O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

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

969 visualizações

Publicada em

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.

Publicada em: Tecnologia
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

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

×