ČÍM TO VŠECHNO ZAČÍNÁ NA DATECH ZÁLEŽÍ, ALE NEJSOU DATA JAKO DATA

ČÍM TO VŠECHNO ZAČÍNÁ NA DATECH ZÁLEŽÍ, ALE NEJSOU DATA JAKO DATA

Copyright © 2012, SAS Institute Inc. All rights reserved.

ŘEŠENÍ SAS JAK TO FUNGUJE Podvody a risika • Prevence a detekce podvodů, • Vyhodnocování a ošetřování risik • Detekce anomálií • Podpora vyšetřování,…

Optimalisace zdrojů a procesů

Veřejná a národní bezpečnost

Poskytování informací

• Optimalisace infrastruktury a fin. toků • Predikce a plánování, Kontrola efektivity, • Řízení efektivity, Ochrana aktiv, …

• Bezpečnost na hranicích • Sdílení a organizace informací Prevence kriminality • Finanční kriminalita, • Veřejná bezpečnost, …

• Pravidlené a ad-hoc výkazy a hlášení • Operativní reporting • Monitorování • Statistiky • Zveřejňování informací

atd…

Analytická platforma Statistická analysa

OLAP analysa

Příprava dat (Data Management)

• • • •

Data Mining

Akvizice dat Integrace Transformace Ukládání

Časové řady

Operační výzkum

Analysa soc. sítí

• • • •

Visualisace

atd…

Kvalita dat Konsolidace dat, unifikace Master data Management Data Governance

Data: • • • •

Interní zdroje Externí zdroje Veřejné zdroje Internet…


atd…

ZNÁTE TOHO MUŽE?

žil: •

427 – 347 př. Kr.

vlastním jménem •

Aristoklés

znám pod jménem: •

Πλάτων

čili •

Platón


PODOBENSTVÍ O JESKYNI


CHYBY V DATECH DATA JSOU (NEDOKONALÝM) OBRAZEM SVĚTA •

Lidský faktor •

•

Lidé dělají chyby • Překlepy • Zápisy do nesprávných polí • Neznalost • „Lidová tvořivost“ • ..

Inkonsitence informačních systémů podniku • • • • • • •

Mnoho autonomních agend Různé věcné oblasti Různé technologie a aplikace Různé standardy Různí dodavatelé v různém čase Produktově orientované systémy (ne subjektově) Zavádění nových systémů

• •

Fantomy Nemožnost jednotně (správně) identifikovat, popsat konkrétní subjekt (klient, produkt, vozidlo …)

•

Nikdo se o to nestará!


KVALITA A DATA DOPADY NEKVALITNÍCH DAT

•

Špatná data  špatné výsledky zpracování

•

Špatné výsledky zpracování  špatně funguje business (procesy)

•

Špatně fungují procesy  přicházíme o peníze

•

Kromě toho správa (špatných) dat stojí také peníze


JDE O PENÍZE OBVYKLÉ OKOLNOSTI DŮSLEDKŮ DATOVÉ (NE)KVALITY

Přímé ztráty • Operativa, komunikace (Nedoručená pošta, nepřesné cílení kampaní, vícenásobné oslovení, jednotný pohled na klienta…) • Risk management (kompletní informace o klientovi, poloha nemovitosti, …) • Fraud management (přesná identifikace subjektu, nalezení skupin propojených subjektů) • Provoz IT (náklady na správu nekvalitních dat …) • Nepřímé ztráty • Zhoršená funkce procesů a systémů (nekonsistentní data) • Podpora rozhodování – BI/DW, analytické aplikace (na základě nekorektních dat → nekorektní informace …) •

•

Compliance (spolehlivost a přesnost reportovaných informací,

transparentnost procesů… - Solvency II) • Obvyklé informační subjekty: •

Osoby, organisace, adresy, kontakty, nemovitosti, vozidla, …


ANALYSA A OD SUROVINY K VÝROBKU VISUALIUSACE DAT

Akvizice dat Integrace, ETL

Analýzy

Datová úložiště

Zpřístupnění informací

Datová kvalita Master Data Management Data Governance

Reporting


Distribuce

Analytické aplikace Komplexní analytická řešení

ŘEŠENÍ DQ SOUČÁSTI ŘEŠENÍ

•

Nástroj • • • •

•

Znalostní báze • • • •

•

Komplexnost funkcí Flexibilita Výkon „Přátelskost“ Obsah Rozsah Variabilita Otevřenost

Metodická část • • •

Zodpovědnost, pravidla Organizace, procesy Praktické postupy


Technické řešení

DQ „KLASIKA“

Data špinavá • Zkoumámí dat • Čištění dat • Data čistá •


VÍC NEŽ NÁSTROJ DATOVÁ KVALITA JE NEKONČÍCÍ PROCES

Řešení SAS: Pokrývá kompletní životní cyklus DQ • Vedoucí řešení na trhu (Gartner) •

Profiling, analýza Porozumění kvalitě zdrojových dat Standardizace, čištění Zlepšení stavu dat, náprava defektů Integrace, unifikace, deduplikace Konsolidace a propojení souvisejících dat Obohacení, doplnění Obohacení dat z externích zdrojů Sledování, monitorování Automatické sledování problémů s datovou kvalitou


KOMPLETNÍ KOMPLETNÍ SADA NÁSTROJŮ A ŘEŠENÍ POHLED PRO DATA MANAGEMENT

Správa dat, procesy, standardy

Data Governance

Monitorování, analysa, řízení

Master Data Management

Sdílení klíčových dat Autorita pro referenční data

Datová kvalita Integrace dat (ETL) Ukládání dat


Čištění Konsolidace Přesunování dat Transformace dat Data Storage DBMS

PLATFORMA DQ VLASTNOSTI PLATFORMY DATOVÉ KVALITY  Kompletní a komplexní funkcionalita 

Umí vše, co má umět:  Profiling, Parsing, Standardizace, Match, Merge, Enrichment, DQ Monitoring & Reporting

 Unikátní technická řešení   

Generování universálního matching key Dynamicky nastavitelná sensitivita ...

 Podpora věcně orientovaných uživatelů   

Modularita, srozumitelnost a přehlednost Nic se nekóduje Inteligentní znalostní báze QKB

 Různé režimy práce  

Batch i on-line Identické joby

 Otevřenost, flexibilita, variabilita      

Různé datové zdroje a režimy práce Obecné datové typy, kompositní datové typy ... Různé provozní platformy Integrace s jinými technologiemi (ETL, OS, ERP ...) Lokalizace …


SAS DQ STRUKTURA


KOMPLEXNÍ ŘEŠENÍ SAS MASTER DATA MANAGEMENT MDM


SAS KOMPLETNÍ ŘEŠENÍ

Produkt

Analysa

SAS Data Quality Desktop SAS Data Governance SAS Data Quality Standard SAS Data Quality Advanced SAS MDM Standard SAS MDM Advanced 1) … modul MDM Foundation

Jednotná platforma • Modularita • Využití analytických schopností SAS • Vedoucí řešení na trhu •


Funkční oblasti Dávkově On‐line Data Gov.

MDM 1) 1) 1)

HODNOCENÍ GARTNER HODNOTÍ

Přednosti DataFlux: •

Široký záběr DQ iniciativ •

•

Nevídaný růst •

•

Velký počet nových zákazníků, projekt Unity

Věrní a spokojení zákazníci •

•

použití v celém spektru úlog od BI, MDM? Až migracím

95% maintenance renewal rate

Poměr investic do R&D •

Mezi dodavateli IT jeden z nepříznivějších poměrů

•

Integrace plné šíře funkcí do jedné platformy • Profiling, čištění, monitirování, správa metadat…

•

Velká síla: využévání funkcí SAS •

•

Vývoj akcelerátorů •

• •

Uikátní posílení platformy dDataFlux Customer Analysis, Materials classification…

Zákazníci oceňují jednoduchou instalace a integraci Zákazníci oceňují vysokou úroveň technické podpory

Citát ze studie: „Dodavatel (DataFlux) neustále posunuje hranice nástrojů datové kvality i celého trhu datové kvality, což vede k jeho opětovné vedoucí posici v tomto roce

Gatrnet Magic Quadrant for Data Quality Tools Copyright © 2012, SAS Institute Inc. All rights reserved.

SHRNUTÍ HLAVNÍ PŘEDNOSTI SAS DATA QUALITY •

Orientace na uživatele - IT i odborní (není to blackbox) Intuitivní prostředí, srozumitelnost, přehlednost • Transparentní znalostní báze • Znalost prostředí, zkušený team •

•

Navrženo pro práci a výkon (a prověřeno praxí) Architektura • On-line provoz • Velké množství referencí (Corporate DQ standard) •

•

Komplexnost Kompletní funkcionalita • Všechny typy dat (znalostní báze…) • Všechny typy situací – flexibilita • Otevřenost •

•

Ověřeno • • • • • •

Řešení ve všech oblastech v Evropě i ve světě, Úspěšné projekty v ČR Schopnost pokrýt vysoce náročné a nestandardní požadavky Lokální implementační team Řada realizačních partnerů Podpora mezinárodní společnosti



www.SAS.com

ČÍM TO VŠECHNO ZAČÍNÁ NA DATECH ZÁLEŽÍ, ALE NEJSOU DATA JAKO DATA

Recommend Documents