Datavarehus og Data Mining. Helge Rege Gårdsvoll og Lasse Bache-Mathiesen NTNU

Størrelse: px
Begynne med side:

Download "Datavarehus og Data Mining. Helge Rege Gårdsvoll og Lasse Bache-Mathiesen NTNU 21.01.2014"

Transkript

1 Datavarehus og Data Mining Helge Rege Gårdsvoll og Lasse Bache-Mathiesen NTNU

2 Om oss Helge Rege Gårdsvoll Sjefskonsulent i BIM NTNU Indøk 09 Prosjekter: VPS Oslo Kommune DNB Storebrand Lasse Bache-Mathiesen Principal i BIM UIO Matematikk 84 Selskaper: Veritas Norsk Data Merkantildata Sysdeco Information Management Ciber Affecto Capgemini 2

3 AGENDA Datavarehus i Capgemini Datavarehusteori Datavarehuscase: Lindorff Data mining: telecom Trender 3

4 Moderne selskaper har mye data, men ikke svar på de viktige spørsmålene Oslo Kommune Hvilke fakturaer bør undersøkes for svindel? Hvor stor turnover har de forskjellige virksomhetene? Sparebank 1 Hvordan skal vi oppfylle kravene i Solvency II? Hvilke kunder har størst risiko for mislighold? Posten Hvilke kontorer har høyest sykefravær? Hvorfor? Hvordan kan vi redusere antall ulykker? Storebrand Hvilke papir har fått dårligere rating i dag? Hvor stor beholdning har vi i papirene? 4

5 Drowning in Data, Thirsting for Knowledge I don t have a single view of key things like customer, vendor, product, stock I have software from every vendor and now they have all bought each other I don t know which technologies to bet on What we hear in the market I now have more and more data about consumers, citizens, complaints, sales transactions, web activities if we can harness this we would really be really good I have spent a lot of money on my BI systems but am not getting the value I expected I have lots of reports, but never the information I need to run the business I don t trust the information presented to me I see reports on the same subjects but with different figures Big data will disrupt the data management landscape by changing fundamental notions about data governance and IT delivery, where a single version of the truth ceases to be absolute and becomes relative and contextual. Forrester,

6 BIM vs. Business Intelligence / Analytics Business Intelligence is the management of an organizations data to provide insight into the business. Analytics (Analytical applications) is the application of computer technology, operational research, and statistics to solve problems in business and industry is the management of an organizations complete information. Organizing the information so that it is clean, consistent, readily available, and easy to navigate and can: Provide business / competitive insight Support systems or business change Optimise operational effectiveness Provide regulatory & compliance reporting Analytics Business Intelligence (BI) Business Information Management (BIM) BIM is more than BI, Performance Management or Analytics. It is an holistic view on an organisations entire information landscape 6

7 In modern business, information management has become a critical success factor for any corporation Virtually everything in business today is an undifferentiated commodity except how a company manages its information. How you manage information determines whether you win or loose. - Bill Gates 7

8 Competitive Advantage The Information Strategy will build the journey the organisation must take Achieving intelligence requires a holistic view across people, process and information 4 Stage Maturity Model I have a portfolio of appropriate options available, to support any business requirement What is my best opportunity? What should I do next? How is my organization doing vs. goals? I can explore my data, but is it correct? Value extracted from Information Information maturity takes time to develop changing the technology will probably fail if the basics are not in place first 8

9 Datavarehusteori 9

10 The data warehouse is designed to give users a single source for business information Repository of business information Single source of information Unified definitions - one truth Subject oriented Prepared for analysis Clean, conformed data Designed with the user in mind Data Information Insight 10

11 De to største teoretikerne innen datavarehus er Ralph Kimball og Bill Inmon Ralph Kimball A data warehouse is a system that extracts, cleans, conforms, and delivers source data into a dimensional data store and then supports and implements querying and analysis for the purpose of decision making. Bill Inmon A data warehouse is a subject-oriented, integrated, nonvolatile and timevariant collection of data in support of management s decisions 11

12 Sammenligning av Kimball og Inmon arkitetur Source system Source system Source system Source system Source system Source system Source system Source system Extract, transform and load Extract, transform and load Data mart 2 Enterprise Data warehouse Data mart 1 Data mart n Extract, transform and load DW bus conformed Dimensions and Conformed facts Data mart 1 Data mart 2 Data mart n 12

13 Capgeminis referansearkitektur Operational Environment Data Warehouse Environment Maintenance Business Intelligence Environment Meta data Data Source layer (DS) E T L Staging layer (SA) E T L ODS Operation al Data Store E T L Data Warehous e layer (DW) E T L Datamart layer (DM) E T L BI layer (BI) Analysis Reports S A Source like D W Relational/ Source like D W Relational/ Dimensional D M Dimensional B I Dimensional Users 13

14 Other reference Architecture 14 14

15 Ny tankegang? DATA- KILDER DATAVAREHUS BI- TJENESTER PORTAL NÆR SANNTID nav.no Kø Operativt datalager Operative rapporter Styringsfunksjonalitet Navet TJENESTER FIM Stjerneskjema Kuber Ferdige rapporter BRUKER METALAG Rapporter Simuleringer/prognoser mobilt Andre kanaler Osv ARKIVERING DATA Statistikk og analyser Eksterne FOR- OG MELLOMKAMMER DATAVAREHUS KJERNE DATATORG Eksport METADATA METADATA Interne 15

16 Datavarehuscase: Lindorff 17

17 Lindorff Kunden Lindorff Sverige er en av Sveriges største inkassoselskap Driver inkasso som tjeneste, samt oppkjøp og inndrivning av gjeld 200 ansatte i Stockholm og Gøteborg Forretning Kjøper nedprisede gjeldsporteføljer med lav forventet tilbakebetaling Tjener penger på å ha en effektiv inndrivingsprosess 18

18 Mål for prosjektet Rapporteringsløsning for inkasso Kundebalanser Prosessoversikt Vintagesammenlikning Oppfølging av scoring Historisk datagrunnlag for analyse Blueprint for implementering av datavarehus i Lindorff Etablere best practices og standarder Designe for skalerbarhet og fleksibilitet 19

19 Klassisk prosjektorganisering for BI-prosjekt Prosjekteier Kundens ansvarlige Sammenstiller krav til løsningen Prosjektleder Ansvar for prosjektet Legger planer, koordinerer Økonomiske estimater Arkitekt / Teknisk Leder Ansvar for løsningen Designer prinsipper, høynivåarkitektur Leder det daglige utviklingsarbeidet Testleder Legger teststrategi, testplan Styrer testfasen Datavarehusutvikler Designer detaljert arkitektur Utvikler tabeller, ETL Lager tester Tester Gjennomfører test av løsningen Rapportutvikler Designer detaljert arkitektur Utvikler semantisk lag, rapporter, selvbetjeningsløsninger, distribusjon Lager tester 20

20 Smidig prosjektgjennomføring Behov Deployment Design Test Implementering 21

21 Lagdelt arkitektur NOVA (SOURCE) REPLICATION REF CDC ETL ETL ETL SQL REPLICATE CDC ODS DW DM Pre- Generated Reports Dynamic Reports Universe 22

22 Operational Data Store - ODS Formål Lagre all historikk fra fagsystemet (siden det ikke gjør det selv) Kilde for eventuelle utvidelser av ettefølgende lag Implementasjon Samme tabell- og kolonnestruktur som fagsystemet 50 tabeller Lagrer alle endringer som skjer i kilden: Nye oppføringer Endringer Slettede oppføringer ODS.niAkt AktNr KliNr TotRest Kapital TotRest Ränta... Operation Code Created Datetime , ,72... C / U / D :45: 23

23 Enterprise Data Warehouse - DW Formål Analysegrunnlag Samlingspunkt for eventuelle nye kilder Implementasjon Enterprise Data Warehouse («Inmon») Ca 30 tabeller Historiserte oppføringer med gyldighetsperioder Kan enkelt gi svar på «Hvordan så verden ut 5.mai?» DW.CASE_INFO CASE ID CREDITO R ID REMAINING PRINCIPAL AMT REMAINING INTEREST AMT... VALID FROM DATETIME , , :45 VALID TO DATETIME :14 24

24 Logisk datamodell for DW 25

25 Dimensjonell modellering Fakta Kontobalanser Månedlig Livsløp Innbetalinger Antall Sum Fordeling Prosessteg Antall Varighet Dimensjoner Kreditor Skyldner Sak Prosess og handling Siste handling før betaling Tid Score Kundebehandler 26

26 Logisk datamodell for DM 27

27 Client Reporting Data Mart - DM Formål Rapporteringsgrunnlag Forretningsnært Optimisert for aggregering Implementasjon Dimensjonelt modellert, standardisert 14 tabeller så langt Minidimensjoner istedenfor historiske Faktatabeller er hovedsakelig snapshots DM.D_CASE CASE_S K CASE ID ORIGINAL PRINCIPAL AMT ORIGINAL INTEREST AMT REGISTERED DATE , , DM.F_CASE_BALANCE_MONTH CASE_SK BALANCE DATE REMAINING PRINCIPAL AMT... REMAINING INTEREST AMT , ,

28 Designkonsept: Inkrementell last Mål: Minimere tiden det tar å laste inn informasjon til datavarehuset. Unngå at denne øker eksponensielt med volumet i kilden. Sikre robusthet ved feil i last. Leser kun nye endringer i foregående lag, oppdaterer kun den endrede informasjonen Bruker loggtabeller for å koordinere mellom sessions og mellom tabeller Lagrer diagnostisk informasjon om sessions som har feilet Implementert ved SQL Server stored procedures 29

29 Designkonsept: Historisk lagring i DW Endringsrader hentes fra ODS Skal lagres som historiske rader med gyldighetstid i DW Utfordringer: Flere endringer kan komme inn for samme nøkkel i samme last Endringer kan skje i kilden på informasjon som ikke er med i DW Håndtere sletterader på en riktig måte Implementasjon: Dynamisk lookup på nøkkel mot DW-tabell Sjekksum genereres for alle nye rader, sammenliknes mot sjekksum i DW Ved endring legges det inn ny rad i DW, og forrige rads VALID_TO og CURRENT_FLAG oppdateres Ved slettemeldinger skjer kun oppdatering av forrige rad 30

30 Data mining: Telecom 31

31 Data mining-prosjektet skulle lage en forbedret churn-beregning for ADSL Churn Antall kunder som avslutter kundeforholdet Hvorfor er dette viktig? Å beholde kunder er billigere enn å skaffe nye 32

32 Prosjektet skulle forbedre eksisterende modell Utgangspunkt Eksisterende ADSL prediksjonsmodell Hovedsakelig basert på 5 hovedtyper av variabler: 1. Demografi 2. Trafikk 3. Abonnement 4. Rabattprodukter 5. Tjenester Viktigste aktiviteter Vurdering av svakheter og mangler ved gammel modell Videreutvikling av modell Skisse til videreutviklingspotensi al etter prosjektets avslutning Resultat Ny prediksjonsmodell Noe høyere forklaringsgrad Vesentlig mer robust modell Individuell scoring av kunder Endringsvariabler innarbeidet Definert utviklingsløp for utvikling av variabler for relativ pris 33

33 Prediktiv analyse Basert på historiske data kan man finne sammenheng mellom variable og churn Ulike prediksjonsmodeller kan sammenlignes for å finne den som best predikerte fremtiden, med dataene man hadde Basert på en antagelse om at effektene fortsatt gjelder kan man benytte det for prediksjon på data som finnes nå 34

34 Hva er en god variabel? Statistisk signifikant Lite korrelert med andre variable Målbar Gir forretningsmessig mening 35

35 Variabler som ble vurdert brukt Internett trafikk (kr) Fast til mobil trafikk Utlandstrafikk Norgestrafikk Diverse Adsl mbut (nedlasting) Fylke Alder ADSL produkt 384 ADSL produkt 704 ADSL produkt 1024 ADSL produkt 704 med 1 GB nedlastingskapasitet ADSL produkt 704 med 10GB nedlastingskapasitet ADSL produkt 1024 med 30 GB nedlastingskapasitet ADSL produkt 1024 med fri bruk Person svar Intouch Statoil ansatte (spesial avtale) Familie og venner total Online abonnement Har fast forvalg 0203 Kontakt med kundeservice Endringer i trafikk Overgang til bredbåndsløsning fra Avidi Antall dager til utløp av bindingstid Kjønn Lengde på abonnement, evt når abonnement var anskaffet Rabattbesparelser Tidsbruk for utsendelse Operativsystem på PC Kommune (clustre av kommuner) Segment (høy, medium, lav) E-faktura/avtalegiro Sperretgjeld (kreditt) Klagedata ADSL lojalitetsmodell lengde på abonnement (maks 12 mnd) Lojalitetsmodell telefoni gonner, inn/ut, isback, shopper, stayer (månedlig oppdatert, for 12 mnd) Bruksmønster % utnyttelse av nedlastingskapasitet (kapasitetsgrense) antall sesjoner gjennomsnittlig lengde per sesjon hvilke tjeneseter (typiske bredbåndstjenester eller ikke) Livsfasevariabler Adresse endring Antall personer i husstand (ant adresser, ant katalog oppføringer) Endringer på størrelse av faktura på total telecom i husstanden Inntekt pr husstand Endring i antall aksesser Har blitt mobil bedriftskunde 36

36 Prediksjonsmodellen identifiserer de variabler som beskriver adferden til churnerne Variabler i modellen Etter testing av 46 variabler inneholder modellen nå 10 variabler som beskriver Hvem kunden er (alder, kjønn, livsfase, bosted etc) Hvilke produkter kunden har (ADSL, telefoni, mobil, tilleggstjenester) Hvordan produktene benyttes (nedlasting, utnyttelse, trafikkmin etc) Alder ADSL abonnement varighet Nedlasting (Mb i 1 mnd) Bindingstid (utløp i foregående eller inneværende mnd) Fast til mobil trafikk (1 mnd) Lojalitetsmodell telefoni Variabler som inngår i modellen Mobiltelefon omsetning (1mnd) Endring i kap. utnyttelse ADSL fri bruk Endring i kap. utnyttelse ADSL 30GB Modellen deler kundemassen inn i 3 risikokategorier for churn Modellen fanger opp 40% av den adferden som beskriver churnerne (dvs modellens forklaringskraft) 37

37 Prediksjonsmodellen kunne også brukes for å finne risiko for churn per kundesegment Clusternavn Antall kunder Høy risiko Medium risiko Lav risiko Unge storbrukere % 45% 19% Unge sofistikerte storbrukere Nye brukere med begrenset nedlastningstid Unge og gamle i samme hus Etablerte med medium bruk Familie og eldre med medium bruk % 29% 14% % 11% 86% % 32% 61% % 36% 42% % 10% 89% 38

38 Prosjektet har prioritert 5 tiltak som forventes å ha signifikant og rask effekt på churn Churncluster Unge storbrukere Unge, sofistikerte storbrukere Nye brukere med begrenset nedlasting 1.tiltak Oppgradere hastighet for en periode Oppgradere hastighet for en periode Redusere pris i en periode Ren ADSL 2.tiltak Redusere pris i en periode Eldre & unge i samme hus Redusere pris i en periode Oppgradere hastighet for en periode/ Hardware / tjeneste-kombinasjoner Etablerende med medium bruk Redusere pris i en periode Familie og eldre med medium bruk Nedgradere 39

39 Prediksjonsmodellen resulterte i målrettede tiltak for å redusere churn Det ble antatt at modellen ville redusere årlig churn tilsvarende 6,8% av kundemassen Pris for tiltak er halvparten av prisen for nye kunder Med modellen er det mulig å målrette tiltak mot potensielle churnere, heller enn generelle tiltak 40

40 Trender 41

41 Tre megatrender innen Datavarehus og BI Operational Environment Data Warehouse Environment Maintenance Business Intelligence Environment Meta data Data Source layer (DS) E T L S A Staging layer (SA) Source like ODS Operation al Data Store E T L D W Data Warehous e layer (DW) In-Memory Analytics E T L D W Relational/ Source like Relational/ Dimensional E T L D M Datamart layer (DM) Dimensional E T L B I BI layer (BI) Dimensional Analysis Reports Mobil e BI Users Big Data 42

42 Data Source layer (DS) Staging layer (SA) Source like ODS Opera tional Data Store Relational/ Source like Data Ware house layer (DW) Relational/ Dimensional Datamart layer (DM) Dimension al Maintenance BI layer (BI) Dimensional Analysis Reports Users In-Memory Enkelt konsept: Alle data lastes inn i RAM RAM er raskt Latency (µs) IOPs HDDs Flash SSDs Flash SSDs (read only) RAM Operatio nal Environm ent Store konsekvenser: E T L S A Data Warehouse Environment Meta data E E E T T T L In-Memory Analytics L L D D D W W M Big Data Ingen aggregering Analyse med «speed of thought» Real Time Business Intelligence Environment E T L B I Mobile BI 43

43 Data Source layer (DS) Staging layer (SA) Source like ODS Opera tional Data Store Relational/ Source like Data Ware house layer (DW) Relational/ Dimensional Datamart layer (DM) Dimension al Maintenance BI layer (BI) Dimensional Analysis Reports Users Operatio nal Environm ent E T L S A Data Warehouse Environment Meta data E E E T T T L In-Memory Analytics L L D D D W W M Business Intelligence Environment E T L B I Mobile BI Big Data Business Intelligence skal understøtte bedre beslutninger 44

44 Hvilken informasjon kan best støtte gode beslutninger? Data Source layer (DS) Staging layer (SA) Source like ODS Opera tional Data Store Relational/ Source like Data Ware house layer (DW) Relational/ Dimensional Datamart layer (DM) Dimension al Maintenance BI layer (BI) Dimensional Analysis Reports Users Operatio nal Environm ent E T L S A Data Warehouse Environment Meta data E E E T T T L In-Memory Analytics L L D D D W W M Business Intelligence Environment E T L B I Mobile BI Riktig informasjon Big Data Tilgjengelig informasjon Intuitiv informasjon Informasjon i kontekst 45

45 Data Source layer (DS) Staging layer (SA) Source like ODS Opera tional Data Store Relational/ Source like Data Ware house layer (DW) Relational/ Dimensional Datamart layer (DM) Dimension al Maintenance BI layer (BI) Dimensional Analysis Reports Users Tilgjengelighet Operatio nal Environm ent E T L S A Data Warehouse Environment Meta data E E E T T T L In-Memory Analytics L L D D D W W M Business Intelligence Environment E T L B I Mobile BI Big Data 46

46

47

48 TECHNOLOGY SHIFT What is Big Data? NEW DATA SOURCES 25+ TBs of log data every day 12+ TBs of tweet data every day 30 billion RFID tags today (1.3B in 2005) 4.6 billion camera phones world wide 100s of millions of GPS enabled devices 2+ billion people on the Web by end 2011 NEW DATA SOURCES BIG DATA OPPORTUNITY TECHNOLOGY SHIFT Low cost, massive volumes (Hadoop) Came out of Yahoo, Facebook Distributed data on low cost server farms Opensource (free software) 1Pb of data: 5m 500k Easy analysis of unstructured data From the Social Media players Facebook Text analysis, voice analysis, sentiment Volume Variety Insight from web logs, text, images, call logs, Insight integrated into Business Processes SAP & Oracle integrating BI into apps InMemory / columnar storage Can do real-time Velocity 76 million smart meters in % Of world s data is unstructured Insight delivered at the point of action 49

49 With the rise of big data and the rise of line of business procured IT. We need a new philosophy to deliver information applications and information systems. 50

50 Big Data & Analytics is able to enhance business models across all industries Telco: - Call Centre optimisation - CDR (Call Data Record) churn models, revenue optimisation.. - Data traffic analysis Public Sector: European Space agency: Flood warning and information system using satellite image data for Disaster Management Centers and Rescue Teams (who access flood information via mobile devices). Retail: Combining ERP data with multiple POS data to extend the sourcing business model for own retail + wholesale clients. Shortages, outages and returns could be reduced by dynamic buffers. 51

51 Nye kanaler utfordrer tradisjonell markedsføring 52

52 Big data is happening Global drivers for change The volumes of data are exploding The ability to control and dictate in an outside-in world is minimal More and more business value is beyond the core transactions The old approach of a single view is impossible in a world of federated internal and external data. Core transactions 53

53 New Reference Architecture Event (structured, non-structured) Data Acquisition Real Time Data Storage Usage Usage and Real-Time means Action! Analytics will become an as-a-service commodity Master Data Privacy A data virtualization layer will make the gap between the DB and Hadoop transparent Real-Time Event Processing tools will become a key element of Big Data solutions Hadoop and a Fast Database together are able to provide best-inclass services at a very low TCO Privacy management (access, audit, ILM) will become critical during all steps Which role in the future for Classic batch engine ETL The Big Data wave forced us to rethink our Reference architectures Analyst Day 2013 I June Copyright Capgemini All Rights Reserved 54

54 We need a different approach to help our clients The Enterprise is constrained Enterprise Data Warehouses have failed the business: There is no fast track to a true EDW EDWs are expensive to implement sequential, massive and glacial Very long time to value and organizationally hard Everyone has to agree on everything High costs to change and evolve EDWs always end up as a compromise with partial coverage Most EDWs fail in the eyes of the business The problem is getting worse. 55

55 The Business Data Lake Approach: Land all data into a low-cost data lake, provide distillation tools to convert that into structured forms which can be accessed via disk based or in-memory based analytics as required by the business. Concentrate corporate effort on just the master, reference and core data required for corporate reporting. Provides a single place to access all information encourages line of business solutions. Benefits: Concentrates corporate level views at the highest level Bakes governance into the business provides data tools and single views Enables a single approach to all types of analytics Provides a cost effective scale out approach to data management and analytics; single integrated technical solution running on commodity hardware, private or public clouds Integrated tooling which helps drive LOB adoption Enterprise class management and monitoring tools; security, charge back and dynamic scale out of the box Typically 1/10th the price of traditional EDW & data mart approaches. 56

56 Business The IT culture fights the business culture One view for all Stop local data marts Long-term solution Share everything Govern everything IT My view Access what I want when I want Short-term change Sharing where I need it Why do I have to agree on everything? 57

57 Business Data Lake architected for the future End-user tool neutral: Re-use existing reporting, analytics and mobile BI tools Supports SAS, SPSS, QlikView, Cognos, etc. Leverage existing analytics in a lower cost and higher performance environment Mobile BI support is out of the box : Use High-performance in-memory SQLFire to provide instant response Architected for the cloud: Scale up, and down as you need Move analytics from disk based to in-memory as required A Pivotal Data Lake can support over 100 Exabytes of data Can be cloud or appliance implemented 58

58 So what do we need? Govern where it matters Focus on MDM and RDM Enforce only when sharing Treat Corporate as aggregation of Local. Encourage local requirements Distill on demand Let the business decide what they need Build from the bottom Enable traceability to source Disposable data views. Select only what you want Business friendly tooling Re-usable information maps Rapid change cycle. Store everything Store everything as is Include structured and unstructured data Store it cheaply. 59

59 The Data Lake better, faster, cheaper Better Faster Cheaper Information is key to business value know the answer to the question your competitors can t answer Better is access to all relevant information to all users to make informed decisions Information in real time know the answer before your competitors Data is distilled from the data lake so always current Simple, scalable approach Commodity solutions not bespoke development Information when and where you need it Faster means agile in the new world Business people focus on the information layer A platform for reporting and analysis but also predictive analytics being ahead of the game Predictive analysis built into business processes Cost = 1/10 th of traditional approaches 60

60 61

61 Mer informasjon 62

62 Takk for oss! Helge Rege Gårdsvoll Lasse Bache-Mathiesen The information contained in this presentation is proprietary Capgemini. All rights reserved. Rightshore is a trademark belonging to Capgemini.

EFFEKTIVE KUNDEPROSESSER

EFFEKTIVE KUNDEPROSESSER 31/10/2011 EFFEKTIVE KUNDEPROSESSER SBN Konferansen 2011 AGENDA 1 Introduction 2 What s SAP up to these days? 3 Financial supply chain management SAP Credit E-billing Dispute 2C PayIT SAP PRODUCT STRATEGY

Detaljer

Analyse av kundeavgang IBM Watson Content Analytics. Oslo, 19. november, 2015 Mons Nørve, Capgemini

Analyse av kundeavgang IBM Watson Content Analytics. Oslo, 19. november, 2015 Mons Nørve, Capgemini Analyse av kundeavgang IBM Watson Content Analytics Oslo, 19. november, 2015 Mons Nørve, Capgemini Agenda Prosjektet: Kundeavgang Prosess og metode Teknisk «demo» Resultater Erfaringer Copyright Capgemini

Detaljer

Praktiske løsninger med Microsoft Power BI. CIO Forum Analytics 10.12.14 Paul Andreas Osuldsen

Praktiske løsninger med Microsoft Power BI. CIO Forum Analytics 10.12.14 Paul Andreas Osuldsen Praktiske løsninger med Microsoft Power BI CIO Forum Analytics 10.12.14 Paul Andreas Osuldsen Agenda Introduksjon til Microsoft Power BI Kundecase 1: Mens vi venter på varehuset Kundecase 2: Kombinasjon

Detaljer

Bruk av data kan deles i data for transaksjonsbruk og data for analyse bruk:

Bruk av data kan deles i data for transaksjonsbruk og data for analyse bruk: Datavarehus Hva? Et datavarehus er en samling av data lagret slik at de egner seg for analyse f.eks. trendanalyse, konkurranseanalyse, kundeanalyse og annen form for markedsanalyse (mest vanlig bruk) analyse

Detaljer

Microsoft Dynamics C5 Version 2008 Oversigt over Microsoft Reporting Services rapporter

Microsoft Dynamics C5 Version 2008 Oversigt over Microsoft Reporting Services rapporter Reporting Services - oversigt Microsoft Dynamics C5 Version 2008 Oversigt over Microsoft Reporting Services rapporter Summary Efterfølgende vises en oversigt over de rapporter som er indeholdt i Microsoft

Detaljer

Presentation Title Date Copyright Capgemini 2013. All Rights Reserved

Presentation Title Date Copyright Capgemini 2013. All Rights Reserved 1 Leverandøraktivering 2 Implementering av ny prosess for leverandøraktivering Forutsetninger Kortere ledetid tilbys til kunder etter implementering av den nye leverandøraktiveringsprosessen Alle involverte

Detaljer

Social Media Insight

Social Media Insight Social Media Insight Do you know what they say about you and your company out there? Slik fikk Integrasco fra Grimstad Vodafone og Sony Ericsson som kunder. Innovasjon og internasjonalisering, Agdering

Detaljer

Follow us: @christopherea @capgemini. Copyright Capgemini 2015. All Rights Reserved

Follow us: @christopherea @capgemini. Copyright Capgemini 2015. All Rights Reserved Internet of Things: Hype eller Revolusjon? Christopher Eikanger Andersen Internet of Things? Den tilkoblede verden: Milliarder i potensiale 212 milliarder tilkoblede enheter innen 2020 - IDC 5 milliarder

Detaljer

Public roadmap for information management, governance and exchange. 2015-09-15 SINTEF david.norheim@brreg.no

Public roadmap for information management, governance and exchange. 2015-09-15 SINTEF david.norheim@brreg.no Public roadmap for information management, governance and exchange 2015-09-15 SINTEF david.norheim@brreg.no Skate Skate (governance and coordination of services in egovernment) is a strategic cooperation

Detaljer

Datavarehus hva er det?

Datavarehus hva er det? Datavarehus hva er det? Bill Inmon (ca. 1992): a subject-oriented, integrated, time-variant and non-volatile collection of data in support of management's decision making process Ralph Kimball (ca. 1996):

Detaljer

Prosjektstyring, metodikk og løsningsutforming for SAP prosjekter. Sveinung Gehrken Fram

Prosjektstyring, metodikk og løsningsutforming for SAP prosjekter. Sveinung Gehrken Fram Prosjektstyring, metodikk og løsningsutforming for SAP prosjekter Sveinung Gehrken Fram Til diskusjon Hva kjennetegner vellykkede SAP prosjekter? Hvilken metodikk skal man velge? Noen tanker om løsningsvalg

Detaljer

FM kompetanseutvikling i Statoil

FM kompetanseutvikling i Statoil FM kompetanseutvikling i Statoil Erick Beltran Business developer Statoil FM FM konferansen Oslo, 13 Oktober 2011 Classification: Internal (Restricted Distribution) 2010-06-06 Erick Beltran Ingenierio

Detaljer

Kundetilfredshetsundersøkelse FHI/SMAP

Kundetilfredshetsundersøkelse FHI/SMAP Kundetilfredshetsundersøkelse FHI/SMAP Sluttrapport pr. 20. April 2010 Alle 9 kunder av FHI s produksjonsavdeling for biofarmasøytiske produkter (SMAP) i perioden 2008-2009 mottok i januar 2010 vårt spørreskjema

Detaljer

Hvordan snu finanskrisen til å bli en mulighet for vekst og utvikling? A crisis is a terrible thing to waste

Hvordan snu finanskrisen til å bli en mulighet for vekst og utvikling? A crisis is a terrible thing to waste Hvordan snu finanskrisen til å bli en mulighet for vekst og utvikling? A crisis is a terrible thing to waste Rick Salmon Subscribe to my blog at: www. www.ricksalmon. ricksalmon.com rs@ricksalmon.com Tlf.

Detaljer

We are Knowit. We create the new solutions.

We are Knowit. We create the new solutions. We are Knowit. We create the new solutions. AGENDA 0900-0915 Velkommen 0915-1030 Selskapspresentasjoner 1030-1045 Kort Pause 1045-1145 Diskusjon (trender, utfordringer, muligheter, prosjekter, samarbeid++)

Detaljer

// Translation // KLART SVAR «Free-Range Employees»

// Translation // KLART SVAR «Free-Range Employees» // Translation // KLART SVAR «Free-Range Employees» Klart Svar is a nationwide multiple telecom store, known as a supplier of mobile phones and wireless office solutions. The challenge was to make use

Detaljer

Fremtiden er (enda mer) mobil

Fremtiden er (enda mer) mobil www.steria.no è Fremtiden er (enda mer) mobil Steria Technology trends 2011 è Top 10 strategic technology trends for 2011: Cloud computing is real hot according to Gartner, but CIO s in Norway and Scandinavia

Detaljer

Fakta og myter om BICC.

Fakta og myter om BICC. Fakta og myter om BICC. Jan Fredrik Stoveland og Anita Gupta Forretningskonsulenter Capgemini Copyright 2010, SAS Institute Inc. All rights reserved. I the way we do it Lønner det seg å etablere et BICC?

Detaljer

Reliable RT processing @ Spotify

Reliable RT processing @ Spotify Reliable RT processing @ Spotify Pablo Barrera February 5, 2014 Spotify 3 Spotify the right music for every moment over 6 million paying customers over 24 million active users each

Detaljer

Administrasjon av postnummersystemet i Norge Post code administration in Norway. Frode Wold, Norway Post Nordic Address Forum, Iceland 5-6.

Administrasjon av postnummersystemet i Norge Post code administration in Norway. Frode Wold, Norway Post Nordic Address Forum, Iceland 5-6. Administrasjon av postnummersystemet i Norge Frode Wold, Norway Post Nordic Address Forum, Iceland 5-6. may 2015 Postnumrene i Norge ble opprettet 18.3.1968 The postal codes in Norway was established in

Detaljer

Forvaltning og videreutvikling av datavarehus og BI. Martin Lam 5. desember 2012

Forvaltning og videreutvikling av datavarehus og BI. Martin Lam 5. desember 2012 Forvaltning og videreutvikling av datavarehus og BI Martin Lam 5. desember 2012 Capgemini Norge er del av et globalt rådgivningsselskap med fokus på fem sektorer og tre distinkte fagdisipliner Global tilstedeværelse

Detaljer

Norge en øy i opprørt hav Steinar Østbye. Bergen, 17. november 2011

Norge en øy i opprørt hav Steinar Østbye. Bergen, 17. november 2011 Norge en øy i opprørt hav Steinar Østbye Bergen, 17. november 2011 Økt turbulens, usikkerhet og risiko går som en rød tråd gjennom de fremtidsutfordringene ledere er mest opptatt av % of leaders mentioning

Detaljer

EHF more than invoice En brukerhistorie What, why and how? Asgeir Eliassen EDI Man Visma

EHF more than invoice En brukerhistorie What, why and how? Asgeir Eliassen EDI Man Visma EHF more than invoice En brukerhistorie What, why and how? Asgeir Eliassen EDI Man Visma EHF «Brukerhistorie» Erfaringer og fokusområder This presentation is about EHF in the supply chain (electronic orders)

Detaljer

Hvordan komme i gang med ArchiMate? Det første modelleringsspråket som gjør TOGAF Praktisk

Hvordan komme i gang med ArchiMate? Det første modelleringsspråket som gjør TOGAF Praktisk Hvordan komme i gang med ArchiMate? Det første modelleringsspråket som gjør TOGAF Praktisk Logica 2012. All rights reserved No. 3 Logica 2012. All rights reserved No. 4 Logica 2012. All rights reserved

Detaljer

DIGITALISERING I UH-SEKTOREN. DigiEx, Handelshøyskolen BI. Prosjekt 2014, 13. November, 2014

DIGITALISERING I UH-SEKTOREN. DigiEx, Handelshøyskolen BI. Prosjekt 2014, 13. November, 2014 DIGITALISERING I UH-SEKTOREN DigiEx, Handelshøyskolen BI Prosjekt 2014, 13. November, 2014 Kontaktinformasjon Insert contact picture Karin Brennholm Prosjektleder digital eksamen karin.b.brennholm@uit.no

Detaljer

Bruk av HP Quality Center med smidige utviklingsmetoder. HP Sofware Norge

Bruk av HP Quality Center med smidige utviklingsmetoder. HP Sofware Norge Bruk av HP Quality Center med smidige utviklingsmetoder Kjell Lillemoen HP Sofware Norge QC og smidige metoder Agenda Smidig terminologi Smidig metoder og verktøy Hvilke krav bør vi stille QC med Scrum

Detaljer

The regulation requires that everyone at NTNU shall have fire drills and fire prevention courses.

The regulation requires that everyone at NTNU shall have fire drills and fire prevention courses. 1 The law The regulation requires that everyone at NTNU shall have fire drills and fire prevention courses. 2. 3 Make your self familiar with: Evacuation routes Manual fire alarms Location of fire extinguishers

Detaljer

Fakultet for informasjonsteknologi, Institutt for datateknikk og informasjonsvitenskap AVSLUTTENDE EKSAMEN I. TDT42378 Programvaresikkerhet

Fakultet for informasjonsteknologi, Institutt for datateknikk og informasjonsvitenskap AVSLUTTENDE EKSAMEN I. TDT42378 Programvaresikkerhet Side 1 av 5 NTNU Norges teknisk-naturvitenskapelige universitet BOKMÅL Fakultet for informasjonsteknologi, matematikk og elektroteknikk Institutt for datateknikk og informasjonsvitenskap AVSLUTTENDE EKSAMEN

Detaljer

Hva legges i begrepet Big Data Hvilke muligheter eller betydning vil dette ha for den enkelte virksomhet Bruksområder Oppsummering. Arild S.

Hva legges i begrepet Big Data Hvilke muligheter eller betydning vil dette ha for den enkelte virksomhet Bruksområder Oppsummering. Arild S. Big data - bare for de store? Hva legges i begrepet Big Data Hvilke muligheter eller betydning vil dette ha for den enkelte virksomhet Bruksområder Oppsummering Arild S. Birkelund IT Arkitekt - Atea Hva

Detaljer

Hei, 1993 ringte, de vil ha tilbake fasttelefonen sin. Lars Erik Norum (med venner)

Hei, 1993 ringte, de vil ha tilbake fasttelefonen sin. Lars Erik Norum (med venner) Hei, 1993 ringte, de vil ha tilbake fasttelefonen sin Lars Erik Norum (med venner) Bill Gates, 2007 In the next decade, sweeping technology innovations driven by the power of software will transform communications.

Detaljer

A NEW REALITY. DNV GL Industry Outlook for 2016. Kjell Eriksson, Regional Manager Oil & Gas, Norway 02 Februar - Offshore Strategi Konferansen 2016,

A NEW REALITY. DNV GL Industry Outlook for 2016. Kjell Eriksson, Regional Manager Oil & Gas, Norway 02 Februar - Offshore Strategi Konferansen 2016, OIL & GAS A NEW REALITY DNV GL Industry Outlook for 2016 Kjell Eriksson, Regional Manager Oil & Gas, Norway 02 Februar - Offshore Strategi Konferansen 2016, 1 2013 SAFER, SMARTER, GREENER 3 februar 2016

Detaljer

Utstyr for avstandsmåling. Dommersamling 14. mars 2015 Stein Jodal

Utstyr for avstandsmåling. Dommersamling 14. mars 2015 Stein Jodal Utstyr for avstandsmåling Dommersamling 14. mars 2015 Stein Jodal Dommersamlingen 2012 Regulert i R 14-3 Kunstige hjelpemidler, uvanlig utstyr og uvanlig bruk av utstyr Anmerkning: Komiteen kan lage en

Detaljer

The internet of Health

The internet of Health The internet of Health! Biler, helse og fremtiden!! Velkon 2014, 22. October 2014 Nard Schreurs, IKT-Norge Få ut begrepet «pasient» av tanker om helse. Aldring 1980-2010 Menn 72 år til 79 år Kvinner 79

Detaljer

Erfaringer med smidige metoder på store prosjekter i Telenor. Kristoffer Kvam, Strategic Project Manager, Portfolio & Projects, Telenor Norway

Erfaringer med smidige metoder på store prosjekter i Telenor. Kristoffer Kvam, Strategic Project Manager, Portfolio & Projects, Telenor Norway Erfaringer med smidige metoder på store prosjekter i Telenor Kristoffer Kvam, Strategic Project Manager, Portfolio & Projects, Telenor Norway Smidig metodikk brukt riktig kan gi store effekter. Her >30%

Detaljer

FIBER - SIKKER TRANSPORT TIL OG FRA SKYEN. UTFORDRINGER OG MULIGHETER MED FIBER VIDAR.MYRER@KVANTEL.NO 40 80 00 90

FIBER - SIKKER TRANSPORT TIL OG FRA SKYEN. UTFORDRINGER OG MULIGHETER MED FIBER VIDAR.MYRER@KVANTEL.NO 40 80 00 90 FIBER - SIKKER TRANSPORT TIL OG FRA SKYEN. UTFORDRINGER OG MULIGHETER MED FIBER VIDAR.MYRER@KVANTEL.NO 40 80 00 90 KVANTEL AS 50 ansaae 170 millioner i omsetning Historien Llbake Ll 1997, Eltele Øst, Eltele

Detaljer

EXAM TTM4128 SERVICE AND RESOURCE MANAGEMENT EKSAM I TTM4128 TJENESTE- OG RESSURSADMINISTRASJON

EXAM TTM4128 SERVICE AND RESOURCE MANAGEMENT EKSAM I TTM4128 TJENESTE- OG RESSURSADMINISTRASJON Side 1 av 5 NTNU Norges teknisk-naturvitenskapelige universitet Institutt for telematikk EXAM TTM4128 SERVICE AND RESOURCE MANAGEMENT EKSAM I TTM4128 TJENESTE- OG RESSURSADMINISTRASJON Contact person /

Detaljer

FM kompetanseutvikling i Statoil

FM kompetanseutvikling i Statoil FM kompetanseutvikling i Statoil Erick Beltran Business developer Statoil FM Kompetanse for bedre eiendomsforvaltning Trondheim, 6 Januar 2010 Classification: Internal (Restricted Distribution) 2010-06-06

Detaljer

En praktisk anvendelse av ITIL rammeverket

En praktisk anvendelse av ITIL rammeverket NIRF 17. april 2012 En praktisk anvendelse av ITIL rammeverket Haakon Faanes, CIA,CISA, CISM Internrevisjonen NAV NAVs ITIL-tilnærming - SMILI NAV, 18.04.2012 Side 2 Styring av tjenestenivå Prosessen omfatter

Detaljer

Rapporterer norske selskaper integrert?

Rapporterer norske selskaper integrert? Advisory DnR Rapporterer norske selskaper integrert? Hvordan ligger norske selskaper an? Integrert rapportering er å synliggjøre bedre hvordan virksomheten skaper verdi 3 Norske selskaper har en lang vei

Detaljer

KROPPEN LEDER STRØM. Sett en finger på hvert av kontaktpunktene på modellen. Da får du et lydsignal.

KROPPEN LEDER STRØM. Sett en finger på hvert av kontaktpunktene på modellen. Da får du et lydsignal. KROPPEN LEDER STRØM Sett en finger på hvert av kontaktpunktene på modellen. Da får du et lydsignal. Hva forteller dette signalet? Gå flere sammen. Ta hverandre i hendene, og la de to ytterste personene

Detaljer

www.steria.no 08.09.2011 1 Konfidensiell - Navn på presentasjon.ppt

www.steria.no 08.09.2011 1 Konfidensiell - Navn på presentasjon.ppt 08.09.2011 1 Konfidensiell - Navn på presentasjon.ppt En praktisk tilnærming til tjenestekatalog Svein Erik Schnell, Senior Consultant Steria AS Tine Hedelund Nielsen, Consultant Steria AS Steria Agenda

Detaljer

Innovasjonsvennlig anskaffelse

Innovasjonsvennlig anskaffelse UNIVERSITETET I BERGEN Universitetet i Bergen Innovasjonsvennlig anskaffelse Fredrikstad, 20 april 2016 Kjetil Skog 1 Universitetet i Bergen 2 Universitetet i Bergen Driftsinntekter på 4 milliarder kr

Detaljer

HVORDAN SKAPE TRIVSEL, STOLTHET OG EIERSKAP OG SAMTIDIG VÆRE GODE PÅ INNOVASJON? NINA MOI EDVARDSEN SVP Organizational Development Schibsted Norge

HVORDAN SKAPE TRIVSEL, STOLTHET OG EIERSKAP OG SAMTIDIG VÆRE GODE PÅ INNOVASJON? NINA MOI EDVARDSEN SVP Organizational Development Schibsted Norge HVORDAN SKAPE TRIVSEL, STOLTHET OG EIERSKAP OG SAMTIDIG VÆRE GODE PÅ INNOVASJON? NINA MOI EDVARDSEN SVP Organizational Development Schibsted Norge SCHIBSTED FUTURE REPORT 2015 2 SCHIBSTED FUTURE REPORT

Detaljer

Unified Communications som operatørtjeneste. Birgitte E. Johannessen Adm.dir Intelecom Norge AS

Unified Communications som operatørtjeneste. Birgitte E. Johannessen Adm.dir Intelecom Norge AS Unified Communications som operatørtjeneste Birgitte E. Johannessen Adm.dir Intelecom Norge AS Hva om Internett erstatter dagens samtrafikk regime Stor andel av mobilsamtaler og sms erstattes av andre

Detaljer

BIBSYS Brukermøte 2011 Live Rasmussen og Andreas Christensen. Alt på et brett? -om pensum på ipad og lesebrett

BIBSYS Brukermøte 2011 Live Rasmussen og Andreas Christensen. Alt på et brett? -om pensum på ipad og lesebrett BIBSYS Brukermøte 2011 Live Rasmussen og Andreas Christensen Alt på et brett? -om pensum på ipad og lesebrett Prosjektet epensum på lesebrett Vi ønsker å: Studere bruk av digitalt pensum i studiesituasjonen.

Detaljer

Migrering hos Gjensidige Bank. 9. februar 2011 Ellen Aaslund - Gjensidige Bank Knut Erik Terjesen - bwise

Migrering hos Gjensidige Bank. 9. februar 2011 Ellen Aaslund - Gjensidige Bank Knut Erik Terjesen - bwise Migrering hos Gjensidige Bank 9. februar 2011 Ellen Aaslund - Gjensidige Bank Knut Erik Terjesen - bwise Historie 2 Nøkkeltall per Q3 2010 84 291 kunder 142 ansatte Oslo 92 fra Citibank Førde 50 fra GB

Detaljer

Biotek for medisin og helse Hva er viktig for å kunne lykkes?

Biotek for medisin og helse Hva er viktig for å kunne lykkes? Consulting in Biomedicine, Partnering and Training Biotek for medisin og helse Hva er viktig for å kunne lykkes? Norsk Biotekforum 2. desember 2014 Olav Flaten, MD, PhD 1 Thanks for the opportunity to,

Detaljer

Copyright 2010, SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved. Analyse. Oppdatering og stresstesting av eksisterende modeller og deling av risk scenarier. Cathrine Pihl Næss Senior Advisor - Analytical Intelligence SAS Institute Agenda Oppdatering på utvalgte områder

Detaljer

Kort om IPnett. Henrik Jørgensen Solution Architect Tel +4767201028 Mob +4791165898 henrik.jorgensen@ipnett.no

Kort om IPnett. Henrik Jørgensen Solution Architect Tel +4767201028 Mob +4791165898 henrik.jorgensen@ipnett.no Kort om IPnett - Hvem er vi? - Trapeze vs. Juniper - Uninett avtalen Henrik Jørgensen Solution Architect Tel +4767201028 Mob +4791165898 henrik.jorgensen@ipnett.no IPnett AS Vollsveien 2b Pb 118 1325 LYSAKER

Detaljer

Åpen innovasjon et hav av muligheter, men ikke uten skjær i sjøen 1. mars 2011 Av Truls Berg managing partner Digital Insight AS

Åpen innovasjon et hav av muligheter, men ikke uten skjær i sjøen 1. mars 2011 Av Truls Berg managing partner Digital Insight AS ''We are called to be architects of the future, not its victims.'' Buckminster Fuller Åpen innovasjon et hav av muligheter, men ikke uten skjær i sjøen 1. mars 2011 Av Truls Berg managing partner Digital

Detaljer

Eiendomsverdi. The housing market Update September 2013

Eiendomsverdi. The housing market Update September 2013 Eiendomsverdi The housing market Update September 2013 Executive summary September is usually a weak month but this was the weakest since 2008. Prices fell by 1.4 percent Volumes were slightly lower than

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Bokmål Eksamen i: ECON1210 Forbruker, bedrift og marked Exam: ECON1210 Consumer Behaviour, Firm behaviour and Markets Eksamensdag: 12.12.2014 Sensur kunngjøres:

Detaljer

Velkommen. NCE-GCE Prosjektledersamling. 9. mars 2015, Bjørn Arne Skogstad. Jointly owned by

Velkommen. NCE-GCE Prosjektledersamling. 9. mars 2015, Bjørn Arne Skogstad. Jointly owned by Velkommen NCE-GCE Prosjektledersamling 9. mars 2015, Bjørn Arne Skogstad Jointly owned by 12.00 Lunsj 13.00 Velkommen og programinformasjon Bjørn Arne Tweet fra Innovasjon Norge Mona Skaret Informasjon

Detaljer

Norsk (English below): Guide til anbefalt måte å printe gjennom plotter (Akropolis)

Norsk (English below): Guide til anbefalt måte å printe gjennom plotter (Akropolis) Norsk (English below): Guide til anbefalt måte å printe gjennom plotter (Akropolis) 1. Gå til print i dokumentet deres (Det anbefales å bruke InDesign til forberedning for print) 2. Velg deretter print

Detaljer

Samhandling i prosjekter et forskerblikk på Nødnettprosjektet. Therese Dille, PhD

Samhandling i prosjekter et forskerblikk på Nødnettprosjektet. Therese Dille, PhD Samhandling i prosjekter et forskerblikk på Nødnettprosjektet Therese Dille, PhD Bakgrunn Forskningsprosjekt (2008-2012) ved Handelshøyskolen BI, Institutt for ledelse og organisasjon Tilknyttet FoU-prosjektet

Detaljer

Innhold. Om Handelshøyskolen BI Status BI 2011 Universitets- og høyskolesektoren as is. Copyright Capgemini 2013. All Rights Reserved

Innhold. Om Handelshøyskolen BI Status BI 2011 Universitets- og høyskolesektoren as is. Copyright Capgemini 2013. All Rights Reserved Innhold Om Handelshøyskolen BI Status BI 2011 Universitets- og høyskolesektoren as is 2 Selveiende stiftelse 6 studiesteder 830 ansatte, halvparten er faglige 489 tilknyttede høyskoleforelesere 20 000

Detaljer

Er norske virksomheter digitale sinker? Hva betyr det? Og hvorfor er de det?

Er norske virksomheter digitale sinker? Hva betyr det? Og hvorfor er de det? Er norske virksomheter digitale sinker? Hva betyr det? Og hvorfor er de det? Ragnvald Sannes Førstelektor, Institutt for Strategi Handelshøyskolen BI E-post: ragnvald.sannes@bi.no 14.10.2015 1 Hva vi gjør

Detaljer

7 years as museum director at the Röhsska Museum, Göteborg. since February 2012 the museum director at the Sigtuna Museum, Sthlm

7 years as museum director at the Röhsska Museum, Göteborg. since February 2012 the museum director at the Sigtuna Museum, Sthlm 15 years in the advertising business 7 years as museum director at the Röhsska Museum, Göteborg since February 2012 the museum director at the Sigtuna Museum, Sthlm maksimere strategisk utviklingsplan

Detaljer

Nettnøytralitet - regulering på jakt etter markedssvikt. Bjørn Hansen, Telenor Research Nettnøytralitetsforum 27. november 2014

Nettnøytralitet - regulering på jakt etter markedssvikt. Bjørn Hansen, Telenor Research Nettnøytralitetsforum 27. november 2014 Nettnøytralitet - regulering på jakt etter markedssvikt Bjørn Hansen, Telenor Research Nettnøytralitetsforum 27. november 2014 1 Nettnøytralitet i ulike varianter Et marked underlagt Konkurranselov, Markedsførings

Detaljer

Søker du ikke om nytt frikort/skattekort, vil du bli trukket 15 prosent av utbetalingen av pensjon eller uføreytelse fra og med januar 2016.

Søker du ikke om nytt frikort/skattekort, vil du bli trukket 15 prosent av utbetalingen av pensjon eller uføreytelse fra og med januar 2016. Skatteetaten Saksbehandler Deres dato Vår dato 26.10.2016 Telefon Deres Vår referanse For information in English see page 3 Skattekort for 2016 Du fikk helt eller delvis skattefritak ved likningen for

Detaljer

DecisionMaker Frequent error codes (valid from version 7.x and up)

DecisionMaker Frequent error codes (valid from version 7.x and up) DecisionMaker Frequent error codes (valid from version 7.x and up) DM Frequent Error Codes Bisnode Credit IT 03.02.2014 1 (5) CONTENTS 1 Target... 3 2 About this document... 3 3 Error codes an messages...

Detaljer

Big data & næringslivet

Big data & næringslivet NCE/GCE-samling 9.mars 2015 Global Innovation Winner - prosjektet (GIW) Big data & næringslivet Knut H. H. Johansen Styreleder NCE Smart Energy Markets / CEO esmart Systems Næringsklynge med 40 aktive

Detaljer

Felles forretningssystemer for lokale behov - en umulig oppgave?

Felles forretningssystemer for lokale behov - en umulig oppgave? Felles forretningssystemer for lokale behov - en umulig oppgave? Ragnvald Sannes (ragnvald.sannes@bi.no) Handelshøyskolen BI, Institutt for ledelse og organisasjon Tematikk Hvordan forretningssystemer

Detaljer

Kost-nytte innen sikkerhet: Hva er prisen, hva er verdien, og hvordan prioritere blant tiltak?

Kost-nytte innen sikkerhet: Hva er prisen, hva er verdien, og hvordan prioritere blant tiltak? Kost-nytte innen sikkerhet: Hva er prisen, hva er verdien, og hvordan prioritere blant tiltak? Aida Omerovic Seminar om kost-nytte analyse i en risikoevaluering 18. Feb. 2015 SINTEF Technology for a better

Detaljer

1. Installasjon av SharePoint 2013

1. Installasjon av SharePoint 2013 Avdeling for informatikk og e-læring, Høgskolen i Sør-Trøndelag Installasjon av SharePoint 2013 Stein Meisingseth 02.09.2013 Lærestoffet er utviklet for faget LO205D Microsoft SharePoint 1. Installasjon

Detaljer

STILLAS - STANDARD FORSLAG FRA SEF TIL NY STILLAS - STANDARD

STILLAS - STANDARD FORSLAG FRA SEF TIL NY STILLAS - STANDARD FORSLAG FRA SEF TIL NY STILLAS - STANDARD 1 Bakgrunnen for dette initiativet fra SEF, er ønsket om å gjøre arbeid i høyden tryggere / sikrere. Både for stillasmontører og brukere av stillaser. 2 Reviderte

Detaljer

Samarbeid i praksis 10 konkurrenter og én felles løsning! Oslo, 31. oktober 2012 Atle Bergfjord

Samarbeid i praksis 10 konkurrenter og én felles løsning! Oslo, 31. oktober 2012 Atle Bergfjord Samarbeid i praksis 10 konkurrenter og én felles løsning! Oslo, 31. oktober 2012 Atle Bergfjord Bakgrunn Dagens situasjon er at alle tilsynsetatene har utviklet lokale informasjonssystemer til eget bruk.

Detaljer

Managing Risk in Critical Railway Applications

Managing Risk in Critical Railway Applications Managing Risk in Critical Railway Applications Topics Railway signalling Real projects Regulator, standards and the law Acceptance criteria for signalling systems (SIL) Risk analysis a special case The

Detaljer

Bestille trykk av doktoravhandling Ordering printing of PhD Thesis

Bestille trykk av doktoravhandling Ordering printing of PhD Thesis Bestille trykk av doktoravhandling Ordering printing of PhD Thesis Brukermanual / User manual Skipnes Kommunikasjon ntnu.skipnes.no PhD Thesis NTNU LOG IN NOR: Gå inn på siden ntnu.skipnes-wtp.no, eller

Detaljer

Hvordan 3 konsulenter tester et konserndatavarehus

Hvordan 3 konsulenter tester et konserndatavarehus Hvordan 3 konsulenter tester et konserndatavarehus DNB sine testutfordringer Tidligere leveranser har blitt utsatt på grunn av dårlig testing Representanter fra forretning er negative til å akseptanseteste

Detaljer

Organizational Project Management Maturity Model (OPM3)

Organizational Project Management Maturity Model (OPM3) Organizational Project Management Maturity Model (OPM3) Håvard O. Skaldebø, PMP, CCE, (haa-skal@online.no) Styreleder, PMI Norway Oslo Chapter (www.pmi-no.org) Prosjekt 2005, 12.oktober 2005, Hotel Rainbow,

Detaljer

The building blocks of a biogas strategy

The building blocks of a biogas strategy The building blocks of a biogas strategy Presentation of the report «Background report for a biogas strategy» («Underlagsmateriale til tverrsektoriell biogass-strategi») Christine Maass, Norwegian Environment

Detaljer

SAS FANS NYTT & NYTTIG FRA VERKTØYKASSA TIL SAS 4. MARS 2014, MIKKEL SØRHEIM

SAS FANS NYTT & NYTTIG FRA VERKTØYKASSA TIL SAS 4. MARS 2014, MIKKEL SØRHEIM SAS FANS NYTT & NYTTIG FRA VERKTØYKASSA TIL SAS 4. MARS 2014, MIKKEL SØRHEIM 2 TEMA 1 MULTIPROSESSERING MED DATASTEGET Multiprosessering har lenge vært et tema i SAS Stadig ny funksjonalitet er med på

Detaljer

Vekeplan 4. Trinn. Måndag Tysdag Onsdag Torsdag Fredag AB CD AB CD AB CD AB CD AB CD. Norsk Matte Symjing Ute Norsk Matte M&H Norsk

Vekeplan 4. Trinn. Måndag Tysdag Onsdag Torsdag Fredag AB CD AB CD AB CD AB CD AB CD. Norsk Matte Symjing Ute Norsk Matte M&H Norsk Vekeplan 4. Trinn Veke 39 40 Namn: Måndag Tysdag Onsdag Torsdag Fredag AB CD AB CD AB CD AB CD AB CD Norsk Engelsk M& Mitt val Engelsk Matte Norsk Matte felles Engelsk M& Mitt val Engelsk Norsk M& Matte

Detaljer

Oppgave 1a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet.

Oppgave 1a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet. TDT445 Øving 4 Oppgave a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet. Nøkkel: Supernøkkel: Funksjonell avhengighet: Data i en database som kan unikt identifisere (et sett

Detaljer

Kurs i Nettverksbygging Edgar Valdmanis,MBA

Kurs i Nettverksbygging Edgar Valdmanis,MBA Kurs i Nettverksbygging Edgar Valdmanis,MBA Markedsdirektør, Den Norske Dataforening Bergen, 5.april 2011 Hvorfor nettverke? Du kan hjelpe andre med informasjon (om hvor de finner mer og rett informasjon)

Detaljer

MPN Brief. Onsdag 14. november 2012. Trond Renshusløkken Sales Director Comperio Gold Search competency

MPN Brief. Onsdag 14. november 2012. Trond Renshusløkken Sales Director Comperio Gold Search competency MPN Brief Onsdag 14. november 2012 Trond Renshusløkken Sales Director Comperio Gold Search competency Agenda Windows 8 Muligheter for deg og dine kunder v/leif Christian Henstad (SMB Sales Specialist)

Detaljer

Håndtering av informasjon fra RPAS

Håndtering av informasjon fra RPAS Håndtering av informasjon fra RPAS Ragnvald Otterlei ragnvald@simicon.no RPAS seminar 24. April 2014 April 2014 www.simicon.no 1 Mission and market Develop and provide RPAS (Remotely Piloted Aircraft Systems)

Detaljer

Duet. for Microsoft Office og SAP. Freddy Hafskjold Solution Management SAP Norge. (tidligere prosjekt Mendocino)

Duet. for Microsoft Office og SAP. Freddy Hafskjold Solution Management SAP Norge. (tidligere prosjekt Mendocino) Duet for Microsoft Office og SAP (tidligere prosjekt Mendocino) Freddy Hafskjold Solution Management SAP Norge Duet Duet knytter sammen effektive kontorrutiner og virksomhetens øvrige forretningsprosesser.

Detaljer

// PRESENTASJONER FRA NJAVA

// PRESENTASJONER FRA NJAVA // PRESENTASJONER FRA NJAVA } NAV i det store bildet Ingunn M. Godal } Nye ambisjoner, nye muligheter Torbjørn Larsen } Hvordan gjør vi det - våre behov Petter Hafskjold NAV i det store bildet John Dee

Detaljer

Smarte hjem konferansen 2015. Kan vi konkurrere med de store?

Smarte hjem konferansen 2015. Kan vi konkurrere med de store? Smarte hjem konferansen 2015 Kan vi konkurrere med de store? Om oss - Etablert 2003 - Utvikler egen HW og SW - Fokus - DIY - Strømsparing #smartehjem Networks for devices connected to the internet (think

Detaljer

Bruk av ucmdb til SLM og Change Management EDB Business Partner Industri 2009-02-04

Bruk av ucmdb til SLM og Change Management EDB Business Partner Industri 2009-02-04 Bruk av ucmdb til SLM og Change Management EDB Business Partner Industri 2009-02-04 EDB Business Partner organisasjon Bank & Finance Public sector Telecom Industry 1000 FTE s 1600 MNOK revenue Application

Detaljer

Oppfølging av etiske krav: Eksempel Helse Sør-Øst

Oppfølging av etiske krav: Eksempel Helse Sør-Øst Oppfølging av etiske krav: Eksempel Helse Sør-Øst Sauda, 21. september 2011 Grete Solli, spesialrådgiver, Helse Sør-Øst Magne Paulsrud, seniorrådgiver, Initiativ for etisk handel Helse Sør-Øst: nye etiske

Detaljer

Søker du ikke om nytt frikort, vil du bli trukket 15 prosent av din pensjonsutbetaling fra og med januar 2014.

Søker du ikke om nytt frikort, vil du bli trukket 15 prosent av din pensjonsutbetaling fra og med januar 2014. Skatteetaten Saksbehandler Deres dato Vår dato 31.10.2013 Telefon Deres referanse Vår referanse For information in English see page 3 Skattekort for 2014 Du fikk helt eller delvis skattefritak ved likningen

Detaljer

Profile handbook. for

Profile handbook. for Profile handbook for March 2007 Logo For the logo, we have chosen a shape in conformity with the general visual direction. The logo is inspired by the shape of the product, and the circle also creates

Detaljer

Refleksjoner knyttet til forretningsmessig utnyttelse av store datavolumer. Oslo 18. April 2013

Refleksjoner knyttet til forretningsmessig utnyttelse av store datavolumer. Oslo 18. April 2013 Big is Beautiful Refleksjoner knyttet til forretningsmessig utnyttelse av store datavolumer Oslo 18. April 2013 Bo Hjort Christensen Sivilingeniør/Bedriftsøkonom Høyskolelektor/Associate Dean Handelshøyskolen

Detaljer

Moderne integrasjonsarkitektur for B2C og B2E. Steinar Kolnes, Senior utvikler

Moderne integrasjonsarkitektur for B2C og B2E. Steinar Kolnes, Senior utvikler Moderne integrasjonsarkitektur for B2C og B2E Steinar Kolnes, Senior utvikler Følg presentasjonen via egen enhet Dagens agenda BYOD som eksempel på moderne integrasjonsarkitektur for B2E og B2C Historikk

Detaljer

Velkommen til Windows 8.1. Arne Hartmann Produktsjef Windows

Velkommen til Windows 8.1. Arne Hartmann Produktsjef Windows Velkommen til Windows 8.1 Arne Hartmann Produktsjef Windows Husker du Windows 8? Windows reimagined Metro aka Modern UI Windows 2 Go En ny generasjon apps Ny og spennende hardware Windows RT Startknappen

Detaljer

LAVA. Om LAVA prosjektet UNINETT96

LAVA. Om LAVA prosjektet UNINETT96 Om LAVA prosjektet UNINETT96 Tryggve Sørensen, Norsk Regnesentral 16. oktober 1996 LAVA Delivery of video over ATM Financed by Norwegian Research Council Part of HUGIN - NFRs broadband initiative Develop

Detaljer

Logiq Kundedager. Fredriksten Festning Halden

Logiq Kundedager. Fredriksten Festning Halden Logiq Kundedager Fredriksten Festning Halden Ehandel 2.0 - utfordringer og muligheter i byggebransjen i Norden Frank Dahlsveen Nordic Service & Return Manager 1 NOK 26,9 Bn Total sales (2013/14) 9500 employees

Detaljer

Data Governance SAS FANS 4.2.2015

Data Governance SAS FANS 4.2.2015 Data Governance SAS FANS 4.2.2015 Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information? T.S Eliot. The Rock (1934) Side 2 det er identifisert feil i 88% av

Detaljer

Per Tonny Berg Partner & Business Development Manager

Per Tonny Berg Partner & Business Development Manager Per Tonny Berg Partner & Business Development Manager presentert av i samarbeid med Det praktiske Slå av lyden på mobiltelefonen Toaletter Kaffe og garderobe Lunsj kl. 12-13 Det praktiske WIFI = Oljemuseum

Detaljer

SmartPass Mini User Manual BBNORGE.NO

SmartPass Mini User Manual BBNORGE.NO SmartPass Mini User Manual BBNORGE.NO Intro Welcome to the usermanual for your SmartPass Mini system. The first time you start the SmartPass you have to request a License. This is to regiser your license

Detaljer

The Future of Academic Libraries the Road Ahead. Roy Gundersen

The Future of Academic Libraries the Road Ahead. Roy Gundersen The Future of Academic Libraries the Road Ahead Roy Gundersen Background Discussions on the modernization of BIBSYS Project spring 2007: Forprosjekt modernisering Process analysis Specification Market

Detaljer

klassisk angoragenser classic angora sweater

klassisk angoragenser classic angora sweater klassisk angoragenser classic angora sweater www.pickles.no / shop.pickles.no NORSK Størrelser XS (S) M (L) XL (XXL) Garn Pickles Angora 150 (175) 200 (225) 250 (275) g Pinner 80 og 40 cm rundpinne og

Detaljer

Tyrannosaurus Test Adapt or Die!

Tyrannosaurus Test Adapt or Die! Tyrannosaurus Test Adapt or Die! Testdagen Odin 2014 Remi Hansen & Christian Brødsjø 26.09.2014 Promis Qualify AS 1 Om oss og tema Dinosaurer og evolusjon Context-driven testing filosofi og prinsipper

Detaljer

Trond Brande trondb@objectware.no

Trond Brande trondb@objectware.no Trond Brande trondb@objectware.no 1 Microsoft s BI i dag Med vekt på SQL Server 2008 Future Directions Wild speculations about a possible future Q&A 2 Microsoft BI An Integrated Offering DELIVERY SharePoint

Detaljer

Handlingseffekten Oppsummering Webforum 2015. Webforum 25. mars 2015 Nina Furu

Handlingseffekten Oppsummering Webforum 2015. Webforum 25. mars 2015 Nina Furu Handlingseffekten Oppsummering Webforum 2015 Webforum 25. mars 2015 Nina Furu Soulspring Web er ikke lett når man ikke kan noe om det fra før Det er en læringskurve Man kommer til å gjøre noen feil Men

Detaljer

Røros konferansen 12 februar 2010

Røros konferansen 12 februar 2010 Røros konferansen 12 februar 2010 IKT som virkemiddel for å gjøre logistikk smart og miljøvennlig Hans-Christian Haugli CEO Telenor Objects www.telenorobjects.com Agenda Trender Tingenes Internett Relevans

Detaljer

Hvorfor nettverke? Bedre Nettverksbygging Med smart bruk av LinkedIn Edgar Valdmanis,MBA. Markedsdirektør, Den Norske Dataforening

Hvorfor nettverke? Bedre Nettverksbygging Med smart bruk av LinkedIn Edgar Valdmanis,MBA. Markedsdirektør, Den Norske Dataforening Bedre Nettverksbygging Med smart bruk av LinkedIn Edgar Valdmanis,MBA Markedsdirektør, Den Norske Dataforening DND, Faggruppen CRM, 28.mai 2013 Hvorfor nettverke? Du kan hjelpe andre med informasjon (om

Detaljer