Programma-inhoud

De wereld van business intelligence en datawarehousing blijft veranderen. Er zit lijkt wel geen stop op de stroom aan nieuwe technologieën, zoals Hadoop, NoSQL, self-service data preparation, nieuwe architecturen, ontwerptechnieken en inzichten. Het lijken allemaal op zichzelf staande ontwikkelingen. Maar de verbindende en overkoepelende trend is dat het gebruik van data binnen een organisatie drastisch aan het veranderen is. Hoe data gebruikt wordt, waar, door wie, wanneer, in welke vorm, al deze aspecten zijn aan het veranderen. En dit zet BI-afdelingen onder druk. Bestaande architecturen, oplossingen en technologieën zijn niet meer toereikend. In deze sessie wordt deze ingrijpende verandering toegelicht.

• Nieuwe vormen data datagebruik, zoals customer-facing apps, data science, embedded BI
• De krakende klassieke datawarehouse-architectuur
• Zijn de nieuwe data storage technologieën, zoals Hadoop en NoSQL, de oplossing voor het nieuwe gebruiksvormen van data?
• Wie ontwikkelt customer-facing apps: IT of BI?
• Wat is de rol van dark data, data governance en GDPR hierbij?

Self-service. Data Science. Big Data. The more data we create the more important Time-To-Data becomes. We will discuss benefits of a modern analytics architecture, a shared semantic layer as a common language across the organisation and how to gain access to data as fast as possible in a speedy agile way.

Based on case studies from Business Intelligence Competence Centres, Majken Sander will also explore some of the challenges companies face when having multiple front-end tools, the value of data quality and the importance of easy access to numerous data sources, a process where automation can aid by lowering the need for resources.

And what does the market show as current trends in BI market? What would a future ready architecture look like?

Business Intelligence, BIG DATA, data warehouse, data lakes…. U hoort er dagelijks over: de digitale economie is een feit! Data is de nieuwe “olie”. Droomt niet elk bedrijf ervan om zijn klanten zo goed mogelijk te kennen om zo beter in te spelen op de behoeften: big data, big business! De technische mogelijkheden via connected devices maken massale data collectie over u als persoon mogelijk: ongelimiteerd in tijd, plaats, wat en over wie. Maar wat gebeurt er met mijn data en wat met mijn privacy?

Er werd een nieuwe Europese privacy wetgeving goedgekeurd (General data protection regulation, 25 mei 2016) die op 25 mei 2018 in voege treedt. Data-projecten moeten nu reeds rekening houden met de vergaande eisen die door deze wetgeving opgelegd worden.

In deze sessie verneemt u:

• De essentie van GDPR
• Welke GDPR eisen van toepassing zijn op de informatie levenscyclus: big data collection, big data processing en big data use
• Wat zijn de grootste uitdagingen bij datawarehouseprojecten, van wettelijke basis tot en met anonymisatie
• Welke maatregelen moet u treffen om in orde te zijn met de privacy wetgeving, zoals privacy by design & default, privacy impact assessment en data protection impact assessment
• Praktische project aanpak voor datawarehouse projecten

CB verzorgt al sinds jaar en dag de supply chain voor het boekenvak en sinds kort ook voor healthcare. Klanten voorzien van de juiste informatie, zowel over producten als het logistieke proces, is de toegevoegde waarde die CB daarnaast biedt.
De afgelopen tijd heeft de organisatie ervaring opgedaan met data science, op het vlak van financiële performance, risk reduction, customer focus, new business en procesoptimalisatie. Emiel van Bockel deelt zijn ervaring met het opzetten van data science en de meerwaarde ervan voor CB.

• Wat is Data Science anders dan BI?
• Hoe werkt Data Science in de praktijk?
• Welke tooling en mensen heb je nodig voor Data Science?
• Wat is de toegevoegde waarde van Data Science?
• Belangrijke best practices en lessons learned uit CB project

Wij ICT-ers moeten ook veranderen. Maar eerst een lekkere lunch serveren!

• Hoe goed is ons track record wat betreft ICT-projecten?
• Waarom adopteren we niet meer generatoren en self-driving technologie?
  • Bladiebla level 2
  • Bladiebladiebladiebla 
  • Derde regel dubbele indentatie
• Is datamodelleren eigenlijk wel veranderd de laatste 30 jaar?

Dit is Koptekst 2

Met daaronder weer broodtekst

Dit is gewoon vet in plaats van stijlkop.

En ook daaronder weer gewone bladiebladiebla tekst.

As the adoption of cloud computing continues to grow, we are now at the point where many companies may have deployed applications both off-premise on public clouds and on-premises on private clouds. They may even be using off-premise infrastructure to extend their private cloud environments. As a consequence, there is now a demand to seamlessly manage and govern data in a consistent way irrespective of its location in a cloud computing and hybrid environment.

This session looks in detail at the challenge of consistently managing data in a cloud computing environment and looks at what is needed to keep data consistent across off-premises and on-premises systems. In particular, it looks at important data management disciplines such as maintaining data privacy, data access security, data quality, data consolidation, data virtualisation, replication, master data management and data synchronisation across on-premises and off-premises clouds and what is possible today. It also looks at hybrid logical data lakes and explores concerns about the added complexity that off-premises data brings. Furthermore, it will highlight problems that still need to be solved to get to a point where companies can confidently and freely manage off-premises and on-premises data in a seamless manner.

The following will be discussed during this session:

• Pros and cons of deploying on the cloud?
• Deploying systems on public and private clouds – what are the options
• Cloud object storage, e.g. Amazon S3, Azure Storage, Openstack Swift
• Managing data governance across cloud and on-premises systems
• Managing data privacy and data access security in a hybrid cloud computing environment
• Ingesting data in the cloud – streaming and batch ingestion
• Cloud-based and on-premises data integration solutions, such as MDM, data virtualisation

De vraag naar informatie en data neemt enorme proporties aan, het Centraal Bureau voor de Statistiek weet daar alles van af. Ook zij zijn net als een groot aantal andere bedrijven bezig met de transitie van een procesgedreven naar een data centrische  aanpak. Dit betekent in de eerste plaats dat de data architectuur aan een stevige vernieuwing toe is. Ook de manier van data verkrijgen, gebruiken, hergebruiken en delen zal forse aanpassingen vergen in de processen. Daarbij spelen niet alleen inhoudelijke of technische overwegingen een rol maar ook culturele, juridische en politieke aspecten zijn van invloed. Naast de interne organisatie rond datagebruik neemt de vraag van buiten om gezamenlijk data te gebruiken enorm toe. Zo zoeken steeds meer universiteiten contact met het CBS om bijvoorbeeld onderzoekdata en CBS data te delen en te combineren. Met de voortdurende focus op  privacybescherming en statistische beveiliging is dat geen sinecure. In deze praktijkcase wordt ingegaan op de uitdagingen die het CBS ondervindt bij het datadelen in brede zin en wordt daarnaast getoond hoe ze denken deze uitdagingen het hoofd te bieden. In deze sessie wordt dit besproken vanuit het perspectief van de business aan de hand van een aantal praktijkvoorbeelden. Een van de onderwerpen die meer expliciet toegelicht zal worden is het gebruik van Data Virtualisatie technologie als mogelijke oplossing voor het meer en veilig kunnen delen en (her)gebruiken van data. In deze sessie komen de volgende onderwerpen aan bod:

• Waarom zouden we data überhaupt willen of moeten delen
• De uitdagingen die een kennisinstituut als het CBS ervaart
• Welke oplossingen, zowel op architectuurgebied als technologisch, bieden zich aan?
• Hoe wil het CBS Data Virtualisatie inzetten om dit mogelijk te maken?
• Welke organisatorische uitdagingen komt men tegen?
• Hoe ziet de business case voor een dergelijke oplossing er uit?

Data Governance and Data Management offices often contain extensive knowledge and expertise in various areas of data management such as metadata management, data modeling, data profiling, evaluating privacy requirements and assigning criticality. This use case will explain the journey NNIP took to create a one-stop instruction manual, or playbook, for data owners to understand the methodical steps they need to take to be assured of the quality of their data and meta data. This data governance playbook is meant to create a holistic approach by assembling all the pieces of the data governance puzzle into a document that will eventually stand on its own without the assistance of members of a Centre of Excellence. The playbook also attempts to show the business value provided at each step of the way.

In the BI market, everyone is talking about “self-service.” Business users are excited to have new tools which make analysis and collaboration easier than ever before. IT departments hope that life will be easier without the large number of requests from users for new dashboards, visualizations and apps.

But in practice, life for the IT department can be even busier with self-service BI. Users are no longer demanding reports – they are demanding access to data, with ease of use, high performance and security. 

In this session we will show how IT can respond effectively to these demands, but only if they also use the appropriate tools: tools which enable automated, agile deployment of governed, managed sources. We’ll show how these tools for IT match the self-service tools of business users to make data discovery truly effective and enterprise-ready in a modern organization.

For business users trying to work with IT to make data discovery a viable, reputable alternative to traditional BI, this session will be insightful. For IT departments, struggling to keep up with a new stream of demands from business along with stricter rules around governance and compliance, this session will be essential.

• The different worlds of IT and business users
• User-focussed technologies that enable Self-Service
• User practices that challenge governance and compliance
• Data Supply Chains vs Data Lifecycles
• IT as Shopkeepers vs IT as Gatekeepers
• Compliance and Ethics