Tracks und Themen

Gemeinsam mit der Fachgruppe BI der Gesellschaft für Informatik präsentieren wir den Academic Track auf der TDWI München.
Im Umfeld von BI & Analytics stehen die Berücksichtigung polystrukturierter Datenquellen, die Integration anspruchsvollerer Analyseverfahren und eine Orientierung an Agilitätsaspekten im Vordergrund. Dies wirft u.a. Fragen zu Datenqualität, Datensicherheit und Datenschutz auf, die aus wissenschaftlicher Perspektive diskutiert werden.
Wir laden alle Forscher ein, ihre wissenschaftlichen Beiträge einzureichen.

• BIA und Big Data / NoSQL / In-Memory BIA, Analytical Databases, Business Process Intelligence  
   
• Business applications of artificial intelligence und deep learning: Convolutional Neural Networks, Deep Recurrent Neural Networks, Deep Reinforcement Learning, Deep Autoencoder, Generative Adversarial Networks, NLP 
   
• DevOps / Data Ops / AIOps 
   
• Data Science Platforms, Model Distribution and Operationalization, Model Management

• Praxisberichte über BI-Anwendungen in Banken und Versicherungen
   
• Datenbasierte Digitalisierung
   
• Einsatz von Methoden der Künstlichen Intelligenz
   
• Einbindung von Daten aus sozialen Medien und mobilen Devices
   
• Etablierung von Data-Science-Ansätzen
   
• Einsatz von spezifischen Branchenlösungen für Analyse und Simulation
   
• Prozessmonitoring und –optimierung von datengetriebenen Geschäftsprozessen
   
• Anforderungen aus dem regulatorischen Meldewesen
   
•  Umgang mit individuellen Datenverarbeitungslösungen (IDV) 
   
• Gestaltung von revisionssicheren datengetriebenen Prozessen sowie weiterer Governance-Aspekte
   
• Datenqualitäts- oder Stammdatenmanagement

• Serverless/cloud-based DWH architectures
   
• Hybrid architectures
  • Data ingestion in hybrid architectures
     
  • Data syncing between cloud und on-prem in hybrid architectures
• Data Platform concepts – Data Mesh, Data Fabric, Data Lakehouse: practical examples und user reports
   
• Data lineage in complex data preparation settings
   
• Tools of the Modern Data Stack: hands-on experience reports
   
• DWH und Data Vault automation
   
• DWH modernization: from re-platforming to redesign
   
• Low-Code/No-Code Development Technologies 

• Data Literacy & Data Culture und die Entwicklung von Fähigkeiten in organisatorischer und persönlicher Hinsicht
   
• Data-driven Culture und data-driven Companies
   
• Digitalisierung von Geschäftsprozessen als Treiber für Data Culture & Data Literacy
   
• Erfahrungsberichte, Studien und theoretische Modelle, die sich auf Datenkultur und Datenkompetenz beziehen

• Data Modeling e.g. Data Vault / New Data Modeling Concepts  
   
• Metadata management, data quality, master data management und data catalogues in der BIA-Umgebung
   
• Data Management 4 AI

• Objekte und Inhalte einer Datenstrategie
   
• Handlungsfelder und Kernaufgaben der Data Governance
   
• Strukturelle Organisation und Gremien der Data Governance
   
• Grundsätze, Leitlinien und Standards der Datenverwaltung
   
• Rollen und Verantwortlichkeiten: Data owner, data steward und co
   
• Organisatorische Einbettung und Aufgaben eines Datenbüros

• Organisation einer Self-Service BIA 
   
• Frameworks & best practice für die Datenmodellierung für BIA
   
• Definition von KPIs in Organisationen
   
• Bewährte Praktiken der Data Visualization
   
• Data Culture & Data Literacy im Kontext von Self Service Analytics

• Data Culture 
   
• HR Governance 
   
• Teamstrukturen 
   
• Skillset
   
• Data Literacy
   
• Fortbildungen 
   
• New Work

Einreichungen interaktiver Formate und praktischer Sitzungen wie Workshops und Hackathons sind erwünscht und werden bei der Bewertung bevorzugt.
Bitte passen Sie das Format Ihrer Sitzung an die Anforderungen in Bezug auf eine effiziente Zeitnutzung, inhaltliche Tiefe, Interaktivität, Unterhaltung usw. an.

• Erzähle Deine nicht ganz so perfekte Geschichte
• Schilder Fehler, die Du gemacht hast und aus denen Du lernen konntest
• Was sind die Learnings daraus?