Business Intelligence Infotag

Größe: px
Ab Seite anzeigen:

Download "Business Intelligence Infotag"

Transkript

1 Business Intelligence Infotag SAP Consulting und Leuphana Universität im Dialog Data Warehousing in column & memory - Trends im Business Warehouse Thorsten Winsemann

2 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 2

3 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 3

4 TW Zur Person Studien Hochschule Bremerhaven Transportwesen ( Logistik ) Diplom-Wirtschaftsingenieur (FH) Systemanalyse ( Wirtschaftsinformatik ) Diplom-Ingenieur (FH) Beruf SAP AG, SAP Hosting, SAP SI, SAP Deutschland Entwicklung (Walldorf) Logistikinformationssysteme + Business Information Warehouse 1999 heute Beratung (Walldorf + Hamburg) Business Information Warehouse + Logistikinformationssysteme seit 10/09 Internes Entwicklungsprojekt New BW & NewDB Promo Otto-von-Guericke-Universität Magdeburg seit 09/09 Architektonische Anforderungen an ein Data Warehouse unter besonderer Berücksichtigung neuester Techniken der Datenhaltung SAP 2009/ Page 4

5 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 20089/ Page 5

6 R/3-Informationssysteme Executive Information System etc. CO-PA Ergebnisrechnung FI: General Ledger et al. Projektsystem- Informationssystem Logistik- Informationssysteme HR- Informationssystem R/3 SAP 2009/ Page 6

7 Data Warehouse Konzepte: Logistik-Informationssysteme (LIS) OLAP Online Analytical Processing DATA WARE- HOUSE Analyse-Werkzeuge Planung Copy Management OLTP Qualitätsmanagement Verdichtete Informationen Produktionsplanung Material- Management Online Transaction Processing Externe Daten Vertrieb Instandhaltung Integrierte Anwendungsmodule Finanzen, SAP 2009/ Page 7

8 Datenfluß im LIS Standard- Analyse Analyseprogramm Analyseprogramm S... S001 S5nn Info-Struktur S001/ Menge Wert S5nn/XYZ Anzahl ø-wert Fortschreibungs- regeln MCVBAK MCVBAP LIS-Schnittstelle Schnittstelle Auftrag Vertrieb VBAK VBAP VBAK VBAP Anwendung SAP 2009 / Page 8

9 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 9

10 Gründe der Trennung von OLTP und OLAP OLAP Steigender Informationsbedarf in Quantität und Qualität Sammlung von Daten verschiedener Art und Quellen Datenharmonisierung (Synonyme Kunde Auftraggeber, ) Unterschiedliche Art der Datennutzung erfordert(e) unterschiedliche Ablage- und Zugriffskonzepte detailliert verdichtet; geringe große Datenmengen; INS/UPD SEL, HW-/Systemressourcen durch gleichzeitige Nutzung erschöpft Unzureichende Berichts- und Analyseperformance OLTP Qualitätsmanagement Vertrieb Produktionsplanung Material- Management Instandhaltung DATA WARE- HOUSE BW ersetzt R/3-Info-Systeme, aber nicht alle Berichte! Finanzen, ERP SAP 2009/ Page 10

11 SAP Business Information Warehouse: Überblick SAP 2009 / Page 11

12 SAP Business Information Warehouse: Einschränkungen Reporting im BW ist fixiert auf InfoCubes, InfoObjects/Stammdaten, größtenteils auf verdichtete Daten bezogen ausgerichtet auf die heutigen, bekannten Bedürfnisse der Anwender Zeitnahe Reaktion auf Unbekanntes ist eingeschränkt: (zu) geringe Detaillierungsgrad der Daten in den InfoProvidern fehlende (historische) Vollständigkeit der Daten anwender-bezogene Datenbeschaffung Veränderung des Originalzustands der Daten fehlende Stammdatenhistorie SAP 2009 / Page 13

13 BW - Layered, Scalable Architecture: Referenzschichten betriebswirtschaftliche Logik BI -Applications- Layer aufbereitet, verwendbar für BI-Applikationen harmonisierte Sicht applikationsneutral EDW-Layer (wiederverwendbar; konzernweit, granular Single Point of Truth ) SAP 2009 / Page 14 A Harmonisierte Sicht Qualitätssicherung User berichts- & analysefertig Reporting Layer (Architected Data Marts) Business Transformation Layer Data Propagation Layer Quality & Harmonisation Layer Data Acquisition Layer Corporate Memory A near real-time reporting granular, operational Operational Data Store unverändert, granular extrahierte Daten unverändert Data Sources langfristig umfassend, komplett temporär das Unbekannte meistern LSA

14 BW - Layered, Scalable Architecture: Kundenbeispiel SAP 2009 / Page 15

15 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 16

16 BW Accelerator Vision Beschleunigung der Berichts-Performance für SAP BW um bis zu Faktor 100 über vorkonfiguriertes plug-in appliance Hohes Datenvolumen Berichte mit einem zugrundeliegende Datenbestand von (zig-) Millionen Sätzen Schnelle Antwortzeiten Beispiel: Service Level Agreements für Call Center u.ä. Ad hoc-berichte Gute Antwortzeiten für verschiedenste Abfagen, Aggregationsstufen, drill-down, slice & dice,

17 BW Accelerator: Architektur (Indexaufbau, -Laden, Berichtsausführung) BusinessObjects Other Explorer Other Daten-/Ergebnisaufbereitung für BI Queries Aggregation on the fly In-Memory Processing Analytic Engine InfoCubes Indexing Any Source SAP 2009 / Page 18 Data Acquisition SAP NetWeaver BW Parallele Indizierung der InfoCube-Daten über BW-Standard prozesse Spaltenbasiertes Speichern & Komprimierung für minimalen Speicherplatz Initiales Laden der Indexe SAP NetWeaver BW Accelerator

18 BW Accelerator Performance (1): Vertical Decomposition Classical DB stores tables by row BW Accelerator stores tables by column Tuple1 Tuple2 Att1 Att2 Att3 Att4 Att5 To find all instances of an attribute value: Go to the first row Check the attribute value Go to the next row Check the attribute value Repeat for each row in the table To find all instances of an attribute value: Go to the attribute column Read its row values SAP 2009 / Page 20

19 BW Accelerator Performance (2): Horizontal Partitioning Index Fact Table Part 01 Part 01 Automatic assignment to nodes TREX Services Metadata Part 02 Part N Part 02 Part N Large Tables Index Metadata Logical Index Server Index Metadata Physical Index Server Index Metadata Physical Index Server.... Index Metadata Physical Index Server Storage If you add a new HW node, the BW Accelerator monitor enables easy redistribution SAP 2009 / Page 21

20 BW Accelerator Performance (3): Smart Compression DocId 1 DocId 2 DocId 3 DocId 4 DocId 5 DocId 6 DocId 7 JAN FEB MAR APR MAY JUN JUL Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, INTEL oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, ABB oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, oder HPdas Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, INTEL oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, IBM oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, IBM oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu SIEMENS öffnen, oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat RED GREEN BLUE RED WHITE BLACK BROWN DocId ValueId DocId 8 AUG Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, INTEL oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Dat BLUE 3 Index Vector 1. Take a column 2. Map its values to integers in a dictionary 3. Write the index vector with integers 4. Invert the index vector for fast lookup Dictionary ValueId Value 0 ABB 1 HP 2 IBM 3 INTEL 4 SIEMENS Inverted Index ValueId DocIdList ,6 3 1,4,8 4 7 SAP 2009 / Page 22

21 BW Accelerator Availability & Scalability Master 1 is active, masters 2 and 3 are backups: each master pings all masters to check availability RFC RFC Server Server Run as many blades as required for current index and query load Name Server Master Name 1 Server Master Name 2 Server Master 3 Index Server Backup BWA Engine Index Index Server Server Master Master BWA Engine Index Index Server Server Cohort Master BWA Engine Index Server Cohort Index Index Server Server Cohort Master BWA Engine For higher availability install one or more extra blades and configure them to serve as backups for the other blades BWA Storage

22 Testergebnisse InfoCube Aggregate BWA SAP 2009 / Page 24

23 Aktuell: SAP BusinessObjects Accelerator & Explorer Integration Excel Universe SAP BusinessObjects Enterprise SAP BusinessObjects Explorer Nonaccelerated accelerated version index designer BW Accelerator SAP BusinessObjects Data Services SAP BusinessObjects Accelerator SAP 2009 / Page 26 External Data Business Warehouse SAP NetWeaver BW

24 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 27

25 Nachteile der Trennung von OLTP und OLAP OLAP hat keine aktuellsten Daten (kein wirkliches real-time reporting ) OLAP hat nur eine vordefinierte Teilmenge der Daten Aufwändiges Synchronisieren beider Systeme notwendig Komplexe ETL-Prozesse in OLTP und OLAP Hohe Datenredundanz Hoher Wartungsaufwand SAP 2009 / Page 28

26 Forschung am HPI Untersuchungen zu In-Memory-Column Database Aussage: Column storage paßt bestens zu modernen CPUs! Vorbemerkung: Multi-core processors: Blades mit 8 CPUs mit jeweils 16 Cores 128 Computing units mit bis zu 500 GB Hauptspeicher Rechnerleistung wird zunehmen! Vorraussetzung: Optimierte Nutzung unter Berücksichtigung von Speichernutzung/-verbrauch Parallelverarbeitung SAP 2009 / Page 29

27 HPI: Column storage paßt bestens zu zeitgemäßen CPUs (1) Grundlage: Betrachtung einer echten (Kunden-)Datenbank : Beispiel: SAP-Tabelle FI-Belegpositionen 160 Attribute, 34 Millionen Datensätze Row-based DBS: ~ 35 GB Column-based DBS: ~ 8 GB (wg. besserer, vertikaler Verdichtung) Typische SQL-Abfrage beinhaltet 10% der Attribute 800MB Daten erforderlich für Summenbildung DB-Zugriffe sind meistens set-basiert und somit spaltenorientiert Eine row-based DB kann (auch mit Indizierung) nicht mit einer column-based konkurrieren (größerer zu durchsuchender Datenbestand) SAP 2009 / Page 30

28 HPI: Column storage paßt bestens zu zeitgemäßen CPUs (2) SAP 2009 / Page 31

29 HPI: Column storage paßt bestens zu zeitgemäßen CPUs (3) Zusätzlich: Berechnungen meistens auf DB-Ebene mit komprimierten Integerformaten möglich Performance-Vorteil von Faktor ggü. nicht-komprimierten Daten auf Applikationsebene Parallelverarbeitung durch einfache Verteilung spaltenorientierter Zugriffe Scan-Geschwindigkeit: 1MB/ms > 10MB/ms bei CPU mit 16 Cores parallel bei einer auf 4 Bytes komprimierten Dimension 2.5 Mio. Tuples/ms Full column scan! SAP 2009 / Page 32

30 HPI: Column storage eignet sich für UPDintensive Applikationen (1) Behauptung: Column-store DB sind teuer bei Updates (durch aufwändiges Neu-Berechnen der komprimierten Spalten(werte)) Grundlage: Betrachtung einer echten (Kunden-)Datenbank : Beispiel: Tabellen der SAP FI-Applikation (~18 Tabellen; 2+16) Ergebnis der Analyse: 3 Hauptarten von Updates Aggregate Statusinformationen Werte SAP 2009 / Page 33

31 HPI: Column storage eignet sich für UPDintensive Applikationen (2) Update von Aggregaten Aggregate werden durch on-the-fly -Berechnungen überflüssig SAP 2009 / Page 34

32 HPI: Column storage eignet sich für UPDintensive Applikationen (3) Update von Statusinformationen UPD problemlos, da Kardinalität sich nicht ändert und sie nicht komprimiert werden (müssen) INS-only-Ansatz (mit Timestamp) Update von Werten Ølich nur 5% Veränderung des Datenbestands INS-only-Ansatz (mit Timestamp) Zusätzliche Last für Delta-Manager kein Problem Zusätzlich: Change History (mit Zeitstempel und Änderer) Weniger UPDs weniger Lock-Situationen SAP 2009 / Page 35 bessere Parallelisierung

33 HPI: Alle Daten eines Systems passen in den Hauptspeicher Daten im Hauptspeicher - Untersuchungen zeigen: Speicher-Komprimierung: Faktor 10 möglich ( Dictionary Compression et al.) Speichereinsparung durch Wegfall von Aggregaten (~ Faktor 2) Nur aktive Datenpartitionen im Hauptspeicher: ~ Faktor 5 (letzten 2 von ca. 10 Jahren Datenbestand) Reduzierung des Speicherbedarfs um Faktor 100 Hardware: 500 GB RAM in Bladeserver der nächsten Generation Bladesysteme mit 100 Blades 50 TB Hauptspeicher verfügbar! SAP 2009 / Page 36

34 Inhalt TW Zur Person R/3-Informationssysteme Ein Rückblick Business Information Warehouse BW Accelerator In Column & Memory: OLTP + OLAP Ausblick SAP 2009 / Page 37

35 OLTP + OLAP in einem System? Nutzung einer In-memory Column-store DB für OLTP + OLAP? OLAP Voraussetzung: Optimierung hinsichtlich Set processing (keine SELECT *) Schnellen inserts Maximalem, gleichzeitigem (Lese-)Zugriff Geringem Reorganisationsaufwand DATA WARE- HOUSE OLTP Konsequenz: Qualitätsmanagement Vertrieb Produktionsplanung Material- Management Instandhaltung OLTP + OLAP in einem column-based System möglich! Finanzen, ERP SAP 2009 / Page 38

36 OLTP + OLAP in einem System: Ausblick Was bedeutet das für Systeme? Auswirkungen auf Applikationsentwicklung: Code-Reduzierung um ~30% (Nutzung der DB-Logik + stored procedures) Geringer Speicherbedarf Anbindung externer Daten(quellen) durch SaaS Vertikale Partitionierung als (gute) Voraussetzung ETL/ELT-Prozesse notwendig? (Datenharmonisierung etc.) Was bedeutet das für Berater? SAP 2009 / Page 39 BW-Berater Prozeßberater?

37 Business Intelligence Infotag SAP Consulting und Leuphana Universität im Dialog Fragen? DANKE!

Data Warehousing in der Praxis. SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis. Thorsten Winsemann

Data Warehousing in der Praxis. SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis. Thorsten Winsemann Data Warehousing in der Praxis SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis Thorsten Winsemann Data Warehousing in der Praxis Inhalt TW Zur Person SAP

Mehr

Data Warehousing in der Praxis. SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis. Thorsten Winsemann

Data Warehousing in der Praxis. SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis. Thorsten Winsemann Data Warehousing in der Praxis SAP Business Information Warehouse (SAP-BW) SAP in-memory ein Überblick DW-Projekte in der Praxis Thorsten Winsemann Data Warehousing in der Praxis Inhalt TW Zur Person SAP

Mehr

Performanceaspekte in der SAP BI Modellierung

Performanceaspekte in der SAP BI Modellierung Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

Einführung in Hauptspeicherdatenbanken

Einführung in Hauptspeicherdatenbanken Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse www.osram-os.com SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse Oliver Neumann 08. September 2014 AKWI-Tagung 2014 Light is OSRAM Agenda 1. Warum In-Memory? 2. SAP HANA

Mehr

HANA. TOBA-Team Dresden 19.05.2012

HANA. TOBA-Team Dresden 19.05.2012 HANA TOBA-Team Dresden 19.05.2012 Kunde droht mit Auftrag! Ein großer Discounter schickt Anfrage: Bis wann und zu welchem Preis können Sie 30.000 Stück liefern? Die Hektik beginnt! Bis wann Welche und

Mehr

www.braunconsult.de SAP BW 7.3 & SAP HANA

www.braunconsult.de SAP BW 7.3 & SAP HANA Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele

Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele Jürgen Karnstädt Senior Consultant HP SAP Competence Center Hewlett-Packard Development Company, L.P. The information contained

Mehr

IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse

IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse Harald Bolbach IBM SAP Principal Agenda Herausforderungen an das Data Warehousing / Reporting Welche Möglichkeiten

Mehr

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich

Mehr

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Hauptspeicher- Datenbanksysteme. Hardware-Entwicklungen Column- versus Row-Store...

Hauptspeicher- Datenbanksysteme. Hardware-Entwicklungen Column- versus Row-Store... Hauptspeicher- Datenbanksysteme Hardware-Entwicklungen Column- versus Row-Store... Hauptspeicher-Datenbanksysteme Disk is Tape, Tape is dead Jim Gray Die Zeit ist reif für ein Re-engineering der Datenbanksysteme

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

Evolution statt Revolution

Evolution statt Revolution Evolution statt Revolution Ihr Weg von SAP MaxDB zu SAP in-memory computing Jürgen Primsch, SAP AG 18. November 2010 Agenda 1. SAP MaxDB 2. SAP in-memory computing 3. Auf zu neuen Ufern 2010 SAP AG. All

Mehr

InspireIT. SAP HANA Sesam öffne dich. Stefan Kühnlein Solution Architekt OPITZ CONSULTING Deutschland GmbH. Frankfurt am Main, 11.05.

InspireIT. SAP HANA Sesam öffne dich. Stefan Kühnlein Solution Architekt OPITZ CONSULTING Deutschland GmbH. Frankfurt am Main, 11.05. InspireIT SAP HANA Sesam öffne dich Stefan Kühnlein Solution Architekt OPITZ CONSULTING Deutschland GmbH Frankfurt am Main, 11.05.2015 OPITZ CONSULTING GmbH 2015 Seite 1 Checker Fragen Ist SAP HANA eine

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S T E F A N M A R K 07.07.2015 F O L I E 1 V O N 2 7 F I R M E N P O R T R A I T S. O L I V E R GESCHICHTE F O L I E 2 V O N 2 7 F

Mehr

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management Anke Noßmann Syncwork AG SAP HERUG Partnertag, Berlin 06. November 2009 Inhalt 1. Ausgangssituation 2. Alternative

Mehr

SAP Business Intelligence

SAP Business Intelligence SAP Business Intelligence Helmut Roos Diplom-Ingenieur Unternehmensberater Grundlagen zu Netweaver 7.0 D-67067 Ludwigshafen +49 (621) 5 29 44 65 Data Acquisition Common Read / Write Interface Open Interface

Mehr

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Inhaltsverzeichnis SAP BUSINESS WAREHOUSE (BW) DATENKOLLEKTOR 3 GRUNDSÄTZLICHES:...3 DER BW DATENKOLLEKTOR ÜBERWACHT DIE FOLGENDEN KERNPROZESSE

Mehr

HANA Solution Manager als Einstieg

HANA Solution Manager als Einstieg Markus Stockhausen HANA Solution Manager als Einstieg Collogia Solution Day Hamburg 28.04.2016 Agenda HANA Solution Manager als Einstieg 1 Überblick 2 Techniken 3 Sizing Collogia Unternehmensberatung AG,

Mehr

In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest

In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest Synopsis Darmstadt 13.-14.05.2014 Guido Jacobs, Microsoft Tobias Maier & Dr. Benjamin Kettner, ixto GmbH Microsoft SQL Server 2014 //

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OSC Smart Integration GmbH SAP Business One GOLD-Partner in Norddeutschland GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 SAP Business One v.9.0 Heiko Szendeleit AGENDA OSC-SI 2013 / SAP Business One

Mehr

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag SAP HANA ist schnell erklärt TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag Ihr Referent Steckbrief Name: Miroslav Antolovic Jahrgang: 1975 Stationen: SAP, Walldorf 1999-2004 Realtech, Walldorf

Mehr

Mehrwerte schaffen durch den Einsatz von Business Intelligence

Mehrwerte schaffen durch den Einsatz von Business Intelligence Mehrwerte schaffen durch den Einsatz von Business Intelligence 1 Menschen beraten Menschen beraten BTC zeigt Wege auf - Sie entscheiden BTC zeigt Wege auf - Sie entscheiden Martin Donauer BTC Business

Mehr

CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage

CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage PBS Nearline Storage Lösung mit spaltenorientierter Datenbanktechnologie für SAP NetWeaver BW Dr. Klaus Zimmer, PBS Software GmbH Agenda

Mehr

Oracle OLAP 11g: Performance für das Oracle Data Warehouse

Oracle OLAP 11g: Performance für das Oracle Data Warehouse Oracle OLAP 11g: Performance für das Oracle Data Warehouse Marc Bastien Oracle BI Presales Agenda Performanceprobleme in Oracle DWH: gibt s das überhaupt? Mögliche Gründe und Lösungen

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

IDS Lizenzierung für IDS und HDR. Primärserver IDS Lizenz HDR Lizenz

IDS Lizenzierung für IDS und HDR. Primärserver IDS Lizenz HDR Lizenz IDS Lizenzierung für IDS und HDR Primärserver IDS Lizenz HDR Lizenz Workgroup V7.3x oder V9.x Required Not Available Primärserver Express V10.0 Workgroup V10.0 Enterprise V7.3x, V9.x or V10.0 IDS Lizenz

Mehr

IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data

IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data PROFI Webcast Darmstadt, 12. Juni 2012 Christian Lenz SAP HANA IN MEMORY COMPUTING DATENWACHSTUM HEUTE UND IN DER ZUKUNFT Daten wachsen nicht linear,

Mehr

Einfach machen - Palo Bi Suite. Kristian Raue, Gründer und Vorstand Jedox AG

Einfach machen - Palo Bi Suite. Kristian Raue, Gründer und Vorstand Jedox AG Einfach machen - Palo Bi Suite Kristian Raue, Gründer und Vorstand Jedox AG Mit 500 Mio. Anwendern ist Excel die meist genutzte Unternehmenssoftware weltweit. Jedox ist der führende Anbieter für Enterprise

Mehr

REAL-TIME DATA WAREHOUSING

REAL-TIME DATA WAREHOUSING REAL-TIME DATA WAREHOUSING Lisa Wenige Seminarvortrag Data Warehousing und Analytische Datenbanken Friedrich-Schiller-Universität Jena - 19.01.12 Lisa Wenige 19.01.2012 2 Agenda 1. Motivation 2. Begriffsbestimmung

Mehr

SQL Server 2012. Technischer Überblick. Patrick Heyde

SQL Server 2012. Technischer Überblick. Patrick Heyde SQL Server 2012 Technischer Überblick Patrick Heyde Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/patrick_heyde Patrick.Heyde@Microsoft.com SQL Server 2012 Highlights Der neue

Mehr

Business Mehrwerte von SAP HANA

Business Mehrwerte von SAP HANA Business Mehrwerte von SAP HANA von der Technologie zum Geschäft Halle, 07.05.2013 2013 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda GISA im Überblick Was ist SAP HANA? Was

Mehr

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen

Mehr

Mala Bachmann September 2000

Mala Bachmann September 2000 Mala Bachmann September 2000 Wein-Shop (1) Umsatz pro Zeit und Produkt Umsatz Jan Feb Mrz Q1 Apr 2000 Merlot 33 55 56 144 18 760 Cabernet-S. 72 136 117 325 74 1338 Shiraz 85 128 99 312 92 1662 Rotweine

Mehr

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25 Inhalt Geleitwort 13 Vorwort 17 Einleitende Hinweise 19 Handhabung des Buches 19 Übergreifendes Beispielszenario 19 Nach der Lektüre 21 Danksagung 21 1 Business-Intelligence-Konzepte - Neuerungen 25 1.1

Mehr

Agenda. Erklärung In-Memory Datenbank. In-Memory Datenbank Anbieter. Vergleich SAP HANA mit. Lizenzen (evtl. wenn Zeit erlaubt) Fazit

Agenda. Erklärung In-Memory Datenbank. In-Memory Datenbank Anbieter. Vergleich SAP HANA mit. Lizenzen (evtl. wenn Zeit erlaubt) Fazit In-Memory Computing ein Vergleich Andrew Lacy Solution Architect OPITZ CONSULTING Deutschland GmbH DOAG Regio, Berlin, 04.03.2015 OPITZ CONSULTING GmbH 2015 Seite 1 Agenda Erklärung In-Memory Datenbank

Mehr

AKWI-Fachtagung 2014. SAP HANA Live als Basis für operatives Reporting in Echtzeit. Customizing und Anwendung

AKWI-Fachtagung 2014. SAP HANA Live als Basis für operatives Reporting in Echtzeit. Customizing und Anwendung AKWI-Fachtagung 2014 Darius Nowak Prof. Dr. Harald Ritz Jörg Wolf SAP HANA Live als Basis für operatives Reporting in Echtzeit Customizing und Anwendung 1 Agenda 1. Einleitung 2. Motivation 3. SAP HANA

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE Themen Big Data Buzz Word oder eine neue Dimension

Mehr

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

Mehr

Praxishandbuch SAP BW 3-1

Praxishandbuch SAP BW 3-1 Norbert Egger Praxishandbuch SAP BW 3-1 Technische Universität DarmsUdt FACHBEREICH INFORMATIK BIBLIOTHEK Inventar-Nr.: Ä/A< Sachgebiete: Standort- Co Galileo Press Inhalt Vorwort 13 Zu diesem Buch 17

Mehr

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution EXASOL @ Symposium on Scalable Analytics Skalierbare Analysen mit EXASolution EXASOL AG Wer sind wir R&D: + seit 2000 + laufend Forschungsprojekte Produkt: Analytische Datenbank EXASolution Focus auf Komplexität

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Dipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht

Dipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht Dipl. Inf. Eric Winter Entwicklungsleiter PTC GPS-Services GmbH PostgreSQLals HugeData Storage Ein Erfahrungsbericht Inhalt 1. Problembeschreibung 2. Partielle Indexierung 3. Partitionierung 1. Vererbung

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

Migration SAP BW 7.3 auf SAP HANA

Migration SAP BW 7.3 auf SAP HANA Migration SAP BW 7.3 auf SAP HANA IMCC 5.6.2013 Karl Schindler - IT 2011 SAP AG. All rights reserved. 1 Agenda Die Koehler Paper Group IT Landschaft InMemory - Technologie Anforderungen an modernes Reporting

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

SAP BO Explorer Performance on your Fingertips

SAP BO Explorer Performance on your Fingertips SAP BO Explorer Performance on your Fingertips Dr. Oliver Kelkar, Alexander Haditsch Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh SAP BO Explorer Performance on your Fingertips

Mehr

Copyright 2014, Oracle and/or its affiliates. All rights reserved.

Copyright 2014, Oracle and/or its affiliates. All rights reserved. 1 Integrierte Systeme für ISVs Matthias Weiss Direktor Mittelstand Technologie ORACLE Deutschland B.V. & Co. KG 2 Agenda Engineered Systems Lösungsansatz aus der Praxis Engineered Systems Oracle s Strategie

Mehr

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen Frank Irnich SAP Deutschland SAP ist ein globales Unternehmen... unser Fokusgebiet... IT Security für... 1 globales Netzwerk > 70 Länder, >

Mehr

V13: SAP BW: Data Warehousing & Wiederholung

V13: SAP BW: Data Warehousing & Wiederholung Aufbaukurs SAP ERP: Module PP, FI und CO Wintersemester 2009/10 V13: SAP BW: Data Warehousing & Wiederholung 25. Januar 2010 Dipl.-Ök. Harald Schömburg Dipl.-Ök. Thorben Sandner schoemburg@iwi.uni-hannover.de

Mehr

(Schema-Management) Seminar Cloud Data Management WS 09/10. Hendrik Kerkhoff 1

(Schema-Management) Seminar Cloud Data Management WS 09/10. Hendrik Kerkhoff 1 (Schema-Management) Seminar Cloud Data Management WS 09/10 Hendrik Kerkhoff 1 Anforderungen an eine Multi-Tenancy Datenbank Erweiterung von klassischen Datenbanken Funktionsweise & Einsatzgebiete Schema-Mapping

Mehr

RE.one. Self Service Information Management für die Fachabteilung

RE.one. Self Service Information Management für die Fachabteilung RE.one Self Service Information Management für die Fachabteilung Das Ziel Verwertbare Informationen aus Daten gewinnen Unsere Vision Daten Info Data Warehousing radikal vereinfachen in einem Tool Die Aufgabe

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

Mehr

SQL Server 2014 Roadshow

SQL Server 2014 Roadshow 1 SQL Server 2014 Roadshow Kursleitung: Dieter Rüetschi (ruetschi@ability-solutions.ch) 2 Inhalt Allgemeine Informationen Buffer Pool Extension Column Store Index In Memory OLTP Scripting Security SQL

Mehr

SAP In-Memory Technologie (HANA) in der Versorgungswirtschaft

SAP In-Memory Technologie (HANA) in der Versorgungswirtschaft SAP In-Memory Technologie (HANA) in der Versorgungswirtschaft Michael Utecht, Industry Expert Utilities Business Area COO Germany, Industry Solutions SAP Deutschland AG & Co.KG 09.11.2011 Opportunities

Mehr

The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into

The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material,

Mehr

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Obwohl mit der Verwendung von SAP HANA ein neuer semantischer Layer zum Einsatz kommt,

Mehr

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

Milliarden in Sekunden: Demo zu PureData for Analytics. Marc Bastien Senior Technical Professional Big Data, IBM

Milliarden in Sekunden: Demo zu PureData for Analytics. Marc Bastien Senior Technical Professional Big Data, IBM Milliarden in Sekunden: Demo zu PureData for Analytics Marc Bastien Senior Technical Professional Big Data, IBM IBM PureData System Für die Herausforderungen von Big Data Schnell und Einfach! System for

Mehr

MySQL Replikation. Erkan Yanar erkan.yanar@linsenraum.de linsenraum.de 19.11.2013. linsenraum.de

MySQL Replikation. Erkan Yanar erkan.yanar@linsenraum.de linsenraum.de 19.11.2013. linsenraum.de MySQL Replikation Erkan Yanar erkan.yanar@linsenraum.de linsenraum.de linsenraum.de 19.11.2013 Erkan Yanar erkan.yanar@linsenraum.de linsenraum.de (linsenraum.de) MySQL Replikation 19.11.2013 1 / 37 Who

Mehr

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Herbert Rossgoderer Geschäftsführer Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH ISE

Mehr

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

Mehr

Datenbanken II Speicherung und Verarbeitung großer Objekte (Large Objects [LOBs])

Datenbanken II Speicherung und Verarbeitung großer Objekte (Large Objects [LOBs]) Datenbanken II Speicherung und Verarbeitung großer Objekte (Large Objects [LOBs]) Hochschule für Technik, Wirtschaft und Kultur Leipzig 06.06.2008 Datenbanken II,Speicherung und Verarbeitung großer Objekte

Mehr

WISSENSWERTES ZU SAP HANA

WISSENSWERTES ZU SAP HANA WISSENSWERTES ZU SAP HANA Architektur, Szenarien, Infrastruktur und PROFI Dienstleistungen PROFI Webcast 25. Februar 2014 Karl Schrupp SAP HANA, ÜBERBLICK AGENDA Was ist SAP HANA? SAP HANA Architektur

Mehr

PERFORMANCESTEIGERUNG IM SAP-UMFELD. Ein Ziel Drei Möglichkeiten: SAP HANA, IBM DB2 BLU, IBM Flash Storage

PERFORMANCESTEIGERUNG IM SAP-UMFELD. Ein Ziel Drei Möglichkeiten: SAP HANA, IBM DB2 BLU, IBM Flash Storage PERFORMANCESTEIGERUNG IM SAP-UMFELD Ein Ziel Drei Möglichkeiten: SAP HANA, IBM DB2 BLU, IBM Flash Storage AUSGANGSSITUATION 2 AUSGANGSSITUATION PERFORMANCESTEIGERUNG IM SAP UMFELD Wieso Weshalb Warum Performancesteigerung

Mehr

Andrea Held. Motivation ILM: Definition und Strategien Lösungen für Oracle Datenbanken. Empfehlungen

Andrea Held. Motivation ILM: Definition und Strategien Lösungen für Oracle Datenbanken. Empfehlungen Andrea Held Motivation ILM: Definition und Strategien Lösungen für Oracle Datenbanken Partitionierung Komprimierung ILM Assistant Flashback Data Archive Empfehlungen 1 Datenwachstum Wachsende Kosten Schlechtere

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

Mehr

"Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?"

Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT? "Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?" Matthias Heiler, Solution Architect, Database & Technology, SAP Deutschland 23. April 2013 Do Things Differently Do Different Things

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

PostgreSQL in großen Installationen

PostgreSQL in großen Installationen PostgreSQL in großen Installationen Cybertec Schönig & Schönig GmbH Hans-Jürgen Schönig Wieso PostgreSQL? - Die fortschrittlichste Open Source Database - Lizenzpolitik: wirkliche Freiheit - Stabilität,

Mehr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN OPEN SOURCE BUSINESS INTELLIGENCE MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN uwehaneke Stephan TRAHASCH tobias HAGEN tobias LAUER (Hrsg.)' tdwi E U R D P E HANSER Vorwort 9 Einführung

Mehr

SAP BW auf HANA. Frank Riesner Klaus-Peter Sauer

SAP BW auf HANA. Frank Riesner Klaus-Peter Sauer SAP BW auf HANA Frank Riesner Klaus-Peter Sauer INHALTSVERZEICHNIS Inhaltsverzeichnis Vorwort 7 Danksagung 11 1 Evolution und Überblick 15 1.1 Evolution von SAP HANA 15 1.2 Evolution von BW 21 1.3 BW auf

Mehr

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1 Exercise (Part XI) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All

Mehr

Near Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer 09.12.2015

Near Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer 09.12.2015 Near Realtime ETL mit Oracle Golden Gate und ODI Lutz Bauer 09.12.2015 Facts & Figures Technologie-orientiert Branchen-unabhängig Hauptsitz Ratingen 240 Beschäftigte Inhabergeführt 24 Mio. Euro Umsatz

Mehr

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

Oracle EngineeredSystems

Oracle EngineeredSystems Oracle EngineeredSystems Überblick was es alles gibt Themenübersicht Überblick über die Engineered Systems von Oracle Was gibt es und was ist der Einsatzzweck? Wann machen diese Systeme Sinn? Limitationen

Mehr

Inhalt. TEIL I Grundlagen. 1 SAP HANA im Überblick... 31. 2 Einführung in die Entwicklungsumgebung... 75

Inhalt. TEIL I Grundlagen. 1 SAP HANA im Überblick... 31. 2 Einführung in die Entwicklungsumgebung... 75 Geleitwort... 15 Vorwort... 17 Einleitung... 19 TEIL I Grundlagen 1 SAP HANA im Überblick... 31 1.1 Softwarekomponenten von SAP HANA... 32 1.1.1 SAP HANA Database... 32 1.1.2 SAP HANA Studio... 34 1.1.3

Mehr

Wie profitiert SAP MaxDB von SSD Technologie?

Wie profitiert SAP MaxDB von SSD Technologie? Wie profitiert SAP MaxDB von SSD Technologie? Direktor Software und Services SAP MaxDB InfoTage 2014 15.-25. September 2014 Purpose Agenda MaxDB ENTERPRISE EDITION Including Mobile DB Monitor MaxDB & SSD

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale SAP HANA Einsatzmöglichkeiten und Potenziale Vorstellung HANA Einsatzmöglichkeiten und Potenziale SAP HANA Studio Performance Was ist SAP HANA : SAP HANA ist eine neue Plattform die die In-Memory Technologie

Mehr

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB

Mehr

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition BI für Jedermann Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition Wolfgang Rütter Bereichsleiter Informationssysteme OPITZ CONSULTING Gummersbach GmbH 1 Warum BI für Jedermann? 1. Historie

Mehr

Oracle Datenbank 12 c Die wichtigsten Funktionen im Schnelldurchgang

Oracle Datenbank 12 c Die wichtigsten Funktionen im Schnelldurchgang Oracle Datenbank 12 c Die wichtigsten Funktionen im Schnelldurchgang Matthias Weiss Direktor Mittelstand Technologie ORACLE Deutschland B.V. & Co.KG Oracle Confidential Internal/Restricted/Highly Restricted

Mehr

Zu diesem Buch 1. Leitfaden SAP BW 7 Buchinhalt... 1 Leitfaden SAP BW 7 Buchstruktur... 3 Leitfaden SAP BW 7 Motivation zum Buch...

Zu diesem Buch 1. Leitfaden SAP BW 7 Buchinhalt... 1 Leitfaden SAP BW 7 Buchstruktur... 3 Leitfaden SAP BW 7 Motivation zum Buch... xi Zu diesem Buch 1 Leitfaden SAP BW 7 Buchinhalt..................... 1 Leitfaden SAP BW 7 Buchstruktur................... 3 Leitfaden SAP BW 7 Motivation zum Buch............ 5 1 Einleitung ins Szenario

Mehr

Daniel Rothmund, Senior IT System Engineer SAP. Monitoring - Powered by SAP Solution Manager

Daniel Rothmund, Senior IT System Engineer SAP. Monitoring - Powered by SAP Solution Manager Daniel Rothmund, Senior IT System Engineer SAP Monitoring - Powered by SAP Solution Manager Die Firma in Kürze Entwicklung, Herstellung und Verkauf von Sanitär Technologie Sanitärsysteme Rohrleitungssysteme

Mehr

Infor PM 10 Integrierte Planung und Überwachung von Vertriebsbudgets

Infor PM 10 Integrierte Planung und Überwachung von Vertriebsbudgets Infor PM 10 Integrierte Planung und Überwachung von Vertriebsbudgets Michael Wolters Business Consultant Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld

Mehr

Inhaltsverzeichnis. Teil I Datenmodell 5

Inhaltsverzeichnis. Teil I Datenmodell 5 ix 1 Einleitung 1 Teil I Datenmodell 5 2 Grundlagen 7 2.1 Semantische Aspekte der Modellierung....................... 7 2.2 Zeilenbasierte Speicherstrukturen........................... 9 2.2.1 Star-Schema....................................

Mehr