Veel IT-systemen zijn al meer dan twintig jaar oud en hebben veel veranderingen ondergaan. Desondanks kunnen ze de immer toenemende groei aan datagebruik qua schaalbaarheid en snelheid niet meer aan. Daarbij zijn ze log en inflexibel geworden waardoor het implementeren van nieuwe rapporten en het uitvoeren van analyses zeer tijdrovend is geworden. Kortom, de data-architectuur kan de huidige ‘speed of business change’ niet meer bijhouden.
Wat digitale transformatie, de data economie en een datagedreven organisatie ook precies betekenen, het impliceert altijd dat organisaties meer met data willen doen. Data moet als key business asset ingezet worden. Deze transformatie gaat voor een serieuze data-disruptie zorgen, hetgeen een groot effect op onze BI-systemen en datawarehouses zal hebben. Maar zijn wij ICT-ers klaar voor dit opwaarderen van onze systemen?
APG is de grootste pensioenuitvoerder van Nederland en ziet vanuit huidige en toekomstige bedrijfsvoering data als een cruciale asset. Het bedrijf wil als uitvoerder en belegger toonaangevend zijn, wat heeft geleid tot het oormerken van data als een strategische asset. Tim Schulteis vertelt een integraal verhaal over de reis die de afgelopen periode is afgelegd en gaat in op het neerzetten van een passende architectuur, opbouwen van de juiste kennis en kunde, en de uitdagingen op samenwerking over bedrijfsonderdelen heen.
Self-Service analytics gaat niet alleen over het ervoor te zorgen dat u zo veel mogelijk datapoints in combinatie met een flexibele tool ter beschikking stelt aan de “citizen” data scientist. Met democratisering van analytische capaciteiten en de ruimere toegang tot data, rijzen er vragen over het bestuur en de regelgeving en ethische naleving van het datagebruik.
It is notoriously difficult to achieve the promise of self-service analytics. Wayne Eckerson will explain how to empower business users to create their own reports and models without creating data chaos. He will show how to build a self-sustaining analytical culture that balances speed and standards, agility and architecture, and self-service and governance.
The state of most data analytics pipelines is deplorable: too little automation; minimal reuse of code and data; and lack of coordination. The result is poor quality data delivered too late to meet business needs. DataOps is an emerging approach for building data pipelines and solutions. In this session Wayne Eckerson will explore trends in DataOps adoption, challenges and best practices.
In Data preparation it is important how the human modeler creates a dataset that is uniquely suited to the business problem. In this session Keith McCormick will expose analytic practitioners, data scientists, and those looking to get started in predictive analytics to the critical importance of properly preparing data in advance of model building. He will present the critical role of feature engineering and explaining how to do it effectively.
ASML, fabrikant van machines voor de productie van halfgeleiders, implementeert een central data lake waarin data verzameld wordt in een centrale omgeving en die vanuit daar beschikbaar gesteld wordt voor rapportage en analyse. Dit central data lake bevat ook een zogenaamd analytics lab voor gedetailleerde exploratie van data en het faciliteren van data science toepassingen. In deze sessie bespreekt Jeroen Vermunt aan de hand van een aantal voorbeelden ASML’s aanpak bij de uitdagingen van het beheersen van de snel veranderende data.
De digitale toekomst: denk groot, denk aan grootschalig gedistribueerde data, denk in ecosystemen. Welke Integratie-architectuur is benodigd om een belangrijke positie te krijgen in een ecosysteem van Fintech-bedrijven en andere banken? Hebben Enterprise Datawarehouses nog een functie in dit datalandschap? Over deze vragen gaat de presentatie.
Ensembling is one of the hottest techniques in today’s predictive analytics competitions. Every single recent winner of Kaggle.com and KDD competitions used an ensemble technique, including famous algorithms such as XGBoost and Random Forest. This session will provide a detailed overview of ensemble models, their origin, and show why they are so effective.