Big Data Wer nutzt Big Data? Was bringt es? Welche Beispiele gibt es? Evtl. Wiederholung des Konzepts Big Data aus dem Training „Big Data – Einführung“. Die Beispiele hier dienen zur Illustration. Für die vereinfachte Version können auch einige Beispiele aussortiert werden. Der Trainer kann entscheiden, wieviel Zeit er für dieses Thema aufbringen will – u.a. je nachdem, wie interessiert die Zielgruppe ist. Es können auch immer eigene Beispiele ergänzt werden. Big Data

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.

Beispiel 1: Unternehmens- & Produktimage Wozu? Gefühle & Meinungen der Kunden analysieren Welche Daten? Daten aus dem Internet / Social Media ( generiert von Menschen) Was es bringt Herausfinden, was die Kunden über das Unternehmen / Produkt denken Maßnahmen, um Unternehmens- / Produktimage zu verbessern Evtl. entsteht ein besseres Produkt für uns Verbraucher Marketing departments use Twitter feeds to conduct sentiment analysis to determine what users are saying about the company and its products or services, especially after a new product or release is launched. Customer sentiment must be integrated with customer profile data to derive meaningful results. Customer feedback may vary according to customer demographics.

Beispiel 2: Einzelhandel Wozu? Personalisierte Angebote für Kunden Welche Daten? Web & soziale Daten, biometrische Daten Was es bringt Kunden über Gesichtserkennung erkennen  anhand weiterer Kundendaten Kundenpräferenzen analysieren  Angebote machen, die den Kunden interessieren Möglichkeit, mehr Produkte zu verkaufen Retailers can use facial recognition technology in combination with a photo from social media to make personalized offers to customers based on buying behavior and location. This capability could have a tremendous impact on retailers’ loyalty programs, but it has serious privacy ramifications. Retailers would need to make the appropriate privacy disclosures before implementing these applications.

Beispiel 3: Banken Erkennen von Betrugsvorhaben Wozu? Erkennen von Betrugsvorhaben Welche Daten? Transaktionsdaten, Daten von Eingabemasken, maschinelle Daten Was es bringt Sofortige Erkennung von Betrugsvorhaben Vermeidung von Betrug zum Schutz der Kontoinhaber & der Bank Identifikation des Betrügers Fraud management predicts the likelihood that a given transaction or customer account is experiencing fraud. Solutions analyze transactions in real time and generate recommendations for immediate action, which is critical to stopping third-party fraud, first-party fraud, and deliberate misuse of account privileges. Solutions are typically designed to detect and prevent myriad fraud and risk types across multiple industries.

Beispiel 4: Fast Food Drive In Wozu? Richtige Produkte zum richtigen Zeitpunkt anbieten Welche Daten? Echtzeit-Kameradaten & Daten über die Angebote im Menü Was es bringt Echtzeit-Erkennung von langen Schlangen bzw. Zeiten, zu denen nicht viel los ist Digitale Menütafel zeigt entweder Produkte, die schnell zubereitet werden können oder etwas teurere Produkte, die länger dauern Fast food and video. This company (confidential) is training cameras on drive-through lanes to determine what to display on its digital menu board. When the lines are longer, the menu features products that can be served up quickly; when the lines are shorter, the menu features higher-margin items that take longer to prepare.

Beispiel 5: Verbrechensbekämpfung 1/2 Extrem überzeichnet im Film: ►

Beispiel 5: Verbrechensbekämpfung 2/2 Wozu? Verbrechen vorhersehen und verhindern Welche Daten? Daten über vergangene Verbrechen (Art, Ort, Zeit, Verbrecherdaten) Was es bringt Eingrenzung gefährdeter Gebiete Polizei kann dort mehr Präsenz zeigen & Straftäter abschrecken Wirkung z.B. in Los Angeles: 33% weniger Einbrüche in Gegenden, wo die Software eingesetzt wird PredPol Inc. and repurposing. The Los Angeles and Santa Cruz police departments, a team of educators and a company called PredPol have taken an algorithm used to predict earthquakes, tweaked it and started feeding it crime data. The software can predict where crimes are likely to occur down to 500 square feet. In LA, there's been a 33% reduction in burglaries and 21% reduction in violent crimes in areas where the software is being used. Further reading / information: http://www.bbc.com/news/business-26520013

Beispiel 6: Gesundheitsvorsorge Wozu? Krankheiten verhindern / Gesundheit verbessern Welche Daten? Daten aus körpernahen Sensoren, Fitness-Apps & Armbänder, Mini-Kameras in Tabletten, uvm. Was es bringt Erkennung des Gesundheitszustands und schnelles Eingreifen bei Problemen (z.B. Vermeidung von Herzinfarkt, Epilepsie-Anfall) Arzt gibt auf Basis der Daten Tipps, wie man gesund bleibt, anstatt die Krankheit heilen zu müssen Verringern von Lebensstil-Krankheiten wie Diabetes 2 & Übergewicht Interesting read on the topic: http://www.bbc.com/news/business-26133269

Beispiel 7: (Energie-)Versorgungsunternehmen Wozu? Strom-/Gas-/Wasserverbrauch vorhersagen Welche Daten? Daten von Messgeräten, Zählern & Sensoren in den Versorgungsnetzen ( maschinell generierte Daten) Was es bringt Versorgungsengpässe reduzieren Netze gleichmäßiger auslasten Energieerzeugung auf Verbrauch abstimmen Utility companies have rolled out smart meters to measure the consumption of water, gas, and electricity at regular intervals of one hour or less. These smart meters generate huge volumes of interval data that needs to be analyzed. Utilities also run big, expensive, and complicated systems to generate power. Each grid includes sophisticated sensors that monitor voltage, current, frequency, and other important operating characteristics. To gain operating efficiency, the company must monitor the data delivered by the sensor. A big data solution can analyze power generation (supply) and power consumption (demand) data using smart meters.

Welche Fragen habt ihr? Trainerhinweise / Script: Zum Abschluss auf die Erwartungen eingehen, die die Teilnehmer für sich notiert haben oder die am Flipchart stehen. Konkret darauf eingehen und nachhaken, wo noch Fragen offen sind. Welche Fragen habt ihr?

Ansprechpartner und weiterführende Links Trailer "Minority Report" Trainerhinweise / Script:

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.