Abtauchen und fündig werden
Für einen Nicht-SAP-Experten sind die Daten im SAP-System weder leicht zu finden noch einfach zu identifizieren. Glücklicherweise gibt es Analyse-Tools, die diese Aufgaben mit Bravour meistern können: Sie extrahieren die Daten aus dem SAP-System, bereiten sie in nutzerfreundlicher Form auf und verknüpfen sie mit Informationen aus anderen Programmen, etwa dem CRM-System. zum Artikel
Den Datenschatz aus den Tiefen des SAP-Systems heben
Die Verknüpfung von SAP- mit CRM- und weiteren Daten und ihre Analyse bringt so manches ans Licht: eine Rundumsicht auf den Kunden, Zusammenhänge, Entwicklungstendenzen, Vorhersagen. Warum also verschenken Unternehmen die Chance, ihre SAP-Daten für vertriebliche und strategische Aufgaben zu nutzen? Nun, weil der Datenschatz erst geortet und gehoben werden muss – im Fall von SAP ein zumeist schwieriges Unterfangen. zum Artikel
Cross-sectional data
Auf dem diesjährigen Pentaho User Meeting hatte ich wieder das Vergnügen, den abschließenden Vortrag zu halten. Dieses Mal ging es um die Auswertung von Internet-of-Things-Daten. Als Beispiel hatte ich ein aktuelles Thema gewählt: die Analyse von Feinstaubdaten. Der Usecase zeigt sehr gut, was bei IoT Analytics wichtig ist und worauf man achten sollte. zum Artikel
Docker hilft, Anwendungen ins Trockene zu bringen
Pentaho User Meeting 2018
Always curious: Francesco Corti
Most Alfresco users know Francesco Corti. With his cheerful and motivating spirit, the Italian has been supporting and promoting the software community around Alfresco for years. Unlike most software evangelists, he is also quite engaged in another community – Pentaho. I have talked to Francesco about his committment, his talk at Pentaho User Meeting and why human relations are an essential part of a software’s success. zum Artikel
Pentaho-affine Stadt an der Elbe: Hamburg
Michael Becker (links) und Henry Liebrenz verantworten das Pentaho-Projekt der Bundespolizei (Quelle: siliconangle.tv)
Mit Predictive Analytics lassen sich Vorhersagen für zukünftige Ereignisse berechnen
Business Intelligence beschäftigt sich hauptsächlich mit historischen Daten. Basierend auf einem bestimmten Datensatz versuchen wir, einen Blick in die Zukunft zu werfen und mögliche Trends vorherzusagen. Dafür sind Data Science-Methoden wie Predictive Analytics aber besser geeignet, weil sie Muster erkennen können, die sich wiederum auf andere Daten anwenden lassen. In diesem Artikel werde ich ein Modell für die Vorhersage von Verkäufen erstellen und es für eine Analyse verwenden. Im Mittelpunkt steht dabei der Prozess, d.h. die Entwicklung des Modells, seiner Implementierung und der abschließenden Analyse, und nicht die Entwicklung des besten Vorhersagemodells. zum Artikel
Aus Hamburg Die Hamburger Netfonds setzt auf Pentaho
nach oben