Big Data-Analysen in der Praxis

Big Data-Analysen in der Praxis
So kann Ihre Organisation durch bessere Bewertungen, bessere Entscheidungen und schnellere
Reaktionen auf dynamische Marktbedingungen ihr Geschäftsergebnis verbessern
Einführung
Die Wirtschaft befindet sich im Wandel und basiert zunehmend
auf Daten. Diese Daten werden erzeugt, gespeichert, verkauft,
verwendet und auf eine Weise geschützt, wie es sonst nur für
Edelmetalle und Zahlungsmittel üblich ist. Unternehmen sammeln
diese Daten bei jeder Interaktion mit einem Kunden, Partner,
Anbieter oder Mitbewerber.
Warum sind diese Daten so wertvoll? Weil Unternehmen diese
verwenden können, um Märkte, Kunden und Mitbewerber besser
zu verstehen, und auf diese Weise die Zeit bis zur Markteinführung
deutlich verkürzen und die Lieferqualität deutlich verbessern
können.
Die heute erzeugten Daten fließen jedoch schneller und sind
komplexer als jemals zuvor. Daher müssen sich Unternehmen
neuer Technologien und Paradigmen bedienen, um die Daten
zu analysieren und sie für die Entscheidungsfindung zu nutzen.
In diesem Whitepaper werden die wichtigsten Funktionen erläutert,
auf die bei diesen Technologien geachtet werden muss, und es
wird erklärt, wie Big Data-Analysen zu effektiveren Strategien und
Entscheidungen in zahlreichen Branchen beitragen können.
Datenaggregation und -vorbereitung
ng
itu
Datenexplo
rat
ion
Visualisierung von Beziehungen und Ergreifen von
Maßnahmen mithilfe interaktiver, webbasierter Tools
ll
te a
it s w
B ere ber
Ü
und
Analyse strukturierter,
halbstrukturierter und
unstrukturierter
Daten mithilfe einer
einzigen Lösung
un
ch g
un
g
Erkennung und Visualisierung
chsuchen
Dur
Daten
vor
be
re
Analyseersteller
Bereitstellung und Vorbereitung von Daten für die Analyse,
wobei ein Ausgleich zwischen Self-Service- und
zentralisierter Datenverwaltung gefunden werden muss
ed
nc
A d v a i cs
t
A n al y
Analysenutzer
Analyseersteller
erstellen die
Analysemodelle,
mit deren Hilfe
Analysenutzer
ihr Unternehmen
voranbringen.
Verarbeitung natürlicher Sprache
Extraktion von Entitäten (wie Personen, Orten, Dingen und
Ereignissen) aus halbstrukturierten und unstrukturierten
Daten, damit Sie sämtliche Daten Ihrer Organisation
untersuchen können
Predictive Analytics und Optimierungen
Verwendung von Data Mining, maschinellem Lernen,
Prognosen und Optimierungsverfahren, um verborgene
Muster in Ihren Daten zu entdecken und Vorhersagen für
die Zukunft zu treffen
Prädiktive Modelle und Geschäftsregeln
Kombination von Pedictive Analytics und Geschäftsregeln,
um in Ihrer Organisation wiederholbare Entscheidungen zu
ermöglichen, und Verwendung von Echtzeitbewertungen
und Modellüberwachungen, um sicherzustellen, dass die
richtigen Maßnahmen ergriffen werden
Abbildung 1: Der Analyseersteller verwendet innovative Technologien wie maschinelles
Lernen und die Verarbeitung natürlicher Sprache zur Erstellung der Analysemodelle, die
der Analysenutzer verwendet, um sein Unternehmen voranzubringen.
Erzeugung und Verwendung
von Daten
Analyseersteller und Analysenutzer
Wie in Abbildung 1 zu sehen, beschäftigen
sich zwei Arten von Benutzern mit
Analysetechnologien:
• Analyseersteller besitzen Erfahrungen mit
Technologien und ihrer Anwendung, um
anspruchsvolle Analysen mit komplexen
Datensätzen auszuführen. Sie verwenden
innovative Technologien wie Data Mining,
Predictive Analytics, maschinelles Lernen
und die Verarbeitung natürlicher Sprache,
um Analysemodelle zu erstellen, die
der Analysenutzer verwendet, um sein
Unternehmen voranzubringen.
• Analysenutzer sind Experten im Hinblick
auf die Bedeutung der Daten und die
wichtigsten Geschäftsfragestellungen.
Sie verwenden Tools für die Exploration
und die Visualisierung von Daten, um
die Beziehungen innerhalb komplexer
Datensätze zu verstehen. Darüber hinaus
verwenden sie die Ergebnisse von Data
Mining- und prädiktiven ModellierungsRoutinen sowie von Optimierungsanalysen
und Analysen von "Was-wäre-wenn"Szenarien, um Geschäftsentscheidungen
zu treffen und damit Geschäftsergebnisse
positiv zu beeinflussen.
Big Data ist die Grundlage für effektive Business-Analysen.
Abbildung 2: Die richtige Big Data-Infrastruktur liefert die Leistung und Geschwindigkeit,
um Analysen zu ermöglichen und zu unterstützen.
Teilen:
2
Big Data und Analysen
Es kommt auch darauf an, die wichtigsten
Unterschiede zwischen Big Data und
Analysen zu verstehen:
• Big Data steht mit der Infrastruktur
im Zusammenhang. Es geht darum,
sicherzustellen, dass die zugrunde liegende
Hardware, Software und Architektur in
der Lage ist, Analysen zu ermöglichen.
Bei Big Data geht es um die Speicherung,
Geschwindigkeit, Leistung und
Funktionalität.
• Analysen beschäftigen sich mit den Daten
und deren Auswirkung auf das Geschäft,
der Auswahl der richtigen Datenmodelle,
Algorithmen und Tools, um die Daten auf
eine Weise zu bearbeiten und zu verstehen,
dass sie zu einer effektiven Entscheidung
führen. In anderen Worten, Analysen
ermöglichen informierte Entscheidungen
und die Messung von Auswirkungen.
Auswahl der richtigen Technologien
Häufig werden Analysen und Big
Data gemeinsam genannt, da für
die neuen Typen der verfügbaren
Analysemethodologien moderne
Infrastrukturtechnologien benötigt werden.
Es besteht eine direkte Wechselbeziehung
zwischen ihnen. Tatsächlich unterstützt
Big Data neue Analyseverfahren, mit
deren Hilfe Organisationen den vollen
Nutzen aus den in ihren Daten enthaltenen
Informationen ziehen können.
Wie sehen diese Technologien aus? Die
besten Lösungen bieten alles, was in
Abbildung 1 dargestellt ist:
Datenvorbereitung
Da die Anzahl und die Typen der
Datenquellen sich stark vermehren und
die Daten auch immer schneller generiert
werden, benötigen Analysenutzer und
Analyseersteller Tools und Technologien,
die unterschiedliche Datenquellen effizient
zusammenfassen können. Es ist wichtig,
einen Ausgleich zwischen zentralisierter
Datenverwaltung, die wirtschaftliche
Stärke bedeutet, und dezentralisierter
Datenverwaltung zu finden, die es Nutzern
in den Fachabteilungen ermöglicht, die
Daten auf ihre spezifischen Bedürfnisse
zuzuschneiden, ohne dass Doppelarbeit
geleistet werden muss.
Datenexploration
Interaktive, webbasierte Tools ermöglichen
es sowohl geschäftlichen Benutzern als
auch Datenwissenschaftlern, grundlegende
Analysen und Trends zu berechnen,
Ergebnisse zu explorieren und zu
visualisieren sowie Entscheidungen zu treffen.
Durchsuchen
Geschäftsanalysten profitieren von der
interaktiven und intuitiven Suchoberfläche,
mit deren Hilfe die Datenressourcen
der Organisation auf einfache Weise
durchsucht und nutzbar gemacht werden
können.
Advanced Analytics
Analyseersteller und -nutzer benötigen
Tools wie die Verarbeitung natürlicher
Sprache, maschinelles Lernen,
prädiktive Modellierung, Optimierung,
Stimmungsanalyse und Analyse sozialer
Netzwerke. Idealerweise sollte die Lösung
keine Programmiererfahrung erfordern,
jedoch die Flexibilität bieten, Code zu
integrieren, um sie Ihren speziellen
Anforderungen anzupassen.
Bereitstellung und Überwachung
Organisationen möchten häufig nicht
nur Ad-hoc-Analysen durchführen,
sondern Analyse-Workflows in
Geschäftsprozesse integrieren, um
wiederholbare Entscheidungen treffen
zu können. Diese Organisationen sollten
nach Technologien Ausschau halten, die
eine Kombination von Geschäftsregeln
und prädiktiven Modellen sowie eine
Bereitstellung mit einem einzigen Klick
ermöglichen, damit IT-Teams sich nicht mit
komplexen und fehleranfälligen Workflows
auseinandersetzen müssen.
Das Tool sollte ebenfalls dazu in der
Lage sein, die aktiven Modelle des
Unternehmens in der Produktion
zu überwachen und bei Bedarf zu
aktualisieren. In regulierten Branchen muss
dies in einer validierten und überwachten
Umgebung erfolgen, die Prüfbarkeit,
Workflow-Verwaltung und Zurechenbarkeit
ermöglicht.
Teilen:
3
Während Big Data
mit der Infrastruktur
im Zusammenhang
steht, ermöglichen
Analysen informierte
Entscheidungen
und die Messung
der Auswirkungen
auf das Geschäft.
Marketing
Finanzwesen
Gesundheitswesen
Pharmaindustrie
Fertigung
Vorhersagen des
Bedarfs und
Personalisieren
des Angebots
Risikoverringerung
und Betrugserkennung
Verbesserung
der Qualität der
Patientenversorgung und
der Effizienz
Gewährleistung
von Sicherheit und
Produktqualität
Optimierung
von Verfahren,
Verbesserung
der Qualität und
Überwachung
von Lieferanten
•
Customer Insight
•
•
Betrugserkennung
•
•
Höhere Erträge
•
Kundenbindung
•
Claim Management
•
•
Warenkorbanalyse
•
Patientensicherheit
•
Optimierung der
Medienmischung
•
Risikominderung
Verringerung
von Ausschuss,
Nacharbeit und
Rückrufen
•
Preisoptimierung
•
Erkennen von
Garantiebetrug
•
Einhaltung
gesetzlicher
Vorschriften
und Sicherheit
•
Vorhersagen und
Geräteausfälle
•
Analysen können das
Geschäftsergebnis
einer Organisation
durch bessere
Bewertungen, bessere
Entscheidungen und
schnellere Reaktionen
auf sich permanent
verändernde
Marktbedingungen
verbessern.
Bewertung der
Kreditwürdigkeit
•
Kundenanalyse
•
Betrugserkennung
•
Risikomanagement
•
Abwanderungsanalysen
und mehr
•
SOX
•
Scorecard
Analyse von Stabilität
und Haltbarkeit
•
Validiertes Reporting
•
Compliance
•
Fertigung
Abbildung 3: Advanced Analytics werden in allen Branchen verwendet, vom Marketing
bis hin zur Fertigung.
Wichtige Anwendungsfälle für
Analysen und Big Data
Advanced Analytics und Big Data sind in
allen Branchen und Geschäftsbereichen
anzutreffen, einschließlich Marketing,
Finanzen, Gesundheitswesen,
Pharmaindustrie und Fertigung (siehe
Abbildung 3). Sehen wir uns die größten
geschäftlichen Herausforderungen in
diesen Branchen an, um festzustellen,
wie Analysen durch bessere Bewertungen,
bessere Entscheidungen und schnellere
Reaktionen unter sich kontinuierlich
verändernden Marktbedingungen zu einer
Verbesserung des Geschäftsergebnisses
beitragen können.
Marketing: Kundenbindung und
Abwanderungsanalyse
Auf den heutigen, durch Wettbewerb
geprägten Märkten haben Kunden
unzählige Möglichkeiten, ihr Geld
auszugeben – und das Wechseln eines
Anbieters geht schneller als jemals zuvor.
Da die Kosten für die Gewinnung eines
Kunden in der Regel höher sind als die für
seine Bindung, müssen Organisationen
erkennen können, bei welchen Kunden
das Risiko einer Abwanderung besteht.
Abwanderungsanalysen liefern diese
wichtigen Informationen, sodass die
Marketingabteilung der Organisation
vorbeugende Maßnahmen ergreifen und
Risikokunden zum Bleiben bewegen kann,
beispielsweise durch spezielle Angebote
oder durch die Beseitigung der Ursachen
für die Unzufriedenheit mit dem Produkt
oder der Dienstleistung.
Teilen:
4
•
Produktrückverfolgbarkeit
Um Kunden zu erkennen, bei denen
die Gefahr einer Abwanderung besteht,
muss die Marketingabteilung einen
umfassenden Überblick über ihre
Kunden, ihre Interaktionen sowie die
wichtigsten Indikatoren haben, die auf
eine mögliche Abwanderung hindeuten.
Analyselösungen, die Advanced Analytics
und die Verarbeitung natürlicher Sprache
im erforderlichen Umfang ermöglichen,
gestatten Unternehmen die Kombination
disparater Datensätze – wie CRM,
Support-Einträge, Komponentenfehler,
Kundendiensteinsätze usw. – in einem
einzigen Modell, das zeigt, wie Kunden auf
veränderte Erfahrungen reagieren. Dieses
Modell kann dazu verwendet werden,
proaktiv Ereignisse und Erfahrungen zu
erkennen, die sich auf das Verhalten eines
Kunden auswirken, sodass Mitarbeiter
schneller reagieren können als bei
herkömmlichen Triggern.
Finanzen: Risiken, Betrug und gesetzliche
Bestimmungen
Im Finanzbereich sind Risiken, Betrug und
die Einhaltung gesetzlicher Bestimmungen
von größter Bedeutung. (Das gilt nicht
nur im Finanzsektor, sondern in allen
Branchen.) Ganz gleich, ob es sich darum
handelt, zu entscheiden, ob eine Person
einen Kredit oder eine Kreditkarte erhält
(das heißt, Vorhersage des Kreditrisikos),
oder darum, betrügerische Aktivitäten
festzustellen – Ihre Organisation sollte
Technologien in Betracht ziehen, die nicht
nur umfassende Advanced AnalyticsVerfahren bieten, sondern Advanced
Analytics auch mit Geschäftsregeln
kombinieren, um die Entscheidungsfindung
zu unterstützen. Darüber hinaus sollte
die Lösung es ermöglichen, diese
Prozesse auf offene und transparente
Weise durchzuführen, um eine einfache
Erläuterung und Rechtfertigung gegenüber
Behörden zu gewährleisten.
können. Beispielsweise ist nach Erkenntnissen der International Conference on
Harmonisation of Technical Requirements
for Registration of Pharmaceuticals for
Human Use (IHC) und Bestimmungen der
FDA die Stabilitätsanalyse (zur sicheren
Ermittlung der Haltbarkeit) ein erforderlicher Bestandteil einer Analyseplattform.
Gesundheitswesen: Qualität der
Patientenversorgung und betriebliche
Effizienz
Auch im Gesundheitswesen gibt es
einen großen Analysebedarf. Gesundheitsdienstleister verwenden Analysen,
um die Versorgung zu personalisieren
und die Behandlungsergebnisse zu
verbessern. Beispielsweise können in
einem Krankenhaus während chirurgischer Eingriffe prädiktive Echtzeitanalysen
verwendet werden, um die Wahrscheinlichkeit von postoperativen Wundinfektionen zu ermitteln, sodass Ärzte Vorbeugemaßnahmen ergreifen können, um
die Häufigkeit erneuter Einlieferungen
zu verringern.1
Pharmazeutika und Lebensmittel
produzierende Organisationen benötigen
zudem eine Analysesoftware, die über
integrierte Produktrückverfolgbarkeit
verfügt. Beispielsweise ermöglicht die
Produktrückverfolgbarkeit die Ermittlung
der Herkunft eines jeden Produkts,
Inhaltsstoffs und Bestandteils, sodass
Organisationen schnellere Entscheidungen
treffen und schneller Gegenmaßnahmen
ergreifen können, wenn ein Problem
festgestellt wird. Zudem müssen die
meisten Analysesysteme zur Erfüllung
gesetzlicher Bestimmungen überprüfbar
sein und in einer validierten Umgebung
ausgeführt werden.
Im Verwaltungsbereich des
Gesundheitswesens besitzen auch die
Verbesserung der betrieblichen Effizienz
und die Erkennung betrügerischer
Abrechnungen höchste Priorität. In einem
Bericht vom Institute of Medicine wird
geschätzt, dass Ausgaben in Höhe von
ca. 750 Milliarden USD nicht zu einer
Verbesserung der Behandlungsergebnisse
führen. Um diese Probleme zu lösen,
müssen Analysetools in der Lage
sein, zahlreiche disparate Datentypen
zusammenzuführen. Zudem müssen die
Tools leicht bereitzustellen und von Ärzten,
Pflegekräften und Administratoren leicht zu
verwenden sein.
Pharma- und Lebensmittelindustrie:
Produktsicherheit, Qualität und
Compliance
In regulierten Produktionsumgebungen
wie in der Pharma- und Lebensmittelindustrie sind Produktsicherheit und Qualität
von allergrößter Wichtigkeit. Der
Pilzmeningitis-Ausbruch von 2013
oder der Lakritze-Rückruf von 2012
verdeutlichen, welche furchtbaren
Konsequenzen bei Versäumnissen in
puncto Sicherheit und Qualität drohen
High-Tech-Fertigung: Betriebsverbesserung, höherer Ertrag und geringere
Kosten
Die High-Tech-Fertigung hat viele Gemeinsamkeiten mit der Pharmazeutika- und
Lebensmittelherstellung. Vor allem nimmt
der globale Wettbewerb zu, sodass
alle Maßnahmen, die zur Verbesserung
der Betriebsabläufe in Organisationen
beitragen, eine Notwendigkeit sind, um
wettbewerbsfähig zu bleiben. Geschwindigkeit ist alles: Organisationen müssen
Probleme so schnell wie möglich erkennen,
damit unverzüglich Korrekturmaßnahmen
ergriffen werden können. Daher benötigen
sie eine Analyseplattform mit Funktionen
für statistische Prozesslenkung (Statistical
Process Control, SPC) sowie Überwachung
und Warnungen in Echtzeit.
Da in den meisten Fertigungsumgebungen
nach wie vor einige manuelle Eingriffe
erforderlich sind (beispielsweise die Pflege
von Maschinenreparaturprotokollen), ist
eine häufig übersehene, jedoch erforderliche Funktion von Analyselösungen die
Möglichkeit, Daten über eine Weboberfläche einzugeben und diese zur Unterstützung der Entscheidungsfindung in
vorhandene Datenspeicher zu integrieren.
Weitere Informationen finden Sie in "Predicting Surgical Site Infections in Real-Time"
(Prognose postoperativer Wundinfektionen in Echtzeit).
1
Teilen:
5
Um Probleme
schnell erkennen
und auf diese
reagieren zu
können, benötigen
Unternehmen eine
Analyseplattform
mit Funktionen
für statistische
Prozesslenkung
(SPC) sowie
Überwachung
und Warnungen
in Echtzeit.
Tipps für ein erfolgreiches
Analyseprojekt
Dell Statistica
nutzt Big Data und
Advanced Analytics,
um Unternehmen
eine bessere
Entscheidungsfindung zu
ermöglichen.
Beginnen Sie im Kleinen und erweitern Sie
nach und nach den Umfang.
Analyseprojekte sollten nicht für ein
gesamtes Unternehmen und auch nicht
für eine gesamte Abteilung geplant
werden. Erste Pilotprojekte sollten sich
auf kleine, identifizierbare Probleme
konzentrieren und diese beheben.
Nachdem ein Pilotprojekt erfolgreich
ausgewertet wurde, werden andere Teams
in der Organisation den Wert der neuen
Analysetechnologien erkennen und auch
verstehen, welche Veränderungen in der
Organisation erforderlich sind, um eine
neue Denkweise und Technologie zu
übernehmen.
Nachdem sich der Wert des Pilotprojekts
erwiesen hat, ist es von größter Bedeutung,
dass sich auch die Geschäftsführung
engagiert und den Wechsel zu einer
Analysekultur in der gesamten Organisation
unterstützt. Ohne dieses Engagement wird
Ihre Organisation wahrscheinlich niemals
wirkliche Reife im Hinblick auf Analyse
erreichen.
Verwenden Sie Kennzahlen und
konzentrieren Sie sich auf Ergebnisse,
nicht auf Datenausgaben.
Alle erfolgreichen Analyseprojekte beginnen
mit klar definierten und verwalteten
Kennzahlen. Diese Kennzahlen ermöglichen
eine konsistente Kommunikation
zwischen Teams, verdeutlichen, wie sich
Änderungen am Projekt auf wichtige
Entscheidungsfaktoren auswirken, und
lassen einzelne Teams erkennen, in
welchem Maße sie zu den letztendlichen
Zielen eines Analyseprojekts beitragen.
Denken Sie bei der Implementierung
eines Kennzahlensystems daran, sich auf
die Ergebnisse, nicht die Datenausgaben
zu konzentrieren. Das heißt, überlegen
Sie, welches Endergebnis Sie erzielen
möchten – wie sich Ihr Geschäft verhalten
soll – und implementieren Sie dann ein
Kennzahlensystem, das dies unterstützt.
Wie es Michael Dell einfach ausgedrückt
hat: "Sie können nur das verwalten, was Sie
auch messen können."
Implementieren Sie interne Standards und
setzen Sie auf offene Standards.
Enterprise Architecture-Standards sind
ebenfalls wichtig für Analyseprojekte.
Teilen:
6
Mit ihrer Hilfe können Mitarbeiter klar
erkennen, woher die Daten stammen, alle
auftretenden Veränderungen bewerten
und nachvollziehen, welche Auswirkungen
Entscheidungen auf Prozesse und die
Infrastruktur haben. Um eine solide
Analyseplattform einzurichten, müssen
Organisationen Technologien in Betracht
ziehen, die nicht proprietär, sondern
flexibel, erweiterbar und modular sind,
damit sie sich in die bestehende ITInfrastruktur integrieren lassen. Auf diese
Weise lässt sich die Amortisierungszeit
verkürzen und sie sind weniger an
einen bestimmten Anbieter gebunden.
Informationen zu Dell Statistica
Dell Statistica nutzt Big Data und Advanced
Analytics, um Unternehmen eine bessere
Entscheidungsfindung zu ermöglichen.
Die Lösung bietet einzigartige, integrierte
Funktionen für Datenaggregation und
-vorbereitung, Advanced Analytics,
die Verarbeitung natürlicher Sprache,
Datenerkennung und -visualisierung
sowie -bereitstellung und -suche. Sie
ermöglicht zahlreichen Mitarbeitern die
schnelle Nutzung komplexer Datensätze,
die Erkennung von Beziehungen und die
Modellierung von Ergebnissen zahlreicher
Faktoren, die sich auf das Geschäft
auswirken. Somit kann jeder besser zum
Erfolg der Organisation beitragen. Weitere
Informationen finden Sie unter software.
dell.com/products/statistica/.
Fazit
Das Ziel von Analysen besteht darin,
den Nutzern ein besseres Verständnis
ihres Geschäfts zu vermitteln und die
Entscheidungsfindung mithilfe von
Technologien zu erleichtern, die einen
Überblick über komplexe Datenbestände
verschaffen. Bei Big Data geht es darum,
die richtige Infrastruktur zur Erleichterung
des Überblicks bereitzustellen, sodass
Mitarbeiter effektiver arbeiten können.
Mit einer Lösung für Big Data-Analysen
wie Statistica, die flexibel ist und einen
umfassenden Funktionsumfang bietet,
kann Ihre Organisation – unabhängig von
der Branche – dank besserer Bewertungen,
besserer Entscheidungen und schnellerer
Reaktionen ihr Geschäftsergebnis
verbessern.
Weitere Informationen
© 2014 Dell, Inc. Alle Rechte vorbehalten. Dieses Dokument enthält
urheberrechtlich geschützte Informationen. Dieses Dokument
darf ohne schriftliche Genehmigung von Dell, Inc. («Dell») weder
ganz noch in Teilen in irgendeiner Form oder Weise (elektronisch,
mechanisch, zum Beispiel durch Fotokopiertechnik oder
Aufzeichnung) reproduziert oder an Dritte weitergegeben werden.
Dell, Dell Software, das Dell Software Logo und die hier genannten
Produkte sind eingetragene Marken von Dell, Inc. in den USA und/
oder anderen Ländern. Alle anderen Marken und eingetragenen
Marken sind Eigentum der jeweiligen Hersteller.
Die Informationen in diesem Dokument beziehen sich auf
Dell Produkte. Dieses Dokument sowie der Verkauf von
Dell Produkten gewähren weder durch Rechtsverwirkung noch
auf andere Weise ausdrückliche oder implizite Lizenzen auf
geistige Eigentumsrechte. Es gelten ausschließlich die in der
Lizenzvereinbarung von Dell für dieses Produkt festgelegten
Über Dell Software
Dell Software unterstützt Kunden dabei, ihr Potenzial durch den
Einsatz von Technologie voll auszuschöpfen – mit skalierbaren,
erschwinglichen und benutzerfreundlichen Lösungen, die die
IT vereinfachen und Risiken minimieren. Das Portfolio von Dell
Software deckt Kundenanforderungen in fünf Schlüsselbereichen ab:
Rechenzentrums- und Cloud-Verwaltung, Informationsverwaltung,
Verwaltung mobiler Mitarbeiter sowie Sicherheit und Datensicherung.
In Kombination mit Hardware und Services von Dell versetzen unsere
Softwareprodukte Kunden in die Lage, effizienter und produktiver
zu arbeiten und schnellere Geschäftsergebnisse zu erzielen.
www.dellsoftware.de.
Bei Fragen zur möglichen Nutzung dieses Dokuments wenden Sie
sich bitte an:
Dell Software HQ
5 Polaris Way
Aliso Viejo, CA 92656
www.dellsoftware.com
Ihr Ansprechpartner für die DACH-Region und Benelux:
StatSoft (Europe) GmbH
Hoheluftchaussee 112
D - 20253 Hamburg
www.statsoft.de/big-data
[email protected]
Teilen:
7
Whitepaper-BigDataAnalytics-US-KS-25138
Geschäftsbedingungen. Dell übernimmt keinerlei Haftung und
lehnt jegliche ausdrückliche oder implizierte oder gesetzliche
Gewährleistung in Bezug auf die Produkte von Dell ab, einschließlich,
jedoch nicht beschränkt auf, stillschweigende Gewährleistung der
handelsüblichen Qualität, Eignung für einen bestimmten Zweck
und Nichtverletzung der Rechte Dritter. In keinem Fall haftet
Dell für direkte oder indirekte Schäden, Folgeschäden, Schäden
aus Bußgeldern, konkrete Schäden oder beiläufig entstandene
Schäden, die durch die Nutzung oder die Unfähigkeit zur Nutzung
dieses Dokuments entstehen können (einschließlich, jedoch nicht
beschränkt auf, entgangene Gewinne, Geschäftsunterbrechungen
oder Datenverlust), selbst wenn Dell auf die Möglichkeit derartiger
Schäden hingewiesen wurde. Dell gibt keinerlei Zusicherungen oder
Gewährleistungen hinsichtlich der Richtigkeit oder Vollständigkeit
der Informationen in diesem Dokument und behält sich das Recht
vor, die Spezifikationen und Produktbeschreibungen jederzeit ohne
Benachrichtigung zu ändern. Dell verpflichtet sich nicht dazu, die
Informationen in diesem Dokument zu aktualisieren.