Zurück

Gut vernetzt: Skalierbares Graph Mining für Business Intelligence

Graphmodelle werden für die Analyse komplexer Beziehungsgeflechte zwischen heterogenen Datenobjekten eingesetzt, zum Beispiel in Logistik-, Geschäfts- und sozialen Netzen. In der Forschung existieren innovative und wertvolle Graph-Mining-Algorithmen, diese sind jedoch oft extrem rechenintensiv und nicht ohne Weiteres in der Praxis anwendbar.

Im Vortrag zeigen wir Gradoop, ein auf Apache Flink basierendes Open-Source-System, das massiv verteilte Algorithmen zur Netzwerkanalyse bereitstellt und die Integration von Geschäftsdaten ermöglicht. Neben Benchmarks für Big Data präsentieren wir die praktische Anwendung für Business Intelligence am Beispiel einer Quote-to-Cash-Analyse.

Vorkenntnisse

Geschäftsinformationssysteme, Datenbanken, Business Intelligence

Lernziele

* Verstehen von Graphmodellen und deren Mehrwert für die Datenanalyse.
* Kennenlernen analytischer Graphalgorithmen (z.B. Pattern Matching und Mining).
* Formulieren analytischer Anfragen mit Gradoop.

Speaker

André Petermann forscht am Competence Center for Scalable Data Services and Solutions Dresden/Leipzig (ScaDS) und an der Universität Leipzig an der Nutzung von Graphmodellen für Business Intelligence im Rahmen des Gradoop-Projektes. Die Motivation hierfür entstand während seiner mehrjährigen Tätigkeit als Softwareentwickler für Data Warehousing und Reporting.

Martin Junghanns forscht an der Universität Leipzig an Methoden und Techniken zur verteilten Analyse stark vernetzter, heterogener Daten im Rahmen des Gradoop-Projektes. Seine praktische Erfahrung aus der Tätigkeit als Softwareentwickler für den Graphdatenbank-Hersteller sones GmbH und SAP bringt er in die Forschung ein.

Jetzt Tickets sichern

Gold-Sponsoren

Silber-Sponsoren

Bronze-Sponsor

JETZT SPONSOR WERDEN

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

Anmelden