1. 3 big data paradigma shift
1.1. oude technologie is niet meer toepasbar
1.2. big data (wiki)
1.2.1. wikipedia
1.2.1.1. distributie van kennis en info zonder banners
1.2.1.2. tip! cookiewall: retargeten
1.3. fatamorgana in data
1.4. stappen
1.4.1. destabilisatie
1.4.2. disorientatie
1.4.3. faciltatie omgeving
1.4.4. herorientatie
1.5. cybersecurity programma: wordt omvangrijk
2. 4 context van data
2.1. quote: "I have no special talent i am only passionately curious" (Albert Einstein)
2.1.1. datascientist als nieuw beroep
2.1.2. direct programmeren van algoritme op vakkennis
2.2. alle info verzamelen, we kunnen het later nodig hebben
2.3. volgende winkel open door walmart obv gedrag van mensen
2.4. tunnel van data
2.5. feiten en figuren
2.6. http:// bedacht door Tim Berner Lee
2.6.1. statusloos
2.6.2. je hebt een pad nodig, en er is dus een cookie nodig
2.6.3. fb facebook graph
2.6.4. vb collusion
2.6.4.1. in hoeveel netwerken mensen data aan het distribueren
2.6.4.2. http://www.mozilla.org/en-US/collusion/demo/
2.7. privacy is een recht bescherming obv inbreuk
2.8. no context of data
2.9. the world of data
2.9.1. http://infographiclist.com/2011/10/03/the-world-of-data-infographic/
2.10. google: minder trusted
2.10.1. minder gebruik chrome
2.10.2. gebruik mozilla
2.11. privacy
2.11.1. prijsdiscriminatie
2.11.2. yieldmanagement
2.11.3. vraag & aanbod
2.11.4. obv cookie, men weet dat je gaatm dus de prijs omhoog
3. 5 create business value
3.1. big 4: alle data verzamelen
3.1.1. apple
3.1.2. microsoft
3.1.3. facebook
3.1.4. google
3.1.5. weten zoveel over mensen
3.1.6. reputatieschade
3.1.7. gaat om
3.1.7.1. maak het persoonlijk
3.1.7.2. let op: te veel data
3.2. model
3.2.1. noise & mis info
3.2.2. superfluous data
3.2.3. meaningful
3.2.4. ...
3.2.5. ...
3.3. big data analytics
3.3.1. descriptive
3.3.2. predictive
3.3.3. prescriptive (focus)
3.4. 3 P's
3.4.1. platform
3.4.1.1. goede technologie
3.4.2. people
3.4.2.1. het gaat te snel om bij te houden
3.4.2.2. per dag veranderingen
3.4.3. proces
3.4.3.1. beleg het in het proces
3.5. datascientist - sexy beroep
3.6. http://www.slideshare.net/mjft01/big-data-landscape-version-20
3.6.1. ecosysteem
3.7. BD analyse
3.7.1. synerscope
3.7.1.1. www.youtube.com/watch?v=_h7skcBmXS4
3.8. word clouds
3.8.1. werken goed
3.9. atributie modellen
3.9.1. data mining
3.9.2. proces mining
3.10. weet op welk vakgebied je iets wilt veranderen
3.10.1. goed om info te aggregren
3.10.2. open source
3.11. socialmedia is nu
3.11.1. excels is niet meer van deze dag
3.11.2. gaat om emotie
3.12. framework model
3.12.1. why
3.12.1.1. transparantie
3.12.1.2. data driven companies
3.12.1.3. aantoonbaar voldoen aan wetgeving
3.12.2. transparantie
3.12.2.1. prijzen
3.12.2.2. qualities service
3.12.2.3. social activities - vulnerable
3.12.2.4. business partners - relatie
4. conclusie
4.1. veel sleutels
4.1.1. welke deur ga je openmaken
4.2. thx fr yr ttntn
5. Q&A
5.1. Q: kunnen consumenten ook big data toepassen
5.1.1. A: de hoeveelheid data neemt toe
5.1.2. data geven en nemen
5.2. Q: welke diensten doen het goed?
5.2.1. A: 100% betrouwbare data: bestaat niet
5.3. Q: hoe moeten we de big data handelen, CEO betrekken?
5.3.1. A: het is een denkwijze, veranderingsproces
5.3.2. durven experimenten
5.3.3. durf een risco te nemen
5.3.4. Wij leveren excellente data (octaan 95)
6. advertisment
6.1. Adobe & IBM producten
6.2. web analytics > digiatal analytics
6.3. web analytics: is complex
6.3.1. data is overal
6.3.2. wees bewust met welke technologie je werkt
6.3.3. kost veel
7. agenda
7.1. 1 uitdagingen
7.2. 2 data is nieuwe olie
7.3. 3 big data paradigma shift
7.4. 4 context van data
7.5. 5 create business value
8. Bob Nieme
8.1. bio
8.1.1. founder en Chief Visionary Officer van Adversitement
8.2. zie de overige mindmaps
8.2.1. http://www.alexisvandam.nl/mindmapping/bigdata-driven-desicions-livemindmapping/
8.3. TU Eindhoven
8.3.1. datascientist opleiding
8.4. spin in web op gebied van Big Data
8.5. @bnieme
8.5.1. is een
8.5.1.1. scanner
8.5.1.2. autodidact
8.5.2. digital active vanaf 2000
8.5.3. bachelor of webscience TUE
8.5.4. brainport regio eindhoven
8.5.4.1. silicon valley van NL
8.5.5. voorspelling 2011: bewust omgaan met privacy
8.5.5.1. belangrijke asset als bedrijf
9. Big Data
9.1. bestaat niet
9.1.1. er is gewoon wat meer data
9.2. beeld
9.2.1. real time bestaat
9.2.1.1. scoren
9.2.2. textuele engine
9.2.2.1. liguistische modellen in algoritme
9.2.2.2. betrouwbaarheid van 84%
9.2.2.3. heeft te maken met
9.2.2.3.1. gramatica
9.3. NOS gaat op Koningsdag onze methode inzetten
9.4. quote
9.4.1. alwin toffler
9.4.1.1. learn, unlearn & relearn
9.5. ecosysteem
9.5.1. university of Portsmouth
9.5.1.1. stress analyse obv sentment in projecten
9.5.2. IBM met 8 mld research budget kan niet alles oplossen
9.5.3. deloitte fast 50
10. 1 uitdagingen
10.1. voorspellende modellen
10.1.1. wat moet je met een tandenborstel die zegt hoe je moet poetsen
10.1.1.1. zelfaanpassende tandenborstel
10.1.1.2. adaptief
10.2. dataperspectief
10.2.1. data explosie
10.2.2. socialmedia
10.2.2.1. snappen er weinig van
10.2.2.2. ga met je community in gesprek
10.2.2.3. groei van data
10.3. customer centric selling
10.3.1. being part of my brand 13
10.3.2. linker helft vs rechter helft
10.3.3. gaat niet om alleen maar sellen
10.3.3.1. push marketing
10.3.4. gedrag wordt vluchtig
10.3.4.1. conracten per dag opzegbaar
10.4. hyper connected economy
10.4.1. online aankopen
10.4.2. offline kijken
10.5. socialmedia but why?
10.5.1. online klagen
10.5.2. buckler effect
10.5.2.1. youp van het hek
10.5.3. wijsheid is belangrijker dan wat we er mee kunnen
11. 2 data is nieuwe olie
11.1. internet of things
11.2. alles via browser
11.2.1. gevolgd worden of data beschikbaar stellen
11.2.2. wat als er geen data komt
11.3. the grid
11.3.1. m2m ecosysteem of smart devices
11.3.2. slimme alogoritmes obv beprekingen van technologie
11.4. van ruwe olie > rafinage
11.4.1. mobiliteit
11.4.2. diesel
11.4.3. octaan 95 / 98
11.4.4. veel waste
11.4.4.1. nafta
11.4.4.2. afvalt
11.4.5. alles heeft een doel opzich
11.5. data is nieuwe olie
11.5.1. big traffic (file)
11.6. quotes
11.6.1. do we have an understanding in context of oil?
11.6.2. lets think in the opposite way
11.6.3. "how much of your capital should be wasted if you only use oil for the future mobility of cars"