Lean startup-tankegangen handler om at tage de mindst mulige, mest meningsfyldte skridt for at optimere læringen i innovationsprojekter. Big Data lyder som om, at selv de mindste skridt er temmelig store. Kan de to ting overhovedet forenes - og kan Lean Startup være en god måde at komme i gang med Big Data på?

Brug af dokumentdatabaser har vist sig at gøre udvikling, drift og vedligehold af moderne applikationer nemmere, billigere og bedre og dermed mere effektivt understøtte forretningen.

I denne præsentation vil Tugdal Grall (TUG) fortælle om, hvordan nem indlæring, en fleksibel skemamodel og en skalérbar cloud-baseret arkitektur understøtter moderne agil applikationsudvikling. Herved opnås bedre kvalitet og reduceret risiko i dine softwareprojekter uanset om der er tale om web-, mobil- eller desktopapplikationer.

Vestas Wind Systems A/S har Danmarks største computer og på den arbejder de med flere petabyte simuleret og målt data.

Hvorfor har en virksomhed i vindbranchen investeret i en supercomputer og Big Data? Dette spørgsmål vil Anders Rhod Gregersen give svar på i sit indlæg.

Denne præsentation giver et overblik over de beregningsmæssige muligheder som Big Data økosystemet leverer i dag og hvor de nuværende tendenser leder teknologien. Mange betragter Big Data som en kost-effektiv-og-skalérbar erstatning for de eksisterende SQL-baserede Enterprise Data Warehouse (EDW) løsninger men det er kun et aspekt af de potentielle anvendelser, som Apache platformen nu leverer.

Det industrielle internet (maskiner, målere og andre "dimser") og "wearables" (gadgets i tøjet og på kroppen) genererer enorme mængder af rå data med lidt eller ingen struktur, som skal forbindes med Big Data økosystemet for på sigt at blive udnyttet i f.eks Spark og Hadoop og stadig fungere, som et Data Reservoir.

Big data er ren hype, som ikke har rod i realistiske forventninger. Eksemplerne på gode business cases er få og anekdotiske og stammer fra firmaer, der er så langt fra hvad almindelige gennemsnitsfirmaer vil kunne stille op til. Det grundlæggende problem er, at det simpelthen er for svært at få noget brugbart ud af Big Data.

En gammel vittighed siger at forskellen på en økonom og en meteorolog er at meteorologen i det mindste er i stand til at fortælle hvordan vejret er nu!  Men ved hjælp af Big Data og statistikker baseret på data fra internettet, er man nu i stand til at lave statistikker der fortæller, hvordan jobmarkedet og økonomien har det lige nu.

Dansk Jobindex er en konjunkturindikator for efterspørgslen på arbejdskraft. Ved at tælle antallet af jobannoncer på internettet og bruge data, som alligevel var tilgængelige, er det lykkedes at lave en konjunkturindikator, der kan forudsige udsving i ledighedstallene med ca. 6 måneders varsel, og som allerede i november 2008 påviste at bunden var gået fuldstændig ud af jobmarkedet. Tallene er den bedste indikator for efterspørgslen på arbejdskraft og bliver bl.a. brugt af Beskæftigelsesministeriet, Finansministeriet og Nationalbanken.

Foredraget vil fortælle om Dansk Jobindex og hvordan man kan bruge data man allerede har til at finde nye sammenhænge v.h.a. matematik, statistisk og Big Data.

Hvorfor er Big Data ideerne blevet så populære og hvad betyder disse ideer for os dødelige der behøver praktiske løsninger til hverdagens udfordringer?

Med udgangspunkt I erfaringerne med relationelle databasesystemer (RDBMS) vil denne session fokusere på Hadoop (BDMS) og du vil få et godt overblik over principperne I BDMS, have tilegnet dig praktisk information om at komme I gang med BDMS og hvor du måske kunne bruge BDMS I din organisation.

Hvad er Big Data og hvor ligger værdien i Big Data? Big Data er ikke bare håndtering og analyse af store datamængder. I denne præsentation vil Stefan Andreasen give sit bud på hvad Big Data kan betyde for en almindelig virksomhed samt give flere eksempler på hvordan man kan skabe værdi og forhøjet konkurrenceevne med Big Data.

Praktisk brug af et fælles data reservoir på tværs af virksomheden.

Big Data anvendes traditionelt til analyse af store datamængder, men kan disse store datamængder ikke anvendes i eksisterende eller nye applikationer og API?er. Dette indlæg introducerer dig til hvordan du kan få Big Data integreret i virksomhedens eksisterende applikationslandskab og dele data med interne såvel som eksterne partnere.

Adgang til komplekse data i et fælles data reservoir kræver en automatiseret tilgang for at undgå gentagent manuelt arbejde og deraf følgende fejl. Endvidere er det vigtigt at enhver ændring af data i det fælles reservoir opdaterer de relevante API?er.

Denne præsentation viser, hvordan man ud fra reservoir metadata kan generere de nødvendige API?er automatisk.

Der findes en række opensource-projekter, som giver brugerne lynhurtig SQL-adgang til dine data i Hadoop-clustre. Men hvilken er bedst egnet til dit eller din virksomheds behov?

Foredraget præsenterer resultatet af en dybgående research og benchmarking af fire SQL-værktøjer: Facebooks Presto, Clouderas Impala, Shark og Hive on Tez. Forskellige typer af forespørgsler (online, batch, osv.) og andre parametre gennemgås, så du efter foredraget kan foretage det rigtige valg af SQL-værktøj i Big Data-verdenen.