Lautsprecher | Transkript |
| Carlos Ortega | Ja. Hallo und willkommen zu unserer Präsentation beim JMP Discovery Summit. |
| Natürlich hätten wir diese Präsentation gerne persönlich gehalten, aber unter den gegenwärtigen Umständen ist dies der beste Weg, wie wir die Art und Weise, wie wir |
| JMP in unserer täglichen Arbeit und wie es uns tatsächlich bei der alltäglichen Arbeit hilft, wie wir unsere Daten nachbearbeiten. |
| Diese Art der Präsentation mit Video hat auch einen Vorteil für Sie als Zuschauer, denn wenn Sie sich jetzt einen Kaffee holen möchten, können Sie einfach auf Pause drücken und weitermachen, wenn der Kaffee fertig ist. |
| Aber wenn man sich die Zeit ansieht, schätze ich, dass der Gipfel bereits in vollem Gange ist. Und höchstwahrscheinlich haben Sie bereits einige spannende Präsentationen gehört. |
| Wie JMP Ihnen helfen kann, die Daten sinnvoller zu nutzen, um Probleme zu lösen. Ein statistisches Werkzeug, um tiefere Einblicke zu gewinnen und tiefer in |
| mehr Teile Ihrer Daten. Was wir heute jedoch tun wollen (und das ist auch unter dem Titel über die Datenqualitätssicherung versteckt), |
| die Skript-Engine. |
| Alles, was mit JSL-Scripting zu tun hat, denn wir helfen...das hilft uns sehr bei unserer täglichen Arbeit, die Daten vorzubereiten, die dann für die Datenanalyse bereit sind, und mit wir meine ich |
| Carlos Ortega, Daria Otyuskaya und ich, die ich jetzt ein bisschen vorstellen möchte, weil, ja, das ist der Grund, um ein bisschen besser zu verstehen, wer das macht. Aber natürlich gibt es wie immer einige |
| einige Regeln hierzu, die |
| der Haftungsausschluss zu den von uns verwendeten Daten. Und wenn Sie jetzt Anwalt sind, werden Sie sicher auf Pause drücken, um dies im Detail zu studieren. Für alle anderen möchten wir jetzt jedoch in die Präsentation eintauchen. |
| Und natürlich gibt es nichts Besseres, als mit einer kurzen Vorstellung der Personen zu beginnen. Sie sehen bereits den Standort. Wir haben alle gemeinsam, nämlich Amsterdam in den Niederlanden, und wir haben alle gemeinsam, dass wir bei Avantium arbeiten. |
| Unternehmensanbieter für nachhaltige Technologien. Die Standorte, von denen wir kommen, sind jedoch über die ganze Welt verteilt. |
| Wir haben auf der einen Seite auf der linken Seite Carlos Ortega, einen Chemieingenieur aus Venezuela, der seit etwa sechs Jahren in Holland lebt und seit etwa zwei Jahren bei Avantium als Projektleiter und Dienstleister arbeitet. |
| Auf der rechten Seite haben wir Daria Otyuskaya aus Russland, die ebenfalls seit etwa zwei Jahren hier arbeitet und die letzten fünf Jahre in den Benelux-Ländern verbracht hat. |
| Bereich, in dem sie ihren Doktortitel in Chemieingenieurwesen gemacht hat. Und ich. Ich habe den einzigen Vorteil, dass ich mit dem Auto nach Hause fahren kann, da ich aus Deutschland stamme. Ich lebe seit ungefähr 10 Jahren in Holland und bin vor ungefähr drei Jahren zu Avantium gekommen. |
| Aber jetzt, |
| Lassen Sie uns noch etwas mehr über Avantium sprechen. Ich möchte nur kurz darlegen, was wir tun. |
| Avantium ist, wie bereits erwähnt, Anbieter nachhaltiger Technologien und verfügt über drei Geschäftsbereiche. Einer davon ist Avantium Renewable Polymers, wo wir biologisch abbaubare Polymere namens PEF entwickeln, die zu hundert Prozent auf Pflanzen basieren und recycelbar sind. |
| Zweitens haben wir eine Geschäftseinheit namens Avantium Renewable Chemistries, die erneuerbare Technologien zur Herstellung von Chemikalien wie MEG anbietet. |
| oder Industriezucker aus nicht essbarer Biomasse. Und nicht zuletzt eine sehr spannende Technologie, bei der wir CO2 aus der Luft mittels Elektrochemie in Chemikalien umwandeln. |
| Aber wir müssen nicht zu viel über diese beiden Geschäftsbereiche sagen, denn Carlos, ich und Daria arbeiten alle bei Avantium Catalysis, das vor 20 Jahren gegründet wurde und immer noch die Grundlage für Avantiums technologische Innovationen bildet. Wir liefern ihnen tatsächlich |
| Wir sind ein Dienstleister zur Beschleunigung der Forschung in Ihrem |
| Unternehmen in der Katalysatorforschung, um genauer zu sein. Und wir bieten dort, wie Sie auf der rechten Seite sehen können, Systemdienstleistungen und einen Service namens Raffineriekatalysatortests an. Und wir helfen Unternehmen wirklich dabei, die Forschung und Entwicklung voranzutreiben, wie Sie unten sehen können. |
| Aber genug zu Avantium. Lassen Sie uns ein wenig darüber sprechen, wie wir uns weiterentwickeln, wie wir in Projekten arbeiten und wie JMP uns dabei tatsächlich helfen kann, die Dinge zu beschleunigen und bessere Daten daraus zu gewinnen. Carlos wird uns das später in der Show in einer Demo zeigen. |
| Wie bereits erwähnt, sind wir ein Dienstleister und als Dienstleister erhalten wir |
| viele Anfragen von Kunden, tatsächlich bessere Katalysatoren oder bessere Verfahren zu entwickeln. Und jetzt fragen Sie sich vielleicht, was der Katalysator ist. |
| Ein Katalysator ist eigentlich ein Material, das an einer Reaktion teilnimmt, wenn Sie A in A umwandeln, aber bei der Reaktion nicht verbraucht wird. |
| Das häufigste Beispiel für Menschen, das Sie in Ihrem täglichen Leben sehen können, ist beispielsweise der Abgaskatalysator, der in Ihrem Auto eingebaut ist und |
| Die Abgase Ihres Autos werden in CO2 und Wasser umgewandelt. |
| Und das sind Dinge, die wir als Anfragen bekommen. Die Leute kommen zu uns und sagen: „Oh, ich möchte ein neues Material entwickeln“, oder Dinge wie: „Ich habe diesen Prozess, und ich möchte damit meine Forschung beschleunigen und |
| Entwickeln Sie hierfür einen neuen Prozess.“ Und was sie dort verwenden, ist, wenn wir in unserem Team ein Experiment durchführen, entwerfen wir Experimente von … |
| Experimente entwerfen. Wir versuchen, die Tests dafür zu optimieren und verwenden dafür ausschließlich JMP, aber darüber möchten wir heute nicht sprechen. |
| Denn wie ich bereits sagte, verwenden wir JMP auch, um unsere Daten tatsächlich zusammenzuführen, zu verarbeiten und vorzubereiten. Das sind die beiden Teile, die Sie unten in der Präsentation sehen. |
| Wir führen Forschungsprojekte für Kunden mit unserem proprietären Tool namens Flowrence durch, wobei der Trick darin besteht, dass wir nicht experimentieren … wir führen die Tests nicht nacheinander durch, sondern parallel. |
| Traditionell, das heißt, ich erinnere mich an meine Doktorarbeit, führte man einen Test an einem Reaktor nach dem anderen durch, nach dem anderen, nach dem anderen. |
| Wir setzen jedoch bis zu 64 Reaktoren parallel ein, was die Ausführung anspruchsvoller macht, aber eine datengesteuerte Entscheidung ermöglicht. |
| Dadurch können tatsächlich zuverlässigere Daten erstellt und statistisch signifikant gemacht werden. |
| Und dann geben wir diese Daten an unsere Kunden weiter, die dann entweder ihre weiteren Erkenntnisse in ihren Tools weiterverarbeiten oder sich vollständig auf uns verlassen können. |
| zum Ausführen dieser Daten und Extrahieren des Wissens. Aber ja, genug über das Unternehmen. Und jetzt übergebe ich an Carlos, der erklären wird, wie JMP und JMP-Skripte uns tatsächlich helfen, unser Leben erheblich zu erleichtern. |
| Vielen Dank, Hendrik, für die nette Einführung. Und vielen Dank auch an die Organisatoren für diese nette Gelegenheit, am JMP Discovery Summit teilzunehmen. |
| Wie Hendrik bereits erwähnte, entwickeln und führen wir Forschungsprojekte für Dritte durch. Und wenn wir darüber nachdenken, |
| Wir müssen von der Versuchsplanung ausgehen (und das ist natürlich eine sehr leistungsstarke Funktion von JMP), |
| aber wir müssen auch Informationen verwalten und in diesem Fall möchten wir uns, wie Hendrik erwähnte, auf JSL-Skripte konzentrieren, mit denen wir Informationen einfach handhaben und eine nahtlose Integration von Prozess-Workflows erstellen können. |
| Ich bin Projektleiter in der Forschungs- und Entwicklungsabteilung und so würde ein Tag... ein normaler Tag in meinem Leben hier ungefähr so aussehen. Und das ist eine sehr vereinfachte Ansicht. Sie hätten |
| Kunden, die interessiert sind und eine Forschungsfrage haben, und ich entwerfe Experimente und wir führen diese mit unserer eigenen proprietären Technologie namens Flowrence durch. |
| Vereinfacht betrachtet werden die in der Flowrence-Einheit generierten Daten von mir geprüft und interpretiert und gehen dann an den Kunden zurück. Die Realität ist jedoch etwas komplexer und wir haben einerseits auch interne Kunden. |
| Das ist Teil unseres Entwicklungsteams, unseres Geschäftsentwicklungsteams. Und auf der anderen Seite haben wir auch unser eigenes Personal, das direkt mit der Einheit interagiert. Sie kontrollieren also, wie die Einheit arbeitet, und überwachen, dass alles nach Plan läuft. |
| Und die Daten, wie Sie hier mit gestrichelten Linien sehen, können nicht direkt aus der Einheit entnommen werden. Die Daten werden tatsächlich an ein Data Warehouse gesendet und dann benötigen wir eine Reihe von Tools |
| Das ermöglicht uns, zunächst Informationen abzurufen, Informationen aus verschiedenen Quellen zusammenzuführen, |
| Führen Sie eine Reihe von Aufgaben aus, die von der Bereinigung, Verarbeitung und Visualisierung von Informationen reichen. Schließlich exportieren wir diese Daten an den Client, damit der Client die Informationen erhält, die er tatsächlich benötigt und die für ihn am relevantesten sind. |
| Wenn Sie mir erlauben, mich eine Sekunde lang auf diese verschiedenen Aufgaben zu konzentrieren, was wir zunächst beim Abrufen einer Zusammenführung beobachtet haben, ist |
| Diese Daten können tatsächlich aus verschiedenen Quellen stammen. Im Data Warehouse sammeln wir also tatsächlich Daten aus der Einheit in Florenz, |
| aber wir sammeln auch Daten vom Analysator. Für diejenigen, die Tests in einem Labor durchführen, sind Sie vielleicht mit der Massenspektrometrie oder Gaschromatographie vertraut, und wir sammeln auch Daten zur Geräteleistung. Wir überprüfen also auch, ob das Gerät |
| verhält sich wie erwartet. |
| In … wie in jedem Labor haben wir auch manuelle Eingaben. Und das können beispielsweise Informationen zu den Katalysatoren sein, die wir testen, oder die Kalibrierung der Analysegeräte. |
| Diese manuellen Eingaben werden natürlich immer in einem Laborbuch gespeichert, aber wir fügen diese Informationen auch in eine Excel-Datei ein. Und hier kommt JMP tatsächlich ins Spiel. |
| hilft uns, den Arbeitsfluss von Informationen auf die nächste Ebene zu bringen. Was wir also entwickelt haben, ist eine Kombination aus einer einfach zu verwendenden, weithin bekannten Excel-Datei mit |
| leistungsstarke Funktionen aus einem JSL-Skript. Und wir integrieren nicht nur manuelle Daten, die in Laborbüchern verfügbar sind, sondern auch in diese Excel-Datei |
| Formeln, die dann vom JSL-Skript interpretiert und ausgeführt werden. Dadurch können wir wichtige Leistungsparameter berechnen, die |
| auf unterschiedliche Kunden zugeschnitten oder speziell geeignet. |
| Wenn wir schauen |
| Wenn Sie sich das JSL-Skript genauer ansehen (ich werde gleich eine Demo zeigen), werden Sie feststellen, dass das JSL-Skript aus drei Hauptabschnitten besteht. |
| Ein Abschnitt bereitet die lokale Umgebung vor. Auf der einen Seite möchten wir alle Symbole löschen und Tabellen schließen, aber die wichtigste Funktion ist wahrscheinlich, wenn wir |
| Definieren Sie „Namen werden standardmäßig hierhin gesetzt“. Damit könnten wir tatsächlich parallele Scrapings ausführen, ohne dass es zu Interferenzen zwischen Variablen kommt, die in verschiedenen Skripten den gleichen Namen haben. |
| Dann haben wir einen Abschnitt, der in diesem Fall reduziert ist, damit wir ihn tatsächlich anzeigen können, wodurch eine grafische Benutzeroberfläche erstellt wird. Und dann interagiert der Benutzer nicht mit dem Skript selbst, sondern arbeitet tatsächlich über eine einfache grafische Benutzeroberfläche mit den Schaltflächen, die beschreibende |
| Schaltflächennamen. |
| Und dann haben wir eine Reihe von |
| Aufgaben, die bereits im Skript codiert sind. In diesem Fall liegen sie in Form von Ausdrücken vor. |
| Denn es hat zwei Hauptvorteile. Erstens ist es später einfach in die grafische Benutzeroberfläche zu implementieren. Und zweitens können Sie einen Ausdruck, wenn Sie ihn haben, mehrmals in Ihrem Code verwenden. |
| OK, also weiter zur Demo-Simulation. Ich habe bereits erwähnt, dass wir verschiedene Datenquellen haben. Und |
| Auf der einen Seite haben wir Daten, die |
| Tatsächlich... |
| das ist tatsächlich in unserer Datenbank gespeichert. Und diese Datenbank enthält |
| wahrscheinlich unterschiedliche Informationsquellen, wie die Einheit oder verschiedene Analysatoren. In diesem Fall sehen Sie oder Sie sehen eine Beispiel-Excel-Tabelle. |
| Dies nur zur Veranschaulichung. Diese Daten werden also tatsächlich direkt mit unserem JSL-Skript aus dem Data Warehouse übernommen. Wir betrachten diese Excel-Tabelle also nicht als Suche. |
| Wir lassen die Software die Informationen aus dem Data Warehouse sammeln. Und das Wichtigste ist wahrscheinlich, dass diese Daten, wie Sie hier sehen, |
| können wieder von verschiedenen Analysatoren stammen, und wir strukturieren irgendwie, dass die erste Spalte geteilte Namen enthält. In diesem Fall haben wir |
| einige Domänennamen erstellt. Aus Gründen der Vertraulichkeit, aber auch aus anderen Gründen werden Sie sehen, dass alle Beobachtungen in Zeilen angeordnet sind. Jede einzelne Zeile ist also eine Beobachtung. |
| Und je nach Art des Tests und der Einheit, die wir verwenden, können wir davon ausgehen, dass wir insgesamt an einem Tag bis zu einer halben Million sammeln können. |
| Datenpunkte an einem einzigen Tag. Das hängt natürlich vom Analysator ab, aber Sie werden sofort mit der Datenmenge konfrontiert, die Sie verarbeiten müssen, und wie Ihnen ein JSL-Skript, das Sie bei der Informationsverarbeitung unterstützt, bei dieser Aktivität helfen kann. |
| Dann verwenden wir auch eine andere Excel-Datei. Und diese ist auch sehr wichtig, nämlich eine Eingabetabellendatei. |
| Und diese Dateien, insbesondere das JSL-Skript, sind diejenigen, die die Synergie erzeugen, die es uns ermöglicht, Daten einfach zu verarbeiten. Was Sie in diesem Fall beispielsweise sehen, ist eine Reaktorbeladungstabelle und wir sehen verschiedene Reaktoren mit unterschiedlichen Katalysatoren. Und diese Informationen scheinen... |
| ist nicht quantitativ, aber der qualitative Wert ist wichtig. Und wenn wir dann zu einer zweiten Registerkarte wechseln und diese Schritte in unseren Projekten alle vordefiniert sind, |
| Wir sehen die Antwortfaktoren für die Analysatoren. Unterschiedliche Analysatoren haben unterschiedliche Antwortfaktoren und es ist wichtig, diese Informationen bei den Berechnungen zu protokollieren, um quantitative Ergebnisse zu erhalten. |
| In diesem Fall haben wir beobachtet, dass die Antwortfaktoren stattdessen durch die Bedingung gezielt beeinflusst werden. |
| Dann haben wir eine Registerkarte „Formeln“. Und das ist wahrscheinlich eine Schlüsselregisterkarte für unser Skript. In diese Excel-Datei können Sie Formeln eingeben. Achten Sie darauf, dass die Variablennamen in eckige Klammern eingeschlossen sind. |
| Und die Formel, Sie können jede beliebige Formel in Excel verwenden. Jeder kann Excel verwenden, wir sind sehr daran gewöhnt. Wenn Sie also hier eine Formel eingeben, |
| das der ???-Syntax in Excel folgt, wird von unserem JSL-Skript ausgeführt. Dann haben wir auch eine zusätzliche Funktion hinzugefügt, von der wir dachten, dass es interessant wäre, Bedingungen zu haben. |
| Und damit das JSL-Skript diese Bedingung lesen kann, besteht die einzige Voraussetzung darin, dass die Bedingungen in Klammern eingeschlossen sind. |
| Es gibt noch zwei weitere Registerkarten, die ich Ihnen zeigen möchte und die sehr relevant sind. Eine davon ist die Registerkarte „Tabellen exportieren“. Der Grund für diese Tabelle ist, dass |
| Wir generieren viele Spalten oder viele Variablen aus meiner Einheit, wahrscheinlich 500 Variablen. Aber eigentlich interessiert sich der Kunde nur für 10, 20 oder 50 davon. Das sind diejenigen, die einen wirklichen Mehrwert für seine Forschung darstellen. Also können wir diese Variablen hier eingeben und |
| Senden Sie es an den Kunden. Und zu guter Letzt denke ich, dass viele von uns schon einmal in der Situation waren, eine E-Mail an eine falsche Adresse zu senden, und das kann wirklich beängstigend sein, wenn man |
| Wir sprechen über vertrauliche Informationen. Deshalb überprüfen wir die E-Mail-Adressen immer doppelt und dreifach, aber ist das wirklich notwendig? |
| Was wir hier machen, ist, dass wir eine Excel-Datei haben, die alle manuellen Eingaben enthält, einschließlich der E-Mail-Adressen unserer Kunden. |
| Und diese E-Mail-Adressen sind festgelegt, sodass kein Raum für Fehler bleibt. Wenn Sie das JSL-Skript ausführen, werden die richtigen E-Mail-Adressen gelesen und die E-Mail wird erstellt. Diese werden wir in einer Minute sehen. |
| Gehen wir nun zum JSL-Skript. |
| Ich möchte Folgendes hervorheben. Das JSL-Skript befindet sich zunächst in einer einzigen Datei in einem einzigen Ordner und das JSL-Skript benötigt zum Schreiben nur eine Excel-Datei, die verschiedene Registerkarten enthält, die wir gerade auf der vorherigen Folie gesehen haben |
| Sobald Sie das JSL-Skript öffnen, |
| Sie können auf die Schaltfläche "Skript ausführen" klicken. Daraufhin wird das |
| grafische Benutzeroberfläche, die Sie rechts sehen. Hier haben wir verschiedene Optionen. In diesem Fall möchten wir die Option hervorheben, mit der wir Daten aus einem Projekt in diesem bestimmten Zeitraum abrufen. |
| Wir haben hier nur einen Tag in diesem Jahr ausgewählt und sehen dann verschiedene Buttons mit denen wir beispielsweise Updates erstellen können. |
| Sobald wir auf diesen Button geklickt haben, sehen Sie links im Ordner, dass zwei Verzeichnisse erstellt wurden. Dass wir diese Verzeichnisse automatisch erstellen, hilft uns, Harmonie zu haben bzw. die Struktur eines Ordners auch projektübergreifend zu vereinheitlichen. |
| Wenn Sie sich die Rohdaten der Datenbank ansehen, werden Sie feststellen, dass zwei Dateien erstellt wurden. Eine davon enthält die Rohdaten, die direkt aus dem Data Warehouse stammen. |
| Und zweitens enthält die Datentabelle alle Zusammenführungsinformationen aus der Excel-Datei und verschiedenen Tabellen, die im Data Warehouse verfügbar sind. |
| Der Ordner mit den exportierten Dateien enthält im Moment nichts, da wir die Daten, die wir in unserer Einheit erstellt haben, noch nicht ausgewertet und bewertet haben, ob sie tatsächlich relevant sind und |
| wertvoll für den Kunden. Wir tun dies, wir sind, wir ??? und Sie sehen hier, dass wir ein Diagramm der Reaktortemperatur im Vergleich zur Ortszeit erstellt haben. |
| Und es würden verschiedene Reaktoren dargestellt, sodass wir bis zu 64 in einer unserer Einheiten haben. Und in diesem Fall färben wir die Reaktoren je nach ihrer Position auf der Einheit ein. |
| Ein weiterer Reiter, den wir hier haben, ist beispielsweise der zum Druck. Und Sie sehen, dass Sie auch maximale Ziel- und Mindestwerte skripten und beispielsweise Warnungen definieren können, um zu sehen, ob der Wert abdriftet. |
| Die letzte Tabelle, die ich zeigen möchte, ist eine Konvertierung, und wir sehen hier verschiedene nach Katalysator zusammengefasste Konvertierungen. |
| Sobald wir auf die Schaltfläche „Exportieren“ klicken, sehen wir, dass unsere Datei an eine E-Mail angehängt ist und die E-Mail bereits die |
| Adressen... die E-Mail-Adressen, die wir verwenden möchten. Und ich möchte noch einmal betonen, wie wichtig es ist, die Informationen an die richtige Person zu senden. |
| Jetzt befindet sich dieser Datensatz tatsächlich im Ordner mit den exportierten Dateien, was vorher nicht der Fall war. Und wir können immer verfolgen, welche Informationen exportiert und an den Client gesendet wurden. |
| Mit dieser E-Mail müssen Sie dann nur noch die Informationen eingeben. In diesem Fall handelt es sich also um einen sehr einfachen Test. Dies ist Ihr Datensatz, aber wir würden natürlich einige Interpretationen vornehmen oder dem Kunden vielleicht einige Ratschläge geben, wie er die Tests fortsetzen soll. |
| Und wenn Sie alle diese Schritte ausgeführt haben, schließen Sie natürlich die grafische Benutzeroberfläche und damit auch alle geöffneten Tabellen und das JSL-Skript. |
| An dieser Stelle möchte ich hervorheben, dass dieser Workflow mit einem JSL-Skript ziemlich schnell ist. Was Sie also gerade gesehen haben, |
| natürlich ist es etwas beschleunigt, da es nur eine Demonstration ist, aber Sie verbringen keine Zeit damit, nach Daten und verschiedenen Quellen zu suchen und zu versuchen, sie mit den richtigen Spalten zusammenzuführen. Alle diese Prozesse sind in einem einzigen Skript integriert und das ermöglicht es uns, |
| täglicher Bericht an den Kunden |
| Datenmengen, die sonst nicht möglich wären. Und der Kunde kann tatsächlich sehr schnell datengesteuerte Entscheidungen treffen. Das ist wahrscheinlich der Schlüssel |
| Botschaft, die ich mit diesem Skript, das wir gerade sehen, übermitteln möchte. |
| Nun, ich würde die Präsentation gern mit einigen abschließenden Bemerkungen und Schlussbemerkungen beenden. |
| Auf der einen Seite haben wir einen einzigartigen Ansatz für die Datenhandhabung und -verarbeitung entwickelt. Und wenn wir einzigartig sagen, dann deshalb, weil wir eine Synergie zwischen einer Excel-Datei, die die meisten Leute verwenden können, weil sie mit Microsoft Office sehr vertraut sind, und einem JSL-Skript geschaffen haben. |
| Das Ausführen ist ganz einfach. Klicken Sie einfach auf „Ausführen“. Sie erhalten eine grafische Benutzeroberfläche und einige Schaltflächen zum Ausführen von Aufgaben. |
| Dann haben wir einen standardisierten Workflow. Und das ist auch sehr wichtig, wenn man mit mehreren Kunden arbeitet und auch |
| auch aus praktischer Sicht. Wenn zum Beispiel einer meiner Kollegen in den Urlaub geht, ist es für einen anderen Projektleiter einfach, das Projekt zu übernehmen. |
| und wissen Sie, dass alle Ordnerstrukturen gleich sind, dass alle Skripte gleich sind und die Schaltflächen dieselben Aktionen ausführen. |
| Schließlich können wir auch eine nahtlose Integration von Daten und diese schnellen Aktualisierungen von Informationen garantieren mit |
| Tausende oder sogar eine halbe Million Datenpunkte pro Tag können schnell an Kunden gesendet werden, und dies ermöglicht ihnen dann, nahezu online datengesteuerte Entscheidungen zu treffen. |
| Letztendlich besteht unser Ziel darin, die Kundenzufriedenheit durch einen konsistenten, zuverlässigen und robusten Prozess zu maximieren. |
| Nun, an dieser Stelle möchte ich den Organisatoren dieses Entdeckungsgipfels noch einmal danken. |
| Natürlich gilt mein Dank all unseren Kollegen bei Avantium, die dies möglich gemacht haben, insbesondere denen, die intensiv an der Entwicklung dieser Skripte gearbeitet haben. Und wenn Sie neugierig auf unser Unternehmen oder unsere Arbeit im Bereich Catalysis sind, besuchen Sie bitte einen der hier angezeigten Links. |
| Und damit möchte ich zum Schluss kommen. Vielen Dank für Ihre Aufmerksamkeit. Und ja, wir freuen uns auf Ihre Fragen. |
