d:u Podcast

Jeder kennt die Lufthansa. Doch neben dem Passagiertransport gibt es noch viele weitere Geschäftsfelder, und Daten spielen dabei eine sehr große Rolle. Zur Lufthansa Group: https://www.lufthansagroup.com/de/home.html Kontakt Mirco: https://www.linkedin.com/in/mirco-bharpalania-pmp-4508653/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Unsere Themen heute: Turbulente Zeiten durch Corona. (ab 03:52) Überblick und Einordnung der Lufthansa Group. (ab 09:05) Aufgaben als Head of Data & Analytics. (ab 11:25) Konkrete Beispiele für Datenwertschöpfung. (ab 15:24) Zukünftige digitale und datengetriebene Geschäftsmöglichkeiten. (ab 33:31)

elbwalker möchte Webanalyse neu denken. Zu elbwalker: https://www.elbwalker.com/ Kontakt Ayla: https://www.linkedin.com/in/ayla-christin-j%C3%BCrgensen-376225152/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Unsere Themen heute: Das WHY von elbwalker. (ab 05:17) High-Level Überblick zu elbwalker. (ab 08:54) Cookies, ePrivacy-Verordnung 2020, Consent Management. (ab 29:59) Konkret zur Nutzung von elbwalker. (ab 36:23) Google Analytics wird relativ schnell teuer*. (ab 42:30) GA4. (ab 44:32) Wohin geht die Reise für elbwalker? (ab 49:16) *Die genannten 150K Dollar sind nur ein Richtwert. Offiziell gelten individuelle Preise. Zum Hits-Limit: https://developers.google.com/analytics/devguides/collection/analyticsjs/limits-quotas

Exasol ist bekannt für seine leistungsfähige In-Memory-Analytics-Datenbank. Zu Exasol: https://www.exasol.com/ Kontakt Mathias: https://www.linkedin.com/in/exagolo/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Buchtipps: Built to Last The Making of a Manager Unsere Themen heute: Überblick und Historie zu Exasol. (ab 04:48) Die Aufgaben als CTO bei Exasol. (ab 23:26) Wie wird man ein guter Manager? (ab 30:26) Zur Kultur bei Exasol. (ab 33:59) Anwendungsbeispiele von Exasol. (ab 36:28) Wohin geht die Reise für Exasol? (ab 51:38)

Die Mediengruppe RTL Deutschland ist der führende deutsche Bewegtbildanbieter. Zahlen & Fakten zur Mediengruppe RTL Deutschland: https://www.mediengruppe-rtl.de/unternehmen/zahlen-fakten/ Kontakt Karin Immenroth: https://www.linkedin.com/in/karin-immenroth-0a97746a/ karin.immenroth@mediengruppe-rtl.de Kontakt Bernard Sonnenschein: https://www.linkedin.com/in/bernardsonnenschein/ bernard.sonnenschein@datenbusiness.de Unsere Themen heute: Überblick und Einordnung der Mediengruppe RTL Deutschland. (ab 08:33) Überblick zu Data & Analytics. (ab 11:32) Konkrete Beispiele für Datenwertschöpfung. (ab 19:22) Reichweiten TV vs Twitch, YouTube etc. (ab 24:40) Priorität der Datenstrategie. (ab 28:26) Weitere digitale und datengetriebene Geschäftsmöglichkeiten. (ab 29:46) TVNOW. (ab 35:36) Veränderungen in der Mediennutzung durch die Corona-Krise. (ab 38:23)

Das Startup XAIN tritt an das Dilemma zwischen Datenschutz und Benutzerfreundlichkeit mittels Federated Learning zu lösen. Zum Unternehmen XAIN: https://www.xain.io/ Kontakt Leif: https://www.linkedin.com/in/dr-leif-nissen-lundb%C3%A6k-a00a32141/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Unsere heutigen Themen: Das WHY von XAIN: das Dilemma zwischen Datenschutz und Benutzerfreundlichkeit. (ab 06:03) Wird die Privatsphäre auch dann schon verletzt, wenn die Daten nicht an Dritte weitergegeben werden? (ab 10:54) High-Level-Überblick zu XAIN und Federated Learning. (ab 15:48) Grenzen beim Federated Learning. (ab 29:04) Federated Learning vs Distributed Learning. (ab 39:02) Status Quo bei XAIN. (ab 42:15)

Das Startup Actyx tritt an DIE Plattform zur Digitalisierung der Fabrik zu werden. Zum Unternehmen Actyx: https://www.actyx.com/de/ Kontakt Max: https://www.linkedin.com/in/maximilianpfischer/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Unsere Themen: Mindset Amerika vs Europa. (ab 06:53) Das WHY von Actyx. (ab 08:15) High-Level Überblick zu Actyx. (ab 14:39) ActyxOS als Betriebssystem für Fabriken. (ab 16:38) Plattform-Business hinter Actyx. (ab 28:45) Konkrete Anwendungsbeispiele (z.B. bei Klöckner). (ab 33:52) Dezentrales vs zentrales System für die Datenwertschöpfung. (ab 38:12) Zum Digitalisierungsstand von Fabriken. (ab 40:36) Umsetzung mit Dienstleistungspartnern. (ab 45:15) SAP oder Celonis als potenzielle Käufer? (ab 50:18) Wie stark sind Amazon, Google oder Microsoft investiert im Bereich Smart Factory? (ab 54:08)

Das Startup maiot tritt an die Nutzung von Machine Learning zu demokratisieren durch automatisierte und reproduzierbare Machine Learning Pipelines. Zum Unternehmen maiot: https://maiot.io/ Kontakt Adam: https://www.linkedin.com/in/adam-probst/ Kontakt Bernard: https://www.linkedin.com/in/bernardsonnenschein/ Die AI Infrastructure Alliance: https://ai-infrastructure.org/ Unsere Themen: Entstehungsgeschichte hinter dem Startup maiot. (ab 00:51) Das WHY von maiot. (ab 05:22) Von Predictive Maintenance für LKWs zu einer allgemeinen Machine Learning Lösung. (ab 08:18) Was ist MLOps? (ab 14:41) Welche Probleme löst maiot konkret? (ab 20:23) Business Innovation von maiot. (ab 30:55) 5 Jahre in die Zukunft geschaut, wie weit wird die Adoption von Machine Learning und MLOps sein? (ab 43:19)

Wie ist der Einzelhandel in Sachen Datenwertschöpfung aufgestellt? Das erfahren wir von Kolja Dobrindt, Global Head of Analytics bei Lidl. Kontakt Kolja Dobrindt: https://www.linkedin.com/in/kolja-dobrindt/ Kontakt Bernard Sonnenschein: https://www.linkedin.com/in/bernardsonnenschein/ Unsere Themen: Überblick zu Lidl mit Fokus auf Analytics. (ab 03:16) Konkrete Chancen für den Einzelhandel durch Datenwertschöpfung und KI: z.B. Logistiknetzwerkoptimierung oder Sortimentsanpassung. (ab 10:35) Kunden besser verstehen durch Treueprogramme (die Lidl Plus App) und weitere Datenquellen, wie z.B. Rezepte im Internet. (ab 22:34) Nutzung von Sensoren in der Filiale für z.B. Laufweganalysen? (ab 31:06) Interaktivität beim Einkaufen durch Nutzung des Smartphones. (ab 37:04) Sind Newcomer wie Picnic oder Flaschenpost eine Bedrohung für Discounter? (ab 38:44) Auswirkungen der Corona-Krise auf den Einzelhandel. (ab 43:20)

Sebastian hat allein mit seinen Data Science TED-Talks 5 Millionen Views generiert. Hier geht es um seine aktuelle Position als Chief Data Scientist beim Dienstleister und Softwareunternehmen ONE LOGIC. Kontakt Dr. Sebastian Wernicke: https://www.linkedin.com/in/wernicke/ Kontakt Dr. Bernard Sonnenschein: https://www.linkedin.com/in/bernardsonnenschein/ Sebastians TED-Talks: https://www.ted.com/speakers/sebastian_wernicke Überblick zu unseren Themen: Große Strategieberatungen haben besondere Systeme für die Mitarbeiterentwicklung. (ab 04:24) Von TED zu Influencer bzw. Bizzfluencer bzw. Thought Leader? (ab 08:01) Graphen bzw. Netzwerke im Zusammenhang mit Datenwertschöpfung. (ab 10:30) Zusätzliche algorithmische Aspekte gewinnen an Bedeutung in Data Science. (ab 12:32) Überblick zu ONE LOGIC. (ab 17:22) Was verbirgt sich hinter der ONE DATA Datenplattform? (ab 25:38) Konkrete Beispiele aus dem Projektgeschäft. (ab 38:59) Die Grenzen von Big Data. (ab 52:31) Wie wird man TED-Speaker? (ab 1:01:13)

Frau Prof. Kreuter beschäftigt sich in ihrer Forschung mit Social Data Science, Umfragemethoden, Datenschutz, systematischen Verzerrungen von Daten sowie mit mobiler Technologie zur Datenerfassung. Kontakt Prof. Dr. Frauke Kreuter: https://www.linkedin.com/in/frauke-kreuter-6b06795/ Kontakt Dr. Bernard Sonnenschein: https://www.linkedin.com/in/bernardsonnenschein/ Podcast #DIGDEEP: https://digdeep.de/ Publikation "Association of Increased Youth Suicides in the United States With the Release of 13 Reasons Why": https://jamanetwork.com/journals/jamapsychiatry/article-abstract/2734859 "Data For Good": https://dataforgood.fb.com/, https://covidmap.umd.edu/api.html, https://data.covid.umd.edu/ Unsere Themen im Überblick: Die Coleridge Initiative stellt eine sichere Cloud-Umgebung zur Verfügung für den Datentransfer zwischen Unternehmen, Wissenschaftlern und Politikberatung. (ab 05:15) Gemeinsames Datenerhebungsprojekt mit der Firma Umlaut. (ab 07:38) Was verbirgt sich hinter Applied und Social Data Science? (ab 09:51) Kritische Betrachtung moderner Umfragemethoden wie sie z.B. bei Appinio oder Civey durchgeführt werden. (ab 14:45) Konkrete Beispiele für Social Data Science, u.a. Zusammenarbeit mit Facebook. (ab 19:20) Nicht für alle Aufgaben in der Datenwertschöpfungskette braucht es einen Uni-Abschluss. (ab 48:04) Digitalisierung in der Hochschulbildung. (ab 54:18)