Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
Innovative Geschäftsprozesse durch Echtzeitanalysen von Massendaten Einsatzpotenziale für In-Memory Datenmanagement in betrieblichen Anwendungssystemen
Prof. Dr. Gunther Piller, University of Applied Sciences Mainz
IT-Business meets Science TU Darmstadt,12.09.2012
Inhalt
Der Plan In-Memory Computing – Relevanz & Vision
Nutzenpotentiale und Anwendungsmuster
Typische Beispiele
“In-Memory Computing – so what”?
“In-memory computing enables dramatic business innovation, and has the potential to be a disruptive industry force” Gartner Report 2012: Innovation Insight: Invest in In-Memory Computing for Breakthrough Competitive Advantage
“In-memory databases are a technology with huge disruption potential, we need to assume a competitive leadership position” Hasso Plattner, 2011
In-Memory Computing – Reife und Adoption
Quelle: http://de.slideshare.net/SAP_Nederland/the-next-generation-architecture-inmemory-computing-massimo-pezzini; Autor: Massimo Pezzini. Weitere Informationen finden Sie bei www.gartner.com
In-Memory Computing – SAP’s Vision
One Data Platform SAP HANA
SAP CRM
Mobile
SAP ERP
Clients
SAP Business
Warehouse
New SAP
Applications
Further Applications
Quelle: SAP AG 2012
Stellen Sie sich vor ….
…Sie hätten direkten Zugang zu allen aktuellen und historischen Geschäftsdaten und könnten diese beliebig analysieren – mit verschwindende Antwortzeiten und ohne Datenreplikation…
Wie würde sich Ihr Umgang mit Daten ändern?
Wie würden sich Ihre Erwartungen an die Verfügbarkeit passender Informationen ändern?
Wie würden Ihre Entscheidungen durch diese neuen Möglichkeiten beeinflusst?
Welche neuen und innovativen Geschäftsprozesse wären möglich?
Anwendungsmuster
Welche Anwendungsszenarien profitieren am meisten
Was sind typische Anwendungsmuster
In-Memory Technologie & betriebliche Anwendungssysteme
?
Identifikation von Anwendungsbereichen
Pragmatische Herangehensweise
Analyse der Eigenschaften von In-Memory Technologie
Auswertung erster Projekte (PoC) und Anwendungsideen
Identifikation möglicher Nutzenpotenziale
Beschreibung von Anwendungsmustern
Systematische Auswertung von HANA Implementierungsprojekten
Quantitative Bewertung von Nutzen und Kosten
1. 2. 3.
Identifikation neuer Anwendungsbereiche
Nutzenbewertung durch validierte Methoden 4.
Identifikation von Anwendungsbereichen
Pragmatische Herangehensweise
Analyse der Eigenschaften von In-Memory Technologie
Auswertung erster Projekte (PoC) und Anwendungsideen
Identifikation möglicher Nutzenpotenziale
Beschreibung von Anwendungsmustern
Systematische Auswertung von HANA Implementierungsprojekten
Quantitative Bewertung von Nutzen und Kosten
1. 2. 3.
Identifikation neuer Anwendungsbereiche
Nutzenbewertung durch validierte Methoden 4.
Fokus
Wesentliche Eigenschaften von In-Memory Technologie
Kurze Antwortzeiten 10.000 Anfragen pro Stunde gegen eine Datenmenge von 1,3 Terabyte
mit Antwortzeiten von weniger als 1 Sekunde
Einheitliche transaktionale und analytische Datenverarbeitung Alle Daten, einschließlich der neuesten Belege, können im Hauptspeicher für beide
Anwendungsarten vorgehalten werden
Datenanalyse auf Einzelbelegen Analysen und Planungen sind auf den ursprünglichen Belegdaten möglich und
nicht durch vordefinierte Aggregate eingeschränkt
Designprinzipien von SAP HANA
Speicherung aller Daten in Hautspeichern
Beste Ausnutzung von Hardware durch „Appliances”
Massiver Einsatz von Parallelverarbeitung
Spaltenorientierte und zeilenorientierte Datenhaltung
Implementierung von Business-Logik „in der Nähe” der Daten
Zur Optimierung der Leistungsmerkmale von In-Memory Datenmanagement kombiniert SAP HANA …
Änderungsdynamik der Daten
Schwankungsbreite der Kenngrößen
Anzahl der Auswerteoptionen
Dringlichkeit der Analyseergebnisse
Komplexität der Auswertung
Datenvolumen
Steigerung der Auswertehäufigkeit
Erhöhung der Auswerteflexibilität
Steigerung der Aktualität
Vergrößerung der Datenbandbreite
Höherer Detaillierungsgrad
Ges
chäf
tspr
ozes
s-ei
gens
chaf
ten
mög
liche
r Nut
zen
Geschäftsprozesseigenschaften und möglicher Nutzen
Anwendungsmuster - Überblick
Piller, Hagedorn: WuM 05 . 2011
Anwendungsmuster - Überblick
Piller, Hagedorn: WuM 05 . 2011
Ausverkauft? Noch frisch?
http://www.flickr.com/photos/42787780@N04/6984507532
Analyse von Verkaufs- und Bestandsdaten im Einzelhandel - insbesondere während Werbekampagnen
Verkaufszuwächse zwischen 300-500% innerhalb kurzer Zeit
Stündliche Entscheidung über Lieferpositionen
100 Mio. POS-Datensätze pro Tag
Unmittelbares Erkennen von Änderungen im Kaufverhalten
Schnelle Optimierung von Werbeaktivitäten, z.B. durch unterstützende, nicht-preisbezogener Verkaufsfördermaßnahmen
Operatives Reporting
Out-of-Stock-Rate bis 30%. Umsatzeinbußen (Lebensmittel/Dtld.) 1 Mrd. € / Jahr
Änderungsdynamik
Schwankungsbreite
Auswertungsoptionen
Dringlichkeit
Komplexität
Datenvolumen
Auswertungshäufigkeit
Flexibilität
Aktualität
Bandbreite
Detaillierungsgrad
Geschäftsprozesseigenschaften
Nutzenpotentiale
Point-of-Sales Datenmanagement - Beispiel
Vorgehen: On-the-fly Anreicherung und Aggregation von POS-Daten
Durchsatz: Pro Stunde bis zu 5 Mio Bonpositionen von Kasse zu Datenbank
Performance: Analyse von mehreren Milliarden POS- Bonpositionen in wenigen Sekunden
Anwendung: POS- Auswertung für national agierenden Einzelhändlers alle ca.15 Minuten
Deckungsbeiträge Änderungen? Verursacher?
Quelle: SAP AG
Änderungsdynamik
Schwankungsbreite
Auswertungsoptionen
Dringlichkeit
Komplexität
Datenvolumen
Ergebnis- und Profitabilitätsrechnung: Detaillierte Untersuchung der Einflussgrößen auf Rentabilitätskennzahlen
Viele Einflussfaktoren, Handlungsoptionen, z.B. Kostenallokation
Google-artige Analyse
Z.B. BASF EBIT-Analyse für 250 000 Produkte und 400 000 Kunden
Ad-hoc Analysen bei Preissenkung, Simulationen mit Preis-Absatz-Funktionen
Veränderbarer Bezugsstrukturen für Mengen-, Preis-, Kosten-, Rabatt- oder Struktureffekte
Plan-, Soll- oder Vergangenheitswerten
Einzelbelege – keine Aggregate
Explorative Analyse von Massendaten
Auswertungshäufigkeit
Flexibilität
Aktualität
Bandbreite
Detaillierungsgrad
Geschäftsprozesseigenschaften
Nutzenpotentiale
CO-PA @ ERP & HANA
CO-PA @ SAP HANA CO-PA @ SAP ERP
Quelle: SAP AG 2011 60-120 Mio Einzelsätze je Ergebnisbereich
http://www.flickr.com/photos/tschloss/4337134473
Individualisierte Energie Dienstleistungen
http://www.flickr.com/photos/misternaxal/5052206269
Auswertung von Daten aus Endverbrauchergeräten
Verarbeitung extrem umfangreicher, hoch dynamischer Konsumenten-daten aus „intelligenten“ Stromzählern – Smart Meter
Datenexplosion durch intelligente Messtechnik
eine Ablesung pro Kunde/Jahr 1 Mio Kunden –> 1 GB/Jahr
eine Ablesung pro Kunde/15 Min 1 Mio Profile –> 800 GB/Jahr
Hohe Änderungsdynamik und Schwankungsbreite des Stromverbrauchs
Viele Gestaltungsmöglichkeiten, z.B. Strompreispolitik
Kontinuierlicher Datenzugriff der Endkunden, Benchmarking in Echtzeit
Passgenaue Angebote durch detaillierte Kundensegmentierung
Genaue Prognosen durch statistische Verfahren mit aktuellsten Daten
Geschäftsprozesseigenschaften
Nutzenpotentiale
http://www.flickr.com/photos/simiezzz/1081915604
„Bestes Angebot“ zwischen zwei Klicks
Komplexe Auswertungsverfahren
Platzierung passgenauer Angeboten in Webshops in Bruchteilen von Sekunden mit Hilfe komplexer Echtzeitanalysen
Hohe Datenvolumen: TB Clickstream-Logs pro Tag
Vielzahl von Möglichkeiten für „Next Best Offer“, personalisierte Werbung
Unmittelbare Reaktion notwendig – „Next Best Activity“
Komplexe Rechenverfahren, z.B. Real Time Decisioning, automatisierte A/B Tests
Kundenindividuelle, situationsgerechte Angebote
Flexibles testen verschiedener Vorhersagemodelle
Unmittelbares Lernen anhand aktueller Kundenentscheidungen
Geschäftsprozesseigenschaften
Nutzenpotentiale
zwischen zwei Klicks: „beste Entscheidung”
Kundenwünsche & aktuelle Trends
Weitere Anwendungsbeispiele
„Fast Close“
Vertriebsreporting
Kundensegmentierung (Einzelhandel, CPG)
Konsumentenempfinden „Sentiments“ (Einzelhandel,CPG)
Personal Shopping Assistant (Einzelhandel)
Preisfindung (CPG)
Produktionsplanung (Konsum-,Industriegüterproduktion)
Qualitätsmonitoring (Halbleiterproduktion)
Kundenservice-Management (IT Service Management)
Gesundheitsvorsorge (Gesundheitswesen, Versicherungen)
DNA-Analyse (Gesundheitswesen, Forschung)
Telemetrie (Luftfahrt, Formel 1)
….
Fazit einer ersten Momentaufnahme In-Memory Datenmanagement: Massiver Einfluss auf die Neugestaltung bestehender betrieblicher Anwendungssysteme:
Zusammenfassung
Mögliche nächste Schritte Detailanalyse / Fallstudien zu aktuellen Implementierungsprojekten
Identifikation und Validierung von Anwendungsmuster und zugehörigen Referenzarchitekturen
Untersuchung von Adoptionsmustern für In-Memory Technologie
batch-artig betriebene Anwendungen werden zu interaktiv, explorativ und ad-hoc nutzbaren Lösungen