2011. április 14.

Válogatás a konferencia eseményeinek élő közvetítéséből.
Előzmények: Beharangozó, 1.rész, 2.rész.

A következő lista a konferencia ideje alatt publikált több száz Twitter üzenetből válogat.

Április 10, vasárnap

Úton Barcelonába a #Teradata konferenciájára. A ferihegyi új SkyCourt elég impresszív első látásra és még konnektorok is vannak :-)

The team will be touching down in Barcelona tomorrow for #tduniv - 258 days of planning and we are finally here!

Megérkezünk Barcelonába. 27 fok, napsütés. Becsekkoláskor mellettem Stephen Brobst, a Teradata CTO-ja.

Kezdődik a #Teradata sajtótájékoztató Barcelonában. Először általános bejelentések, aztán valami nagy újdonság jön, de holnapig titkos lesz

A Teradata tavaly 13%-os növekedést ért el. Idénre a terv 12-14%,amivel jócskán túl fogja lépni a kétmilliárd dolláros árbevételt

Új Teradata ügyfelek: MAERSK (hajózás), UKRSIBANK (ukrán pénzintézet), PKO (lengyel bank). Erős jelenlét a régió pénzügyi szektorában.

Kezdődik az új, holnapig titkos Teradata technológia bemutatása.

Április 11, hétfő

Hamarosan kezdődik a megnyitó előadás a Teradata barcelonai konferenciáján. Mindenhol narancssárga fények, rockzene, sok ember, jó hangulat

Elsőként egy videóbejátszás Barcelonáról, ahol narancssárga pólós futóhölgyek és kerékpárosok száguldoznak

Bevezetőt mond az esemény házigazdája. A konferencia témája idén: Do more with your data.

A színpadon Hermann Wimmer, a Teradata EMEA elnöke

Elismerő szavak a konferencia szervezőinek. Hatalmas munka egy ekkora eseményt tető alá hozni.

Data as raw material - The Economist, 2010

Kritikus sikerfaktorok: 1: Right Time Analytics 2: Democratisation of Data 3: Integrating Big data

Right Time Analytics - a megfelelő adat, a megfelelő elemzés a megfelelő időben. Lehet másodpercek, percek, vagy órák, az üzlettől függ.

Példák az egészségügy és a bankszakma területéről a megfelelő időben történő adatfelhasználásról

2. faktor: Az adatok demokratizálódása Best Buy - 40.000 felhasználó (1/3 az összes dolgozónak), napi 2 millió lekérdezés

Data should be reused Lloyd reklám, rajzfilmfigurákkal.

3. trend: Integrating Big Data Terabyte age: tranzakciók adatai Petabyte age: interakciók adatai Zetabyte age: szenzor adatok

Szenzor adatokra jó példa a "smart metering", az energiafelhasználás intelligens mérése

Kicsit köhög a wifi néha

További szenzor példák: erőforráskezelés, például vízfelhasználás követése, telekom hálózat műszaki adatai

A háromféla adat (tranzakciók, interakciók, szenzorok) az adattárházban találkoznak. Mapreduce az interakciók oldalán

Vége a bevezető előadásnak. Jönnek a termékbejelentések

A színpadon Scott Gnau, Chief Development Officer of Teradata

Az újdonság: a Teradata 6680 hibrid platform, ami SSD és hagyományos merevlemezeket egyaránt tartalmaz

Videóbejelentés: http://www.youtube.com/watch?feature=youtube_gdata_player&v=fJTtBUY4lqY

Visszatekintés: Teradata adatbázis 13.10, temporal képességek, kompresszió, kiterjeszthetőség

A 6680 hibrid platform automatikusan mozgatja a "forró" és a "hideg" adatokat az SSD-k és a hagyományos lemezek között a használat alapján

Big Data jellemzők: Skálázható analitika, újfajta adattípusok, nem-SQL analitika

Hadoop fejlesztési partnerek: Cloudera, Karmasphere

Az Aster Data akvizíció is a Bigdata elemzéseket célozta

A színpadon Wimmer és Gnau együtt

Az adatok felhasználási mintája: 43% of IO uses 1,5 % data 85% of IO uses 15% data 94%of IO uses 30% of Data

Grafikon: az adattárház "felmelegedésével" a lekérdezések egyre gyorsabbal lesznek, mert a fontos adatok az SSD-re kerülnek át automatikusan

A színpadon Mike Koehler, a Teradata vezetője (president and CEO), aki beszámol a cég helyzetéről.

Az elmúlt években a Teradata árbevétele 1,7 milliár dollár körül ingadozott, de tavaly 13 százalékkal nőtt, közel 2 milliárdra

2007 óta az alkalmazottak számra erősen nőtt, 5000 körülről 8.000-re. A válság alatt is folyamatosan bővült a létszám

Széles körű elismerések: vezető DW szállító, vezető marketing szállító, etikus vállalat, stratégiai IT partner

Az analitika fontos versenyelőny, de komoly kihívásokkal jár: adatmennyiségek nőnek, újfajta adatok és elemzések. Ez igen költséges is lehet

Az igazi kihívás a rendelkezésre álló adattömeg hatékony, üzletileg racionális kiaknázása

Koehler a integrált, analitikára épülő marketing előnyeiről beszél, az Aprimo felvásárlás kapcsán

A Teradata hármas stratégiája: EDW, Marketing, Big Data Analytics

Következő előadó: Clay Shirky, Writer, Consultant and Teacher of New Technology and Social Media

Az előadás témája: Cognitive Surplus

A szociális média lehetőséget ad az elégedetlen ügyfeleknek az összefogásra és szervezkedésre - akkor is, ha a cégek ennek nem örülnek

Predicting the Future with Social Media: Mozifilmek elemzése a Twitteren

A kérdés: mennyire függ össze a filmek kibocsátás előtti twitteres forgalma az első héten elért bevételekkel? A válasz: nagyon.

Shirky arról beszél, hogy rengeteg hasznos információ keletkezik a vállalatokon kívül, amire nagy szükség van a belső döntéshozatalhoz

PatientsLikeMe.com: Közösség szolgáltatás hasonló kezelésben részesülő betegek megtalálására

Vége Shirky előadásának, kávészünet kezdődik és a 6680-as hibrid platform helyszíni bemutatása

Lassan kezdődik a következő előadás. Úgy tűnik, hogy a konferencia egyik zenéja a Take a walk on the wild side. Passzol a Bigdata témához.

Jön: Daniel Rodríguez Sierra, Global IT Business Intelligence Director: Telefónica’s journey to developing a global BI capability

Telefonica brandek: Movistart, O2, Terra, Vivo

25 ország, 260 ezer dolgozó, 60 milliárd dollár árbevétel. Fő területek Európa és Latin-Amerika.

Első DW 1998-ban, 2009-re elérték a petabájtos méretet

A különböző országokban az operátorok különböző BI képességekkel rendelkeznek, ezeket egységesíteni kell

Az üzleti intelligenciát mint folyamatot érdemes kezelni

A Telefoncia számos élenjáró technológiát alkalmaz a CRM területén

A Telefonica régebben az összes célra a Teradata high-end platformjait használta

A Teradatával közösen fejlesztett új, globális rendszer az egyes operátorok rendszereitől függetlenül müködik.

A Quark alapja a Teradata logikai adatmodellje.

A képernyők lovak és csecsemők. A magas fokú specializálódásnál jobb a magas fokú adaptációs képesség.

A különböző operátorok saját tempójukban vezetik be a Quarkot

Brazíliában 60 millió ügyfél, 14 külön adattárházat konszolidáltak

Google Books keresés: Labs Books Ngram Viewer

Az előadás képen: http://yfrog.com/h2rxtskj

Az előadás végén Einstein, vonatok és nagy taps.

A következő előadó David McCandless, Data Journalist. Az előadás címe: Information is Beautiful

A bevezető szerint infografikák tervezésével foglalkozik

Az első ábrán milliád dollárok szerepelnek. Most jön: Debtris. Nagyon remélem, erről lesz publikus video, a szavak itt kevesek

Persze hogy van: informationisbeautiful.net/2010/debtris/

Ujabb abra a felelmek felbukkanasarol. Capak, aszteroidak, Y2K

A leggyakorobb szakitasi napok a Facebook statuszok szerint. Karacsony elott, tavasszal, aprilis elsejen

Az adat az uj olaj. Meg az uj talaj. (oil/soil)

datasets changes the mindset

A legtobb katona Kínában van, de a népesség arányához képest csak a 164. helyen vannak

Visual work experience szines oszlopokon, egy infografikushoz illoen

Abra: ki perel be kit a telekom iparagban. A csokkeno es novekvo bevetelek erosen befolyasoljak a pereskedesi hajlamot

Tobbet nezunk tevet, mint amennyit a wikipedia szerkesztesere szanunk. Sokkal.

Az izlandi vulkankitores effektive csokkentette a CO2 kibocsatast a sok torolt repulojarat miatt

Snake oil adatok online elerheto

A Walmart osszes boltjanak terulete nagyobb, mint Manhattn. Masodik a McDonalds

Az online keresesekben ket dolog elozi meg a szexet: facebook es youtube

Play more with your data - lenyűgöző előadás volt. Most ebéd.

Délután szekcióelőadások. Az első blokkban Etisalat Misr, VTB24, Air France-KLN

A második blokkban KPN, Coca-Cola, PayPal

A KPN előadásának címe: BI Bright - Experiencing the Extreme, building the Basics for a Brighter Future!

KPN: 13,4 milliárd euró bevétel, 30,599 alkalmazott, több tizmillió ügyfél. A telekom minden területén jelen vannak.

A 2008-as helyzetet bemutató ábrán számos klasszikus probléma: adatminőség, adatsilók, nem megfelelő BI használat, hiányos ügyféladatok

A BI a felhasználók által is látható része a költségek 30-40%-a, a többi az adatinfrastuktúrára megy el, amit csak kevesen ismernek

IT átalakulás: A spagettitől (alaprendszerek káosza) a lasangáig (üzleti célok szerint rendezett információk)

Olyan szállítót kerestek, aki másutt már kipróbált adatmodelleket, mérőszámokat, riportokat tud szállítani

A dobozolt megoldás olcsóbb, gyorsabban bevehető és kevésbé kockázatos

9-11 Create Sence of Urgency. Megpróbálták a vezetőség figyelmét felhívni arra, hogy valamit tenni kell, méghozzá sürgősen.

Egy Teradata Proof of Concept projektek csináltak, és fizettek érte, ha nem is szívesen

Mindenképpen meg akarták győzni a vezetőséget, hogy a jelenlegi helyzet nem fenntartható, a semmittevés nem megengedhető

Megnézték, hogy mi történne, ha szeptember 11-én lekapcsolnák a jelenlegi BI rendszereket. Milyen információkra lesz szükség? Hogyan?

Igen jelentős karbantartási megtakarításokat vártak, 50%-os OPEX csökkenést például

A KPN sok Oracle megoldást használ, például CRM-re. Adattárháznak mégis Teradatát választottak, többféle okból

Az ügyfélek életciklusával foglalkozó POC nagyon jól sikerült, 100%-ra. Határidőre és a költségvetés betartásával elkészült minden.

Jelenleg a BI Basix program folyik, az alapok lefektetése a cél az újgenerációs DW-ben. Egy Teradata 5555-ös rendszert vettek.

Nagyméretű, komplex szervezett áll a program mögött. Legalább 3-4 igaz hívő ("BI Believer") kell, különben bajok lesznek

Az ETL Informatica használatával történik,a frontend Oracle BI és Cognos

A BI Roadmap 2013-ig van kidolgozva. Tervezik egy BICC felállítását is.

Néhány hét alatt készült egy demo a Teradata sandbox és az Oracle BI használatával a várható eredmények érzékeltetésére

Másik demo a Save team-ok számára, akik a lemorzsolódni készülő ügyfelek megmentésén dolgoznak. Kevesebb mint 30K volt a költség

Tanulságok: Csúcsvezetői támogatás (steering group CFO/CIO szinten). Demonstrálni kell az eredményeket folyamatosan. Kell a 3-4 igaz hivő.

Agilis fejlesztés (RUP), 4-5 hetes fejlesztés a sandboxban, 2 hónapos ciklus

Vége az előadásnak, kérdések jönnek.

Rövid interjú Scott Gnauval, a fejlesztések irányítójával. Hibrid tárolóplatformok, Aster Data/Kickfire felvásárlás, fejlesztési tervek

Most média kerekasztal következik, amit az ígéretek szerint élőben lehet követni a www.teradataemea.com weboldalon

A résztvevők listája: a Telefonica és az eBay képviselője, Stephen Brobst CTO és David McCandless, az infografikák mestere

Az első kérdés az Ebayos Ratzesberhez: Milyen új dolgokat csinálnak? A válasz: a tranzakciók mellett egyre fontosabbak a viselkedési adatok

Helyesen: Oliver Ratzesberger

A videó stream kb. 5 másodpercet késik, de nézhető: http://bit.ly/fRn5CI

Az eBay nagyon komolyan invesztál az open source szoftverekbe is. Hadoop alapú platformot is használnak.

Például Hadoopot használnak képhasonlósági feldolgozásnál, a "mutass nekem ehhez hasonló árukat" típusú kereséseknél

Teradata is használ open source komponenseket a GIS funkcionalitásban

A Cloudera a Hadoop Novellje. Nohát.

Brobst: A klasszikus BI eszközök üzleti kérdések megválaszolására valók. Az adatvizualizáció célja az érdekes kérdések megtalálása.

Az Ebay is hosszabb ideje próbálkozik különböző vizualizációs technikákkal. Erre a felhasználókat is tanítani kell, csak a táblákat kedvelik

Az információbiztonság is fontos része a BI kezdeményezéseknek, de nem mindig figyelnek rá

A egyik visszatérő kérdés: Az újonnan bejelentett, önhangokó 6680-as hibrid platform mennyire képes kiváltani a DBA-k tuning munkáját?

Az eBay óriási adatmennyisége lekérdezési volumenek vannak. Az optimalizálás ezért nem egyedi szinten, hanem a nagyobb minták alapján megy

Brobst: Az szakértők szeretik azt hinni, hogy okosabbak a szoftvernél a tuningban, de ez nagyon ritkán igaz. A kontroll feladása a probléma

Kérdés: az Ebaynél mik a felsővezetői szinten érzékelhető eredményei a sok adattárházas befektetésnek?

A viselkedési adatokból kinyerhető haszon területén még csak a felszínt karcolgatják

A végéhez közlekedik a kerekasztal. Éppen a SAS-Teradata kapcsolatnál és az in-database adatbányászat kérdéseknél tartunk.

Az R nyelv is említésre kerül, az eBaynél többen is használják, különböző algoritmusokat fejlesztenek és futtatnak

A Teradata is rendelkezik beepitett tamogatassal

Vége a kerekasztalnak. Este gálavacsora itt yfrog.com/gyjftmuj

Április 12, kedd

Hamarosan kezdődik a barcelonai Teradata konferencia második napja. A nyitó plenáris előadást ma Sir Terry Leahy, a Tesco vezére tartja.

A házigazda hölgy Anne de Baetzelier. Foglalkozása: multilangual presenter http://www.annedb.be/

Sir Terry Leahy a színpadon. Az előadásának címe: Management Lessons and the Future of Retailing

A 90-es években a Sainsbury volt a minőségi áruházlánc, az olcsó szegmensben is sokan versenyeztek, a Tesco valahol középen megragadt

A Tesco az elmúlt 20 év alatt gigantikus mértékben fejlődött, és többszörösen lekörözte a Sainsburyt és a Marks & Spencert

A siker (egyik) oka: az információk jobb kiaknázása és hasznosítása.

Tanulságok: 1. Ismerd a valóságot (Find the truth). 2. Vakmerő célok (Audacious Goals)

A szervezetek sokkal többre képesek, mind gondolnák, ezért kellenek vakmerő, bátor célok

3. lecke: Vizió, értékek és kultúra.

Tesco értékek: No one try to harder for customers. Treat people how we like to be treated

4. Lecke: Kövesd az ügyfelet (Follow the Customer).

5. Lecke: A kormánykerek (The Steering Wheel)

6. Lecke: Emberek, folyamatok és rendszerek (People, Process, Systems)

A Tesco Fresh & Easy boltok jó példák a folyamatok és emberek összehangolt fejlesztésére

7. Lecke: Az adatok értéke felbecsülhetetlen (Data is Priceless)

A Tesco Clubcard 1995-ben jelent meg, talán az első széles körben használt loyalty kártyaként

1 százalék visszatérítést adott (1 penny from every pound), és nagy siker lett.

A promóciók sikeressége 3-10-szer jobb a kártyatulajdonosok célzott körében, mint általában

8. lecke: A konkurencia hasznos (Competition is Good)

A konkurencia a legjobb üzleti tanácsadó. És ingyenes.

9. lecke: Leadership

Sir Terry most a kereskedelem jövőjéről beszél, mik lesznek a növekedés hajtóerői

Bizalom az ügyfél és a kereskedő között, a megfelelő információk használata

Az egészség egy olyan terület, amire az emberek mindig sokat költenek. Ki ne szeretne örökké élni.

Kényelem. Például okostelefonon (iPhone) futó Tesco alkalmazás segíti a vásárlást.

Egyszerűség. Automata kasszák, bankautomaták mint kényelmesen használható, hasznos technológiák

Loyalty. A legjobb kedvezményeket sokszor nem a lojális, hanem az ide-oda csapongó, szédelgő ügyfelek kapják. Ez változni fog.

Fenntarthatóság. A zöld gondolkodás terjed. A Tesconak van egy nulla CO2 kibocsátású mintaüzlete. 2020-ra minden bolt ilyen lesz.

Vége az előadásnak, most kérdések jönnek a közönségtől.

A zöld shop technológiákon (világítás, hűtés, stb) túl mit tesznek még a fenntarthatóság érdekében?

Válasz: A logisztikában is sok a fejlesztés, jobb teherautók, a vasút nagyobb arányú használata, hajózás. Együttműködés a termelőkkel.

Kérdés: Hogyan fogja az online kereskedelem megváltoztatni a Tesco hagyományos üzletvitelét?

Válasz: A Tesco gondolkodásának központjában az ügyfél van, a csatorna (online/offline) másodlagos.

Az online forgalom 3-4x jobban nő, de a vásárlók igénylik a hagyományos vásárlási élményt is

Kérdés: Mik voltak a kihívások az adatok felhasználásában?

Válasz: Egyrészt a sebesség, mert adatok az idő múlásával gyorsan veszítenek az értékükből, másrészt az infók megfelelő helyre eljuttatása

Kérdés: Az árazás mennyire fontos, milyen lehetőségeket lát ebben a Tesco?

Válasz: Az árakat sokszor a verseny diktálja, de persze jobb információk birtokában árazni is jobban lehet

A versenyről: Ha egy cég csak második, akkor muszáj lépnie. A semmittevés kockázata nagyobb lesz, mint a cselekvéssel járó kockázatok

Kérdés: Mi volt a Tesco legnagyobb kihagyott lehetősége, mondhatni kudarca?

Válasz: Számtalan döntést kell meghozni, így a hibák is szükségszerűek. Fontos, hogy ezt ne büntessék, mert akkor senki nem mer kockáztatni

Vége a Tesco előadásnak, tapsvihar, kávészünet. A szünet után párhuzamos szekciók, benne Electronic Arts és fociVB, aztán eBay előadás

Kezdődnek a szekcióelőadások. A HSBC prezentációja annyira izgalmas, hogy a médiát nem engedik be.

A Customer Insight szekcióban Electronic Arts. A bevezető FIFA 2011 videóban a Real Madrid két góllal nyer.

A játékiparban a bevételek nagy része az online és a mobil/handheld szegmensekből várható

Az EA 2010-ben 5 olyan játékot dobott a piacra, ami 5 milliónál több példányban kelt el. Közte: FIFA, Madden NFL, Battlefield,

EA Kulcstényezők: Egyetlen adattárház, közös mérőszámok, kampánymenedzsment

A DW architektúra a szokásos, staging terület, aztán egy egységes, normalizált réteg, majd az adatok fogyasztására adatpiacok

A Sandbox filozófia itt is megvan a felhasználók saját adatainak becsatornázására. Lekérdezésre MicroStrategyt használnak.

Üzleti elemzések: Ellensúlyozza-e az XBOX növekvő FIFA 11 vásárlásai a Playstation 3 csökkenő eladásait?

Éves szinten A FIFA 2010 eladásai még mindig több mint egynegyede az összesnek a digitálás csatornában

Tranzakciók elemzése. Az online folytatott NHL játékok összes akcióját (lövések, passzok, minden) adattárházba gyűjtik és vizualizálják

Kampánymenedzsment. A cél a bevételek maximalizálása, a felhasználói elégedettség növelése, reális költségek mellett

Az EA napi 150 mikrokampányt folytat le. Erősen szegmentált, magasan targetált kampányok ezek.

Példák: Demót kipróbáló játékosok számára automatikus követő emailek. A játékban elért haladáshoz kapcsolt infók/tippek.

Bőséges keresztértékesítési lehetőségek: Letölthető fizetős tartalmak (DLC), hasonló típusú játékok ajánlása

Az EA is a Hadoop felé mozdul a játékok közben rögzített adatok feldolgozására

EA előadás kérdésekkel zárul. Következő előadó az eBay-tól Oliver Ratzesberger, aki a Világ Legnagyobb Teradata Adattárházát menedzseli

Az Ebay előadásban várhatóan röpködni fognak a terabájtok és petabájtok

Az elmúlt években az eBay nagy átalakulásokon ment át. Nagyobb választék, forgaási sebesség növelése, testreszabás

Például a listázási díjakat a töredékére csökkentették. Az ilyen döntések alapjául elemzések szolgálnak

A bizalom növelését szolgálja a Top Rated Seller kitüntésés. A forgalom kb. egyharmada innen jön már. Évi két probléma, és oda a badge

Az egyes jellemző keresésekhez - például divat - specializált ajánlatokat adnak, akár külön tematikus aloldalakon

Az eBay adja a legjobb gyémántvásárlási élményt az interneten az erre specializált shopjában

Vajon az eBay forgalmának mekkora része jött tavaly mobil készülékeken át? A válasz 2 milliárd dollár, ami elég brutális

Ebből kifolyólag nagyon erős a fókusz a mobil készüléken, többféle alkalmazás is van okostelefonra, például eBay Fashion for iPhone

Jönnek az órási számok: napi 50 terabájt adat keletkezik

Ez a dia az adatmennyiségekről megvan már korábbról, érdekes lesz majd összevetni, milyen a változás

Az eBay analitikus lekérdezéseinek 85/-a új és ismeretlen. Az előre ismert mérőszámokat olcsó előállítani, de az újaknak van igazi haszna

Egyre szélesebb körben használnak analitikát, adatfelderítés, próbálkozások,új ötletek. Számos adatpiac.

A külön adatpiacok TCO-ja nagyon magas $500k-1M+, ezek rejtett költségek. Ha az eszközök ingyenesen jönnek, az sem elég olcsó emiatt.

Az eBay megoldása: virtuális adatpiacok. Egy közös infrastruktúrán egymás mellett üzemelnek az adatpiacok, közös erőforrásokon.

A Teradata workload management képességei gondoskodnak az erőforrások megfelelő kiaknázásáról

A felhasználók önállóan hozhatnak létre új virtuális adatpiacokat, amik alapértelmezés szerint 90 napig élnek

Az EDW mellett új platform a Singularity: 40+ petabájt, 100+ konkurrens felhasználó.

Jellemző Singularity kérdés: Felhasználói aktivitás tavalyhoz képest. A kiaknázás MicroStrategy, Tableau, SQL

Hadoop is van, 20+ PB, például természetes nyelvi feldolgozásra, hasonló képek keresésére

A 3 platform (EDW, Singurality, Hadoop) más-más előnyökkel és felhasználási karakterisztikákkal rendelkezik

Az EDW-ben strukturált adatok vannak, a Hadoopban nem strukturált (pl. weblog), a Singularity a kettő között

Logadatok félig feldolgozva kerülnek a Singularity adatbázisba, fontos mezők ki vannak emelve, a többi marad egyben. Tömörítés: 84%

18 hónap, 2 PB, 2 trillió rekord. Egyetlen táblában.

a félig strukturált adatokat SQL-el kérdezik le, a "nyers" mezőket függvények segítségével kezelik, és futásidőben nyerik ki az infót

Általában is hasznos módszer. Az adatmodellezés csak minimális mértékű, a struktúrát csak a lekérdezéskor teszik mellé.

eBay DataHub. Zárt, belső szociális háló a dolgozók számára, kollaborációra. Beépített intelligens kereső a tudás megosztására

Mindenki létrehozgat új oldalakat/munkaterületeket, hogy a saját területén előkerülő problémákat és tapasztalatokat közzétehesse

Élő elemzések és adatvizualizációk is közzétehetőek a használt BI eszközök (MicroStrategy, Tableau) integrálásával

Az email az információ halála, mondja Oliver. Ezért kell a DataHub..

Jelenleg folyik a belső dashboardok mobil BI eszközökre történő kiterjesztése

Jönnek a felhasználói kérdések

A sikerhez nem elég a jó adat, a felhasználói közösséget is menedzselni kell

Vége az eBay előadásnak. Most ebédszünet. Délután újra érdekes előadás a Formula-1 és az adattárházak kapcsolatáról

A barcelonai Teradata konferencia következő előadása: Data in the Fast Lane. Előadó Mark Gallagher, a Cosworth Forma-1 részlegének vezetője

A Cosworth a mérnökcégek között kicsinek számít, kevesebb mint 500 dolgozóval

1967 óta vannak jelen a motorokkal a Forma 1-ben, csak a Ferrari nyert náluk több bajnoki címet

Egy F1 motor mindössze 95 kiló

A motorok és autók tervezése régóta számítógéppel történik

Az F1 kocsikban összesen több mint 400 külön rendszer van, amit egyedileg monitoroznak. Csak a motorban több száz.

Amikor a motorokat átadjuk az ügyfeleknek, akkor kapnak hozzá egy csomó referenciaadatot is a gyári mérésekből

A futamok alatt számos mérnök valós időben monitorozza a telemetrián beérkező adatokat

Ha a vezetőnek például nagyobb teljesítmény kell, akkor ezt a mérnökök tudják a helyszínen optimizálni

Persze így a fogyasztás is nőni fog, ezt is figyelembe kell venni

A sofőrök összes mozdulatát követik - kornánymozdulatok, pedálszögek, sebességváltások

A régi időkben vereség esetén mindig a kocsik volták a hibásak, nem a sofőrök :-)

A F1 egy technológia háború a csapatok között

A kivetítőn Hamilton. 12 éves kora óta tanulja a rendszereket.

A McLaren kocsik volánja elborzasztó mennyiségű gombot tartalmaz.

A szabályok szerint akármennyi adatot lehet mérni és kiküldeni a kocsiról, de visszafelé nem mehet semmi, hogy ne lehessen távirányítani

A kormányon van egy Drinks feliratú gomb is :-)

Itt egy link a kormányról: http://mclaren.com/page/our-2011-spec-steering-wheel-2

Az előadó határozott véleménye, hogy a verseny megnyerésében nem a sofőr vezetési képességei az igazán fontosak, hanem a technológia

A F1 médiajogaiból 1 milliárd euró körüli összeg folyik be. Igazságosan megosztoznak rajta, fele a csapatoké, fele Bernie zsebébe megy

A régebbi időkben rettenően veszélyes volt az F1-ben versenyezni. Több tucatnyian haltak meg a pályán. Az utolsó Senna volt.

Historikus videóbejátszás Senna balesetéről, a telemetriás adatokkal kiegészítve

Azóta nagyon sokat tettek azért, hogy ne legyen több halálos baleset. Külön mérőműszerek, baleseti szimulációk, töréstesztek

4 éve volt egy baleset, 290 km/óra sebességnél. A kocsi apró darabokra tört, a sofőr komolyan baj nélkül megúszta, tovább versenyzett

Arra is figyelnek, hogy baleset esetén a kerekek ne tudjanak szabadon szétrepülni és így további sérüléseket okozni. Extra biztosítók.

A Ferrari és Schumacher sikersorozatának kulcsa is egy nagyszabású fejlesztési és adatgyűjtési program volt

Befejezésül mókás történetek a Forma-1-es világból, ahol a pezsgőt nem csak locsolják, de meg is isszák.

A közönség legalább fele F1 rajongó, ez látszik a taps mennyiségén is.

Az utolsó plenáris előadó Alain de Botton volt, a munkáról és a boldogságról.

A konferencia hivatalos zárása is megtörtént, de holnap délelőtt még lesznek hosszabb, úgynevezett Super Session előadások.

Április 13, szerda

A barcelonai Teradata konferencia utolsó délelőttjén szupersession Stephen Brobsttal a szociális hálók elemzéséről

Gráfelmélettel és releváns könyvekkel kezdünk, Barabási is szerepel a listán

A legáltalánosabb felhasználási területe a szociális hálózatoknak az üzletben a marketing

Körelemzés: A háló egy csomópontjának vesszük a szomszédait, és ezekre különféle mérőszámokat állapítunk meg

Hányan használnak egy bizonyos terméket, vagy hányan lettek ügyfelek a központi csomópont előtt/után

Az SNA (Social Network Analysis) segítségével a hagyományos marketing számos problémákán lehet segíteni, példa tiszta kontrollcsoportok

Mérőszámok a szociális hálóban: Központiság, kapcsolatok száma, befolyás mértéke, kapcsolatok mérőszámainak átlaga

Az elemzés 6 alapvető lépésből áll

1. Adatok előkészítése. 2. Mérőszámok számítása. 3 SNA model építése. 4. SNA model scoring 5. Cél- és kontroll csoport képzése. 6. Mérések

Kapcsolatok előállítása: Különböző tevékenységekhez (például hanghívás, SMS) külön-külön típusú élek tartoznak

A szociális hálókat adatait hagyományos relációs adatmodellekben lehet tárolni

A mérőszámokat közvetlenül a Teradata adatbázisban lehet számítani. Az egyszerűbbeket sima SQL-lel, a bonyolultabbakat egyedi függvényekkel

Mérőszám példák: Mekkora a közvetlen (Degree 1 - D1) ismerősök száma? Mekkora a D2, ha az ismétlődéseket nem számítjuk

Szép ábrán a központiság definicója Philip Bonacich szerint. Hasonló a Google Pagerankhoz.

További mérőszámok: Viszonosság, háromszögkapcsolatok, Köztesség

Sürűség: A szociális hálóban ténylegesen létező élek száma osztva az összes lehetséges éllel

Ez csak néhány példa volt, a potenciálisan számolható mérőszámok listája hosszú

inverse cascading modell: annak esélye, hogy egy hatás vagy üzenet átmegy egy élen

Affinity modellek és Viral modellek összehasonlítása nagy táblázatban

Mellettem egy úriember előhúzott egy A4-es papírt két oszlopdiagrammal rajta, és komor arccal bámulja

SNA mini esettanulmámy: Dolgozók megtartása a Google-nél

2010 Best HR Ideas díjat nyertek azzal, hogy szociális hálók segítségével azonosították azokat a dolgókat, akiket meg kell tartani

Adatok: Telefonhívások, SMS, levelezés, meeting adatok, szervezeti stuktúra.

Egyes befolyásos dolgozók távozása esetén további értékes munkatársak is veszélyben vannak. Az SNA megmutatja, hogy kik a veszélyeztettek

Az SNA mérőszámokat jól lehet kombinálni más adatokkal ehhez: fizetés, évek száma a cégnél, teljesítményértékelések, bejárási távolság

Érdekes gondolat, hogy az SNA hasznossága a rendelkezésre álló adatok tömegétől is függ. A régebbi cégeknek több van.

Most telekom példák következnek, sok-sok hívásrekorddal

Elemzési területek: Churn, X-Sell, Up-sell

Akvizíciós modellezés során a szociális mérőszámokat együtt kezelték a hagyományos attribútumokkal, és általában fontos hatásuk volt

Szociális profilozás: Milyen SNA jellemzőkkel bírnak azok az ügyfelek, akik új ügyfelek szerzését befolyásolják

Korai churn előrejelzése szociális hálókra épülő viselkedési minták alapján

2,4 millió ügyfélből 24 ezer veszélyben forgót találtak

Egy megfelelő ajánlattal 10 százalékkal tudták így csökkenteni a lemorzsolódást

Újabb példa az értéknövelt szolgáltatások vírusmarketingjére

1,1 millió ügyfélből 56 ezer volt hajlamos vásárolni, 236 ezer bírt jelentős szociális befolyással, ebből 12 ezer közös. Ők a célcsoport.

Nevesített churn esettanulmány: Optus, Ausztrália

A churn befolyás mértékben nincs szoros kapcsolatban az aktivitással

Újabb példa: Rogers Communications. Az ajánló kampányokban szerepelt az SNA modellezés a legjobban

Most az új médiákon történő SNA elemzésről lesz szó

A világ legnagyobb 20 márkájára irányuló keresések több mint 25%-a felhasználók által előállított tartalmat talál

A 25-34 korosztály a telefonnál jobban szereti az SMSt, a még fiatalabbak pedig a közösségi médiát..

A közösségi oldalak felhasználóinak száma nagyobb, mint az email felhasználóké. Ez kicsit furcsa.

Az Apple részesedése a médiában sokszorosa a valós piaci részesedésüknek

Szóba került a szentimen elemzés is - Mit mondanak rólunk?

Új szakkifejezés: Twinfluencer, azaz Twitter influencer, olyan ember, akire sokan figyelnek

Azok a legnépszerűbbek, akik pozitív és negatív üzeneteket egyaránt küldenek

Előkerült az Apple AntennaGate is

Malcolm Gladwell Tipping Point című könyve a terítéken, a fontos szereplők ( Mavens) megfelelő kezelésével kapcsolatban

Social Netwok Analysis <> New Media Analysis. De a kettő együtt nagyon hatásos

A hívásadatok mintája annyira jellemző, mint egy ujjlenyomat. Vagy legalábbis mint egy elkenődött ujjlenyomat. Nem tökéletes, de sokat mond

További SNA felhasználási területek: Customer profiling, Relationship profliling, whole market analytics

Az ember a párját általában gyakrabban, de rövidebb időre hívja, mint a barátait vagy kollégáit. Ez a minta azonosítható.

Hasonlóképpen profilozható a hívások hossza és ütemezése alapján a kapcsolatok más típusai is

A szociális hálók és a hivásminták alapján a nem ügyfeleket is lehet valamilyen mértékben elemezni

A hívások jellemzői alapján számos életszituáció azonosítható. Munkahely váltás, költözés, iskolakezdés, házasság, válás

Vége a Super Sessionnak, Kávészünet, aztán Advanced Analytics témák.

Kezdődik az Advanced Analytics User Group összejövetele. Témák: Big Data és az Aster Data akvizíció, majd panelbeszélgetés ügyfelekkel

Az Aster Data egy szoftverplatform, ami általános hardveren fut. SQL nyelvű feladatok masszívan párhuzamos végrehajtására képes

Számos különböző nyelven lehet programozni, Java, SQL, Perl, gyakorlatilag szinte minden, ami Linuxon fut

Számos olyan üzleti probléma van, ahol ilyen képességekre van szükség. Internetes, pénzügyi, kereskedelmi, média szektorból példák

Keresz-iparági példa: Digitális marketingtevékenység optimalizálása. Különböző forrásból érkező logadatok összefésülése, tranzakciók is

Példák: Csalásfelderítés online pókertermekben. Pénzmosás azonosítása

Az üzenet: A Teradata és az Aster Data együtt hatékonyan képes mind a relációs, mind a nem strukturált adatokat kezelni és elemezni

Panel kezdődik. Résztvevők: David May, Vodafone BI Development Manager. Malte Isacsson, Volvo Six Sigma Deployment Director.

Ken Hansen, Indicium Domain (tanácsadó), Todd J. Sylvester, Teradata

1. Kérdés: Mik legfontosabb fejlett analitikai üzleti problémák a cégnél? A kerekasztal résztvevőinek 30 másodperce van leírni a választ

Telco válasz: cross sell, segmentation, churn

Volvó: Minőségbiztosítás, csalásfelderítés

A PayPalnál is a csalásfelderítés és pénzmosás szerepel a legfontosabb témák között, mondja az az egyik résztvevő a teremben

2. kérdés: Mik a feljett analitika széles körű elterjedésének korlátai a vállalatoknál?

Fontosabb problémák: Adatintegráció, adatminőség, vezetőség támogatása, politikai kérdések

A Teradata felmérése szerint a legkomolyabb probléma az adatminőség, utána az elemzés bonyolultsága, aztán a vezetői támogatás hiánya

3. kérdés: Milyen adatfajták alapján készülnek a prediktív elemzések? Mik a legértékesebb adatfajták?

Válasz: A viselkedési adatok, szinte egyhangúan

A felmérés szerint a legfontosabb még a tranzakciós adatok, aztán demográfia, aztán viselkedési adatok

4. kérdés: Milyen hamar fog a vállalat Big Data jellegű adatforrásokat használni az elemzésekben?

Vodafone: tesztelés alatt, 1-2 éven belül igazi alkalmazás. Volvo: Próbaalkalmazások, kiterjesztés folyamatban

A tanácsadó szerint számos pilotprojekt van folyamatban különböző iparágakban

5. kérdés: A Big Data legfontosabb potenciális alkalmazási területei

Válaszok: Gazdagabb kockázati profilok, minőségbiztosítás, ügyfeladatok teljes körű kezelése, ajánlatok kidolgozása

A fókuszcsoportra épülő módszerek mellé kerül az adatelemzés is

Közönség szavaz a három legfontosabb témáról

A válaszok megoszlanak, népszerű az ügyféladat menedzsment

6. kérdés: Mik a fők akadályai annak, hogy a Big data által kínált lehetőségek üzleti hasznosításra kerüljenek?

Válaszok: Adatintegráció, változásmenedzsment, céges politika, vezetői támogatás, megértés hiánya, költségek

7. (utolsó) kérdés: Mit lehet/kelleni tenni a fejlett analitika sikeres felhasználása érdekében?

Válaszok: Sikertörténetek, az érték bizonyítása, további gyakorlati próbák, példák, oktatás

Nem szabad ragaszkodni a "tökéletes" adatokhoz

Véget ért az Advanced Analytics felhasználói találkozó.

Ezzel lezárul élő közvetítésünk Barcelonából, a Teradata európai konferenciájáról. Összefoglalónk hamarosan a bi.hu portálon lesz olvasható

Ha tetszett cikkünk és szeretne értesülni újdonságainkról, iratkozzon fel hírlevelünkre!