DATA INTELLIGENCE HUB - Für Geschäftskunden

ERLEBEN, WAS VERBINDET.
Christoph Schlueter Langdon
Autorenprofil

Christoph Schlueter Langdon

Chris is a professor in Data Science and Analytics; his doctorate involved Artificial Intelligence and Complex Adaptive Systems.
At the Telekom Data Intelligence Hub he is a development executive responsible for mobility, data spaces and analytics.
Prior to joining Deutsche Telekom, he founded a business analytics startup, co-founded the Peter Drucker Customer Lab at Claremont Graduate University, and the Special Interest Group on Agent-based Systems of the Association for Information Systems (AIS) / “Wirtschaftsinformatik.” He began his career as a consultant with Accenture and later joined the faculty of the University of Southern California (USC) in Los Angeles. His research has been funded by Microsoft and Intel, among others; results have been published in leading publications, such as in journals of the Institute of Electrical and Electronics Engineers (IEEE), Information Systems Research and Communications of the ACM. Over the last two decades, Chris has become known for his success with data science and analytics for Fortune Global 100 clients in the US, Europe and China.

In the Interview with Margret Steinhaus "From California to Berlin - why I came to Telekom from Silicon Valley" on the 13th of September, 2018 he talks about how he came from Silicon Valley in California to a position in the Deutsche Telekom Group, what we in Germany can learn from the mentality of Silicon Valley and how he feels at T-Systems in the IoT environment.

Mr. Schlueter Langdon, you started via a LinkedIn campaign on 1 June 2018 at T-Systems in Berlin. Can you tell us your story?

Yes, 3 things came together: First, an interview with Tim Höttges on the TV station Bloomberg. He described IoT as Deutsche Telekom's growth area. While carriers in the US are more likely to rely on video and advertising, there are opportunities with IoT in Germany because of the strength of the German industry. And I am a data science and analytics professor and have been teaching IoT and Smart or Intelligent Products for years because it is the future. Secondly, I had to teach a new course on social media analytics in the summer. During research for the course, I came across a campaign ad on LinkedIn from Ingo Hofacker, the head of T-System’s IoT division. And since I wanted to go back to Germany for family reasons, I just clicked on the ad and sent a message.

Can you give us a little insight into your current area of responsibility?

Deutsche Telekom is investing heavily in its own IoT products. A key building block and platform is the Data Intelligence Hub, DIH for short, a data hub and data marketplace with an attached workshop for Analytics and Artificial Intelligence. Everyone says, "Data is the New Oil," but just like oil, it also takes extensive and time-consuming refining to be able to leverage the data assets with analytics. And this is where I am an expert and can help to get even faster and better. Industry needs to digitize and needs partners that are essentially neutral, secure and big. I know this from my many projects in the automotive industry. And this is exactly where the DIH fits. It's tailored to our customers' needs, it's infrastructure, it removes the complexity, cost and risk of data analytics, allowing customers to focus on digitizing their core business. On top they can even earn money with your own data via DIH.

What can we learn from the mentality of the Silicon Valley in Germany? And where are we one step ahead of the Valley?

The advantage of Silicon Valley in digitization today is based on intangibles, even the name is not on maps. In terms of the intangibles, the whole of Europe could also score points: From the flair of French fashion, from the elegance of Italian design to the top quality of German cars. The stuff for success stories exists. What's missing is speed with many managers, the digital economy is moving faster. Often no decision is made, one prefers to stick with the old, and if something is dared, then it is too little and not focused enough. Often everything is tried internally instead with outside talents and specialized partners. Digitization is about software layers, you can't play at all levels, you have to focus on one layer or niche, then copy or outsource the rest.

How do you like it at T-Systems?

Very good and not at all like a large corporation. There was a professional onboarding in both Ingo Hofacker's group with a Welcome Day and my team "The Datanistas." The dynamism, decisiveness and customer orientation here feel more like a start-up. In addition, there is a closeness with German industry and the strong, medium-sized “Mittelstand” firms and thus business opportunities, which do not exist in Silicon Valley.

German original: https://www.linkedin.com/pulse/von-kalifornien-nach-berlin-warum-ich-aus-dem-valley-steinhaus/

Artikel von Christoph Schlueter Langdon

Digitaler Zwilling Berlin: Ja, mit intermodalem Verkehr kommt man schneller ans Ziel!

Wie kann man die Coronavirus-Krise beheben? Mit der richtigen Lösung, Medizin und Impfstoff. Wie erhält man die richtigen Medikamente? Testen! Wie beschleunigt man den Prozess? Simulation! Aber es muss mit Wissenschaft und einem strengen Experimentierprozess untermauert werden. Wie wir es getan haben, um Lösungen für das Verkehrsproblem in dichten städtischen Gebieten wie Berlin zu finden.

Mehr

T-Systems als Pionier: Implementierung von IDS

IDSA hat ein Konzept entwickelt, mit dem Unternehmen Daten bündeln und gemeinsam nutzen können, um Wettbewerbsvorteile zu erzielen und gleichzeitig die Datensouveränität zu wahren. Der Telekom Data Intelligence Hub bietet eine erste kommerzielle Implementierung.

Mehr

Datenfabriken für Datenprodukte

Wenn 80 Prozent des Zeitbudgets mit der Aufbereitung statt der Analyse von Daten verbracht werden, scheint ein Fehler im System vorzuliegen. Ein Blick in die Vergangenheit könnte helfen: Henry Ford hat mit seinen Fabriken das Autogeschäft revolutioniert. Wie wäre es, wenn wir Datenfabriken bauen?

Mehr

Wo bleibt die intermodale Mobilität? Ist das Problem der Mehrwert für die Anwender?

Technologien für die letzte Meile gibt es durchaus – E-Scooter, smarte Parkplatz-Apps und vieles mehr –, doch die intermodale Mobilität lässt auf sich warten. Gibt es denn gar keine Vorteile für den Endkunden? Das wollen wir einmal näher untersuchen … mit Hilfe von Data Science.

Mehr

Erfolg mit „Small Data“ durch spezialisierte Analysen

Bei aller Aufmerksamkeit für Big Data wird das Potenzial von KI anhand kleiner oder unausgewogener Stichproben – also „Small Data“ – leicht übersehen. Cloud-Trends wie Edge-Computing eröffnen neue Chancen.

Mehr

Behandeln Sie Daten wie Autos

Bundeskanzlerin Merkel mahnte deutsche Unternehmen, das Wertschöpfungspotenzial von Daten zu nutzen. Andernfalls drohe ein böses Erwachen. Aber wie gelingt der Wandel zu einem datenorientierten Unternehmen? Produktmanagement wäre ein guter erster Schritt.

Mehr

Kein Vorankommen im Verkehr: Wie schlimm steht es – altern wir schneller – was können wir tun?

Wir verbringen mehr als vier Jahre unseres Lebens im Auto. Wenn wir ein Viertel dieser Zeit im Stau stehen, verschwenden wir ein Jahr unseres Lebens … es sei denn, wir können diese Zeit irgendwie sinnvoll nutzen.

Mehr

Power Shift zu Daten: Die autofreie-Autofirma?

Einnahmen aus Automotive verlagern sich auf Mobilitätsdienste, und die Power- und der Profit – wird sich vom Fahrzeug – oder der Hardware – auf Daten verlagern: Die Wiederholung einer Geschichte, die in Rappaport & Halevi’s „The Computerless Computer Company“ (Harvard Business Review, 1991) vorhergesagt wurde?

Mehr

„Space race“ zur neuen Nachbarschaft

Noch prägen Straßen und Parkplätze das innerstädtische Bild. Doch wird sich die Nutzung urbaner Flächen rasant und radikal verändern, wenn neue Formen der Mobilität Einzug halten.

Mehr

Flottenauslastung mit Heatmap Analytics

Es gibt viele Open-Source-Daten, etwa zur Bevölkerungsdichte und Verkehrsmittelnutzung. Ein differenziertes Bild und Bedarfsprognosen gelingen aber erst mit dynamischen Daten zu Bewegungsströmen.

Mehr