Den Wert einer Datenplattform zu realisieren, scheitert häufig an der Akzeptanz der Nutzer. In diesem Vortrag erfahrt Ihr, wie Google Menschenzentriertes Plattformdesign einsetzt, um Datenplattformen zu entwickeln, die genau auf die Bedürfnisse ihrer Benutzer zugeschnitten sind und so schnell und nachhaltig Wert zu schaffen.

Voraussetzungen: Grundlagen in Datenarchitekturen, Grundlagen in agilem Arbeiten, Grundlagen im Produktmanagement
Schwierigkeitsgrad: Fortgeschritten

In diesem Hands-On Workshop erhalten Sie eigenen Zugang zu den Kursmaterialien sowie einer geteilten SAP Datasphere Umgebung. Mit der Hilfe von SAP-Mentoren werden Sie durch die Kursmaterialien geleitet und führen die Übungen durch um erste, eigene, Erfahrungen mit der SAP Datasphere zu sammeln.

Inhaltlich werden wir uns dem Thema Data Modeling, unter Zuhilfenahme des Data Layers und des Analytical Model, sowie dem Thema Data Governance, unter Zuhilfenahme des Data Catalog, widmen.

In an ideal world, every data user at a company has timely access to the data and insights they need, in the format they need, using tools that they are familiar with.
This presentation covers the three key factors to consider when you establish your data strategy (the “3 E’s”)

• Data Experiences:
  Productive user experiences enabling all users to access and create value from relevant data
• Data Economy:
  Principles and practices to ensure that data can be published, discovered, built on, and relied on
• Data Ecosystem:
  A unified, open and intelligent platform with end-to-end data capabilities for all users and needs

In the second Part, we will show you how to activate your data strategy in real world scenarios.

Target Audience: Whoever loves Data!

Es werden die Kerncapabilities und Architektur von SAP Datasphere vorgestellt. Dabei wird auch insbesondere auf Real World Beispiele eingegangen.

Voraussetzungen: Grundlegende Konzepte des Data Warehousing und Data Fabric sind bekannt
Schwierigkeitsgrad: All Level
 

Um Daten im Unternehmen nutzbar zu machen und unter Governance zu bringen, müssen diese beschrieben und katalogisiert sein - und das aus fachlicher Sicht, die übergreifend über die gesamte Systemlandschaft gültig ist. Doch wie fängt man an? ... mit einer Datenlandkarte! 
In diesem Workshop modellieren wir live gemeinsam eine Datenlandkarte anhand eines Use Cases, den gerne eine:r der Teilnehmer:innen einbringen darf. 

Outline:

• Was ist eine Datenlandkarte?
• Nutzen einer fachlichen Unternehmens-Datenlandkarte
• Live-Use Case - Modellierung Datenlandkarte
• Überführung der Datenlandkarte in die fachliche Datenarchitektur

In diesem Vortrag geht es um das Zusammenspiel von Value und Efficiency im Kontext von Daten und deren Bedeutung für Unternehmen mit begrenzten Ressourcen. Wir werden diskutieren, warum es wichtig ist, effiziente Prozesse zu schaffen, um Raum für Innovationen und Fortschritt zu schaffen, insbesondere im Datenbereich. Dabei werden konkrete Ansätze zur Effizienzsteigerung in den Datenprozessen vorgestellt und erläutert, wie diese dazu beitragen können, die Data Performance trotz Ressourcenbeschränkungen zu optimieren.

Mehr Inhalte dieses Speakers? Kein Problem, schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/klausdieter.schulze

A COVID19-pandemic and the resulting lockdowns with a global recession, an accelerating climate change and the Russian war in the Ukraine causing a high inflation are only some major challenges why decisions, forecast and predictions are getting more difficult for companies and for government. As a community of experts, it is our obligation to find the right solutions and meet the high expectations that we have set for ourselves.
Let’s face the facts! Even after all the trends and hypes we have seen and the impressive technology development in the last years, we haven’t solved the problem yet. We are still struggling with our promises to bring the right data to the right people at the right time or to make data the new oil of the 21st century.

Despite these challenges, there are promising trends such as data culture, data Mesh, decision intelligence, and generative AI that can be leveraged to increase the value of data. This presentation will highlight these trends and it will encourage to rethink the focus in data & analytics initiatives. Business potential beyond descriptive analytics with internal, structured data in batch processing, a realistic picture of the user in a self service world or the adaption of our data focused language to find a better acceptance on a C-level are some of the topics that will be addressed.

Let us work together to elevate the data & analytics market to the next level of maturity.

Wer bei Dark Data instinktiv an Darth Vader denkt, liegt nicht verkehrt: Riesige Mengen an „bösen“ Daten lauern unerkannt seit Jahrzehnten in den dunklen Tiefen Ihres Daten-Imperiums – und es werden täglich mehr.
PDFs oder Fotos mit personenbezogenen Informationen, „Individualsoftware“ mit Excel-Makros, vertrauliche Präsentationen mit Provisionserträgen, Videos mit zweifelhaftem Inhalt oder die völlige Intransparenz auf dem Sharepoint-Server – die Liste an Daten-Risiken lässt sich beliebig verlängern. Egal, ob nun eine Migration in die Cloud ansteht oder Sie sich präventiv vor Data Breaches schützen wollen, Sie müssen den Risikofaktor Dark Data JETZT beseitigen, um Ihre Datenqualität dauerhaft zu verbessern!

In dieser Case Study erfahren Sie von Daten-Jedi-Großmeister und Co-CEO Gregor Bieler…

• Warum Dark Data eine tickende Zeitbombe für Ihre Compliance- und Sicherheits-Richtlinien ist
• Wie führende Finanzdienstleister schnell und mit wenig Personal Dark Data finden, analysieren und dauerhaft bereinigen
• Und wie Sie dadurch Kosten sparen, weniger Energie verschwenden und meßbar Ihren CO2-Fußabdruck verringern

Die Heidelberger Druckmaschinen AG setzt als Markt- und Technologieführer in der Druckbranche ihren Schwerpunkt auf konsequente ›End-to-end‹-Digitalisierung der Kundenwertschöpfung, also vor allem auf integrierte und automatisierte Systemlösungen für Maschinen, Software, Verbrauchsgüter und Services.
Im Rahmen der digitalen Transformation wurde das IOT-Datawarehouse mit dem Ziel der zentralen Verarbeitung von Druckmaschinendaten und Bereitstellung von wichtigen Kennzahlen (KPI) ins Leben gerufen. Diese werden in Form von Reports und Apps dem Kunden direkt zur Verfügung gestellt.
Das IOT Datawarehouse Team setzt dabei auf die Datenplattform Snowflake.
Durch ein Zusammenspiel aus verschiedenen Technologien und Tools wie dbt core, Snowpipe, Snowpark, gitlab und der Unterstützung durch Experten von areto consulting konnte eine Lösung realisiert werden, die die Grundlage einer standortunabhängigen Optimierung der Druck- und Produktionsprozesse bildet.

Mehr als 70% aller Stückgüter werden derzeit weltweit per Container transportiert.
Im Zuge der CO2-Reduzierung ist das Ziel, möglichst viele Container auf der Schiene zu transportieren. Für die letzte Meile übernehmen dann LKWs den Transport.
Die Deutsche Umschlaggesellschaft Schiene-Straße (DUSS) mbH, eine DB-Tochter, betreibt 19 Containerterminals in Deutschland, um die Container auf die verschiedenen Verkehrswege um zu laden.
Für die Abrechnung, die Planung und die Simulation der Arbeiten an den Terminals wurden 2021 die Systeme neu konzipiert und umgesetzt und sind seit 2022 im produktiven Betrieb und von PWC zertifiziert.
Der Vortrag soll das Zusammenspiel der einzelnen Komponente der Datenintegration, des Datawarehousing und Business Intelligence in einem agilen Entwicklungsprozess beschreiben, der das Projekt zum Erfolg geführt hat.
Dabei wurden einzelne Quellen additiv in das Data Warehouse der DUSS integriert. Damit wird dem Controlling der DUSS ermöglicht, das Reporting effizient zu erstellen und Umsatz-Simulationen durchführen zu können.
Ein wesentlicher Faktor für den Erfolg ist hier das Zusammenspiel zwischen Datavault Builder, TM1 und Apache Airflow.

Why did we change the way we used to work, and what are the challenges and risks today? Which ingredients are key for a data platform that will scale? Mark van der Heijden will cover the past, present and future of data engineering to answer these questions leading to a sustainable data platform.

Diese Session zeigt, wie die Open-Source-Technologien Apache Kafka und Apache Flink gemeinsam genutzt werden können, um Kundentransaktionsdaten anzureichern und ihren Wert zu erschließen. Die Teilnehmer erhalten praktische Umsetzungsstrategien und bewährte Verfahren, um Kafka und Flink optimal zu nutzen und Erkenntnisse aus rohen Transaktionsdaten in Echtzeit zu gewinnen.

Datenlandschaften sind heute zunehmend komplex, hoch fragmentiert und global verteilt. Aus diesen Gründen rücken immer mehr Unternehmen von monolithischen und zentralisierten Datenarchitekturen ab und orientieren sich stattdessen an neuartigen Architektur-Paradigmen wie der Data Fabric oder Data Mesh. Im Vortrag gibt Otto Neuer, Regional Vice President und General Manager bei Denodo, spannende Einblicke in zentrale Fragestellungen:

• Was steckt hinter den Konzepten von Data Fabric und Data Mesh – wo liegen die Gemeinsamkeiten, wo die Unterschiede?
• Weshalb eignen sich diese Architekturen, um schnell und effizient auf aktuelle und zukünftige Business-Anforderungen zu reagieren?
• Wie kann man eine Data Fabric oder ein Data Mesh mit einer logischen Datenschicht effizient und Governance-konform implementieren?

In dieser Session werden wir uns kurz die Entwicklung von Business Intelligence und Data Analytics im Laufe der Zeit anschauen und dann unsere Aufmerksamkeit auf die Zukunft datengesteuerter Organisationen richten. Raphael Teufel wird über seine Erfahrungen sprechen, die er in Zusammenarbeit mit verschiedenen Organisationen machen konnte. Ausgehend von diesen Perspektiven betrachten wir die notwendigen Komponenten für die Umsetzung einer erfolgreichen Datenstrategie in Unternehmen jeder Größenordnung. Wir werden herausfinden, was durch das Zusammenspiel eines modernen Analytics-Stacks und den richtigen Menschen und Prozessen möglich ist und wie man seine datenbasierte Entscheidungsfindung auf ein neues Level hebt.

Als Marktführer im Bereich Cloud-Datenmanagement versteht Informatica die Bedeutung von Machine Learning (ML) in modernen Datenworkflows. Um jedoch das volle Potenzial von ML auszuschöpfen, müssen Organisationen auch MLops akzeptieren - die Praxis, DevOps-Prinzipien auf Machine-Learning-Projekte anzuwenden.
In diesem informativen Vortrag tauchen wir in die Welt von MLops ein und erkunden bewährte Methoden, um ML nahtlos in Ihre Datenmanagementstrategie zu integrieren. Von der Datenerfassung und -vorbereitung über die Modellentwicklung, Bereitstellung und Überwachung diskutieren wir die wichtigsten Herausforderungen und Chancen von MLops und geben praktische Tipps, wie Sie diese bewältigen können.
Erfahren Sie, wie Sie Ihre ML-Workflows optimieren, Bereitstellungspipelines automatisieren, kontinuierliche Integration und Bereitstellung (CI/CD) für ML-Modelle implementieren und die Leistung von Modellen in der Produktion optimieren können. Entdecken Sie, wie die innovativen Lösungen von Informatica Ihnen helfen können, die Einführung von MLops in Ihrer Organisation zu beschleunigen, die Zusammenarbeit zwischen Data Scientists und IT-Betrieb zu verbessern und das volle Potenzial von Machine Learning für datengetriebene Entscheidungsfindung freizuschalten.

Auf dem Weg zur Data Driven Company ist es wesentlich messbare Mehrwerte aus Daten zu generieren.
Damit die Identifikation der dafür notwendigen Use Cases nicht nur eine einmalige Aktion im Rahmen eines Projekts wird, sollte die Kontinuität über eine organisatorische Verankerung in Form einer Data Value Factory erfolgen.
Im Vortrag stellen wir Ihnen vor welche Ansätze hierzu existieren und welche Herausforderungen überwunden werden müssen.

Wieso kann man nicht einfach die physischen Datenmodelle als Unternehmensdatenmodell verwenden? Wie unterscheidet sich ein Fachdatenmodell von einem Datenbankmodell? Welches Vorgehen ist notwendig, um für ein unternehmensweites Gesamtverständnis aller Unternehmensdaten zu sorgen? Und wieso kann nur das Fachdatenmodell die Grundlage für Data Governance sein?
Diese und weitere Fragen werden in diesem Workshop beantwortet und anhand eines spontanen Teilnehmer:innen-Use Cases live gemeinsam modelliert.

Outline:

• Was ist ein Fachdatenmodell?
• Anwendungsfälle und Nutzen des Fachdatenmodells
• Live-Use Case - Modellierung Fachdatenmodell
• Defintion der Data Governance Aspekte auf Basis des Fachdatenmodells

BI or DIE Women in Data meets TDWI. Diesmal wird das von LinkedIn und YouTube bekannte Format Women in Data live auf der TDWI vertreten sein. Im gewohnten Impuls- und Diskussionsformat wird breit gefächertes Wissen rund um Data Themen vermittelt. In diesem besonderen Format sind die Impulsgeberinnen ausschließlich weiblich. Im Publikum sind Männer wie Frauen herzlich willkommen. 
Sabine Schwenninger von BI or DIE führt durch den Tag und übernimmt die Moderation. Für alle die nicht live in München dabei sein können, wird es am Tag drauf alle Impulse bei YouTube zum Nachschauen geben.

Data Governance bezeichnet das Framework, was Unternehmen implementieren, um die Nutzung von Daten möglich zu machen. Aber ist das wirklich nötig oder nur eine Entschuldigung, ein weiteres Tool anzuschaffen? Der Impulsvortrag leitet das Thema ein und die Diskussion liefert die Antwort: Kann es nur eine geben?

Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Voraussetzungen: Awareness of what integration is. But not a must.
Schwierigkeitsgrad: Beginner/Entry-Level

Der Impulsvortrag geht am Beispiel von congstar und Pyramid Analytics darauf ein, wie Dashboard Standards den Weg zur Data Driven Company ebnen können. In der anschließenden Diskussion werden wir das Thema weiter vertiefen.

Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Der Anspruch der Unternehmen an die Datenanalyse steigt stetig. Das benötigt einerseits immer mehr und aktuellere Daten, andererseits aber auch eine hohe Fach- bzw. Branchen-Kenntnis. Daher muss eine moderne Datenarchitektur den fachlich orientierten Datenanalysten einen einfachen und agilen Umgang mit Daten ermöglichen. Wie aber kann das gelöst werden, wo doch die IT-Systeme immer komplexer und heterogener werden? Jan Ulrich Maue, Senior Sales Engineer bei Denodo, zeigt am Praxisbeispiel ESG-Reporting, wie dieser Spagat mit einer Domain-orientierten Datenarchitekturen effizient und zukunftssicher gelöst werden kann.

Voraussetzungen: Grundkenntnisse Datenarchitektur
Schwierigkeitsgrad: medium

Wir beschäftigen uns mit häufigen Fehlern, die bei der Arbeit mit Daten passieren können. In dem Vortrag werden fünf grobe Datenpannen vorgestellt und erläutert, wie man diese vermeiden kann. Dabei geht es nicht nur um technische Fehler, sondern um Fehler in der Datenanalyse und der Interpretation von Daten. Der Vortrag richtet sich an alle, die mit Daten arbeiten, sei es im beruflichen oder privaten Kontext, und soll dazu beitragen, dass man Daten korrekt und effektiv nutzen kann, ohne dabei Fehler zu machen.

Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

In his talk Paul Dietrich shares proven best practices from Collibra customers and ways to support those 66 % of companies that still struggle with turning data into actionable insights.

Digitalisierung heißt: Daten. Zukünftige Herausforderungen in Organisationen sind immer mehr von Daten bestimmt, sind komplex und machen nicht mehr an Abteilungsgrenzen Halt. Wie kann Data Literacy allen Mitarbeitenden den nötigen Perspektivenwechsel ermöglichen, damit Daten im Bewusstsein aller vom „Nebenprodukt“ zum „Asset“ werden?

Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

In diesem Hands-on Workshop lernen Sie anhand eines konkreten Use Cases die praktische Anwendung der Datenvirtualisierung kennen. Hierbei wird von Anfang an “hands on” vorgegangen, d.h. es handelt sich nicht um einen reinen Vortrag, sondern ein praktisches Erleben der Lösung.  Konkret werden folgende Themen behandelt:

• Erstellen von virtuellen Datenmodellen und einer semantischen Datenschicht
• Kombinieren von heterogenen Daten aus Legacy- und Cloud-Datenbanken, APIs und Dateien
• Erstellen eines Reports in einem BI Tool basierend auf den Daten

Bring your own device

Starting off from a recent fine from the Berlin Beauftragte für Datenschutz und Informationsfreiheit (BlnBDI) around obligations for automated decision making (art. 22 of the GDPR), this presentation will walk the audience through how teams collaborate around compliance obligations. 
Risk with respect to processing of personal data continues to increase since the ink dried on the GDPR in 2016. Enforcement as of 2018 has signaled a need for companies to act responsibly with their data processing operations. While data governance is surely not the sexist job of the XXI st century and data self-service is on everybody’s mind, the increased complexity of integrated data systems requires collaboration. You possibly know who your companies’ data protection officer is. Or not. Let’s talk about who could be responsible for what, how privacy-by-design consensus can be reached and where technology plays a role in preparing for an accountable, increasingly automated and risk mitigated, future. 

"The development of the data governance journey at Helaba will be presented using selected use cases. Which deficits hurt the most, how do you find the right tools, and what is the right tool in the right place? And as is appropriate for a journey - sometimes there are also dead ends, detours, and shortcuts.

Extended Abstract
In an era where data is invaluable, an adept Data Governance strategy is essential for organizations. Helaba, a leading financial institution, recognized the necessity of efficient Data Governance and embarked on this journey with the assistance of Ataccama, a provider of unified data management solutions provider.

The session will cover:
Selected real-world use cases to illustrate the steps of Data Governance development at Helaba and Ataccama's contribution to addressing critical deficiencies.
Methodologies used for identifying the right tools for governance. The audience will learn how the collaboration between Helaba and Ataccama ensured the adept placement and utilization of these tools within the governance framework. 
Insights into the detours, dead-ends, and shortcuts that were encountered, and how Helaba navigated through these challenges.

Attendees will leave with practical knowledge and strategies they can employ in their own organizations and an understanding of the benefits of partnering with Ataccama.

Target audience: Data Governance Professionals, Data Managers, IT Managers, Decision Makers, Strategy Consultants
Prerequisites: Basic understanding of Data Governance and IT management
Level of difficulty: Intermediate"

Siemens schafft mit Data Mesh ein innovatives Analytics-Ökosystem. Diverse Fachbereiche mit individuellen Verantwortlichkeiten arbeiten innerhalb eines Ökosystems zusammen, um Siemens zu einem data-driven Unternehmen zu transformieren. Eine große Herausforderung besteht darin, die Konsistenz zwischen den verschiedenen Bereichen zu gewährleisten. Data Vault spielt eine entscheidende Rolle bei der Bewältigung dieser Herausforderung.

Simplifying the modern data stack by choosing a unified platform like SnapLogic can help to eliminate the need to purchase countless point-to-point solutions. Instead, data leaders are able to simply automate end-to-end processes, enable their teams faster, and manage their data more easily from one centralized solution.

Prerequisites: Awareness of what data integration is
Level: middle

In his talk, Michael showcases how Collibra Data Quality & Observability helps to improve the quality of data by learning through observation rather than human input. Collibra DQ applies the latest advancements in data science and machine learning to the problem of data quality, surfacing data issues much faster than traditional, manual approaches.