Daten als Öl des 21. Jahrhunderts (2/2)
Data Analytics
Die Datenanalyse ist die zentrale Tätigkeit im Umgang mit großen Datenmengen. Aus den erhobenen Daten müssen auch Erkenntnisse gezogen werden.
Folgende Fragen zur Datenanalyse kann man sich stellen:
- Was ist passiert? – Descriptive Analytics (Beispiel: Kosten pro Material)
- Warum ist etwas passiert? – Diagnostic Analytics (Beispiel: Ursachenanalyse für Kostensteigerung im Zeitraum)
- Was können wir daraus lernen? – Discovery Analytics (Beispiel: Lessons Learned)
- Was wird passieren? – Predictive Analytics (Beispiel: Kostenprognosen anhand Preisentwicklungen)
- Was können wir tun, damit etwas passiert? – Prescriptive Analytics (Beispiel: Kostensenkungen durch Simulationen)
Der Schwierigkeitsgrad steigt mit den Fragen an, aber die Fragen werden auch interessanter.
Bei der Datenanalyse kann man folgende Anwendungsfälle unterscheiden:
- Ad-hoc-Analysen – einmalige Analysen zu bestimmten Fragestellungen
- Routine-Reporting – wiederkehrende Analysen mit genauen KPI’s (Key Performance Indicator)
Zur Vereinfachung können die Reportings in einem Dashboard zusammengefasst werden und damit einen besseren Überblick gewährleisten und Anpassung von eigenen Parametern ermöglichen.
Data Science
Der Data Scientist wurde vom Harvard Business Review zu einem der bedeutensten Jobs des 21. Jahrhunderts gekürt. In diesem Bereich beschäftigt man sich eher mit der Zukunft d.h. den Vorhersagemodellen.
Durch Statistik, Softwareentwicklung und Fachwissen werden die Problem verstanden und analysiert, für den Computer übersetzt und abschließend gelöst.
Data Analytics bezieht sich auf konkrete Fragestellungen. Data Science hat im Fokus mit den Stakeholdern zusammen Probleme aus der Makroperspektive zu analysieren.
Folgende Teilbereiche gibt es im Data Science Prozess:
- Data Import – geeignete Datenquellen identifizieren
- Data Preparation – Vor- und Aufbereitung der Daten
- Data Modeling – Modellierung der Daten durch bestimmte Methoden d.h. Überführung der Realität in Mathematik
- Deployment – Produktivsetzung der Szenarien d.h. Übernahme in die Linie
Daten als Öl des 21. Jahrhunderts (1/2)
Jeden Tag werden 2,5 Mio. 1 TB Festplatten mit neuen Daten gefüllt d.h. die Höhe von 77 „Eifeltürmen“ an Daten generiert. Das sind pro Tag ca. 2,5 Millionen Terabyte.
Warum bergen Daten so viel Potential?
Aus Daten können individuelle Empfehlungen pro Kundengruppe erstellt werden und das subjektive Bauchgefühl und Erfahrung ohne die Abhängigkeit von Mitarbeitern umgesetzt werden.
Es geht darum Einsichten (Insights) auf Daten zu gewinnen,. damit bessere Entscheidungen zu gewinnen und einen datengetriebener Ansatz zu verwenden. Das datengetriebene Entscheidungsmanagement kann rückblickend oder in die Zukunft erfolgen.
Bei der Datenanlyse ist das Zusammenspiel zwischen Mensch und Maschine sehr wichtig. Ein Algorithmus kann bei der Indikation unterstützen, aber den Mensch nicht komplett ersetzen.
Das datengetriebenes Entscheidungsmanagement wird in folgende Disziplinen unterteilt:
- Data Warehouse – Speicherung der Daten
- Data Analytics – Analysen von konkreten Fragestellungen durchführen
- Data Science – Welche Fragen müssen aus der Makroperspektive gestellt werden?
Data Warehouse
In einem Data Warehouse können konsistente Datenanalysen durchgeführt und Ergebnisse gemessen werden. Es handelt sich um ein zentrales Datenbanksystem das auf Datenalyse spezialisiert ist.
Das Data Warehouse soll die Integration von unterschiedlichsten Daten aus unterschiedlichen Quellsystemen in ein zentrales System („Single Point of Truth“) gewährleisten. Durch die Seperation d.h. Trennung von operativen Systemen und Analysesystemen können auch komplexe Abfragen die Last der Systeme nicht beeinflussen.
Es muss die Datenextaktion aus Quellsysteme durchgeführt und Integrationsschicht für die Harmonisierung der Daten vorgenommen werden. Danach werden die Daten im Data Warehouse Data Marts (Kopien von Ausschnitten für relevante Abteilungen zum Schutz und Performance) verteilt.
Folgende Aufgaben existieren in einem Data Warehouse:
- Datenbeschaffung und Integration von Systemen (auch die Aktualisierung)
- Datenhaltung
- Versorgung der Data Marts
- Datenanlyse und Reports
Dazu wird der klassische ETL-Prozess verwendet:
- Extraktion – Regelmäßige Abzüge der Daten (automatisiert oder pro Anfrage)
- Transformation – Vereinheitlichung von Daten z.B. Datumsformat, doppelte Einträge löschen
- Load – Speicherung in der Zieldatenbank
Folgende Fragen kann man sich bei der Einführung eines Data Warehouse stellen:
- System – Welches System wird benötigt?
- Kompetenzen – Kompetenzen im Unternehmen vorhanden oder externe Berater involvieren?
- Parameter – Welche Abteilung benötigt welche Daten? Welche Zugriffsbeschränkungen? Wie häufig muss aktualisiert werden?
Im Data Warehouse gibt es natürlich auch ein paar Herausforderungen. Diese betreffen häufig den Datenschutz. Auch die Datenvermeidung / Datensparsamkeit muss gewährleistet werden d.h. persönliche Daten müssen anonymisiert oder pseudonymisiert werden.
Ein Data Warehouse ist notwendig für unternehmensweite Kennzahlen ausgehend vom „Single Point of Truth“ zu gewährleisten. Für die objektive Beurteilung der Zahlen darf aber auch der zum Teil hoher initialer Aufwand nicht aus den Augen verloren werden.
Aktualisierung von WordPress 4.9.13 auf 5.4
Über die Jahre nutze ich als „CMS-System“ WordPress. Mit dem System bin ich für meinen Verwendungszweck komplett zufrieden.
Einzig die letzten Hauptversionen habe ich wegen der Handhabung des neuen Text-Editors nicht installiert.
Allgemeine Informationen
Wie immer sieht man sich im ersten Schritt die Release Notes und die Changelogs (hier vom Milestone) der zu aktualisierenden Versionen an.
Es wird die Verwendung von PHP 7.4 auf dem Server empfohlen d.h. man sollte die vorhandene PHP-Version auch gleich noch einmal kontrollieren.
Es müssen auf alle Fälle die vorhandenen 3rd-Pary-Plugins auf Kompatibilität kontrolliert, vor dem Update aktualisiert und dann deaktiviert werden.
Voranalyse
Folgende Punkte habe ich im Vorfeld kontrolliert:
- PHP Version (Aktualisierung auf 7.4 empfohlen)
- Installierte Plugins und Themens prüfen
- Update-Pfad prüfen:
- 4.9.x auf 5.0.x
- 5.0 auf 5.1.x
- 5.1.x auf 5.2.x
- 5.2.x auf 5.3.x
- 5.3.x auf 5.4
Plugins und Themes
Im nächsten Schritt habe ich alle vorhandenen 3rd-Party-Plugins und Themes auf die aktuellsten Stände gebracht:
- Akismet Anti-Spam
- Jetpack
- NextGEN Gallery
- WP Maintenance Mode
- WP Super Cache
- WP User Avatar
- Yoast SEO
- Enfold-Theme
Entfernen konnte ich von den 3rd-Party-Komponentne in diesem Fall nichts.
Aktualisierung
Die Aktualisierung kann im Normalfall direkt von 4.9.x auf 5.4 durchgeführt werden. Dazu einfach das Update im Administrations-Client starten.
Der Ablauf war ganz grob wie folgt:
- Backup der vorhandenen Daten durchführen
- Datensicherung per FTP durchführen
- Datenbanksicherung per MySQL durchführen
- Kompatibilität der 3rd-Party-Plugins noch einmal kontrollieren
- Alle 3rd-Party-Plugins in der Administrationsoberfläche deaktivieren
- Update durchführen
- Nach ein paar Minuten war der Update-Prozess abgeschlossen
Jetzt folgen die Funktionstests:
- Anmeldung an der Weboberfläche
- Admin-Oberfläche auf Warnungen und Hinweise kontrollieren
- Schritt für Schritt die 3rd-Party-Plugins wieder aktivieren und testen
Zum Abschluss habe ich noch im Enfold-Theme auf den klassischen Text-Editor gewechselt (hier gibt es aktuell noch ein kleines Problem mit der Version 5.4)
Fehler während des Updates
Die komplette Aktualisierung lief bei mir ohne Fehler ab und alle Komponenten liefen nach dem ersten Funktionstest wieder einwandfrei.
Falls es beim Update zu Fehlern kommt, kann man auch ein manuelles Update wie hier beschrieben durchführen.
Fazit
Das Update lief wie immer bei WordPress sehr einfach und schnell durch. Bei Aktualisierung von 5 Hauptversionen hätte ich das so aber nicht erwartet. 🙂
Viele Neuerungen sind mir bei den ersten Funktionstests nicht aufgefallen (aber das kommt bestimmt noch im laufenden Betrieb).
Welche Mehrwerte gibt es durch das Update für eure Homepage / Blog?
Aktualisierung von ownCloud 10.0.10 auf ownCloud 10.4
Über die Jahre nutze ich als „Private Cloud“ ownCloud. Ich hatte immer wieder bei Updates auf neueren Versionen Probleme festgestellt. Ist das bei dieser Update-Orgie auch noch so?
Allgemeine Informationen
Wie immer sieht man sich im ersten Schritt die Release Notes und die Changelogs der zu aktualisierenden Versionen an. Diese findet Ihr hier.
Es wird die Verwendung von PHP 7.3 auf dem Server empfohlen d.h. man sollte die vorhandene PHP-Version auch gleich noch einmal kontrollieren.
Danach habe ich noch einmal die letzte Upgrade-Anleitung gelesen, da ich ja öfter Probleme nach dem Update von diversen ownCloud-Versionen hatte.
Es müssen auf alle Fälle die vorhandenen 3rd-Pary-Apps auf Kompatibilität kontrolliert, vor dem Update aktualisiert und dann deaktiviert werden. Die aktuellen Versionen kann man über den Marketplace einsehen.
Da ich mein System auf einem Shared-Hosted-System betreibe, habe ich mich für den Update-Pfad über die Updater-App entschieden.
Voranalyse
Folgende Punkte habe ich im Vorfeld kontrolliert:
- PHP Version (Aktualisierung von 7.2 auf 7.3 empfohlen)
- Installierte Apps prüfen
- Cron-Job prüfen
- Update-Pfad prüfen
- 10.0.10 auf 10.1.1
- 10.1.1 auf 10.3.2
- 10.3.2 auf 10.4.0
Apps
Im nächsten Schritt habe ich alle vorhandenen 3rd-Party-Apps auf die aktuellsten Stände gebracht und ggf. auch aussortiert:
Hier habe ich noch die RainLoop-Mailapp im Einsatz. Diese ist aber mit den aktuellen ownCloud-Versionen nicht mehr kompatibel und musste entfernt werden (das ist mir natürlich erst wieder nach dem Update aufgefallen).
Aktualisierung
Die Aktualisierung habe ich drei Mal durchgeführt:
- 10.0.10 auf 10.1.1
- 10.1.1 auf 10.3.2
- 10.3.2 auf 10.4.0
Der Ablauf war ganz grob wie folgt:
- Backup der vorhandenen Daten durchführen
- config-Ordner sichern
- data-Ordner sichern
- ownCloud-Datenbank sichern
- Kompatibilität der 3rd-Party-Apps noch einmal kontrollieren
- Alle 3rd-Party-Apps in der Administrationsoberfläche deaktivieren
- Updater-App aufrufen und ausführen (ACHTUNG: Hier hat vor allem der Punkt mit der Aktualisierung der Apps etwas gedauert)
- Nach ein paar Minuten war der Update-Prozess abgeschlossen
Jetzt folgen die Funktionstests:
- Anmeldung an der Weboberfläche
- Admin-Oberfläche auf Warnungen und Hinweise kontrollieren
- Schritt für Schritt die 3rd-Party-Apps wieder aktivieren und testen (bei mir speziell die Kalender und Kontakte auf allen Endgeräten)
- Danach den ownCloud-Client neu starten und auch die erfolgreiche Synchronisation kontrollieren
- Auch alle weiteren Clients z.B. CardDAV oder CalDAV auf den SmartPhones und weiteren Clients testen
Fehler während des Updates
- Während des ersten Updates kam das System nicht mehr aus dem Wartungsmodus und musste manuell in der config.php deaktiviert werden
- Ich hatte RainLoop vergessen zu deaktivieren und während des ersten Updates hat die Aktualisierung komplett abgebrochen (hier musste RainLoop manuell in der oc_appconfig-Tabelle per SQL deaktiviert werden)
Fazit
Bis auf mein Problem mit der RainLoop-App liefen die drei Updates jetzt sehr rund durch. Die Verbesserungen im Updateprozess von ownCloud sind spürbar.
Viele Neuerungen sind mir bei den ersten Funktionstests nicht aufgefallen (aber das kommt bestimmt noch im laufenden Betrieb).
Habt Ihr noch ownCloud oder bereits Nextcloud im Einsatz? Habt Ihr Mehrwerte für den Wechsel von ownCloud auf Nextcloud?
Diablo 1 Port für Android (DevilutionX)
Im Android Play Store findet Ihr einen kürzlich erschienen Diablo 1 Port für Android. Ihr könnt DevilutionX hier beziehen.
Hier und hier gibt es noch ein paar weiterführende Informationen.
Die Installation läuft wie folgt:
- App installieren
- DIABDAT.MPQ aus den Original-Diablo-Installationsdateien umbenennen nach diabdat.mpq
- Datei auf dem Hauptverzeichnis des Telefons ablegen (in der Anleitung steht auf der SD-Karte – das hat bei mir nicht funktioniert)
Danach hat mein ein komplett lauffähiges Diablo 1 auf seinem SmartPhone.
Was ist „Robotik“?
Was hat die Robotik mit Automatisierungstechnik zu tun? Der Fokus ist wie wir Maschinen und Anlagen ohne Menschliche Interaktion betreiben können. Hier ist die Robotik als Teilbereich zu sehen.
Folgende angrenzende Bereiche haben auf die Robotik unmittelbaren Einfluss:
- Maschinenbau
- Elektrotechnik
- Informatik
- Mensch-Maschine-Interaktion
- Philosophie
- Soziologie
- Künstliche Intelligenz
- Psychologie
Isaac Asimov hat 1942 schon die ersten Robotergesetze definiert:
- Ein Roboter darf keinen Menschen verletzen oder Schaden zufügen
- Ein Roboter muss auf den Menschen hören (außer es wird Regel 1. verletzt)
- Ein Roboter muss seine Existenz schützen (außer es wird Regel 1. oder 2. verletzt)
Überall da wo man Menschen unterstützt werden können, gibt es Einsatzgebiete für die Robotik z.B. automatisierte, wiederholende Tätigkeiten wie die Fließbandarbeit. Oder es werden immer die gleichen Fragen gestellt, hier können dann Chatbots unterstützen.
Außerdem können schwere Aufgaben wie in der Medizintechnik / Operation einfacher mit Robotern durchgeführt werden (Beispiel: Da Vinci Roboter).
Der Roboter ist also als Assistent für den Menschen zu sehen und Einsatzgebiete gibt es dafür viele.
Welches Wissen / Weiterbildung ist für dieses Themengebiet in den Unternehmen notwendig? Kann man das Projekt intern oder mit externer Unterstützung umsetzen? Wie sehen „Worst-Case-Szenarien“ beim Ausfall der Robotik aus?
Fragen gibt es dazu viele. Wie sieht der Einsatz von Robotern / Robotik in Ihrem Unternehmen aus?
Was ist „Künstliche Intelligenz“?
Künstliche Intelligenz hat eine längere Historie wie die meisten Menschen meinen. Es begann mit Brettspielen bereits 1997. Hier verlor Garry Kasparov gegen den Computer Deep Blue im Schach.
Wo ist aber aktuell im Hype-Cycle das Thema Künstliche Intelligenz (KI) zu sehen:
- Innovationsauslöser (erste Beispiele für Technologie)
- Gipfel überhöhter Erwartungen (unrealistische Erwartungen an Technologie)
- Tal der Tränen (enttäuschte Erwartungen an Technologie)
- Pfad der Erleuchtung (produktive Anwendung der Technologie)
- Plateau der Produktivität
Abhängig von der Technologie, würde man das autonome Fahren beim Gipfel der überhöhten Erwartungen sehen, aber automatisierte Passkontrollen an Flughäfen bereits im produktiven Einsatz.
Im ersten Schritt ist es wichtig alle notwendigen Daten zu identifizieren. Eine KI entsteht aus dem „Rohstoff“ Daten (die Daten werden veredelt und in komplexen Vorgängen genutzt).
Was ist jetzt aber KI? Ist es Robotik, Machine Learning, Deep Learning, natürliche Sprachverarbeitung oder ein Chatbot? Diese Themen sind alle nur Teilgebiete der KI. Aus meiner Sicht handelt es sich um ein Konzept von Maschinen, die „wie Menschen denken“ sollen und das unterstützt durch die jeweils notwendigen Technologien.
In der Praxis ergeben sich drei größere „KI-Ansätze“:
- Traditionelle Rechenansätze (Lösung von klar formulierten Aufgabenstellungen)
- Wissensbasierte Annahmen (weitere Problemstellungen mit weniger formellen Wissen und Strukturen)
- Lernende Ansätze (Erkennung von Regeln und Beispielen in großen Datenmengen)
Folgende Elemente kann man bei eine produktiven Implementierung im Unternehmen vorbereiten:
- Ziel – was soll durch den Einsatz von KI erreicht werden?
- Use Cases – wie hoch ist die wirtschaftliche Auswirkung?
- Umsetzung – was ist technisch umsetzbar?
Bei neuen Technologien kann man mit einem Pilot-Projekt starten und damit ein Kernteam für das Thema aufbauen. Aus dem ersten Projekt kann dann eine generellen KI-Strategie für das Unternehmen entwickelt werden.
Welche „einfache“ Anwendungsfälle sehen Sie in Ihrem Unternehmen? Welche Use Cases gibt es in Kombination mit ECM-Systemen?
Was sind „Smart Contracts“?
Smart Contracts (Intelligente Verträge) sind Verträge, die auf Computerprotokollen basieren. Es handelt sich also um digitale Verträge, die auf der Blockchain-Technologie aufbauen. mart Contracts kann man wie herkömmliche Verträge sehen. Sie kosten aber weniger Geld, laufen automatisiert ab und arbeiten damit wesentlich effizienter.
Durch den Vertrag ist die Transaktion komplett nachvollziehbar, transparent und irreversibel. Der gesamte Inhalt des Vertrags wird mit „Wenn-Dann-Regeln“ und dem Grundsatz „Code is law“ im System abgebildet.
Mit der Kombination aus der Blockchain-Technologie und den Smart Contracts können herkömmliche Verträge komplett digital abgebildet werden. Diese können unabhängig vom Standort weltweit durchgeführt werden. Durch die Integration von Kryptowährungen ist auch das Zahlungsmittel komplett digital abgebildet. Aus diesem technologischen Aspekten stellen die digitalen Verträge die Vertragsform der Zukunft dar.
In der Schweiz gibt es in manchen Kantonen bereits das „Digitale Grundbuch“. Welche Digitalen Verträge können Sie sich in Ihrem Umfeld vorstellen, wenn es im Immobiliensektor bereits Realität ist?