Information Big Data Stores Machine Learning Intelligence Management and Analytics Dashboards & Visualizations

Transkript

1

2 Samla in Orkestrera Lagra Analysera Visualisera Konsumera Data Sources Information Management Big Data Stores Machine Learning and Analytics Intelligence People Web Appar Dashboards & Visualizations Apps Mobile Bots Sensorer och enheter Automated Systems

3 Fredrik Khan Erik Perninge Enfo

4 MICROSOFT BI-KONFERENSEN 2017 RIKTADE KUNDERBJUDANDEN MED HJÄLP AV MICROSOFT R

5 AGENDA 1. BAKGRUND TILL PROJEKTET 2. BEFINTLIG ARKITEKTUR 3. LÖSNINGSBESKRIVNING 4. LÄRDOMAR 5. FRAMTIDA UTVECKLING

6 BAKGRUND TILL PROJEKTET Marknadstrend Möjliggöra avancerad analys, inte bara riktade erbjudanden Vidareutveckla befintlig modell för riktade erbjudanden

7 BEFINTLIG ARKITEKTUR Microsoft APS 6-10 miljoner kvittoradstransaktioner per dag Cirka 3.5 miljoner medlemmar Microsoft BI stack (SQL Server 2012) Integration, ETL, analys och rapport

8 LÖSNINGSBESKRIVNING Microsoft SQL Server 2016 with R Services Integrerad med resterande lösning med hjälp av Microsofts verktyg Modell - Riktade kunderbjudanden 1. Insikt i vilka parametrar som påverkar inlösen för respektive erbjudande 2. Sannolikhet för kuponginlösen för varje individ 3. SSIS för att orkestrera processen

9 LÄRDOMAR Rätt team ger resultat! Coop CRM/Analys och Enfo Lätt att integrera i en befintlig Microsoft-miljö Tidsmässigt och kostnadsmässigt Sällsynt med R-kompetens Microsoft R Möjligheter med Microsoft R ScaleR Större datamängder

10 FRAMTIDA UTVECKLING Fler modeller och affärsprocesser Hybrid-cloud Cloud

11 TACK För mer information, vänligen kontakta antingen oss personligen eller besök oss i någon av våra sociala mediekanaler. Erik Perninge, Fredrik Khan erik.perninge@enfo.se fredrik.khan@enfo.se

12

13 Anders Kingstedt Ordförande SIS molnet-kommitté

14 Big Data + BI + Standarder = Sant

15 Varför då?

16 Big Data-standarder: ökar förståelsen för Big Data förenklar upphandlingar förenklar beskrivning av tjänster underlättar utveckling

17 SIS TK 542 Om vårt arbete: - Följer ISO/IEC JTC1 SC38 Cloud Computing - Följer ISO/IEC JTC1 WG 9 Big Data - Arbetet finansieras av SIS och deltagarna - Konsensus-baserat SLUT Korrigera Kvalitetssäkra och publicera Översätta START Deltaga Analysera Återföra

18 Big Data pågående standardiseringsarbete

19 Översikt ISO/IEC Information Technology -- Big Data -- Definition and Vocabulary Omröstning på CD 2 precis avslutad. DIS planerad Publicering ISO/IEC Information technology -- Big data reference architecture (fem delar): Part 1: Framework and application process. Part 2: Use cases and derived requirements Part 3: Reference architecture Part 4: Privacy and Security Fabric Part 5: Standards roadmap Publicering 2019

20 Exempel

21 Från ISO/IEC Information technology - Big Data, Definition and Overview: 3.2 Terms defined in this international standard big data extensive datasets primarily in the characteristics of volume, variety, velocity, and/or variability that require a scalable technology for efficient storage, manipulation, management, and analysis NOTE 1 to entry: Big data is commonly used in many different ways, for example as the name of the scalable technology used to handle big data extensive datasets NOTE 2 to entry: convergence of problems in one or more: (1) irregular or heterogeneous data structures, their navigation, query, and data typing (variety); (2) the need for computation and storage parallelism and its management during processing of large data sets (volume); (3) descriptive data and self-inquiry about objects for real-time decisionmaking (validity/veracity); (4) the rate of arrival of the data (velocity); or (5) presentation and aggregation of such data sets (visualization)

22 Typiska egenskaper som definierar Big Data Data volume (volym) Data velocity (hastighet) Data variety (variation) Data variability (föränderlighet)

23 Egenskaper för användning av Big Data Data volatility ( flyktighet ) Data veracity ( sanningshalt ) Data monetary value (penningvärde) Data variability (föränderlighet) Structured and unstructured data Scaling Distributed file system Distributed data processing Non-relational databases

24 När då?

25 Översikt ISO/IEC CD 2 ISO/IEC DIS ISO/IEC IS SO/IEC WD SO/IEC del 1-5 IS

26 Välkommen till SIS TK 542

27 Motiv Möjlighet att påverka Tidig tillgång till information Stimulerande arbete i ett internationellt sammanhang Kan vara en affärsfördel Kontakta Anders Kingstedt, ordförande för SIS TK anders.kingstedt@mjukvarukraft.se Tel: SIS TK 542

28 Om mig själv Anders Kingstedt Mjukvarukraft, VD och senior-konsult Standard-uppdrag: - SIS/ISO ITU-T - Ordförande SIS TK 542, Molnet-expert ISO/IEC JTC1 SC38 ( Cloud Computing & Distributed Platforms ) - ETSI, CSC CEN - EU-kommissionen Sport & fritid: - Löpning, speaker, coach - Familjen (Monica, John & Otto, Chico) 28

29

30 Mikael Hermansson Data Solution Architect Microsoft

31 Mats Dannetun Data Solution Architect Microsoft

32

33 Anders Lybecker IoT Specialist Microsoft

34 Måns Barklund Technical Solution Professionell BI Microsoft

35 Richard Lautman Random Forest

36

37 aka.ms/datadriveninnovation 37