung. Self-Service-BI erhöht die Agilität und beschleunigt die Zeit bis zur Erkenntnis, aber die Qualität der Ergebnisse oder die Effizienz dürfen nicht für Agilität geopfert werden. Es ist wichtig, die Wiederverwendung von Inhalten zu unterstützen und den richtigen Grad an Self-Service für alle Arten von Anwendungsfällen und Benutzern zu finden.

JETZT BUCHEN

Mobile BI

Mobile BI - getrieben durch den Erfolg mobiler Geräte - wurde vor einigen Jahren von vielen als eine große Welle in BI und Analytik angesehen. In den letzten Jahren sehen wir jedoch ein sehr langsames Wachstum der Nutzung von Mobile BI und eine gewisse Desillusionierung des Marktes. Leider gibt es nicht viele mobile BI-Anwendungen, die wirklich mobil-freundlich und für Geschäftsanwender einfach zu bedienen sind. Die Nutzerakzeptanz mobiler Lösungen ist daher oft eher gering. Unsere Umfragedaten zeigen, dass die Marktdurchdringung relativ langsam wächst: Im Jahr 2018 geben 30 Prozent der BI-Nutzer an, dass mobile BI in ihrem Unternehmen im Einsatz ist (gegenüber 28 Prozent im Jahr 2017, 23 Prozent im Jahr 2016, 21 Prozent im Jahr 2015 und 18 Prozent im Jahr 2014). Nach unserer Erfahrung sind die erfolgreichsten mobilen Einsätze diejenigen, bei denen bereits eine mobile Strategie entwickelt wurde und die Bedürfnisse der mobilen Mitarbeiter mit dem BI-Tool sorgfältig berücksichtigt werden. So ist beispielsweise das einfache Kopieren eines bestehenden Dashboards in eine mobile Umgebung nicht immer ein erfolgreicher Ansatz. Mobile BI hat ein großes Potenzial, operative Prozesse zu unterstützen und gleichzeitig die Penetration von BI in Unternehmen zu erhöhen. Daher ist es nicht verwunderlich, dass der Einzelhandel und das verarbeitende Gewerbe häufiger als andere Daten auf mobilen Geräten verwenden.

JETZT BUCHEN

MDX

Die Abkürzung MDX steht für Multidimensional Expressions und ist eine OLAP-Datenbanksprache zur Erstellung von multidimensionalen Abfragen in einem multidimensionalen Datenraum, z.B. für Abfragen in einem OLAP-Cube. Da MDX eine sehr mächtige Abfragesprache ist und deutlich mehr Flexibilität bietet als beispielsweise SQL, lohnt es sich vor allem im Hinblick auf die Verwendung der Datenbank CW1 sich näher mit MDX zu beschäftigen und sich nicht nur auf die von vielen BI-Tools im Hintergrund ausgeführten Abfragen zu verlassen.

JETZT BUCHEN

Data Preparation for Business User

Die Datenaufbereitung ist der Prozess der Bereinigung, Strukturierung und Anreicherung von Daten für den Einsatz in der Datenentdeckung und/oder erweiterten Analytik. Ziel der Datenaufbereitung für Geschäftsanwender ist es, Werkzeuge zur Verfügung zu stellen, mit denen sie Daten nach ihren analytischen Anforderungen gestalten können, ohne auf die IT zurückgreifen zu müssen. Die effiziente und agile Datenaufbereitung ist in der heutigen Wirtschaft von größter Bedeutung. Es ist entscheidend, die Fähigkeit zur effizienten verteilten Nutzung von Unternehmens- und Fremddaten zu erhöhen, um Geschäftsprozesse zu optimieren oder neue, innovative Geschäftsmodelle zu ermöglichen. Die nachhaltige Bedeutung der Datenaufbereitung für Geschäftsanwender zeigt, dass sich diese Datenmanagementaufgabe zunehmend von der IT auf die Geschäftsanwender verlagert. Um eine hohe Effizienz und Qualität zu gewährleisten, ohne die neu gewonnene Agilität zu beeinträchtigen, ist es wichtig, die Zusammenarbeit zwischen den Entwicklungsressourcen der IT und den beteiligten Fachanwendern herzustellen. Einfach zu bedienende und intuitive Tools mit ausgefeilter Benutzerführung und sofortigen Ergebnissen sind entscheidend für die Verbreitung der Datenaufbereitung. Die Transparenz der angewandten Transformationen (Data Lineage) und die Integration mit BI- und Analysesuiten unterstützen Data Governance-Anforderungen. Um eine effektive und effiziente Nutzung der Daten zu gewährleisten, müssen klare Leitplanken definiert werden.

JETZT BUCHEN

Kostenlose Beratung in entspannter Athmosphäre

Mit dem Format „Book a Pro“ bieten wir Ihnen auf unserem diesjährigen Kundentag die Möglichkeit, Ihre eigenen Ideen und Herausforderungen oder auch Trends, die Ihnen im Umfeld von Business Intelligence und Data Analytics immer wieder vor die Füße fallen, mit einem unserer BI- und Datenexperten auf Augenhöhe anzusprechen. 30 Minuten intensiver Austausch mit dem Ziel, Ihren Fragen und Ideen einen adäquaten Sparringspartner zur Seite zu stellen. 

Wir haben für Sie spezielle Gesprächsräume geschaffen, die Sie exklusiv mit unseren Experten in ruhiger Atmosphäre buchen können. Vier Räume stehen zur Verfügung um mit Ihren Ideen und Fragen gefüllt zu werden.

Zurück zur Veranstaltungsübersicht

Wählen Sie einen der vier Termine und haben noch genug Zeit, auch unsere Produkte kennen zu lernen und den Vorträgen der externen Experten zu folgen.

AUSGEBUCHT - Jetzt für Warteliste eintragen

Book a Pro (nach timeslot)
* Pflichtfeld
AUSGEBUCHT
Jetzt für Warteliste eintragen

Sponsoren

Ihre Daten
* Pflichtfeld