Jede KI ist nur so gut, wie die ihr zu Grunde liegende Datenbasis. Beim Blick auf nahende oder gerade entstehende Geschäftsmodelle sind darum das Verständnis und die Nutzung der vorhandenen Informationen essenziell. Dieser Dringlichkeit zum Trotz ist es um die operative Umsetzung von Analytics-Projekten nicht immer zum Besten bestellt. Es fehlt an Wissen und Experten.
Initiativen zur digitalen Transformation und zur IT-Modernisierung stehen nach wie vor bei vielen Unternehmen ganz oben auf der Agenda. Die Ziele sind meistens ambitioniert und die Initiativen somit breit angelegt. Nur so lassen sich aus Sicht der Firmen große, bahnbrechende Veränderungen realisieren.
Daten sind das Gold der digitalen Transformation – aber nur, wenn aus ihnen Wissen generiert werden kann. Insight Engines wurden entwickelt, um genau diese Aufgabe zu erfüllen. Daniel Fallmann, Gründer und Geschäftsführer von Mindbreeze, definiert die wichtigsten sechs Insight Engine-Trends für das Jahr 2019.
Wer über die richtigen Daten verfügt und noch dazu die passende Analyse-Methode beherrscht, vergünstigt Prognosen und macht sie skalierbar. Doch nur wenigen Unternehmen gelingt der Schritt vom einzelnen Anwendungsfall zum großflächigen Einsatz. So bleiben wirtschaftliche Versprechen uneingelöst.
Mit der digitalen Transformation stehen die meisten Unternehmen dem größten Wandel ihrer Geschäftsmodelle seit Jahrzehnten gegenüber. Für sie bedeutet dies nicht weniger als neue Technologien, neue Prozesse und vielfach auch neue Geschäftsmodelle.
Die meisten Unternehmen verfügen schon heute über eine Unmenge an Daten, und täglich kommen neue hinzu, schwierig wird es, wenn aus diesen Daten auch erkennbarer Mehrwert generiert werden soll. Marc Mai von doubleSlash stellt in diesem Gastbeitrag neue Möglichkeiten vor.
Wie man mit Analytics den idealen Urlaubsort findet oder wie Unternehmen die Customer-Journey optimal begleiten, schildert das Autoren-Duo Andreas Becks/Andreas Heiz von SAS in ihrem Aktuellen silicon.de-Blog.
Eine einzelne Information alleine sorgt häufig noch nicht für die richtige Entscheidung. Wim Stoop von Cloudera erklärt im silicon.de-Blog wie vor allem Verknüpfungen Licht ins Dunkel bringen können.
Im Mittelpunkt des 10. Pentaho Community Meetings stand die Vorstellung diverser Einsatzszenarien. Stefan Müller vom deutschen Pentaho-Partner it-novum gibt im Gastbeitrag für silicon.de einen Überblick über die präsentierten Projekte.
In Unternehmen liegen viele wertvolle Daten begraben. In ihnen verstecken sich ungenutzte Mehrwerte. Um sich die zu erschließen, müssen die relevanten Informationen aus der Masse herausgefiltert und richtig interpretiert werden. Möglich machen das richtig geplante und zielgerichtet umgesetzte Big-Data-Projekte.
Jeder will Machine Learning. Doch das Ganze funktioniert nur mit der nötigen analytischen Power dahinter – und der Data Scientist ist noch längst nicht obsolet.
Auch bei dem Konzept des Data Lakes müssen Anwender die Anforderungen der GDPR oder DSGVO einhalten. Die Daten-Spezialisten Talend und MapR wollen hier nun eine gemeinsame Lösung anbieten.
Daten sind der Treibstoff für den Motor der Digitalisierung. Je schneller sich dieser dreht, desto größer ist auch der Verbrauch, weiß Ingo Marienfeld, Geschäftsführer BMC Deutschland.
Zielgruppe von Small Volume Hadoop sind Anwender, die schnell eine Hadoop-Umgebung zu Testzwecken oder für kleinere Projekte brauchen.
Statistica war bis vor rund einem Jahr Teil von Dells Software-Sparte. Dann wurde es im Zuge des Umbaus an einen Finanzinvestor verkauft. Zu Dell gekommen war die Analytics-Technologien mit dem Kauf von StatSoft im Frühjahr 2014.
Komplexe Geschäftsprozesse soll die neue Plattform des indischen Technologieanbieters Infosys lösen. Dafür werden verschiedene Technologien in einer anpassbaren Lösung zusammengeführt.
Beim diesjährigen DataWorks Summit, den Hadoop-Spezialist Hortonworks in München durchführte, stand neben der aktuellen Variante von Hortonworks Data Flow auch die erfolgreiche Geschäftsentwicklung im Fokus. Die Börse honorierte das bisher nicht.
Für die MapR Converged Data Platform ist jetzt eine neue Version der Big Data Sandbox verfügbar. Damit können auch weniger erfahrene Entwickler die Ergebnisse von Big-Data-Projekten vorherbestimmen.
Seit einigen Jahren setzen Banken und Finanzdienstleister zunehmend auf Big Data. Jim Stock von MapR erklärt, was Banken tun müssen, um Kosten zu sparen und Compliance-Risiken gering zu halten.
Eine der ersten Studien zum Einsatz von Machine Learning und KI-Lösungen zeigt, dass diese Technologien bei Unternehmen heute schon sehr verbreitet sind.
Wer verborgene Muster aufspüren will, braucht entweder sehr viel Geduld oder genügend Rechenleistung. Dominik Ulmer, VP Business Operations EMEA bei Cray Inc, erklärt in einem Gastbeitrag, wie Hochleistungsrechner bei der sprichwörtlichen Suche im Heuhaufen helfen können.
Immer mehr Daten fallen in Unternehmen an, im Optimalfall ist das keine Last, sondern eine Chance, wie Wim Stoop von Cloudera in seinem Blog auf silicon.de erklärt.
Unternehmen stehen immer noch ziemlich am Anfang, wenn es darum geht, Big Data Analytics in der gesamten Organisation zu verankern – das zeigen wiederholt Studien wie “Wettbewerbsfaktor Analytics” von der Uni Potsdam und SAS. Die Technologieentwicklung ist jedoch schon längst einen Schritt weiter. Ein besonders anschauliches Beispiel: Event Stream Processing (ESP). Hier findet Analytics nicht
Regulatorische Anforderungen und neue Initiativen für mehr Sicherheit sorgen für ein deutliches Nachfrageplus bei Anti-Fraud- und Security-Lösungen von SAS.
Ein Großteil der Aufgaben, die heute hochdotierte und gefragte Experten erledigen, werden bereits in wenigen Jahren Maschinen übernehmen, davon sind Marktbeobachter überzeugt. Auch eine neue Berufsgruppe soll es dann geben: Die “Citizen Data Scientists”.
Vor allem für anspruchsvolle Analyseanforderungen in mittelständischen und großen Unternehmen sollen sich die neuen Speicher eigenen.
Während sich das Geschäftsjahr 2016 dem Ende zuneigt, beginnt die Zeit der Pläne und Vorsätze für das neue Jahr – und davon hat die IT-Branche viele. Qlik-Experte Wolfgang Kobek weiß, worauf Unternehmen 2017 im Bereich Business Intelligence vorbereitet sein müssen und fasst drei wichtige Trends zusammen.
Nachdem zahlreiche Big-Data-Tools inzwischen in Unternehmen verbreitet und gesetzt sind, sehen Analysten jetzt vermehrt sehr spezialisierte Angebote. Auch eine Konsolidierungswelle setze langsam ein.
Vor allem in der Logistik- und Fertigungsbranche werden Projekte rund um das Internet der Dinge vorangetrieben. Der produktive Einsatz von IoT-Technologien ist derzeit aber noch sehr gering, wie eine aktuelle Untersuchung der Universität Potsdam zeigt.
Das neue Objektspeicher-Portfolio mit Content Intelligence von Hitachi Data Systems sorgt für eine Kontext-relevante Speicherung und Bereitstellung von Daten.