Spoluautor zatím jediné knihy o problematice velkých dat, přeložené do češtiny, ve svém vystoupení naváže na tuto publikaci a seznámí nás s tím, že Big Data jsou skutečná revoluce, která již mění to, jak žijeme, pracujeme a myslíme. Vycházet při tom bude ze své nejnovější knihy „Reinventing Capitalism in the Age of Big Data“, která je predikcí toho, jak budou data redefinovat tržní ekonomiku. Poradí, jakou strategii zvolit, abychom si zajistili s pomocí dat lepší budoucnost.
S čím se v Plzeňském Prazdroji při cestě za úspěchem potýkáme, jaké překážky interně i externě musíme překonávat a nakonec dva dny prší.
Kdo dnes neřeší rozhodování na základě dat, jako by to nemyslel s businessem vážně. Jak to, ale udělat, aby všichni měli přístup k datům a mohli tedy dělat správné rozhodnutí? Radek Duha vám řekne, jak se s tím poprali v Liftagu a proč díky tomu milují Snowflake.
Jaké záludnosti vás potkají, pokud budete instalovat Hadoop do velké banky? Na začátku bylo jen zadání, na straně zákazníka malé zkušenosti s podobným systémem a na naší straně velké odhodlání věc dotáhnout v co nejkratším čase do zdárného konce.
Značka Dr.Max zbořila letité vnímání zákaznické kartičky jako nástroje na rozdávání slev a vytvořila z ní klíč ke skutečné věrnosti zákazníka. Tato prezentace prozradí, o jaká data se opírá největší věrnostní program v Česku a na Slovensku a ukáže, jak analýza velkých dat posloužila k tomu, aby se česká lékárenská značka stala respektovaným hráčem evropského formátu.
Představení cesty ke každodennímu využívání dat a výsledků datové analytiky v praxi ve výrobní společnosti. Smysluplně pracovat s daty znamená především změnu způsobu uvažování jednotlivce a teprve potom hledání správných technologických postupů. Změna role IT v „data driven company“.
Je zpracovávání dat v českém mediálním prostředí stále atraktivní? S jakými překážkami nejčastěji bojují datoví novináři Českého rozhlasu? A proč jsou i po letech jedni z mála tuzemských novinářů, kteří data vizualizují?
Velká data jsou vnímána jako klíčový aspekt znalostní ekonomiky. Přesto je téměř nikdo nepoužívá pro podporu inovačního procesu ve firmách a hledání dodavatelů z vědeckovýzkumných institucí a univerzit. Představím nástroje umožňující efektivně využít data o výzkumu v inovačních ekosystémech a konkrétní příklady, které řešíme ve spolupráci s firmou Intel.
Není snadné v reálném čase získat ucelený pohled na své zákazníky nebo dokonce odhalit další profitabilní klienty. Ve skutečnosti je dnes identifikace správných leadů pro mnoho firem nejdůležitější výzvou. Vyhodnocení souhrnných a textových informací prostřednictvím umělé inteligence (AI) tyto problémy pomůže vyřešit. S využitím nejpokročilejších analytických schopností a technik umělé inteligence můžeme nejen zpracovat obrovské množství dat z celého světa, abychom získali 360stupňový pohled na vaše (budoucí) zákazníky, ale můžeme také nabídnout revoluční techniky generování leadů pro řadu průmyslových odvětví.
Infekcemi spojenými s nemocničním prostředím, takzvanými nozokomiálními infekcemi, je ročně nakaženo 4,1 miliónů pacientů v celé Evropské unii a způsobí úmrtí 37 000 pacientů ročně,což je 1,5x více, než ztráty na životech způsobenými dopravními nehodami v EU. Jen v České republice je odhadovaná míra nozokomiálních infekcí mezi 6-7% ze všech hospitalizaci a celý systém stojí cca 8-10 miliard korun ročně navíc. Systém EPIDIS poskytuje automatizované zpracování dat z nemocničních informačních systému pomocí AI a umožňuje vyhledání nozokomiálních infekcí rychle, přehledně a hlavně 3x efektivněji, než tomu bylo doposud při manuálním zpracování dat.
DHL je největší logistická společnost působící ve 220 zemích a teritoriích. Veškeré fyzické transakce sledujeme digitálně, což předsavuje velký objem dat, který dokážeme pomocí Data Science využít pro značné úspory i obchodní příležitosti. Uvedení Data Science do ostrého provozu má řadu specifik, včetně toho požadavků na kreativní práci tvůrců modelů na jedné straně a velmi stabilní podpory na straně druhé. První přístup, který jsme zvolili, je Data Lake umožňující ukládání dat, jejich předzpracování. S rozšířením o analytické a orchestrační nástroje představuje všestranné řešení, můžeme říci řešení s plnou penzí. Druhý přístup se zaměřuje minimalisticky pouze na vytvoření API, které zpřístupní funkce modelu strojového učení bez ohledu na to, kde tento model vznikl. To umožňuje značnou lehkost a variabilitu. V tomto příspěvku se mimo jiné dozvíte, jakým způsobem jsou tyto přístupy komplementární.
Díky Big data můžeme nejen získat detailní představu o stavu vašich business služeb, ale můžeme tyto služby v reálném čase řídit na základě zjištěných parametrů a navíc můžeme predikovat trendy jednotlivých metrik těchto služeb a reagovat tak na nežádoucí stavy ještě dříve, než dojde k negativnímu ovlivnění dané služby. Např. můžeme pomocí Big data řídit platby mobilního bankovnictví bez výpadkově, popř. sledovat a upravovat online parametry těchto platebních procesů a chování našich aplikací.
Ukážeme Vám, jak nejlépe využít vaše data pro efektivní komunikaci a řízení firmy, a to cestou přes pokročilé personalizované reporty, grafy a vizualizace na jednom místě. Budeme sdílet zkušenosti, překážky a praktické příklady možností pro mezinárodních korporace i začínající společnosti.
Více ZDE
