Big Data-Driven Desicions 24 april 2013 - Bob Nieme

Get Started. It's Free
or sign up with your email address
Rocket clouds
Big Data-Driven Desicions 24 april 2013 - Bob Nieme by Mind Map: Big Data-Driven Desicions 24 april  2013 - Bob Nieme

1. advertisment

1.1. Adobe & IBM producten

1.2. web analytics > digiatal analytics

1.3. web analytics: is complex

1.3.1. data is overal

1.3.2. wees bewust met welke technologie je werkt

1.3.3. kost veel

2. agenda

2.1. 1 uitdagingen

2.2. 2 data is nieuwe olie

2.3. 3 big data paradigma shift

2.4. 4 context van data

2.5. 5 create business value

3. Bob Nieme

3.1. bio

3.1.1. founder en Chief Visionary Officer van Adversitement

3.2. zie de overige mindmaps

3.2.1. http://www.alexisvandam.nl/mindmapping/bigdata-driven-desicions-livemindmapping/

3.3. TU Eindhoven

3.3.1. datascientist opleiding

3.4. spin in web op gebied van Big Data

3.5. @bnieme

3.5.1. is een

3.5.1.1. scanner

3.5.1.2. autodidact

3.5.2. digital active vanaf 2000

3.5.3. bachelor of webscience TUE

3.5.4. brainport regio eindhoven

3.5.4.1. silicon valley van NL

3.5.5. voorspelling 2011: bewust omgaan met privacy

3.5.5.1. belangrijke asset als bedrijf

4. Big Data

4.1. bestaat niet

4.1.1. er is gewoon wat meer data

4.2. beeld

4.2.1. real time bestaat

4.2.1.1. scoren

4.2.2. textuele engine

4.2.2.1. liguistische modellen in algoritme

4.2.2.2. betrouwbaarheid van 84%

4.2.2.3. heeft te maken met

4.2.2.3.1. gramatica

4.3. NOS gaat op Koningsdag onze methode inzetten

4.4. quote

4.4.1. alwin toffler

4.4.1.1. learn, unlearn & relearn

4.5. ecosysteem

4.5.1. university of Portsmouth

4.5.1.1. stress analyse obv sentment in projecten

4.5.2. IBM met 8 mld research budget kan niet alles oplossen

4.5.3. deloitte fast 50

5. 1 uitdagingen

5.1. voorspellende modellen

5.1.1. wat moet je met een tandenborstel die zegt hoe je moet poetsen

5.1.1.1. zelfaanpassende tandenborstel

5.1.1.2. adaptief

5.2. dataperspectief

5.2.1. data explosie

5.2.2. socialmedia

5.2.2.1. snappen er weinig van

5.2.2.2. ga met je community in gesprek

5.2.2.3. groei van data

5.3. customer centric selling

5.3.1. being part of my brand 13

5.3.2. linker helft vs rechter helft

5.3.3. gaat niet om alleen maar sellen

5.3.3.1. push marketing

5.3.4. gedrag wordt vluchtig

5.3.4.1. conracten per dag opzegbaar

5.4. hyper connected economy

5.4.1. online aankopen

5.4.2. offline kijken

5.5. socialmedia but why?

5.5.1. online klagen

5.5.2. buckler effect

5.5.2.1. youp van het hek

5.5.3. wijsheid is belangrijker dan wat we er mee kunnen

6. 2 data is nieuwe olie

6.1. internet of things

6.2. alles via browser

6.2.1. gevolgd worden of data beschikbaar stellen

6.2.2. wat als er geen data komt

6.3. the grid

6.3.1. m2m ecosysteem of smart devices

6.3.2. slimme alogoritmes obv beprekingen van technologie

6.4. van ruwe olie > rafinage

6.4.1. mobiliteit

6.4.2. diesel

6.4.3. octaan 95 / 98

6.4.4. veel waste

6.4.4.1. nafta

6.4.4.2. afvalt

6.4.5. alles heeft een doel opzich

6.5. data is nieuwe olie

6.5.1. big traffic (file)

6.6. quotes

6.6.1. do we have an understanding in context of oil?

6.6.2. lets think in the opposite way

6.6.3. "how much of your capital should be wasted if you only use oil for the future mobility of cars"

7. 3 big data paradigma shift

7.1. oude technologie is niet meer toepasbar

7.2. big data (wiki)

7.2.1. wikipedia

7.2.1.1. distributie van kennis en info zonder banners

7.2.1.2. tip! cookiewall: retargeten

7.3. fatamorgana in data

7.4. stappen

7.4.1. destabilisatie

7.4.2. disorientatie

7.4.3. faciltatie omgeving

7.4.4. herorientatie

7.5. cybersecurity programma: wordt omvangrijk

8. 4 context van data

8.1. quote: "I have no special talent i am only passionately curious" (Albert Einstein)

8.1.1. datascientist als nieuw beroep

8.1.2. direct programmeren van algoritme op vakkennis

8.2. alle info verzamelen, we kunnen het later nodig hebben

8.3. volgende winkel open door walmart obv gedrag van mensen

8.4. tunnel van data

8.5. feiten en figuren

8.6. http:// bedacht door Tim Berner Lee

8.6.1. statusloos

8.6.2. je hebt een pad nodig, en er is dus een cookie nodig

8.6.3. fb facebook graph

8.6.4. vb collusion

8.6.4.1. in hoeveel netwerken mensen data aan het distribueren

8.6.4.2. http://www.mozilla.org/en-US/collusion/demo/

8.7. privacy is een recht bescherming obv inbreuk

8.8. no context of data

8.9. the world of data

8.9.1. http://infographiclist.com/2011/10/03/the-world-of-data-infographic/

8.10. google: minder trusted

8.10.1. minder gebruik chrome

8.10.2. gebruik mozilla

8.11. privacy

8.11.1. prijsdiscriminatie

8.11.2. yieldmanagement

8.11.3. vraag & aanbod

8.11.4. obv cookie, men weet dat je gaatm dus de prijs omhoog

9. 5 create business value

9.1. big 4: alle data verzamelen

9.1.1. apple

9.1.2. microsoft

9.1.3. facebook

9.1.4. google

9.1.5. weten zoveel over mensen

9.1.6. reputatieschade

9.1.7. gaat om

9.1.7.1. maak het persoonlijk

9.1.7.2. let op: te veel data

9.2. model

9.2.1. noise & mis info

9.2.2. superfluous data

9.2.3. meaningful

9.2.4. ...

9.2.5. ...

9.3. big data analytics

9.3.1. descriptive

9.3.2. predictive

9.3.3. prescriptive (focus)

9.4. 3 P's

9.4.1. platform

9.4.1.1. goede technologie

9.4.2. people

9.4.2.1. het gaat te snel om bij te houden

9.4.2.2. per dag veranderingen

9.4.3. proces

9.4.3.1. beleg het in het proces

9.5. datascientist - sexy beroep

9.6. http://www.slideshare.net/mjft01/big-data-landscape-version-20

9.6.1. ecosysteem

9.7. BD analyse

9.7.1. synerscope

9.7.1.1. www.youtube.com/watch?v=_h7skcBmXS4

9.8. word clouds

9.8.1. werken goed

9.9. atributie modellen

9.9.1. data mining

9.9.2. proces mining

9.10. weet op welk vakgebied je iets wilt veranderen

9.10.1. goed om info te aggregren

9.10.2. open source

9.11. socialmedia is nu

9.11.1. excels is niet meer van deze dag

9.11.2. gaat om emotie

9.12. framework model

9.12.1. why

9.12.1.1. transparantie

9.12.1.2. data driven companies

9.12.1.3. aantoonbaar voldoen aan wetgeving

9.12.2. transparantie

9.12.2.1. prijzen

9.12.2.2. qualities service

9.12.2.3. social activities - vulnerable

9.12.2.4. business partners - relatie

10. conclusie

10.1. veel sleutels

10.1.1. welke deur ga je openmaken

10.2. thx fr yr ttntn

11. Q&A

11.1. Q: kunnen consumenten ook big data toepassen

11.1.1. A: de hoeveelheid data neemt toe

11.1.2. data geven en nemen

11.2. Q: welke diensten doen het goed?

11.2.1. A: 100% betrouwbare data: bestaat niet

11.3. Q: hoe moeten we de big data handelen, CEO betrekken?

11.3.1. A: het is een denkwijze, veranderingsproces

11.3.2. durven experimenten

11.3.3. durf een risco te nemen

11.3.4. Wij leveren excellente data (octaan 95)