Data Warehousing. Komponenten Prozesse. Architektur. Wissensmanagement in der. Bioinformatik. Ulf Leser
|
|
- Nele Egger
- vor 8 Jahren
- Abrufe
Transkript
1 Data Warehousing Architektur Komponenten Prozesse Ulf Leser Wissensmanagement in der Bioinformatik
2 Zusammenfassung letzte Vorlesung 1 Aufbau eines Data Warehouse Redundante, transformierte Datenhaltung Asynchrone Aktualisierung Ulf Leser: Data Warehousing, Vorlesung, SoSe
3 Zweck: Analyse und Integration Verkaufen wir im Wedding mehr Dosenbier als in Zehlendorf? FILIALE 1 FILIALE 3... FILIALE 2 DWH Artikeldaten Analyse Kundendaten Welches sind meine Topkunden? Lieferanten daten Ulf Leser: Data Warehousing, Vorlesung, SoSe
4 Vergleich OLTP - OLAP Typische Operationen Transaktionen Typische Anfragen Daten pro Operation Datenmenge in DB Eigenschaften der Daten Modellierung Typische Benutzer OLTP Insert, Update, Delete, Select Viele und kurz Einfache Queries, Primärschlüsselzugriff, Schnelle Abfolgen von Selects/inserts/updates/deletes Wenige Tupel Gigabyte Rohdaten, häufige Änderungen Anwendungsorientiert Sachbearbeiter OLAP Select Bulk-Inserts Lesetransaktionen Komplexe Queries: Aggregate, Groupierung, Subselects, etc. Range Queries über mehrere Attribute Megabyte Terabyte Abgeleitete Daten, historisch & stabil Themenorientiert Management Ulf Leser: Data Warehousing, Vorlesung, SoSe
5 Inhalt dieser Vorlesung Übersicht und Architektur Komponenten Prozesse Ulf Leser: Data Warehousing, Vorlesung, SoSe
6 Part I. DWH Grobarchitektur Hubs and Spokes Mart 1 Mart 2 Mart 3 Mart 4 Abgeleitete Basisdatenbank Sichten DWH Aktualisierungen Quellsysteme Quelle 1 RDBMS Quelle 2 IMS Quelle 3 Textfile Jahresumsatz: Pro Monat Januar: Februar Ulf Leser: Data Warehousing, Vorlesung, SoSe
7 DWH Anforderungen Flexible Zugriffsmöglichkeiten Skalierbarkeit in Datenmenge, Menge Quellen, Menge abgeleiteter Sichten Flexible gegen Schema- und Formatänderungen Hochverfügbarkeit Persistente Datenhaltung Dokumentation und Verständlichkeit Erweiterbarkeit Automatisierung (soweit möglich) Ulf Leser: Data Warehousing, Vorlesung, SoSe
8 DWH Architektur & Komponenten Ost Monitore Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. West Nord Quelle 1 RDBMS Quelle 2 IMS Staging Area Staging Area Metadaten Cube Analysewerkzeuge Mart 2 Mart 1 Datenquellen Basisdaten Abgeleitete Sichten Arbeitsbereich Metadaten Ulf Leser: Data Warehousing, Vorlesung, SoSe
9 Quelle 1 RDBMS Quelle 2 IMS Langlebigkeit Ost West Nord 0 1. Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Metadaten Staging Area Staging Area Mart 2 Cube Mart 1 Flüchtig Persistent Ulf Leser: Data Warehousing, Vorlesung, SoSe
10 Alternativen Physikalische Aufteilung variabel Data Marts auf eigenen Rechnern (Laptop) Staging Area auf eigenen Servern Metadaten auf eigenem Server (Repository) Quelle 1 RDBMS Quelle 2 IMS Staging Area Staging Area Cube Mart 2 Mart 1 Metadaten Ulf Leser: Data Warehousing, Vorlesung, SoSe
11 Referenzarchitektur [BG00] Ulf Leser: Data Warehousing, Vorlesung, SoSe
12 Reine Integrationsarchitektur Nur auf Integration bezogen Keine unmittelbare Analyseorientierung Staging Area: Relationale Darstellung der Quellen Quelle 1 RDBMS Quelle 2 IMS Rel. Schema Q1 Rel. Schema Q2 Metadaten Integriertes Schema Ulf Leser: Data Warehousing, Vorlesung, SoSe
13 Teil I. Komponenten im Einzelnen 1. Datenquellen 2. Staging Area 3. Basisdatenbank 4. Abgeleitete Sichten 5. Analysewerkzeuge 6. Metadatenrepository 7. Data Warehouse Manager Ulf Leser: Data Warehousing, Vorlesung, SoSe
14 1. Datenquellen Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
15 Datenquellen Meist sehr heterogen Technisch: RDBMS, IMS, Mainframe, Textfiles,... Logisch: Schema, Format, Repräsentation,... Syntaktisch: Datum, Währung, Zahlenkodierung,... Verfügbarkeit: Kontinuierlich, Periodisch,... Qualität: Fehlende / falsche Werte, Duplikate,... Rechtlich: Datenschutz (Kunden & Mitarbeiter!) Zugriff Push: Quelle erzeugt regelmäßig Extrakte Pull: DWH stößt Zugriff an / Online-Zugriff Individuelle Behandlung notwendig Ulf Leser: Data Warehousing, Vorlesung, SoSe
16 Datenquellen Szenario Häufiges Schema kommerzieller DWH Viele Quellen eines bestimmten Types Weitere individuelle Quellen Filiale 1 Filiale 1 Filiale 1 Filialen Filiale 1 Filialen Filiale 1 Filiale 1 Lieferanten DWH Kunden Ulf Leser: Data Warehousing, Vorlesung, SoSe
17 Datenquellen Themen Aktualisierung DWH Synchron oder asynchron Komplett oder Delta Updates Transformationsoperationen Load Techniken Planung und Modellierung ETL: Extraction, Transformation, Load Datenqualität Erkennen und Korrigieren Data Cleansing Ulf Leser: Data Warehousing, Vorlesung, SoSe
18 2. Arbeitsbereich (Staging Area) Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
19 Arbeitsbereich Temporärer Speicher Quellnahes Schema Sinn ETL effizienter implementierbar: Mengenoperationen, SQL Effizienter Zugriff auf Basisdatenbank möglich (Upsert) Vergleich zwischen Datenquellen möglich Filter: Nur einwandfreie Daten in Basisdatenbank übernehmen Ulf Leser: Data Warehousing, Vorlesung, SoSe
20 Typische Verwendung Vorher Extraktion der Daten aus Quelle mit Filter: Spaltenauswahl, Keine Reklamationen,... Erstellen eines LOAD Files mit einfachen Konvertierungen: Zahl String, Integer Real,... Zeilenorientiert read_line parse_line if (f[10]=2 & f[12]>0) write(file, f[1], string(f[4]), f[6]+f[7], bulk_upload( file) Ulf Leser: Data Warehousing, Vorlesung, SoSe
21 Typische Verwendung Staging Area Komplexere Konvertierungen: Datum, Währung, MWST,... Vergleiche notwendig: Schlüssel, Namen,... Korrekturen: Ergänzungen, Schreibfehler,... Tagging von Datensätzen durch Prüf-Regeln Mengenorientiert UPDATE sales SET price=price/mwst; UPDATE sales SET cust_name= (SELECT cust_name FROM customer WHERE id=cust_id);... UPDATE sales SET f1=false WHERE cust_name IS NULL;... INSERT INTO DWH SELECT * FROM sales WHERE f1=true & f2=true &... Ulf Leser: Data Warehousing, Vorlesung, SoSe
22 Arbeitsbereich Weitere Themen Keine speziellen Siehe Datenqualität Siehe ETL Ulf Leser: Data Warehousing, Vorlesung, SoSe
23 3. Basisdatenbank Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
24 Basisdatenbank Zentrale Komponente des DWH Begriff DWH meint oft nur die Basisdatenbank Speichert Daten in feinster Auflösung Einzelne Verkäufe Einzelne Bons Historische Daten Riesige Datenmengen Spezielle Modellierung Spezielle Optimierungsstrategien Ulf Leser: Data Warehousing, Vorlesung, SoSe
25 DWH als... Unterschiedliche Philosophien Enterprise DWH Schemaintegration Analyseorientiertes DWH Multidimensionale Modellierung Ulf Leser: Data Warehousing, Vorlesung, SoSe
26 DWH als Enterprise Model Idee: DWH enthält alle Unternehmensdaten Schema muss Unternehmen komplett abdecken Konzeptionelles Enterprise Model als Grundlage der Unternehmens-DV Nutzen Angleichung von Unternehmensabläufen Computergestützter Zugriff als alle Unternehmensdaten und - prozesse SAP R/3, Baan Probleme Extrem komplexes Schema Häufige Änderungen notwendig Unklarer Nutzen Scheitert meist: ERP, CRM, SCM, Sales,... Manugistics, Commerce-One Siebel, SAP Intershop,... Ulf Leser: Data Warehousing, Vorlesung, SoSe
27 Schemaintegration Gegeben: Menge Q i mit Schema S i Gesucht: Schema S = S i Aber: Heterogenitäten Datenmodelle: OO, Relational, IMS,... Semantik: Homonyme, Synonyme,... Syntax: Formate, Sprache,... Viele Vorschläge, wenig erfolgreiche Verfahren Halbautomatische, vorschlagorientiert Systeme Ulf Leser: Data Warehousing, Vorlesung, SoSe
28 Schemaintegration 2 Hauptproblem: Semantik von Schemaelementen Relationale Schema extrem semantikarm Relationen Attribute Eingeschränkt: Assoziationen Was speichert die Relation A20RR? Was speichert das Feld Kunde.Name? Was ist Umsatz? Integration praktisch nicht automatisierbar Beispiel: GIM Ulf Leser: Data Warehousing, Vorlesung, SoSe
29 Analyseorientiertes DWH Klassische Datenmodellierung Ziele: Redundanzvermeidung / Integritätswahrung / nebenläufiger Zugriff Normalformen, Fremdschlüssel, Satzsperren Für Lesen / Schreiben geeignet Ergebnis Viele Relationen, unübersichtliches Schema (Viele) Joins in (fast) allen Queries notwendig Optimieren schwierig: Partitionen, viele Pläne,... Langsam bei sehr großen Relationen Multidimensionale Modellierung Ulf Leser: Data Warehousing, Vorlesung, SoSe
30 Multidimensionale Modellierung Analyseorientierte, intuitive Modellierung Fakten & Dimensionen Star / Snowflake Schema Definition spezieller Operationen: Slice, Roll-Up, Cube Vermeidung von Joins Hochredundante Datenhaltung Wenige, sehr große Tabellen Spezielle Optimierungsverfahren Optimiert für Lesezugriff Ulf Leser: Data Warehousing, Vorlesung, SoSe
31 Beispiel 1- Normalisiertes Schema id year Year Month Id Month year_id Day Id day month_id Sales Bon_id Article_id amount single_price Bon Id Day_id Shop_id Total_amt id name Productgroup Article id Productgroup_id Shop id region_id id name Region Ulf Leser: Data Warehousing, Vorlesung, SoSe
32 id day month year Time Bon Id Day_id Shop_id Total_amt Beispiel 2- Multidimensionales Schema Sales Bon_id Product_id amount Location_id Region_id day month year Time_id Star Product id Article_id Article_name Productgroup_id Productgroup_name Location id shop_id region_id region_name Ulf Leser: Data Warehousing, Vorlesung, SoSe
33 id day month year Time Bon Id Day_id Shop_id Total_amt Beispiel 2- Multidimensionales Schema Faktentabelle Sales Bon_id Product_id amount Location_id Region_id day month year Time_id Dimensionstabellen Product id Article_id Article_name Productgroup_id Productgroup_name Location id shop_id region_id region_name Ulf Leser: Data Warehousing, Vorlesung, SoSe
34 Cube Bier Verkäufe in BWB in 2002 Time Product 2002 Sales Cube Limo Bier 1999 Location BWB Bayern Berlin NRW Cube -> Hypercube: Bon / Lieferant / Kunde /... Ulf Leser: Data Warehousing, Vorlesung, SoSe
35 Zwei Wege zum Schema Bottom-Up: Enterprise Model 1. Quellen analysieren 2. Integriertes Schema ableiten 3. ETL-Prozesse definieren Top-Down: Multidimensional 1. Ziel des DWH festlegen 2. Notwendige Quellen auswählen 3. ETL Prozesse definieren Ulf Leser: Data Warehousing, Vorlesung, SoSe
36 Basisdatenbank Weitere Themen Modellierung Multidimensionale Modellierung Operatoren Optimierung Spezielle Joinverfahren Partitionierung Indexierung Ulf Leser: Data Warehousing, Vorlesung, SoSe
37 4. Abgeleitete Sichten Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
38 Abgeleitete Sichten Analysten benötigt spezielle Daten Aggregiert Alle Verkäufe in Norddeutschland nach Lieferanten Alle Verkäufe nach Niederlassung und Produkten Ausgewählt Alle Verkäufe in Niederlassung X Alle Verkäufe von Lieferant X Probleme bei Auswertung auf Cube Sehr, sehr große Records Hohe Detailstufe Langsame Aggegrations / Gruppierungs / Selektionsoperationen Vorab Erstellung von Data Marts: präaggregierte, gefilterte, abgeleitete Sichten Ulf Leser: Data Warehousing, Vorlesung, SoSe
39 Abgeleitete Sichten Weitere Themen Aktualität der Sichten Asynchrone / Synchrone Aktualisierung Manuelle / automatisch Materialized Views Verwendung der Sichten Materialisierte Aggregation nach Produkten verwendbar für Aggregation nach Produktgruppen? Materialisierte Aggregation nach Wochen verwendbar für Aggregation nach Monaten? Answering Queries using Views Ulf Leser: Data Warehousing, Vorlesung, SoSe
40 Datenanalyse Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
41 5. Analysewerkzeuge Hier nicht Thema Siehe Datenanalyse, Data Mining, Statistik,... OLAP Werkzeuge Häufig proprietäre Systeme, eigene (geheime) Indexstrukturen Abgesetzte Datenhaltung: OLAP auf dem Laptop Excel Funktionalität Grafische Werkzeuge Interaktive Datenauswahl, Filter, Chaining,... Navigation, spez. im Cube Präsentation: Grafiken, Tabellen, Reports, % aller Analysen sind Standardreports Ulf Leser: Data Warehousing, Vorlesung, SoSe
42 ROLAP Server Anbieter: Microstrategy, Cognos, Business Objects Spezieller Server zwischen Front-End und Datenbankserver Download von Daten von DBS und lokale Indizierung und Manipulation Weitere Aufgaben Präaggregationen auswählen und aktualisieren Umschreiben von OLAP Operatoren in effizientes, DBMSoptimiertes SQL Scheduling von Reports auf off-peak Zeiten Ressourcenüberwachung etc. Ulf Leser: Data Warehousing, Vorlesung, SoSe
43 6. Metadatenrepository Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
44 Metadatenrepository... identified as key success factor in DWH... [SVV99] Erweiterung der DB Repositories Speicherung aller DWH relevanten Metadaten Quellbeschreibungen, Datentypen, Prozessbeschreibungen, Schema, Zugriffsgruppen, Sichtdefinitionen, Skripte, Autoren, Versionskontrolle, Konfigurationsmanagement,... Ziele Nachvollziehbarkeit der Prozesse Wer, wann, was? Wie aktuell sind meine Daten? Vermeidung von Fehlinterpretationen Welcher Zeitraum ist hier gemeint? % von was? Technische Beschreibung des DWH Wer hat das programmiert? Was passiert, wenn..? Ulf Leser: Data Warehousing, Vorlesung, SoSe
45 Metadatenmanagement Idealfall Parametrisierung statt Programmierung Generische DWH Komponenten interpretieren Metadaten ETL Prozesse Automatische Sichtableitung... Produkte: Platinum CA, Microsoft, Oracle,... Standards: IRDS, OIM, CWM,... Ulf Leser: Data Warehousing, Vorlesung, SoSe
46 Metadaten Weitere Themen Modellierung von Metadaten Metadaten Standards Ulf Leser: Data Warehousing, Vorlesung, SoSe
47 7. DWH Manager Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. Ulf Leser: Data Warehousing, Vorlesung, SoSe
48 DWH Manager Häufig virtuelle Komponenten Steuerung aller Prozesse: ETL, Sichtaktualisierung,... Verwaltung der Metadaten Performancemonitoring und Betriebsunterstützung Zugriffsschutz und Auditing Tw. abgedeckt durch Standardwerkzeuge DB-Administrationswerkzeuge ETL Tools Batchsysteme Ulf Leser: Data Warehousing, Vorlesung, SoSe
49 Zusammenfassung Komponenten Heterogene Datenquellen Komplexe Transformations- und Aktualitätsprobleme Basisdatenbank: Mutter aller Datenbanken Spezielle Probleme erfordern speziellen Lösungen: Datenmodellierung, Zugriffsoptimierung,... Alle DWH-Daten sind abgeleitet: Nachvollziehbarkeit muss gewährleistet sein Ulf Leser: Data Warehousing, Vorlesung, SoSe
50 Teil II. DWH Prozesse Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl. E xtraction T ransformation L oad Aggregation View Maintenance Ulf Leser: Data Warehousing, Vorlesung, SoSe
51 1. ETL - Extraction Aufgabe Filtern der richtigen Daten aus Quellen Bereitstellung der Datenfiles im gewünschten Format zum gewünschten Zeitpunkt am gewünschten Ort Kontinuierliche Datenversorgung des DWH Prinzip: Producer - Consumer Quelle informiert über Änderungen DWH konsumiert Änderungen Ulf Leser: Data Warehousing, Vorlesung, SoSe
52 Historische Daten Quellen speichern oft nur Fenster Verkäufe einer Woche, Telefonate letzte 3 Monate,.. DWH sammelt Daten über langen Zeitraum Load Operationale e DB DWH INSERT Read UPDATE Read DELETE Ulf Leser: Data Warehousing, Vorlesung, SoSe
53 Parameter der Datenversorgung Wann liefert der Extraktor die Daten? Periodisch Synchron Ereignisgesteuert Welche Daten liefert der Extraktor? Kompletten Datenbestand (Snapshot) Alle Änderungen (Logfile) Nettoänderungen zu fix. Zeitpunkten (Snapshot-Diff) In welcher Art liefert der Extraktor die Daten SQL Befehle (synchron/logfile: Replication) Flatfiles Ulf Leser: Data Warehousing, Vorlesung, SoSe
54 ETL - Transformation Aufgabe Umwandlung der Daten in eine DWH-gerechte Form Form follows Function Quellen: schnelles Logging, schnelles Exportieren DWH: Unterstützung spezifischer Analysen Zwei Transformationsschritte Transformation der Quell-Extrakte in Load-Files Transformation von Staging-Area nach Basis-DB Ulf Leser: Data Warehousing, Vorlesung, SoSe
55 Schematransformationen 1 Welt 100 Anwendungen 1000 Schema Unterschiedliche Auffassungen Unterschiedliche Anforderungen Unterschiedliche Datenmodelle Relationales Modell Object-orientiertes Modell (UML) Satzorientierte Formate Hierarchische Formate (XML) Unterschiedliche Modellierung Was ist Relation, was Attribut, was Wert? Schlüssel Ulf Leser: Data Warehousing, Vorlesung, SoSe
56 Datentransformationen Syntax von Werten Datum: 20. Januar 2003, , 1/20/03 Codierungen: 1: Adr. unbekannt, 2: alte Adresse, 3: gültige Adresse, 4: Adr. bei Ehepartner,... Sprache Abkürzungen/Schreibweisen: Str., strasse, Straße,... Datentypen, Semantik Datentypen: Real, Integer, String Genauigkeit, Feldlänge, Nachkommastellen,... Skalen: Noten, Temperatur, Längen, Währungen,... Ulf Leser: Data Warehousing, Vorlesung, SoSe
57 ETL - Load Aufgabe Effizientes Einbringen der neuen Daten in das DWH Sehr kritischer Punkt Load-Vorgänge blockieren i.d.r. die komplette DB (Schreibzugriff auf komplette Tabelle) Konsistenz, Trigger, Ics während Ladevorgang Indexaktualisierung Update oder Insert? (Upsert!) Performance von LOAD oft limitierender Faktor der DWH Funktionalität Ulf Leser: Data Warehousing, Vorlesung, SoSe
58 Beispiel Handelshaus, Daten einer Woche, 1 Filiale Laden mit voller Qualitätskontrolle 10 min Laden mit partieller Datenverbesserung 2 min Nur Laden 45 sec Handelshaus, Daten einer Woche, 2000 Filiale Laden mit voller Qualitätskontrolle 330h = 14d Laden mit partieller Datenverbesserung 67 h = 2,8d Nur Laden 25h = 1d Ulf Leser: Data Warehousing, Vorlesung, SoSe
59 Techniken SQL Satzbasiert Standard-Schnittstellen: PRO*SQL, JDBC,... Einzelne Operationen oder proprietäre Erweiterungen (Arrays) Benutzung der Standard DB-Verfahren: Trigger, Indexaktualisierung, Concurrency,... BULK Loader Funktionen DB-spezifische Erweiterungen zum Laden großer Datenmengen Keine Trigger, komplette Tabellensperre, keine Constraints,... Benutzung von Anwendungsschnittstellen Bei manchen Produkten notwendig (SAP) Vorsicht! Praxis: BULK Uploads Ulf Leser: Data Warehousing, Vorlesung, SoSe
60 ETL Themen Wann wird aktualisiert Synchron / asynchron, Push / Pull Was wird zur Verfügung gestellt Alle Daten / Nur Änderungen / Delta Files Quell Monitoring und ETL Scheduling Wie werden die Daten zur Verfügung gestellt Format, Struktur Transformationen Was wird übernommen Datenqualität, Datenselektion Ulf Leser: Data Warehousing, Vorlesung, SoSe
61 2. Aggregation / Ableitung Aufgabe Bereitstellung präprozessierter Daten Zugriffsbeschleunigung Präprozessierung Aggregation Transformation in spezielle Schema Benutzung spezieller Speicherstrukturen Datenselektion Funktionen heute tw. in DB-Produkten enthalten Ulf Leser: Data Warehousing, Vorlesung, SoSe
62 Ableitung Themen Aktualität der Sichten Asynchrone / Synchrone Aktualisierung Manuell / automatisch Materialized Views Verwendung der Sichten Materialisierte Aggregation nach Produkten verwendbar für Aggregation nach Produktgruppen? Materialisierte Aggregation nach Wochen verwendbar für Aggregation nach Monaten? Answering Queries using Views Ulf Leser: Data Warehousing, Vorlesung, SoSe
63 Zusammenfassung Prozesse An verschiedenen Stellen ähnliche Prozesse Datenextraktion und filterung Datentransformation Updates / Einfügen großer Datenmengen Datenmodell, Schema und Daten Aktualisierungsprozesse versus Benutzerbetrieb Metadaten: Transformationsregeln, Scheduling Datenqualität ist (auch) Prozesseigenschaft Ulf Leser: Data Warehousing, Vorlesung, SoSe
64 Part III. Weitere DWH Begriffe Data Marts (viele Definitionen vorhanden!) Abhängige Data Marts: Abgeleitet von Basisdatenbank Unabhängige Data Marts: Kleine DWH : Abteilungsweit, Spartenweit, nur Reklamationen,... Operational Data Store (ODS) [Inm96] Stufe 0: Isolierter AB, 1:1 Quellübernahme Stufe I: Isolierter Arbeitsbereich, Transformationen Stufe II: Arbeitsbereich als Durchgangsstation Stufe III: Entspricht Data Mart Stufe IV: Mischung aus Basis-DB, Data Mart und AB Ulf Leser: Data Warehousing, Vorlesung, SoSe
65 Literatur [AM00] Adelmann, Moss: Data Warehouse Risks, in Data Warehouse Project Management, Addison- Wesley, 2000 [BG01]: Bauer, Günzel: Data Warehouse Systeme: Architektur, Entwicklung, Anwendung, dpunkt.verlag, 2001 [Leh03] Lehner: Datenbanktechnologie für Data Warehouse Systeme, dpunkt.verlag, 2003 [Kim98] Kimball et al. The Data Warehouse Life Cycle Toolkit, John Wiley & Sons, 1998 Ulf Leser: Data Warehousing, Vorlesung, SoSe
Data Warehousing. Architektur Komponenten Prozesse. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Architektur Komponenten Prozesse Ulf Leser Wissensmanagement in der Bioinformatik Zusammenfassung letzte Vorlesung Aufbau eines Data Warehouse Redundante, transformierte Datenhaltung Asynchrone
MehrData Warehousing und Data Mining
Data Warehousing und Data Mining Architektur und Komponenten von Data Warehouses Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Architektur Komponenten ETL Ulf Leser: Data Warehousing
MehrData Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrData Warehousing und Data Mining
Data Warehousing und Data Mining Architektur und Komponenten von Data Warehouses Ulf Leser Wissensmanagement in der Bioinformatik Data Warehouse Redundante Datenhaltung DWH kann unabhängig von Quellen
MehrInformationsintegration
Informationsintegration Data Warehouse (= Materialisierte Integration) Ulf Leser Sebastian Wandelt Inhalt dieser Vorlesung Data Warehouses OLAP versus OLTP Multidimensionale Modellierung ETL Prozess Vergleich:
MehrData Warehousing und Data Mining
Data Warehousing und Data Mining Architektur und Komponenten von Data Warehouses Ulf Leser Wissensmanagement in der Bioinformatik Bücher im Internet bestellen Backup Durchsatz Loadbalancing Portfolio Umsatz
MehrData 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
MehrData Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrMarketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische
MehrMultidimensionale Modellierung
Multidimensionale Modellierung Vorlesung: Übung: Patrick Schäfer Berlin, 27. November 2017 patrick.schaefer@hu-berlin.de https://hu.berlin/vl_dwhdm17 https://hu.berlin/ue_dwhdm17 Grundlagen Fakten (Kennzahlen/Messgrößen):
MehrBusiness Intelligence Data Warehouse. Jan Weinschenker
Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data
MehrOracle-Statistiken im Data Warehouse effizient nutzen
Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante
MehrData Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
MehrVeit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...
MehrData Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............
MehrDatenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014
Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester
MehrThemenblock: Erstellung eines Cube
Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen
Mehr1Ralph 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
MehrData-Warehouse-Technologien
Data-Warehouse-Technologien Prof. Dr.-Ing. Kai-Uwe Sattler 1 Prof. Dr. Gunter Saake 2 1 TU Ilmenau FG Datenbanken & Informationssysteme 2 Universität Magdeburg Institut für Technische und Betriebliche
MehrLogische Modelle für OLAP. Burkhard Schäfer
Logische Modelle für OLAP Burkhard Schäfer Übersicht Einführung in OLAP Multidimensionale Daten: Hypercubes Operationen Formale Grundlagen Zusammenfassung Einführung in OLAP Verfahren zur Analyse großer
MehrEinführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.
Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen
MehrPerformance by Design Wie werden performante ETL-Prozesse erstellt?
Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,
MehrDatenbanksysteme I Data Warehouses Felix Naumann
Datenbanksysteme I Data Warehouses 13.7.2009 Felix Naumann Überblick 2 Einsatzgebiete OLAP versus OLTP Multimensionale i l Modellierung OLAP Operationen Relationale Implementierung Folien zu DWH: Ulf Leser
Mehrtdwi 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
MehrModellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009
Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrData Warehousing. DWH Projekte. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing DWH Projekte Ulf Leser Wissensmanagement in der Bioinformatik Inhalt DWH Projekte Spezifika Die kritischen Punkte Warum scheitern DWH Projekte? Ulf Leser: Data Warehousing, Vorlesung,
MehrBIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004
BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick
MehrModul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note:
1 Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007 Name: Note: Nr. Aufgaben Max. Punkte Erreichte Punkte 1 Grundlagen ~ 10% Vgl. Hinweis unten 2 Integrität, Procedures, Triggers, Sichten ~ 20%
MehrVerwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert. Entität kann in einer oder mehreren Unterklassen sein
1 Definitionen 1.1 Datenbank Verwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert Integriert, selbstbeschreibend, verwandt 1.2 Intension/Extension Intension: Menge der Attribute Extension:
MehrOLAP 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
MehrDatenmanagement in Android-Apps. 16. Mai 2013
Datenmanagement in Android-Apps 16. Mai 2013 Überblick Strukturierung von datenorientierten Android-Apps Schichtenarchitektur Möglichkeiten der Datenhaltung: in Dateien, die auf der SDCard liegen in einer
MehrAufgabe 1: [Logische Modellierung]
Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines
MehrDateninteroperabilität für INSPIRE in der Praxis Datenintegration und -harmonisierung
Dateninteroperabilität für INSPIRE in der Praxis Datenintegration und -harmonisierung Simon Templer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel +49 6151
MehrDatenbanksysteme I Data Warehouses Felix Naumann
Datenbanksysteme I Data Warehouses 5.7.2010 Felix Naumann Überblick 2 Einsatzgebiete OLAP versus OLTP Multimensionale i l Modellierung OLAP Operationen Relationale Implementierung Neue Architekturen Folien
MehrSOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken
WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken SOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN ANALYSE VON OLAP-AUFBEREITUNGSFEHLERN
MehrFallbeispiel Zahlungsverkehr
in der DB in der Fallbeispiel Zahlungsverkehr Gliederung in der DB en an DB und Toolauswahl - in der Praxis - logisches - physikalisches in der DB DIskussion DB in der en an die Datenhaltung DB relationale
MehrGrundzüge und Vorteile von XML-Datenbanken am Beispiel der Oracle XML DB
Grundzüge und Vorteile von XML-Datenbanken am Beispiel der Oracle XML DB Jörg Liedtke, Oracle Consulting Vortrag zum Praxis-Seminar B bei der KIS-Fachtagung 2007, Ludwigshafen Agenda
MehrKlausur Interoperabilität
Klausur 21. Juni 2012 9.30 11.00 Uhr Workflow Systems and Technology Group Fakultät für Informatik Universität Wien Univ.-Prof. Dr. Stefanie Rinderle-Ma Allgemeine Hinweise: Die Bearbeitungszeit beträgt
MehrDipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009
Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger
MehrData Warehousing. Ausführung von OLAP Operationen. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Ausführung von OLAP Operationen Ulf Leser Wissensmanagement in der Bioinformatik Variante 1 - Snowflake Year id year Productgroup id pg_name Month Id Month year_id Day Id day month_id
Mehr30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling
30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen
MehrWhitepaper. Produkt: combit Relationship Manager. Einbindung externer FiBu-/Warenwirtschaftsdaten. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Einbindung externer FiBu-/Warenwirtschaftsdaten Einbindung externer FiBu-/Warenwirtschaftsdaten - 2 - Inhalt Ausgangssituation
MehrSeminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006
Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet
MehrData Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube
Fragen des Marketingleiters Data Warehousing Wie viele Bestellungen haben wir jeweils im Monat vor Weihnachten, aufgeschlüsselt nach? Aufbau eines DWH OLAP OLTP Datacube Beispiel: : Amazon Technisch
MehrQualitätssicherung bei der mobilen Datenerfassung
Qualitätssicherung bei der mobilen Datenerfassung Stephan Mäs Arbeitsgemeinschaft GIS Universität der Bundeswehr München http://www.unibw.de/bauv11/geoinformatik/agis 9. Seminar GIS & Internet 13.-15.
MehrC09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl
C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl
MehrEinführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH
Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -
MehrGEOPROCESSING UND MODELBUILDER
GEOPROCESSING UND MODELBUILDER RÄUMLICHE ANALYSEFUNKTIONEN UND DATENMODELLIERUNG IN ARCGIS MIT TOOLBOX UND MODELBUILDER. EINFÜHRUNG INS PYTHON-SCRIPTING IN ARCGIS DAUER: 2 Tage ÜBERSICHT In dieser Schulung
MehrSeminar C02 - Praxisvergleich OLAP Tools
C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien
MehrSeminar 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
MehrMarketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Architektur und Konzepte Josef Kolbitsch Manuela Reinisch Übersicht Mehrstufiges BI-System Architektur eines Data Warehouses Architektur eines Reporting-Systems Benutzerrollen in
MehrIVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen
Vorlesung - IVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen Seite 1 Typische Situation in Integrationsprojekten Verwendung komplexer und teuerer Integrationsframeworks.
MehrIn diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.
In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht
MehrSeminar C16 - Datenmodellierung für SAP BW
C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW
MehrINDIVIDUELLE SOFTWARELÖSUNGEN CUSTOMSOFT CS GMBH
01 INDIVIDUELLE SOFTWARELÖSUNGEN 02 05 02 GUMMERSBACH MEHRWERT DURCH KOMPETENZ ERIC BARTELS Softwarearchitekt/ Anwendungsentwickler M_+49 (0) 173-30 54 146 F _+49 (0) 22 61-96 96 91 E _eric.bartels@customsoft.de
MehrPerformanceaspekte 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
MehrDatenbanktechnologie für Data-Warehouse-Systeme
Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...
MehrSo erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT
TPG Webinar-Serie 2016 zum PPM Paradise Thema 2.2 So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT Mit Peter Huemayer Agenda Welche Berichte machen Sinn? Welche Daten haben
MehrRE.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
Mehr6. Sichten, Integrität und Zugriffskontrolle. Vorlesung "Informa=onssysteme" Sommersemester 2015
6. Sichten, Integrität und Zugriffskontrolle Vorlesung "Informa=onssysteme" Sommersemester 2015 Überblick Sichten Integritätsbedingungen Zugriffsrechte SQL- Schema und SQL- Katalog Das Informa=onsschema
MehrVorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
MehrKapitel 10 Aktive DBMS
Kapitel 10 Aktive DBMS 10 Aktive DBMS 10 Aktive DBMS...1 10.1 Einführung und Definition...2 10.2 Funktionsprinzip: ADBMS und ECA-Modell...4 10.3 Potentiale und Vorteile ADBMS...5 10.4 Aktive Elemente einer
MehrETL in den Zeiten von Big Data
ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse
MehrEntwicklung einer Informix- Administrationsdatenbank mit ERwin
Entwicklung einer Informix- Administrationsdatenbank mit ERwin Ausgangslage Ein oder mehrere Informix-Datenbankserver Mehrere Datenbanken Sehr viele Tabellen 21.10.1997 2 Problemstellung Fehlerprävention
MehrOpen 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
MehrIndex- und Zugriffsstrukturen für. Holger Brämer, 05IND-P
Index- und Zugriffsstrukturen für Data Warehousing Holger Brämer, 05IND-P Index- und Zugriffstrukturen für Data Warehousing Materialisierte Sichten Bitmap-Indexe Verbundindexe Materialisierte Sichten gehören
MehrDie sichere Datenhaltung für optimierte Qualitätssicherung
Die sichere Datenhaltung für optimierte Qualitätssicherung Matthias Weiss Business Unit Database Mittelstandstechnologie ORACLE Deutschland GmbH Kontaktdaten-Mail-ID: matthias.weiss@oracle.com -Telefon:
MehrErweiterungen Webportal
Erweiterungen Webportal Adress-Suche Inaktive Merkmale und gelöschte Adresse Die Suche im Webportal wurde so erweitert, dass inaktive Adresse (gelöscht) und inaktive Merkmale bei der Suche standardmässig
MehrMobiles SAP für Entscheider. Permanente Verfügbarkeit der aktuellen Unternehmenskennzahlen durch den mobilen Zugriff auf SAP ERP.
Beschreibung Betriebliche Kennzahlen sind für die Unternehmensführung von zentraler Bedeutung. Die Geschäftsführer oder Manager von erfolgreichen Unternehmen müssen sich deshalb ständig auf dem Laufenden
Mehr2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45
Vorwort 15 Teil I Grundlagen 19 i Einführung In das Thema Datenbanken 21 I.I Warum ist Datenbankdesign wichtig? 26 i.2 Dateisystem und Datenbanken 28 1.2.1 Historische Wurzeln 29 1.2.2 Probleme bei der
MehrDie Entwicklung eines Glossars (oder eines kontrollierten Vokabulars) für ein Unternehmen geht üblicherweise in 3 Schritten vor sich:
Glossare 1 Inhalt 1 Inhalt... 1 2 Prozesse... 1 3 Eine kleine Zeittabelle...... 1 4 Die ersten Schritte... 2 5 Die nächsten Schritte...... 2 6 Die letzten Schritte... 3 7 Das Tool...... 4 8 Beispiele...
MehrStudierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen
Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste
MehrBest Practices: BI mit Open-Source-Tools
Best Practices: BI mit Open-Source-Tools Alf Hellmund - GIUA 2009 Seite 1 Agenda Einleitung Best Practices Fazit Vorstellung & Motivation Vorteile Architektur & Entwurf Datenmodellierung ETL Reporting
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrSo gehts Schritt-für-Schritt-Anleitung
So gehts Schritt-für-Schritt-Anleitung Software WISO Mein Büro Thema Eigene Auswertungen, Tabellenauswertungen Version/Datum V 13.00.05.101 Über die Tabellen-Auswertungen ist es möglich eigene Auswertungen
Mehr1 WEB ANALYTICS: PROFESSIONELLE WEB-ANALYSEN UND REPORTING FÜR IHR ONLINE MARKETING.
1 WEB ANALYTICS: PROFESSIONELLE WEB-ANALYSEN UND REPORTING FÜR IHR ONLINE MARKETING. Web Analytics, Reporting & Beratung Erfolgskontrolle mit professionellen Web Analysen! Web Analytics mit Google Analytics
MehrNach Data Warehousing kommt Business Intelligence
Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative
MehrUniversität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5
Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Aufgabe 1: Projektion Datenbanksysteme I π A1,...,A n (π B1,...,B
Mehr1. Einführung. 2. Alternativen zu eigenen Auswertungen. 3. Erstellen eigener Tabellen-Auswertungen
1. Einführung Über die Tabellen-Auswertungen können Sie eigene Auswertungen nach Ihren Wünschen erstellen. Diese Auswertungen werden immer anhand der aktuellen Daten aus orgamax ermittelt, Sie können also
MehrBI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
MehrMöglichkeiten 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-
MehrObjektorientierte Datenbanken
OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 vom 01.07.2004 Dr. Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Inhalt heute: Datenbanken in betriebswirtschaftlichen Anwendungen OTLP (SAP) Data
MehrMOC 20467B: Business Intelligence-Lösungen mit Microsoft SQL Server 2012 entwerfen
MOC 20467B: Business Intelligence-Lösungen mit Microsoft SQL Server 2012 entwerfen Kompakt-Intensiv-Training Diese Schulung bereitet Sie optimal auf die MOC-Zertifzierung vor. In dieser Schulung werden
MehrSemantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph!
Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! www.semantic-web-grundlagen.de Ontology Engineering! Dr. Sebastian Rudolph! Semantic Web Architecture
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
Mehrpro4controlling - Whitepaper [DEU] Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9
Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9 1 Allgemeine Beschreibung "Was war geplant, wo stehen Sie jetzt und wie könnte es noch werden?" Das sind die typischen Fragen, mit denen viele Unternehmer
MehrLogische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse
Logische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse Vortrag auf der BTW 2003, Leipzig 26.-28.02.2003 Dr. Michael Hahne cundus AG Prokurist,
MehrDokumentation. Black- und Whitelists. Absenderadressen auf eine Blacklist oder eine Whitelist setzen. Zugriff per Webbrowser
Dokumentation Black- und Whitelists Absenderadressen auf eine Blacklist oder eine Whitelist setzen. Zugriff per Webbrowser Inhalt INHALT 1 Kategorie Black- und Whitelists... 2 1.1 Was sind Black- und Whitelists?...
MehrBibliografische Informationen digitalisiert durch http://d-nb.info/995021198
Auf einen Blick 1 Einleitung 15 2 Datenbankentwurf 23 3 Datenbankdefinition 43 4 Datensätze einfügen (INSERT INTO) 95 5 Daten abfragen (SELECT) 99 6 Daten aus mehreren Tabellen abfragen (JOIN) 143 7 Unterabfragen
MehrIT-basierte Kennzahlenanalyse im Versicherungswesen
Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:
MehrMetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen
MetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen Pasquale Grippo Senior Manager/Business Unit Manager BI 18/20.10.2011 Oracle Business Analytics Summits Düsseldorf/München
MehrData Warehousing. Modellierung im DWH Das multidimensionale Datenmodell. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Modellierung im DWH Das multidimensionale Datenmodell Ulf Leser Wissensmanagement in der Bioinformatik Zusammenfassung: Hubs and Spokes Mart 1 Mart 2 Mart 3 Mart 4 DWH Quelle 1 RDBMS Quelle
MehrGI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.
GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert
MehrKampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht
Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u
MehrUrs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Aus unserer Projekterfahrung und Forschung
Betrifft Optimizer Autor Urs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Quelle Aus unserer Projekterfahrung und Forschung Einführung Mit jedem Oracle Release nimmt die Anzahl
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
MehrInformationsintegration
Informationsintegration Data Warehouse (= Materialisierte Integration) Ulf Leser Inhalt dieser Vorlesung Data Warehouses OLAP versus OLTP Multidimensionale Modellierung ETL Prozess Beispiel: Columba Vergleich:
MehrProgrammierparadigmen. Programmierparadigmen. Imperatives vs. objektorientiertes Programmieren. Programmierparadigmen. Agenda für heute, 4.
Agenda für heute, 4. Mai, 2006 Programmierparadigmen Imperative Programmiersprachen In Prozeduren zusammengefasste, sequentiell ausgeführte Anweisungen Die Prozeduren werden ausgeführt, wenn sie als Teil
Mehr