Verhogen Big Data leervermogen

Transcriptie

1 Eric van Tol

2 Verhogen Big Data leervermogen

3 absorberen en effectief maken van bestaande Big Data kennis

4 Oppakken belofte Big Data gerichte en gelokaliseerde diensten te leveren detail inzicht in gedrag van de klant te verkrijgen proces optimaliseren over bedrijfsketens heen niet de boot willen missen

5 Overwinnen angst om jonge technologie te omarmen waardevolle data te delen de klant te verliezen af te gaan

6 Big Data & Open Data verbeteren Bruto Nationaal Product Europa met 1.9% (Nederland 2.3%) The Warsaw Institute of Economic Studies

7 Archetype Hadoop Hacker & Data Detective

8 miljoen experts nodig Te kort

9 Toonaangevend Big Data Expertise Centrum De beste Big Data practitioner van Nederland

10 Fontys Hogeschool expertise centrum Big Data (data analyse en visualisatie) is primair gekoppeld aan de studierichting ICT & Business. Praktijkgericht onderzoek uit én in het werkveld, Bijdragen aan een kwalitatieve impuls voor meerdere studierichtingen, Professionalisering van docenten, Een brug slaan tussen onderwijs en beroepspraktijk, Gericht op kenniscreatie en kenniscirculatie in netwerken met externe partijen.

11 Hadoop Hacker De DevOp (ontwikkelaar en engineer) Bouwen en onderhouden met Big Data gereedschappen en methoden Vinden wat je niet zoekt - onderzoeken Data Detective De Big Data domein expert en analist Vertalen business vraag naar Big Data vraag Ongearticuleerde behoefte omzetten in specifieke vragen

12 Hadoop Hacker De DevOp (ontwikkelaar en engineer) Gedegen ervaring met Hadoop omgeving en enige No SQL systemen Algoritme-kennis data mining, machine learning, data visualisatie en relevante software engineering Kennis van Java en Linux Kennis van virtualisatie en gedistribueerde systemen (ICT clusters)

13 Ervaring en kennis van statistiek en statistische software (zoals SPSS, SAS of R). Redelijk begrip data mining, machine learning, data visualisatie en relevante software engineering Conceptuele kennis van Hadoop en andere Big Data technologieën en methoden (No SQL) Gedegen begrip van dienstontwikkeling processen in specifiek marktdomein Data journalistiek Data Detective De Big Data domein expert en analist

14 Hadoop Hacker & Data Detective verdeeld over team van.. Data scientists Data architecten Data visualiseerders Data organisatie veranderaars Data engineer/operators Data stewards Data virtualization/cloud specialisten Data Analyst

15 Kern mijlpalen van het Big Data expertise centrum: 1. Overzicht van Big Data gereedschappen in raamwerk, 2. Ingericht Big Data laboratorium, 3. Gerealiseerd een Co Creatie van diensten over een waardeketen

16 Peak of Inflated Expectations Positive Hype Visualisatie Negative Hype Slope of Enlightenment Plateau of Productivity Innovation Trigger Trough of Disillusionment

17 ICT & Media Design (Big) Data visualisatie Waarom? Communicatie Analyse en probleem oplossen Wat? Informatie en inzicht halen uit grote hoeveelheden dynamische en onzuivere data Lever een tijdige, correcte en begrijpbare interpretatie De communicatie van de interpretatie leidt tot een juiste actie Kunst (invloed van esthetiek op beslissing)

18 Schermgrootte te beperkt voor zeer grote data sets

19 Big Data visualization advanced data visualization Large Scale Visual Analytics Verdeel en heers... Meer.. interactief doorlopen en inzoomen visual querying aggregatie crowd sourcing

20 Vele initiatieven... Data Science Center (Eindhoven) Tilburg Big Data Laboratory Target (Groningen) Dome / Astron (Drenthe) Amsterdam centre of business analytics Data Science Research Center (UvA + VU + CWI) Hoge School Rotterdam Big Data Minor Fontys Expertise Centrum Big Data

21 Samenbrengen Realtime verkennen van de data NO SQL, Hadoop, in memory Hyper Agile, Sandbox Sturen met KPIs: ERP, DWH, RDBMS Business Intelligence

22 Samenbrengen Hoodies Suits

23 Big Data Doorbraakproject vanuit EZ Overheden Kenniscirculatie en toepassing levert meer op dan uitvindingen Kennisinstellingen Bedrijven

24 Big Data Doorbraakproject vanuit EZ Overheden Samensmelten Kennisinstellingen Bedrijven

25 200 Miljoen extra in Nederland in % van $44.2 miljard is 323 miljoen

26 Doel Versterken van het lerend vermogen om big data toe te passen Concurrentie bevorderen Besparingen publieke sector Bijdrage aan maatschappelijke opgaven Nationaal ecosysteem Specifieke sectoren living labs Nederland internationaal big data hub Input voor de nationale kennisagenda

27 Aandachtspunten Gebrek kennis & kunde Versnippering initiatieven Technologie & businessmodellen moving target Juridisch kader onduidelijk (eigenaarschap van data en privacy) Ondernemers huiverig om data te delen Organisaties niet gericht op data & innovatie Onbekendheid financieringsmogelijkheden

28 Raakvlakken Doorbraakprojecten Energie en ICT Informatie platformen MKB & ICT Ondernemings dossier Big Data Massaal Digitaal Open (GEO) Zorg ontzorgd Onderwijs

29 Big Data Fabriek intake uitwerking van het idee provable concept 29 proof of concept pilots implementatie

30 Loket & Landkaart Wetenschap Business Onderwijs Overheid

31 Zorg, Agri Food, Gaming, Personalisatie Integratie Digitalisatie Zelfdiagnose Precisie landbouw Speladvies

32 Organisatie Deelnemers van de klankbord zijn o.a.: ABN AMRO Medtronic Ziggo ANWB Achmea, Crystalloids RWS Defensie CBS High Level Overleg (DA) Klankbordgroep Projectteam

33 Aanpak en Resultaat 100 bedrijven hebben 200 Milj. extra omgezet m.b.v. Big Data Overdracht en borging Verbreding naar andere sectoren - Loketten vraag/aanbod ingericht - Bedrijfsleven en educatie werkt samen Faciliteren van bijeenkomsten (Q1-Q4) - Onderzoek (Q2-Q3) - Sector Scan (Initiatief) kaarten (Q1-Q2) - Portaal (website) (Q1) - Fabriek inrichten (Q1 Q4)

34

35 absorberen en effectief maken van bestaande Big Data kennis

36 Andarr Emmalaan HN Utrecht Telefoon Mobiel Internet evtol@andarr.nl e.vantol@fontys.nl