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

Bostøttesamling

Bostøttesamling Bostøttesamling 2016 Teresebjerke@husbankenno 04112016 2 09112016 https://wwwyoutubecom/watch?v=khjy5lwf3tg&feature=youtube 3 09112016 Hva skjer fremover? 4 09112016 «Gode selvbetjeningsløsninger» Kilde:

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

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

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

Produktkalkyler i SAS Cost and Profitability Management hos Avinor

Produktkalkyler i SAS Cost and Profitability Management hos Avinor Insert Client / Partner logo Produktkalkyler i SAS Cost and Profitability Management hos Avinor Presentasjon på SAS Fans brukersamling - av Hild Eirin Strømme Litt om meg Bakgrunn Utdanning og annen erfaring

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

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

Familieeide selskaper - Kjennetegn - Styrker og utfordringer - Vekst og nyskapning i harmoni med tradisjoner

Familieeide selskaper - Kjennetegn - Styrker og utfordringer - Vekst og nyskapning i harmoni med tradisjoner Familieeide selskaper - Kjennetegn - Styrker og utfordringer - Vekst og nyskapning i harmoni med tradisjoner Resultater fra omfattende internasjonal undersøkelse og betraktninger om hvordan observasjonene

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

Capgeminis 7 verdier et indisk perspektiv. Oslo, , Marius Volden

Capgeminis 7 verdier et indisk perspektiv. Oslo, , Marius Volden Capgeminis 7 verdier et indisk perspektiv Oslo, 4.9.2014, Marius Volden Corporates run not only on numbers, they run on cultures.* *(Deal & Kennedy, Corporate cultures, 1982) 2 3 4 FUN Operasjonelt nivå

Detaljer

P(ersonal) C(omputer) Gunnar Misund. Høgskolen i Østfold. Avdeling for Informasjonsteknologi

P(ersonal) C(omputer) Gunnar Misund. Høgskolen i Østfold. Avdeling for Informasjonsteknologi ? Høgskolen i Østfold Avdeling for Informasjonsteknologi Mobile Applications Group (MAG), HiØ Har holdt på siden 2004 4-5 fagansatte (inkludert professor og stipendiat) Tverrfaglig: Brukergrensesnitt Sosiale

Detaljer

Kan vi forutse svindel? Eric Mandeville Capgemini Norge AS

Kan vi forutse svindel? Eric Mandeville Capgemini Norge AS Kan vi forutse svindel? Eric Mandeville Capgemini Norge AS Svindel Svindlere blir stadig mer sofistikerte, noe som kan resultere i tap av både verdier og renommé. Kan en proaktiv, strategisk satsning på

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

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

Samhandlingsrevolusjonen hvordan utnytte mulighetene?

Samhandlingsrevolusjonen hvordan utnytte mulighetene? www.steria.no è Samhandlingsrevolusjonen hvordan utnytte mulighetene? Steria Agenda è Trender i markedet è Hvordan utnytte mulighetene? è Slik lykkes du med sømløs kommunikasjon è Drømmen om sømløs samhandling

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

Dagens tema: Eksempel Klisjéer (mønstre) Tommelfingerregler

Dagens tema: Eksempel Klisjéer (mønstre) Tommelfingerregler UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Eksempel Klisjéer (mønstre) Tommelfingerregler Institutt for informatikk Dumitru Roman 1 Eksempel (1) 1. The system shall give an overview

Detaljer

Information search for the research protocol in IIC/IID

Information search for the research protocol in IIC/IID Information search for the research protocol in IIC/IID 1 Medical Library, 2013 Library services for students working with the research protocol and thesis (hovedoppgaven) Open library courses: http://www.ntnu.no/ub/fagside/medisin/medbiblkurs

Detaljer

FIRST LEGO League. Härnösand 2012

FIRST LEGO League. Härnösand 2012 FIRST LEGO League Härnösand 2012 Presentasjon av laget IES Dragons Vi kommer fra Härnosänd Snittalderen på våre deltakere er 11 år Laget består av 4 jenter og 4 gutter. Vi representerer IES i Sundsvall

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

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

// 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

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

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

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

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

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

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

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

En ny verden Og hvordan skal vi regulere den?

En ny verden Og hvordan skal vi regulere den? En ny verden Og hvordan skal vi regulere den? Oslo, 5. november 2015 Frode Lillebakken, juridisk direktør TeliaSonera Norge Dagens TeliaSonera verden Subsidiaries Associated companies Net sales SEK 101.1

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

Grunnlag: 11 år med erfaring og tilbakemeldinger

Grunnlag: 11 år med erfaring og tilbakemeldinger Antenor Management System v5 Grunnlag: 11 år med erfaring og tilbakemeldinger Antenor Management System v5 AMS v5 første versjon lanseres 13. november 100% uavhengig plattform 100% dedikert til Quality

Detaljer

WORLD CLASS INTEGRITY SOLUTIONS. Børge Gjeldvik Axess

WORLD CLASS INTEGRITY SOLUTIONS. Børge Gjeldvik Axess WORLD CLASS INTEGRITY SOLUTIONS Børge Gjeldvik Axess Slik ser vi ut i juli 2014 Employees: 357 Revenues: 100 mill USD 2014 Per June 2014: 30% of revenues and 40% of EBIT from international offices World

Detaljer

Hvordan føre reiseregninger i Unit4 Business World Forfatter:

Hvordan føre reiseregninger i Unit4 Business World Forfatter: Hvordan føre reiseregninger i Unit4 Business World Forfatter: dag.syversen@unit4.com Denne e-guiden beskriver hvordan du registrerer en reiseregning med ulike typer utlegg. 1. Introduksjon 2. Åpne vinduet

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

Prosjektplanlegging i IT. Atle Spilde Lars Gunnar Lundestad

Prosjektplanlegging i IT. Atle Spilde Lars Gunnar Lundestad Prosjektplanlegging i IT Atle Spilde Lars Gunnar Lundestad 2 Capgemini 3 Agenda Best practise IT bransjen Verden sett med IT Googles Forventingsstyring Ansvarliggjøring i verdikjeder 4 Metodeverk som dekker

Detaljer

Assignment. Consequences. assignment 2. Consequences fabulous fantasy. Kunnskapsløftets Mål Eleven skal kunne

Assignment. Consequences. assignment 2. Consequences fabulous fantasy. Kunnskapsløftets Mål Eleven skal kunne Consequences Kunnskapsløftets Mål Eleven skal kunne KRL Filosofi og etikk reflektere over filosofiske temaer knyttet til identitet og livstolkning, natur og kultur, liv og død, rett og galt. gjøre rede

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

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

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

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

- En essensiell katalysator i næringsklyngene? Forskningsrådets miniseminar 12. april Mer bioteknologi i næringslivet hvordan?

- En essensiell katalysator i næringsklyngene? Forskningsrådets miniseminar 12. april Mer bioteknologi i næringslivet hvordan? Instituttsektoren - En essensiell katalysator i næringsklyngene? Forskningsrådets miniseminar 12. april 2011 Mer bioteknologi i næringslivet hvordan? Torstein Haarberg Konserndirektør SINTEF Materialer

Detaljer

Øystein Haugen, Professor, Computer Science MASTER THESES Professor Øystein Haugen, room D

Øystein Haugen, Professor, Computer Science MASTER THESES Professor Øystein Haugen, room D Øystein Haugen, Professor, Computer Science MASTER THESES 2015 Professor Øystein Haugen, room D1-011 1 Hvem er jeg? Øystein Haugen, nytilsatt professor i anvendt informatikk på Høyskolen i Østfold, avdeling

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

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

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

Referansearkitektur use cases. Kjell Sand SINTEF Energi AS NTNU Institutt for elkraftteknikk

Referansearkitektur use cases. Kjell Sand SINTEF Energi AS NTNU Institutt for elkraftteknikk Referansearkitektur use cases Kjell Sand SINTEF Energi AS NTNU Institutt for elkraftteknikk 1 Begrunnelse for arkitektur use cases Med det brede perspektivet Smart grids har, er det nødvendig å dele det

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

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

EN Skriving for kommunikasjon og tenkning

EN Skriving for kommunikasjon og tenkning EN-435 1 Skriving for kommunikasjon og tenkning Oppgaver Oppgavetype Vurdering 1 EN-435 16/12-15 Introduction Flervalg Automatisk poengsum 2 EN-435 16/12-15 Task 1 Skriveoppgave Manuell poengsum 3 EN-435

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

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

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

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

CTL & LOS Norge Workshops

CTL & LOS Norge Workshops CTL & LOS Norge Workshops Trondheim & Webinars 21st of November 09.00-11.30 6th of December 09.00-11.30 12th of December 09.00-13.00 Location: Innherredsveien 7, 7014 Trondheim & www.losnorge.no Learning

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

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

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

Elektronisk innlevering/electronic solution for submission:

Elektronisk innlevering/electronic solution for submission: VIKINGTIDSMUSEET Plan- og designkonkurranse/design competition Elektronisk innlevering/electronic solution for submission: Det benyttes en egen elektronisk løsning for innlevering (Byggeweb Anbud). Dette

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

Invitation to Tender FSP FLO-IKT /2013/001 MILS OS

Invitation to Tender FSP FLO-IKT /2013/001 MILS OS Invitation to Tender FSP FLO-IKT /2013/001 MILS OS April 15th 2013 Forfatter Prosjektittel 19.04.2013 19.04.2013 1 Introduction AGENDA Important aspects regarding the competition and Invitation to tender

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

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

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

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

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

Issues and challenges in compilation of activity accounts

Issues and challenges in compilation of activity accounts 1 Issues and challenges in compilation of activity accounts London Group on environmental accounting 21st meeting 2-4 November 2015 Statistics Netherlands The Hague Kristine E. Kolshus kre@ssb.no Statistics

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

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

AMESTODAGEN Bedre salgsresultater med Visual Analytics

AMESTODAGEN Bedre salgsresultater med Visual Analytics AMESTODAGEN 2015 Bedre salgsresultater med Visual Analytics 1 Einar Gynnild einar@businessanalyze.no BUSINESS ANALYZE INTRO TRENDER STATE OF SALES & CSO INDEX SALES A NUMBERS GAME MANAGING THE SALES BUSINESS

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

Bjørnar Hovemoen Helge Jansen

Bjørnar Hovemoen Helge Jansen Bjørnar Hovemoen bjornarh@microsoft.com 90536763 Helge Jansen V-hejans@microsoft.com 97016760 Agenda Live@Edu og Skoleportal Office 2010 Academic Tool Kit Programmering for alle Andre skoleverktøy Sang

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

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

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

SAS IN A SOA WORLD MARIUS SOMMERSETH TEAM LEAD TECHNICAL ARCHITECTURE

SAS IN A SOA WORLD MARIUS SOMMERSETH TEAM LEAD TECHNICAL ARCHITECTURE SAS IN A SOA WORLD MARIUS SOMMERSETH TEAM LEAD TECHNICAL ARCHITECTURE HVA ER WEB SERVICER OG TJENESTELAG? Fra Wikipedia: En web service er definert av W3C som et software system som er designet for å støtte

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

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

The CRM Accelerator. USUS February 2017

The CRM Accelerator. USUS February 2017 The CRM Accelerator USUS February 2017 The CRM Accelerator n To start conversations about CRM n To stimulate experiments with aspects of CRM n To share ideas n To learn and pass on experiences and knowledge

Detaljer

.SMP Cloud Edition med SAPUI5.

.SMP Cloud Edition med SAPUI5. Bringing MOBILITY to life 23/10-2013.SMP Cloud Edition med SAPUI5. Kay-Arne S. Aarlie kasaa@evry.com +47 97 47 14 00 EVRY SAP Technology & Mobile Services 2 Østenfor sol og vestenfor måne «Noen eventyr

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 forsyningskjeden: fremtidens konkurransekraft

Samarbeid i forsyningskjeden: fremtidens konkurransekraft Samarbeid i forsyningskjeden: fremtidens konkurransekraft Logistikkdagen 2016, Sandnes Lars Huemer, PhD, Professor Dagens temaer Konkurranse og samarbeid Verdikjeder og nettverk Produkter og formidling

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

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

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

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

Viktig informasjon om omlegging til Windows 10

Viktig informasjon om omlegging til Windows 10 ENGLISH VERSION please see page 7. Viktig informasjon om omlegging til Windows 10 IT-avdelingen 1. Meld deg på workshop her 2. Husk å fylle ut dette skjemaet i tillegg (først skriv inn brukernavn@uia.no,

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

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

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

PRINCE2. Projects In Controlled Environments v2

PRINCE2. Projects In Controlled Environments v2 PRINCE2 Projects In Controlled Environments v2 A temporary organization that is created for the purpose of delivering one or more business s according to an agreed Business Case Time = Days, weeks, months

Detaljer

EN SIKKER OG BÆREKRAFTIG FREMTID - Slik legger vi tilrette for omstillingen

EN SIKKER OG BÆREKRAFTIG FREMTID - Slik legger vi tilrette for omstillingen EN SIKKER OG BÆREKRAFTIG FREMTID - Slik legger vi tilrette for omstillingen Cecilie Hultmann Prosjektansvarlig 10.11.15 1 2013 SAFER, SMARTER, GREENER Innhold 1. Hvem, hva og hvorfor 2. Fremtiden hvor

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

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

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

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

Big data teknologier og potensialet for datadrevet innovasjon sett fra forskningens perspektiv

Big data teknologier og potensialet for datadrevet innovasjon sett fra forskningens perspektiv Big data teknologier og potensialet for datadrevet innovasjon sett fra forskningens perspektiv Smartgrid konferansen 2016, 13-14.09.2016, onsdag 14. september, kl. 09:50 10:10 Arne J. Berre, SINTEF IKT

Detaljer

Brukbar branding Veslemøy Holt Tord F Paulsen

Brukbar branding Veslemøy Holt Tord F Paulsen Veslemøy Holt Tord F Paulsen 1 2 Hvordan skape dialog og relasjoner i sosiale medier for bedrifter Brukbare eksempler Hvilken plattform skal du prioritere? Brukbar branding Facebook i Norge 3 294 000 har

Detaljer