Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Big Data und Advanced
Analytics in der Reisebranche
SIEGFRIED WOLF
Senior Consultant
copyright by
Agenda
Begrüßung
Big Data und Advanced Analytics in der Reisebranche
Vorstellung QUNIS GmbH
Was bedeutet Big Data und Advanced Analytics
Vorstellung Big Data & Advanced Analytics Beispiele aus der Reisebranche
Kombination von Big Data & Advanced Analytics
o Buchung Durchgängige Reiseroute mit diversen Verkehrsmitteln
o Reiseplanung Durchgängiger Vorschlag für eine Individualreise
o Stornierung Stornierung einer Hotelbuchung
o Touristische Infrastruktur Digitale Aufwertung Touristischer Lehrpfade
Vorstellung QUNIS – Big Data Lösungsbibliothek
Lösungsansätze nach Datenquellen, Branchen, Unternehmensbereichen, Scorecard-Perspektiven, Messgrößen
(Kennzahlen), Unternehmensmerkmalen etc.
Weitere Vorgehensweise
QUNIS Big Data Workshop
copyright by
QUNIS-Kernkompetenzen
BIG DATA & Business Intelligence Kompetenz
Big Data Projekte setzen in der Regel auf bestehenden Datawarehouse bzw. Business Intelligence
Architekturen auf. Wir sind ein Team aus Mitarbeitern mit langjähriger Erfahrung in jedem dieser
Kernthemen
BIG DATA Lösungsbibliothek mit Fallstudien
Auf Basis einer umfangreichen Sammlung praxisbewährter Lösungsbausteine aus den Bereichen Big
Data, Industrie 4.0, Internet of Things und Advanced Analytics können abstrakte betriebswirtschaftliche
Aufgabenstellungen schnell konkretisiert werden. Ein umfangreiches Schlagwortverzeichnis nach
Branchen, Fachbereichen, Nutzenargumenten und Datenquellen unterstützt Sie dabei.
QUNIS TECHNOLOGIEN
Wir setzen auf bewährte Systeme wie Azure Cortana Analytics / Hadoop auf und nutzen für Ihr Big Data
Projekt die passende Cloud- oder serverbasierte Technologie
QUNIS METHODIK
Wir unterstützen Ihre Unternehmensziele auf Basis einer gemeinsam erstellten Big Data-Strategie und
sichern einen optimalen Nutzen durch eine professionelle Projektmethodik ab
copyright by
Referenzen
Projekte in unterschiedlichen Branchen
Big Data und Advanced Analytics
Big Data - Datenquellen
Operativsysteme:
Buchungs-/Reservierungs-/CRM-Systeme,
HR-Systeme, Fibu, Anbu, TQM,
Dokumenten-Management, Webshop,
Vertragsverwaltung….
Die Bedeutung von Daten wächst
Über welche Daten sprechen wir genau
Industrie 4.0
Internet / Commu.
RFID, Kameras, Sensordaten, Digitalisierter
Datenaustausch…
Autos, Handys, Sensoren, Lokalisierung,
Gesundheitsgeräte…
Social Media, Nutzungsdaten, Webtracking…..
Buchungs-,
Reservierungs-
CRM-Systeme
copyright by
Was verstehen wir unter Big Data?
Big Data bezeichnet Daten, welche zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert
sind, um sie mit manuellen und herkömmlichen Methoden auszuwerten
Zu Groß?
Durch die verwendeten Algorithmen können Big Data Plattformen unterschiedlichste Arten von Abfragen und
Analysen schnell und parallel durchführen. Ebenso müssen Daten durch das Verwenden sog. „Data Lakes“
nicht mehr zwingend vereinheitlicht werden. Durch das Zusammenschalten vieler leistungsfähiger Server
können Daten zusätzlich deutlich schneller bzw. im besten Fall in Realtime zur Verfügung gestellt werden.
Zu komplex?
Sehr komplexe Zusammenhänge wie z.B. die vielfältigen Einflussfaktoren auf Kaufgewohnheiten im Super-
markt, sind mit klassischen Tabellen-/OLAP-Analysen nur sehr schwer bzw. sehr zeitintensiv zu analysieren
Zu schnelllebig?
Big Data ist z.B. wichtig, Sensoren eine Unmenge Daten übertragen, die eine Reaktionsfähigkeit innerhalb
kürzester Zeit benötigen wie die Meldung vom Ausfall oder dem Defekt von PKW, Maschinen, Heizungen etc.
Zu unstrukturiert?
Wenn Daten nicht in Datenbankformaten vorhanden sind, wie z.B. emails, Bewertungen, Kommentare,
Diskussionsgruppen oder Videos sind neue Auswertemethoden wie z.B. Textmining, Stimmungsanalysen,
Gesichts- oder Gestenerkennung erforderlich
copyright by
Advanced Analytics?
Was verstehen wir unter Advanced Analytics?
umfasst die Methoden zur möglichst automatisierten
Erkennung und Nutzung von Mustern,
Zusammenhängen und Bedeutungen. Zum Einsatz
kommen u.a. statistische Verfahren,
Vorhersagemodelle, Optimierungsalgorithmen, Data
Mining, Text- und Bildanalytik.
Die Geschwindigkeit der Analyse (Real-/Neartime) und
gleichzeitig die einfache Anwendbarkeit sind
ausschlaggebende Faktoren beim Einsatz von
analytischen Methoden.
Die Zeitintervalle der Prognosen sind dynamisch
anpassbar und ermöglichen anhand der Informationen
wichtige Management-entscheidungen für die Zukunft
zu wählen bzw. fortlaufend anzupassen.
• vgl. BITKOM-Leitfaden „Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte“ “
Statistische
Modelle
Entscheidung
fällen
Kommunikation
Statistische
Modelle
Konsum
verhalten
Zielgruppen
Identifikation
Machine
Learning
Mustererkennung
Scoring
Visualisierung
Advanced
Analytics
copyright by
Trends - Ereignisbeeinflussung von BI zu Big Data
Ereignisanalyse und Ereignisbeeinflussung
Was
passiert?
Descriptive Analytics
- Analyse -
Warum
passiert es?
Diagnostic Analytics
- Diagnose -
Was wird
passieren?
Predictive Analytics
- Prognose -
Was tue ich dass
es passiert?
Prescriptive Analytics
- Beeinflussung -
Difficulty
Valu
e
Quelle: Gartner
"Traditional" BI Advanced Analytics
Big Data und Advanced Analytics
Unterschiedliche
Anwendungsfälle
copyright by
Big Data: Welche Szenarien erwarten uns in der Reisebranche
copyright by
Big Data: Beispiele und Szenarien aus der Reisebranche
Buchung
Stornierung
Touristische Infrastruktur
Reiseplanung
copyright by
Buchung: Durchgängige Reiseroute mit diversen Verkehrsmitteln
Per App oder Online die besten Verbindungen aus mehr als 15 Verkehrsmitteln finden
• vgl. „https://www.plattform-i40.de“
Interaktive Lehrtafel
copyright by
Buchung: Durchgängige Reiseroute mit diversen Verkehrsmitteln
Datengrundlage
Unterschiedliche Anbieter von Verkehrsmitteln mit deren kompletten Fahrplänen und Preisinformationen
Zu Fuß, Bus, Zug, Flug, Mitfahrzentrale, Taxi,
Dateneingabe der gewünschten Reiseroute
Big Data Bausteine
Berechnung verschiedener Reiserouten in Real-/Neartime zur optimalen Auswahl der individuell besten
Route (kürzeste / Billigste / bequemste …)
Nutzenargumente
Umständliches und Zeitintensives „Scannen“ verschiedener Anbieter von Verkehrsmitteln entfällt
Erhebliches Sparpotential (Geld / Zeit) durch die Darstellung unterschiedlicher Reisevarianten
Verknüpfung verschiedener günstiger Optionen führt mittelfristig zu einem niedrigeren Preisniveau
Vorkalkulation für die Taxifahrt
Vision: künftig Car Sharing, Ferngesteuertes Taxi
Vision: Ganzheitlicher Kaufvorgang für das Ticket
copyright by
Reiseplanung: Durchgängiger Vorschlag für eine Individualreise
Kompletter Reisevorschlag für Orte, Hotels, Restaurants, Veranstaltungen, Strände, Sehenswürdigkeiten (Museen, Parks, Wanderungen, Führungen,
copyright by
Reiseplanung: Durchgängiger Vorschlag für eine Individualreise
Datengrundlage
Unterschiedliche Anbieter von Reisedienstleistungen mit Preisinformationen
Hotel, Restaurants, Mietwagen, Routenplaner, Reiseforen, Reiseaktivitäten
Dateneingabe der gewünschten Reiseroute, der Reisewünsche, der Preiskategorie, der Programminhalte
Big Data Bausteine
Berechnung verschiedener Reisevorschläge in Real-/Neartime zur optimalen Auswahl der individuell
besten Route (Spannend / Preis / …..)
Nutzenargumente
Umständliches und Zeitintensives „Scannen“ verschiedener Anbieter von Reisedienstleistungen entfällt
Erhebliches Sparpotential (Geld / Zeit) durch die Darstellung unterschiedlicher Reisevarianten
Reise wird dem jeweiligen Reisebudget angepasst
copyright by
Stornierung: Stornierung einer Hotelbuchung
Stornierung
copyright by
Datengrundlage Business Intelligence (DWH)
Kundenstamm
Auftragsdaten mit Buchungsnummer
Big Data Bausteine
Texterkennung (Email)
Machine Learning (Logik)
Real Time (Verarbeitungsgeschwindigkeit)
Nutzenargumente
100 Mill. Buchungen p.a. / Stornoquote 1% / Aufwand 5 Minuten / Stundensatz 10 € /
Spareffekt 85 Millionen € p.a.
Kundenzufriedenheit (Nach 2 Minuten Rückmeldung über Stornierung)
Stornierung: Stornierung einer Hotelbuchung
Beispiel Stornierung – Booking.com
copyright by
Touristische Infrastruktur: Digitale Aufwertung Touristischer Lehrpfade
o Mit statischen Lehrpfaden kann man heute nur noch wenige begeistern
o Es gibt eine unglaubliche Anzahl an „Lehrpfaden“ die digital optimiert werden könnten
Statische Lehrtafel auf touristischem Lehrpfad Interaktive Lehrtafel Digitale interaktive Lehrtafel
copyright by
Touristische Infrastruktur: Digitale Aufwertung Touristischer Lehrpfade
Was wird an Infrastruktur benötigt
Technische Grundlage
Verknüpfung einzelne Videos mit einem QR-Code
>> Vorteil: Video kann ausgetauscht werden (wie wechselnde Ausstellung im Museum)
Handyortung – Kunde muss registriert sein (Hotel / Verkehrsamt / Kurverwaltung)
>> Vorteil: Sponsoring Lehrtafeln / interessante Angebote für Touristen
copyright by
Beispiel: Warnung vor Reiserisiken in Echtzeit
Projekthintergrund
Firmen haben eine Fürsorgepflicht gegenüber ihren
Mitarbeitern auf Geschäftsreisen bzw. Reiseveranstalter für
ihre Kunden bei touristischen Reisen
Reisedaten werden in Echtzeit mit Warnungen über
Gefahren und Risiken auf der Reiseroute oder am Reiseziel
verknüpft
Die technische Herausforderung besteht darin, aus einer
Vielzahl von Datenquellen, zu denen Pressemitteilungen und
auch soziale Netze gehören, Reisewarnungen zu generieren
iTESA-Konsortium entwickelt eine App, in die verschiedene Projektpartner ihre Expertise einfließen lassen
copyright by
Beispiel: Warnung vor Reiserisiken in Echtzeit
Das technische Grundkonzept von besteht aus verschiedenen Ebenen
Daten aus verschiedenen Quellen gesammelt und mit Hintergrundinformationen verknüpft
Die Analyseebene enthält Algorithmen für hochkomplexes Datamining
Die Risikoqualifizierungsebene klassifiziert die auf der Analyseebene gefundenen Risiken
Auf der Abgleichebene werden diese Risiken mit den konkreten Reisedaten der Geschäftsreisenden
verknüpft, um dann auf der Ausführungsebene in konkrete Aktionen umgesetzt zu werden.
Nutzenargumente
Reisewarnung deutlich schneller verfügbar als bisher und bessere Absicherung der Reisenden
Kunde erhält in Echtzeit Alternativvorschlag zur Reiseroute
Nutzung der gewonnenen Erkenntnisse für andere Branche
Kosten für Schadensregulierung minimieren
Personalkosten vermeiden durch zusätzliche Umbuchungen
Risikominimierung durch Warnung über Gefahren der Reiseroute
QUNIS -Big Data Lösungsbibliothek
copyright by
Vertrieb -
Kundenzufriedenheit –
Taxiunternehmen
Erkennung ob ein Fahrer zu
schnell fährt – Fahrsicherheit
Erkennung ob vorgegebene
Route eingehalten wird
Erkennung wenn
Veranstaltungen beendet sind
Per App wird freies Taxi in der
Nähe gemeldet
Reduzierung der Leerfahrten
auf ein Minimum
Human Ressource
operative Einsatzplanung –
Handel
Beratungsqualität verbessern
und Personalkosten
reduzieren
Mitarbeiterzufriedenheit
steigern – bessere
Freizeitplanung
Umsatz steigern durch
bessere Bedarfsplanung
(NoS-Artikel)
Wetter, Brückentage, Ferien,
Anlieferung von Paletten,
Einspeisung geplanter
Urlaubstage / Freizeit…
QS / Service - Wartung
von Aufzügen –
Aufzughersteller
Ausfallquote deutlich
reduzieren
Personalkosten reduzieren
- Wegfall zyklische Wartung
Materialaufwand reduzieren
durch Ersatzteilprognose
Minimierung der
Aufzugfahrten bei
Parallelaufzügen
Umfangreiche Sammlung von
praxisbewährten Lösungsbausteinen.
Abstrakte betriebswirtschaftliche
Aufgabenstellungen können
konkretisiert werden
Schlagwortverzeichnis nach:
Branche
Fachbereich
Nutzenargumente
Datenquellen
Unternehmensgröße
Messgröße (Kennzahl)
QUNIS Lösungsbibliothek
Wie können wir aus Fallbeispielen anderer Unternehmen lernen
copyright by
Fallstudien
Branche Fallstudien Nutzen
Maschinen-/
Anlagenbau
• Globale Steuerung und Planung auf Produktebene
• Mess- und Videodaten zur
Produktionsüberwachung
• Dynamische Fehleranalyse und Fehlererkennung
• Detailgenaue Planung vom Artikel bis zum EBIT
• Qualität der Produktionsprozesse optimieren
• Serviceeinsätze reduzieren – gezielte
Ersatzteilprognose
Automotive
• Fehlererkennung/-abgleich auf dem Prüfstand
• Connected-Car Angebote im PKW
• Beschleunigung der Produktentwicklung
• Prüflaufzeit pro PKW deutlich reduzieren
• Angebot neuer Kundenservices
• Schwachstellenanalyse vor Modelleinführung
Finanzdienst
-leister
• Telematiktarife
• Kreditprüfung und Kreditvergabe
• Ermittlung Investmentportfolio Onlien
• Objektive Preisbildung für Kunden
• Minimierung des Kreditausfallrisikos
• Einfache Onlineabwicklung der Investmenttätigkeit
Logistik /
Supply Chain
• Fahrzeugverfügbarkeit durch Online Diagnoe
• Verknüpfung aller Logistikprozesse
• Servicezyklen reduzieren
• Ausfallquote erkennen durch Fehlererkennung
• Wartezeiten für Logistikdienstleister reduzieren
• Serviceeinsätze planen aufgrund von Sensormeldungen
Telekomm-
unikation
• Kampagnenmanagement
• Analyse von Bewegungsdaten
• Kundenbindung
• Ad hoc Entscheidungen fällen im Marketing
• Steuerung digitaler Werbetafeln
• Identifikation des "Riskscore" zum Abwanderungsrisiko
Tourismus
• Operative Einsatzplanung der Mitarbeiter
• Filialbezogene dynamische Preisbildung
• 360-Grad Marketing
• Deutlich bessere Kapazitätsauslastung
• Verbesserung der Abverkaufsquote
• Verkaufsoptimierung durch Gezielte Kundenansprache
Dienstllei-
stung / IT
• Zielgruppenoptimierung
• Verhinderung von Kundenkündigungen
• Videostreams in Daten umwandeln
• In Realtime Nutzungsverhalten der Webseite
analysieren
• Reduzierung der Abwanderungsquote
• Erkennung von emotionalen Zuständen
FALLSTUDIEN NACH
BRANCHEN
Welche Einsatzfälle sind
zum Beispiel typisch für
den Bereich Handel?
Wir geben Ihnen die
Antwort und sprechen
konkrete Einsatzfälle mit
Ihnen durch
copyright by
QUNIS - Vorgehensmodell
Big Data & Analytics Workshop
Ergebnis: ein individueller und strukturierter Bauplan
Das garantiert die 100 Prozent passgenaue Realisierung
der endgültigen Lösung in time, in budget und in quality!
copyright by
QUNIS - Vorgehensmodell
Big Data & Analytics Workshop
1. Vorstellung Big Data Philosophie – Schaffung gemeinsamen Verständnisses für Big Data
1.1 Erläuterung Big Data
1.2 Verschiedene Einsatzszenarien im Big Data Umfeld
2. Welche allgemeinen Ziele sind mit einem Big Data Projekt konkret verbunden
2.1 Allgemeinen Ziele
2.2 Big Data Roadmap / Timeline
3. Welche konkreten Themen wollen Sie im Umfeld Big Data angehen
3.1 Konkrete Themen die bereits definiert sind
3.2 Ideen die vorhanden sind aber noch nicht weiter definiert sind
3.3 Weitere Mögliche Ansätze im Unternehmen
3.3.1 Kostenintensive Geschäftsprozesse / Handlungsfelder / Werttreiber
3.3.2 Relevante Kostenblöcke im Unternehmen
3.3.3 Relevante Big Data Ansätze innerhalb der Branche bzw. bei Konkurrenten
3.3.4 Relevante Big Data Ansätze innerhalb der definierten Funktionsbereiche
3.3.5 Big Data Ansätze die häufig verwendet werden - QUNIS Lösungsbibliothek
3.4 Betriebswirtschaftlicher Nutzen der definierten Themen, konkrete Zielsetzungen und
Erwartungen der darauf anzuwendenden Applikationen
copyright by
QUNIS - Vorgehensmodell
Big Data & Analytics Workshop
4. Datengrundlage
4.1 Vorhandene prozessrelevante Datenquellen operative Systeme
4.2 Vorhandene prozessrelevante Datenquellen Big Data
4.3 Bekannte aber nicht vorhandene prozessrelevanten Datenquellen
4.4 Mögliche weitere Datenquellen
4.5 Zyklus und Historisierung der benötigten Datenabrufe
4.6 Datenumfang
5. Big Data Technologien und Big Data & BI-Infrastruktur
5.1 Bestehende Datawarehouse und BI-Architektur
5.2 Vorstellung relevanter Big Data Technologien
5.3 Benötigte Cloud Technologien und Dienste
5.4 Festlegung künftiger Cloudszenarien
6. Organisatorische Einbindung Big Data
6.1 Big Data & BI – Organisatorische Perspektive
6.2 Big Data – Rollenverständnis Data Scientist
6.3 Projektspezifische Rollen bei einer Projektumsetzung
QUNIS GmbH
Georg-Wiesböck-Ring 9
83115 Neubeuern
Phone: +49 8035 95790 0
E-Mail: [email protected]
WWW.QUNIS.DE
Phone: +49 176 114 80 226
E-Mail: [email protected]
SIEGFRIED WOLF
Senior Consultant