Die unbequeme Wahrheit ist: Data Literacy ist Disruption. Gemeinsam durchleben wir in diesem Vortrag anhand von Geschichten aus der Praxis die disruptive Qualität von gescheiterten Ansätzen, in denen Zukunft und Vergangenheit aneinander prallen.  

Sie nehmen eine Liste von Fehlern anderer mit, aber auch die Gewissheit, dass Sie einer kulturellen und organisatorischen Disruption gegenüber stehen. Wie stark Sie diese trifft, finden wir in dem Vortrag raus.

Zielpublikum: CDOs, Entscheidungsträger:innen, IT-Leiter:innen als Verantwortliche der Datennutzung, Data Engineers als Ausführende
Voraussetzungen: Verständnis über die Bedeutung von Data Culture und Data Literacy für die Zukunft von Unternehmen
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract:
Data Literacy ist die Fähigkeit, kritisch mit Daten umzugehen. Datendemokratisierung verspricht die Befreiung von Daten zugunsten Aller aus den Händen Weniger. Eifrig werden Selfservice-Konzepte, Trainingskonzepte und Strategien erarbeitet. In Goldgräberstimmung werden Datenschätze vermutet, die komplette Belegschaft von Unternehmen wird mit Waschschalen ausgestattet, um das Gold aus dem Datenfluss zu waschen. Währenddessen hat es Medienkompetenz noch immer nicht überall auf den Stundenplan in Schulen geschafft hat.

Meist bleiben tiefe Enttäuschung und unerfüllte Erwartungen zurück. Statt auf Nuggets schaut man auf ein paar Krümmel Gold. Kritischer Umgang mit Daten führt auch zu lästigen kritischen Fragen, die allgemeine Verfügbarkeit von allen Daten auf der Suche nach der optimalsten Lösung verlangsamt Entscheidungsprozesse. Im Zweifel hilft ja immer noch der Einsatz von KI, wird behauptet.

Die unbequeme Wahrheit ist: Data Literacy ist Disruption. Gemeinsam durchleben wir in diesem Vortrag anhand von Geschichten aus der Praxis die disruptive Qualität von gescheiterten Ansätzen, in denen Zukunft und Vergangenheit aneinander prallen. Angefangen von der Tyranny of small decisions und Decision Fatigue über Wenn-wir-das-gewusst-hätten bis zur Überforderung der Organisation.  

Sie nehmen eine Liste von Fehlern anderer mit, aber auch die Gewissheit, dass Sie einer kulturellen und organisatorischen Disruption gegenüber stehen. Wie stark Sie diese trifft, finden wir in dem Vortrag raus.

Tobias presents DANONE´s data strategy for 2025 and the lessons learned from a use case realization. Promises and expectations were high and are still very ambitious. Tobias will share lessons learned and best practices.

Target Audience: People who would to understand what happens on a data journey starting with a data strategy until handing over data products to business people.
Prerequisites: Curiosity
Level: Basic

Im Rahmen der Migration eines Data Warehouse und der darauf aufbauenden Produkte in eine Cloud-Umgebung haben wir Erfahrungen gemacht, die in diesem Vortrag geteilt werden sollen. Anhand von thematisch gegliederten, kurzen Beispielen aus Bereichen wie technischer Architektur, Entwicklung sowie Projekt- und Produktmanagement zeigen wir unsere Erfolge und Misserfolge auf und formulieren Thesen für eine erfolgreiche Projektkultur, die für fruchtbare Diskussionen sorgen sollen.

Zielpublikum: BI-Verantwortliche und Projektmanager:innen, Data Engineers
Voraussetzungen: Interesse an (Business Intelligence) Projekten und Prozessen
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Worum geht es eigentlich?

• Warum man manchmal auch bei großen Projekten auf kleine Kinder hören sollte.
• Morgen fangen wir wirklich an! Oder übermorgen.
• Auf dem Weg zum ersten Schritt und wie und warum wir angefangen haben
• Das Beste oder Nichts?
• Von großen Plänen und kleinen Handlungen und wie Provisorien dabei helfen können
• Azure oder AWS oder GDP? Synapse oder ADF?
• Über Plattform-Agnostik, Modulbauweisen und die Orientierung in Cloud Services
• Lösen wir mit KI auf Blockchain im Spark Cluster!
• Warum Technik weder als Selbstzweck noch als Lösung betrachtet werden sollte.
• Das Ende ist der Anfang ist das Ende ist der Anfang ist ...  
• Warum man den Beta-Status vielleicht gar nicht verlassen sollte.
• Wie ist hier der Stand?
• Warum man besser auf Nutzbarkeit, nicht auf Timings optimiert.
• Wie viele Storypoints sind ein Scrum Master?
• Über die Eigendynamik von agilen Frameworks und wie man sich davor schützen kann.
• Ja, aber ...!!!
• Warum (Rollen-) Kollisionen und Konflikte erwünscht sein sollten.
• Machen wir später ...
• Wie und warum man auf die Tilgung von technischen Schulden achten sollte.
• 148.000$ Cloudkosten in zwei Tagen?
• Wie man bei aller Euphorie die Sicherheit nicht vergisst
• Darum kümmert sich dann das Ops-Team.
• Warum der Betrieb bei der Entwicklung mit eingeplant werden muss.
• Ich blicke nur nach vorne
• Warum der Blick zurück für den weiteren Weg helfen kann.
• Keine Überstunden?
• Wie Freizeit zur Effizienzsteigerung beiträgt.
• Does it spark joy?
• Wie man auf einfache Art ein Team motivieren kann.
• Standards sind Freiheit
• Wie man durch Limitierung Grenzen erweitern kann.
• Kann mich jemand hören?
• Die Organisation eines Teams in Zeiten von Homeoffice
• Frenemies
• Projektsponsoren und Projektleiter und Projektmanager und Produkteigner
• Wir brauchen mehr Details.
• Warum die enge Zusammenarbeit von Entwicklung und Fachabteilung wichtig ist.
• Et tu, Entwickler!
• Zum Erfolg gehören mindestens 2 und das sollten auch alle wissen.
• Done is not done.
• Wenn das Projekt bereits beendet ist, erwacht das Produkt erst zum Leben.
• Worum ging es nochmal?
• Risiko und Mut
• Entscheidung und Agilität
• Disziplin und Fokus
• Rahmung und Organisation
• Freude

Habt Ihr diese Erfahrungen auch gemacht?  

The Good: Wir starten mit ambitionierten Vorsätzen, um ein bestehendes Analytics System auf ein neues Level zu heben. Modernisierung heißt hier das Zauberwort.

The Bad: Dumm nur, wenn unsere Ambitionen und Vorsätze durch die Realität auf eine harte Probe gestellt werden.

The Ugly: Wir zeigen anhand von mehreren Beispielen auf, was in unseren Modernisierungsvorhaben nicht auf Anhieb funktioniert hat. Und warum wir überzeugt sind, dass eine Modernisierung sich trotzdem lohnt.

Zielpublikum: Alle, die schon einmal ein Analytics-Projekt im Kontext der Modernisierung durchgeführt haben, entweder als Projektleitung, Data Engineer, Entscheider:in etc.
Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Habt Ihr diese Erfahrungen auch gemacht?  

The Good: Wir starten mit ambitionierten Vorsätzen, um ein bestehendes Analytics System auf ein neues Level zu heben. Modernisierung heißt hier das Zauberwort. Durch ein modernes Data Management erreichen wir, dass mehr Daten in Echtzeit verarbeitet und bereitstellt werden können. Dank einem passgenauen Datenmodell integrieren wir schnell und automatisiert neue Datenquellen in unsere Anwendung. Mit dem modernen Frontend-Tool beglücken wir Data Consumer mit neuen Features, damit sie ihre Daten endlich effektiv nutzen können. Wir zielen auf viele Verbesserungen ab.  

The Bad: Dumm nur, wenn unsere Ambitionen und Vorsätze durch die Realität auf eine harte Probe gestellt werden.

The Ugly: Wir zeigen anhand von mehreren Beispielen auf, was in unseren Modernisierungsvorhaben nicht auf Anhieb funktioniert hat. Mit diesen Beispielen zeigen wir reale Fälle auf, die wir als Berater:innen in unseren Projekten selbst miterlebt haben. Wir zeigen, dass Pauschalaussagen gefährlich sind und dass jedes Vorhaben von individuellen Gegebenheiten geprägt ist, für die es keine Musterlösungen gibt. Und wir sind überzeugt: Modernisierungen lohnen sich (trotzdem)!  

Was wäre, wenn ein Brain Computer Interface (BCI) Ihre Gedanken in Befehle zur Steuerung von Software oder Hardware übersetzen könnte? Das TNG Innovation Hacking Team hat sich mit verschiedenen Brain Computer Interfaces auseinandergesetzt und versucht, eine solche Software zu entwickeln. Der Vortrag gibt einen Überblick über verschiedene BCI-Hersteller und -typen sowie deren unterschiedliche Ansätze zur Erfassung von Gehirnströmen. Das Team hat sich dabei der Herausforderung gestellt, Techniken aus der künstlichen Intelligenz einzusetzen.

Zielpublikum: Entscheider:innen, Manager:innen, Entwickler:innen, IT-affine Menschen
Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Der Vortrag gibt einen Überblick über verschiedene BCI-Hersteller und -typen sowie deren unterschiedliche Ansätze zur Erfassung von Strömen. Das Team hat sich dabei der Herausforderung gestellt, Techniken aus der künstlichen Intelligenz einzusetzen, welche die Auswertung der Gehirnströme aus der Elektroenzephalografie (EEG) unterstützen. Die Sprecher haben verschiedene Experimente und prototypische Showcases u. a. mit OpenBCI, EMotiv Epoc-X und NextMind implementiert und teilen ihre Erfahrung mit dem Publikum.