Die DeutschlandCard. Das Multipartnerprogramm für Deutschland

Größe: px
Ab Seite anzeigen:

Download "Die DeutschlandCard. Das Multipartnerprogramm für Deutschland"

Transkript

1 Die DeutschlandCard Das Multipartnerprogramm für Deutschland 8. Oracle DWH/BI Konferenz "Effizienz in unseren BI/W-Systemen Erreichen wir noch unsere Anwender?" Effiziente All-Nearest-Neighbor Berechnung und weitere Herausforderungen auf Exadata Dr. Jens Oehlschlägel - Senior BI Architect 1

2 Unser Partnerschaftsmodell: Mit einer Karte bei mehr als POS Punkte sammeln und einlösen Durchdringung >12 Mio. Teilnehmer in >8 Mio. Familien Aktivität >1 Mio. Familien nutzen die Karte täglich bei Partnern Wachstum >2 Mio. neue Teilnehmer in den letzten 12 Monaten Frequenz ø 6,5-7 Einsätze pro Monat = 3. Platz im Portemonnaie >300 Prämien Kasse Spenden 2

3 DeutschlandCard ist Teil von Bertelsmann Wir setzen Oracle Exadata X2-2 zusammen mit SAS ein auf Tabellen mit bis zu 10 Milliarden Zeilen Content Services Der europäische Marktführer der Unterhaltungsbranche Die größte Publikumsverlagsgruppe der Welt Europas größtes Magazinhaus Einer der größten Medienund Kommunikationsdienstleister der Welt E L James Mo Yan 3

4 Dr. Jens Oehlschlägel Programmierung seit 1978 Dipl.-Psych. (Forsch.-Meth.) & Dr. hum. biol. (Med.-Stat.) 4 Jahre studienbegleitend einführende Statistik unterrichtet 3 Jahre Projektleiter/Statistiker (Pharma) 5 Jahre Datenmanager/Statistiker (Public Health) 2 Jahre Database Marketing Data Scientist bei McKinsey&Company seit 2011 Senior BI Architect bei der DeutschlandCard Exadata Sizing 7-stellige Kosteneinsparungen DWH-Analyse und ETL-Tuning Optimierung SAS-Exadata Integration Contributor zu R seit 2000 package bit: in-ram Bit-Filter package bit64: integer64 Datentyp package ff: Datenobjekte größer als RAM Algorithmen-Entwicklung Energie-effizientes Sortieren Stream-Sortieren, In-RAM Indizierung, Median-Berechnung Exascale Explorative Data Analysis 4

5 Agenda 1 Effiziente All-Nearest-Neighbor Berechnung 2 Parallelisierung: leider nicht in PL/SQL, nur in OWF 3 Blockade paralleler Ressourcen durch inaktive Abfragen 4 Reverse Engineering von SQL-Statements in OWB 5 Effiziente Median- und Perzentil-Berechnung 6 Hürden für die Verwendung von Oracle Advanced Analytics 5

6 1 Effiziente All-Nearest-Neighbor Berechnung 6

7 Einigen Millionen Teilnehmern aus einigen Tausend POS die jeweils nächste POS zuzuordnen, ist potentiell teuer Quadratische Skalierung O(T x P) = O(N²) 12 Mio Teilnehmer x POS = 120 Milliarden Verbindungen je Teilnehmer ~ 4 SQL Statements ~ 50 Millionen SQLs im täglichen ETL 7

8 Entscheidung gegen Oracle Spatial weil jeden Tag Full-Load erforderlich und Nutzung eines Spatial-Index für full-table scan fragwürdig Oracle s Spatial-Indices sind nicht nativ implementiert, sondern on-top-of-b-trees dauerhaft gesteigerte Lizenzkosten unangemessen für diese eine Aufgabe 8

9 Kosten in CPU Sekunden Tuning der Next-POS Berechung (X2-2 Quarterrack, 2 Instanzen, 12 echte Kerne pro Instanz) Kosten s Neue Lösung: Faktor 77 (einfacher Algorithmus) Techn. Limit: Faktor (Integrierter Algorithmus) Verworfen: Faktor 4 (SQL-Tuning) DOP s s 204 s 25 s 12 s DOP s DOP 6 34 s (1 Core) (1 Core) ANN / 2 50 Mio. SQL Kacheln SQL Sorted PL/SQL Sorted C Optimiert C 9

10 Wenn Teilnehmer und POS sortiert sind, schränkt die nächste POS des vorherigen Teilnehmers den Suchraum des nachfolgenden ein vorheriger Teilnehmer nachfolgender Teilnehmer vorherige POS und nachfolgende Start-POS Teilnehmer sortiert POS sortiert 10

11 Es gibt drei gute Gründe, warum das schnell ist Ab und zu sind die beiden Teilnehmer auch horizontal nahe und schränken den maximalen Suchraum ein Jede gefundene nähere POS schränkt den tatsächlichen Suchraum dynamisch weiter ein Je mehr Teilnehmer und POS, desto kleiner die Suchräume, deshalb nicht O(T x P) ~ O(N²) 11

12 2 Parallelisierung: leider nicht in PL/SQL, nur in OWF 12

13 3 Blockade paralleler Ressourcen durch inaktive Abfragen 13

14 Inaktive Preview-Queries aus SAS blockieren unnötigerweise einen Großteil der Exadata-Ressourcen richtige und wichtige Queries landen in der Warteschlange 2 Queries stehen in der Warteschlange weil 5 User 77 Prozesse mit Ihrer SAS-Preview blockieren 14

15 Da Fehlverhalten einer Vielzahl von Clients schwer zu verhindern ist, wäre eine serverseitige Lösung von Oracle wünschenswert Zu viele Clients! Server-Lösung? inaktive Sessions identifizieren schlafende Sessions wieder aufwecken inaktive Sessions schlafen legen 15

16 4 Reverse Engineering von SQL-Statements in OWB 16

17 Oracle könnte seinen SQL-Parser für Reverse Engineering nutzen Erprobte SQL-Statements in OWB einzupflegen SQL Ausgearbeiteter Prototyp 222 Zeilen SQL-Code Laufzeit: 17 sek ist teuer, OWB 1 PT zum Einpflegen in OWB fehleranfällig und kostet Performance Code Review OWB exportiert 1100 Zeilen SQL-Code der mehrere Fehler beinhaltet und 150% Laufzeit kostet: 26 sek 17

18 5 Effiziente Median- und Perzentil-Berechnung 18

19 Rätsel: Was ist das kürzeste SELECT Statement mit dem man eine Exadata über längere Zeit beschäftigen kann obwohl keine Daten von Platte gebraucht werden obwohl sich das Ergebnis leicht im Kopf ausrechnen lässt ohne user defined functions zu benutzen SELECT MEDIAN(ROWNUM) FROM t; Ergebnis: halbe Zahl der Zeilen 19

20 Die Performance der X2-2 hängt extrem von der angefragten Statistik ab -- table hat 1 Spalte und 1 Milliarde Zeilen SELECT MEDIAN(ROWNUM) FROM table; min DOP 16 SELECT AVG(column) FROM table; sek DOP 16 SELECT MEDIAN(column) FROM table; min DOP 16 (100x) -- in SAS lesend von Oracle; min 1 Connections -- in SAS lesend von Oracle; -- 6 min 3 Connections 20

21 Zumindest Median und Percentilberechnung sollte auf einer DWH-Appliance deutlich schneller sein Zeiten single-threaded 1e9 Elemente in C (R) Aggregation AVG O(N) 1 sek ( 240x) MEDIAN O(N*log(N)) 3 min mittels Sortierung ( 128x) MEDIAN O(N) 1 min mittels Selection ( 384x) APPROXMEDIAN O(N) 3 sek Exascale EDA ( 7680x) Stream-processing CUMSUM O(N) 2 sek CUMMEDIAN O(N²) 500 Jahre extrapoliert mit Selection CUMMEDIAN O(N*log(N)) Google s Interviewfrage: 2 heaps CUMMEDIAN O(N*log(N)) 3 min mittels stream greensort 21

22 6 Hürden für die Verwendung von Oracle Advanced Analytics 22

23 Es bestehen signifikante Hürden für die Verwendung von R, hier könnte Oracle mit geringem Aufwand Verbesserungen erzielen Problem Fehlender zuverlässiger performanter Zugang von R nach Oracle die Ineffizienz von R macht die Verwendung in Oracle extrem teuer CPU Ineffizienz ( C : PL/SQL : R = 1 : 8 : 50 ) RAM Ineffizienz ( multiple Kopien der Daten in-ram ) Strategische-Risiken durch parasitäre Haltung gegenüber der R-Community mangelnde Unterstützung Lizenzprozesse Lizenzänderungen Abwandern von contributors Vorschlag ROracle Interface mit Binaries pflegen ROracle besser aktualisieren, z.b. 64bit integers unterstützen Keine Lizenzkosten für R, statt CPU- Sekunde nochmals 10% teurer zu machen Mehr RAM in der Exadata (X3-2) Kooperation mit der R-Community und giving-back nützliche Beiträge zum Package- Repository (wie z.b. Revolution Analytics) finanzielle und/oder personelle Unterstützung des kleinen Core- Teams finanzielle und/oder personelle Unterstützung freier IDEs (Eclipse, RStudio) 23

24 Die Big-Data Welle rollt aber wo lohnen sich große Datenmengen wirklich, in-database? Ensembleverfahren Prädiktiv: random forests Segmentierung: truecluster 24

25 Was kommt nach der Big-Data Welle? Kandidat 1: Privacy & Security getrieben von Cloud-Computing z.b. CryptDB: Processing Queries on an Encrypted Database Computer Science and AI Lab, MIT z.b. Privacy-Preserving Data Mining, Models and Algorithms. Charu C. Aggarwal, IBM T. J. Watson Research Center Kandidat 2: Energy Efficiency getrieben von Exascale-Computing z.b. An Effective Coreset Compression Algorithm for Large Scale Sensor Networks Computer Science and AI Lab, MIT z.b. MS Excel Power Pivot MS xvelocity (formerly Vertipaq) z.b. Exascale Explorative Data Analysis using in-ram Lossy Compression, greensort 25

26 Vielen Dank! 26

27 2 Parallelisierung: leider nicht in PL/SQL, nur in OWF 27

28 4-fach Parallelisierung würde idealerweise so erfolgen aber PL/SQL unterstützt keine Concurrency 1. POS sortieren 2. Teilnehmer parallel sortieren 3. Sortierte Teilnehmer in 4 Gruppen aufteilen 4. NN in 4 Gruppen parallel CPU 1 CPU 2 CPU 3 CPU 4 28

29 Seit Jahren werden Programmiersprachen für Concurrency erweitert Quelle: Herb Sutter 2005, The Free Lunch Is Over: A Fundamental Turn Toward Concurrency in Software 29

30 Alle populären Sprachen unterstützen 2012 Concurrency Quelle: 30

31 Auch R unterstützt inzwischen Concurrency Quelle: 31

32 PL/SQL unterstützt keine Concurrency und fällt zurück Quelle: 32

33 Ausweg: Parallelisierung mit OWF (Hash-Partitioning) Vorgehen Jeder Job sortiert POS Jeder Job filtert ¼ Teilnehmer und sortiert Jeder Job findet NN Nachteile 4-facher RAM und CPU-Bedarf 4 statt 1 Full-Table-Scan ¼ Dichte der Teilnehmer CPU 1 CPU 2 CPU 3 CPU 4 33

34 Alternativ: Parallelisierung mit OWF (Range-Partitioning) Vorgehen Jeder Job sortiert POS Bestimmung Quartile Nord-Süd Jeder Job filtert ¼ Teilnehmer und sortiert Jeder Job findet NN parallel Nachteil Zusätzlich Scan und Sortierung Vorteil Vermeidet ¼ Dichte der Teilnehmer CPU 1 CPU 2 CPU 3 CPU 4 34

35 Ungefähre Perzentile aus Exascale Explorative Data Analysis würden zum Beispiel genügen, für eine Parallelisierung mit Range-Partitioning Vorgehen Bestimmung ungefährer Quartile Nord-Süd Jeder Job sortiert POS Jeder Job filtert ¼ Teilnehmer und sortiert Jeder Job findet NN parallel Vorteil Vermeidet zusätzliche Sortierung zur Quartilbestimmmung CPU 1 CPU 2 CPU 3 CPU 4 35

36 6 Hürden für die Verwendung von Oracle Advanced Analytics 36

37 Qualität: Statistische Modelle auf großen Daten lohnen sich vor allem bei rechenintensiven Verfahren zur Modellierung von Wechselwirkungen z.b. Median ist schon bei kleinen Stichproben robust schätzbar z.b. additive lineare Modelle wie Lineare Regression wie Logistische Regression sind mit moderaten Stichprobengrößen schätzbar auch große Datenmengen lassen sich wenn auch langsamer mit freier opensource Software verarbeiten (z.b. R ff biglm) z.b. Bagging non-additiver Modelle mit komplexen Wechselwirkungen wie Random Forests zur Prädiktion wie Truecluster zur Segmentierung profitiert von möglichst hoher Parallelität profitiert von möglichst großen Stichproben... deren Export aus der DB teuer ist 37

38 Kosten: Der Zugriff auf die kompletten Big-Data lohnt sich nur in bestimmten Phasen eines analytischen Projekts Erste explorative Analysen und prototypische Modellierungen Weitergehende explorative Analysen, Ausreisseranalyse und -bereinigung sind mit Stichproben schätzbar können mittels Exascale Exascale Explorative Data Analysis schneller und weitgehend ohne wiederholte Zugriffe auf den vollen Datenbestand erledigt werden Für 90% Projektvolumen können Appliance- Kosten umgangen werden Finale Modellschätzung, Modellvalidierung, Modellkalibrierung erfordern Zugriff auf den vollen Datenbestand und profitieren von hochparallelen Systemen 38

39 Exascale Explorative Data Analysis beschleunigt bestimmte Abfragen um Größenordnungen bei gleichzeitig minimierten Energiekosten Server Seltene Zugriffe auf Daten auf teurer paralleler Hardware HD/SSD Client Häufige billige schnelle Zugriffe auf lossy compressed Daten in-ram RAM DB-Server 10% Datenhaltung und finaler Modellfit BI-Client 90% Analyseprojekt Exploration und Cleaning lokal in-ram Exadata-Cell-Server Datenhaltung raw & lossy compressed Exadata-DB-Server EEDA-Engine Beliebiger Client EEDA-Anfragen 39

40 Die Logik von Free Open-Source Communities wie R basiert auf Kooperation die GPL Lizenz versucht das zu ermutigen nehmen geben 40

41 Einige Firmen interpretieren FOSS eher kooperativ Packages geben Profite nehmen 41

42 Einige DB-Vendors interpretieren FOSS eher parasitär Patente & Anwälte Profite nehmen 42

43 Für Kunden von Oracle Advanced Analytics birgt es Risiken dass Oracle und andere DB-Player ob juristisch anfechtbar oder nicht die Intention der GPL verletzen. Was wenn die R Foundation sich doch zu einer Klage entschließt? wenn das Core-Team die Lizenz ändert? Autoren von key-packages die Lizenzen ändern? (bit64, ggplot, XML, nlme, lme4, ) die Free Software Foundation die wachsende Popularität von R nutzt um einen Musterprozess um die GPL zu führen? Sie ein Problem haben bei dessen Lösung Sie auf die Mithilfe der Community angewiesen sind, diese Ihnen als kommerziellem Nutzer aber nicht helfen möchte? frustrierte Key-Contributors von R zur neuen Statistiksprache Julia des MIT abwandern? 43

44 Es besteht ein Risiko, dass die Community zerbricht oder abwandert die zwei Gründer von R sind infolge Kommerzialisierung zerstritten Ross Ihaka Robert Gentleman frustrierter Rückzug im Board bei Revolution Analytics 44

45 Dr. Jens Oehlschlägel DeutschlandCard GmbH I Ein Unternehmen von arvato Bertelsmann Neumarkter Strasse 22 I D München Fon +49 (0) & +49 (0)

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

R Statistik im Oracle Produktstack

R Statistik im Oracle Produktstack R Statistik im Oracle Produktstack Matthias Fuchs DWH Architect ISE Information Systems Engineering GmbH ISE Information Systems Engineering Gegründet 1991 Mitarbeiteranzahl: 50 Hauptsitz in Gräfenberg,

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

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

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

R im Enterprise-Modus

R im Enterprise-Modus R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org

Mehr

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de Oracle GridControl Tuning Pack best Open Systems Day April 2010 Unterföhring Marco Kühn best Systeme GmbH marco.kuehn@best.de Agenda GridControl Overview Tuning Pack 4/26/10 Seite 2 Overview Grid Control

Mehr

MATCHING VON PRODUKTDATEN IN DER CLOUD

MATCHING VON PRODUKTDATEN IN DER CLOUD MATCHING VON PRODUKTDATEN IN DER CLOUD Dr. Andreas Thor Universität Leipzig 15.12.2011 Web Data Integration Workshop 2011 Cloud Computing 2 Cloud computing is using the internet to access someone else's

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

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

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner

Mehr

HP IT-Symposium 2006. www.decus.de 1

HP IT-Symposium 2006. www.decus.de 1 www.decus.de 1 Ralf Durben Principal Sales Consultant Oracle Deutschland GmbH Diagnostic und Tuning in Oracle Datenbanken www.decus.de 2 Zentrale Verwaltung HTTP/S HTTP/S HTML Konsole Überall nutzbar NET

Mehr

Migration von RMS nach ORACLE http://138.245.152.20/edv/decus2003_web.html

Migration von RMS nach ORACLE http://138.245.152.20/edv/decus2003_web.html http://138.245.152.20/edv/decus2003_web.html E.W.Raschner, Max von Pettenkofer-Institut, LMU München, raschner@m3401.mpk.med.uni-muenchen.de Voraussetzungen, Umgebung Grundlegende Überlegungen Aufbau der

Mehr

Schnellste Realtime Segmentierung weltweit

Schnellste Realtime Segmentierung weltweit Schnellste Realtime Segmentierung weltweit powered by 1 Über Webtrekk Gegründet 2004 in Berlin Einer der führenden europäischen Webanalyseanbieter 45 Mitarbeiter 2 2nd only to Omniture 3 Referenzen Kunden

Mehr

Geschäftslogik in die Datenbank Umstellung eines Kernbanksystems

Geschäftslogik in die Datenbank Umstellung eines Kernbanksystems Geschäftslogik in die Datenbank Umstellung eines Kernbanksystems Michael Meyer Berenberg Bank Hamburg Schlüsselworte: PL/SQL, Objektorientierung, Oracle Types, XML, Zentralisierung der Geschäftslogik,

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

Regionaltreffen Rhein Main 26. März 2007

Regionaltreffen Rhein Main 26. März 2007 Regionaltreffen Rhein Main 26. März 2007 SWE Jens Fudickar / OraTool pro Softwareentwicklung Jens Fudickar ist ein kleines Softwarehaus, dessen Hauptprodukt das OraTool ist. Darüber hinaus sind wir in

Mehr

Die IBM Netezza Architektur für fortgeschrittene Analysen

Die IBM Netezza Architektur für fortgeschrittene Analysen Michael Sebald IT Architect Netezza Die IBM Netezza Architektur für fortgeschrittene Analysen 2011 IBM Corporation Was ist das Problem aller Data Warehouse Lösungen? I / O Transaktionaler und analytischer

Mehr

Das Beste aus zwei Welten

Das Beste aus zwei Welten : Das Beste aus zwei Welten Das Beste aus zwei Welten Aufruf von R Funktionen mit PROC IML KSFE 2012 08.03.2012 ist IT Dienstleister für Business Intelligence und Datenanalyse gibt es seit über 20 Jahren

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

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

EXASOL Anwendertreffen 2012

EXASOL Anwendertreffen 2012 EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2

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

dsmisi Storage Lars Henningsen General Storage

dsmisi Storage Lars Henningsen General Storage dsmisi Storage dsmisi MAGS Lars Henningsen General Storage dsmisi Storage Netzwerk Zugang C Zugang B Zugang A Scale-Out File System dsmisi Storage Netzwerk Zugang C Zugang B Zugang A benötigt NFS oder

Mehr

NoSQL mit Postgres 15. Juni 2015

NoSQL mit Postgres 15. Juni 2015 Tag der Datenbanken 15. Juni 2015 Dipl.-Wirt.-Inform. Agenda l Vorstellung l Marktübersicht l Warum PostgreSQL? l Warum NoSQL? l Beispielanwendung Seite: 2 Vorstellung Dipl.-Wirt.-Inform. [1990] Erste

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

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation Markus Feichtinger Power Systems Der Weg zu POWER! Agenda Motivation Lösung Beispiel Export / Import - Überblick - Migration Beispiel XenoBridge - Überblick - Migration Benefits 2 Motivation Strategisch

Mehr

Oracle Warehouse Builder 3i

Oracle Warehouse Builder 3i Betrifft Autoren Art der Info Oracle Warehouse Builder 3i Dani Schnider (daniel.schnider@trivadis.com) Thomas Kriemler (thomas.kriemler@trivadis.com) Technische Info Quelle Aus dem Trivadis Technologie

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

Zugriff aus Oracle via Proc SQL: Performanceprobleme

Zugriff aus Oracle via Proc SQL: Performanceprobleme News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren ETL & Base SAS Zugriff aus Oracle via Proc SQL: Performanceprobleme 27 October, 2005-15:57 FrankRueckert

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

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

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

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

Copyright 2014, Oracle and/or its affiliates. All rights reserved. 1 Integrierte Systeme für SIs und VARs Matthias Weiss Direktor Mittelstand Technologie ORACLE Deutschland B.V. & Co. KG 2 Agenda Engineered Systems Oracle s Strategie Engineered Systems Big Data einmal

Mehr

Der Neue Weg zur Verschlüsselung von Datenbankinhalten

Der Neue Weg zur Verschlüsselung von Datenbankinhalten Der Neue Weg zur Verschlüsselung von Datenbankinhalten Da Häufigkeit und Schwere von Datendiebstahl zunehmen, ist es immens wichtig, dass Unternehmen vertrauliche und sensible Daten zusätzlich durch Verschlüsselung

Mehr

Well-Balanced. Performance Tuning

Well-Balanced. Performance Tuning Well-Balanced Real Application Cluster Performance Tuning Über mich virtual7 GmbH Jürgen Bouché Zeppelinstraße 2 76185 Karlsruhe Tel.: +49 (721) 6190170 Fax.: +49 (721) 61901729 Email: jbouche@heine.de

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

Mehr

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen

Studierenden-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

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-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

Mehr

Oracle R zum Anfassen

Oracle R zum Anfassen Oracle R zum Anfassen Alfred Schlaucher Oracle Deutschland (Data Warehouse) Oliver Bracht Andreas Prawitt Oracle Partner eoda Oracle R zum Anfassen: Die Themen 09:30 Begrüßung 09:45 R Zum Anfassen Einführung

Mehr

Antwortzeitverhalten von Online Storage Services im Vergleich

Antwortzeitverhalten von Online Storage Services im Vergleich EPOD Encrypted Private Online Disc Antwortzeitverhalten von Online Storage Services im Vergleich Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee

Mehr

apex.meinefirma.de Carsten Czarski ORACLE Deutschland B.V. & Co KG APEX Hosting im eigenen Unternehmen Carsten.Czarski@oracle.com

apex.meinefirma.de Carsten Czarski ORACLE Deutschland B.V. & Co KG APEX Hosting im eigenen Unternehmen Carsten.Czarski@oracle.com Carsten.Czarski@oracle.com http://tinyurl.com/apexcommunity http://sql-plsql-de.blogspot.com http://oracle-text-de.blogspot.com http://oracle-spatial.blogspot.com http://plsqlexecoscomm.sourceforge.net

Mehr

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance 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,

Mehr

DOAG 2015. Demo Kino: Advisors, Monitoring Werkzeuge in der Datenbank Ulrike Schwinn Business Unit Database Oracle Deutschland B.V.

DOAG 2015. Demo Kino: Advisors, Monitoring Werkzeuge in der Datenbank Ulrike Schwinn Business Unit Database Oracle Deutschland B.V. DOAG 2015 Demo Kino: Advisors, Monitoring Werkzeuge in der Datenbank Ulrike Schwinn Business Unit Database Oracle Deutschland B.V. & Co KG Monitoring Werkzeuge, Advisors... Einfaches Framework zum Monitoring

Mehr

OpenSource Business Strategien. Thomas Uhl Topalis AG

OpenSource Business Strategien. Thomas Uhl Topalis AG OpenSource Business Strategien Thomas Uhl Topalis AG Firmenübersicht 14.07.09 Thomas Uhl 2 Open Source ist ein alternativer Weg, bessere Software zu produzieren (Forbes Magazine) 14.07.09 Thomas Uhl 3

Mehr

Cloud Computing für redaktionelle Prozesse und Publishing. CROSSMEDIAFORUM 2013, München

Cloud Computing für redaktionelle Prozesse und Publishing. CROSSMEDIAFORUM 2013, München Cloud Computing für redaktionelle Prozesse und Publishing CROSSMEDIAFORUM 2013, München Cloud für Verlage inhouse Freie Autoren Content Pflege Publishing Website PDF epub apps, elearning, POD Infrastruktur

Mehr

Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source

Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source Workshop SAV Tagung, 29. August 2009 Stefan Kunz, Intuitive Collaboration Das Projekt PillarOne PillarOne ist Community Entwicklung

Mehr

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3

Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Neuerungen im Enterprise Miner 5.2 & Text Miner 2.3 Copyright 2005, SAS Institute Inc. All rights reserved. Ulrich Reincke, SAS Deutschland Agenda Der Neue Enterprise Miner 5.2 Der Neue Text Miner 2.3

Mehr

Big Data Anwendungen Chancen und Risiken

Big Data Anwendungen Chancen und Risiken Big Data Anwendungen Chancen und Risiken Dr. Kurt Stockinger Studienleiter Data Science, Dozent für Informatik Zürcher Hochschule für Angewandte Wissenschaften Big Data Workshop Squeezing more out of Data

Mehr

Oracle Spatial Die Plattform für Geo-Business-Intelligence. Carsten Czarski ORACLE Deutschland B.V. & Co KG

<Insert Picture Here> Oracle Spatial Die Plattform für Geo-Business-Intelligence. Carsten Czarski ORACLE Deutschland B.V. & Co KG Oracle Spatial Die Plattform für Geo-Business-Intelligence Carsten Czarski ORACLE Deutschland B.V. & Co KG Oracle: Die offene Geodatenbank Native Datentypen Vektordaten und Rasterdaten

Mehr

Exadata Ultimate Performance - Migration bei Migros Bank. Dr.-Ing. Holger Friedrich

Exadata Ultimate Performance - Migration bei Migros Bank. Dr.-Ing. Holger Friedrich Exadata Ultimate Performance - Migration bei Migros Bank Dr.-Ing. Holger Friedrich Exadata Ultimate Performance - Migration bei Migros Bank Dr.-Ing. Holger Friedrich Agenda Einführung Projekt Exadata Claims

Mehr

Oracle Database Firewall

Oracle Database Firewall Oracle Database Firewall Suvad Sahovic Senior Systemberater suvad.sahovic@oracle.com Agenda Oracle Database Firewall im Überblick Oracle Database Firewall im Einsatz Verfügbarkeit

Mehr

Einsatz des Microsoft SQL-Servers bei der KKH

Einsatz des Microsoft SQL-Servers bei der KKH Einsatz des Microsoft SQL-Servers bei der KKH Reporting Services und Analysis Services Kontaktdaten Detlef André Abteilungsleiter Data Warehouse E-Mail detlef.andre@kkh.de Telefon 0511 2802-5700 Dr. Reinhard

Mehr

CITRA-Forum. Nutzen Sie das Potential all Ihrer Daten: Geodata Warehouse mit der Oracle Plattform. CITRA-Forum im Schloß 2009

CITRA-Forum. Nutzen Sie das Potential all Ihrer Daten: Geodata Warehouse mit der Oracle Plattform. CITRA-Forum im Schloß 2009 Nutzen Sie das Potential all Ihrer Daten: Geodata Warehouse mit der Oracle Plattform im Schloß 2009 Sinzig, 15.09.2009 Carsten Czarski, Oracle Deutschland GmbH Agenda Geodaten gestern, heute, morgen Geo-DWH

Mehr

Die Oracle BI Trilogie von Trivadis

Die Oracle BI Trilogie von Trivadis Die Oracle BI Trilogie von Trivadis Teil 2 - Aufbau einer DWH- und BI-Landschaft Zürich, 25. November 2009 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart

Mehr

Technische Beschreibung: EPOD Server

Technische Beschreibung: EPOD Server EPOD Encrypted Private Online Disc Technische Beschreibung: EPOD Server Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee JKU Linz Institut für

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Komplexe Excel-Berichte mit APEX und jxls erstellen

Komplexe Excel-Berichte mit APEX und jxls erstellen Komplexe Excel-Berichte mit APEX und jxls erstellen Dietmar Aust Opal-Consulting Köln Schlüsselworte: Oracle APEX, MS Excel, jxls, Bericht, Template, Open Source Einleitung In fast jeder Webapplikation

Mehr

Analytik Mittels R als übergreifende Plattform

Analytik Mittels R als übergreifende Plattform Analytik Mittels R als übergreifende Plattform Detlef E. Schröder Oracle DWH Community STCC DB Mitte @DetEgbSchroeder, http://www.oracledwh.de Themen Anforderungen an Datenmanagement R - Grundsätzliches

Mehr

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

Copyright 2014, Oracle and/or its affiliates. All rights reserved. 1 Red Stack Einfach gut für jedes Projekt und jeden Kunden & Partner Matthias Weiss Direktor Mittelstand Technologie ORACLE Deutschland B.V. & Co. KG 2 Agenda Oracle Red Stack - Idee und Vorteile Software

Mehr

Datenschätze heben: Data Mining Carsten Czarski Leitender Systemberater Business Unit Database ORACLE Deutschland GmbH

<Insert Picture Here> Datenschätze heben: Data Mining Carsten Czarski Leitender Systemberater Business Unit Database ORACLE Deutschland GmbH Datenschätze heben: Data Mining Carsten Czarski Leitender Systemberater Business Unit Database ORACLE Deutschland GmbH Agenda Data Mining... erste Schritte... Der Data Mining-Ansatz

Mehr

Neuerungen Analysis Services

Neuerungen Analysis Services Neuerungen Analysis Services Neuerungen Analysis Services Analysis Services ermöglicht Ihnen das Entwerfen, Erstellen und Visualisieren von Data Mining-Modellen. Diese Mining-Modelle können aus anderen

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

Exadata Ultimate Performance - Einführung bei Migros Bank. Dr.-Ing. Holger Friedrich

Exadata Ultimate Performance - Einführung bei Migros Bank. Dr.-Ing. Holger Friedrich Exadata Ultimate Performance - Einführung bei Migros Bank Dr.-Ing. Holger Friedrich Agenda Einführung Projekt Exadata Claims Erfahrungen Fazit 2 sumit AG sumit AG bietet Consulting- und Implementierungsdienstleistungen

Mehr

Projektseminar "Texttechnologische Informationsmodellierung"

Projektseminar Texttechnologische Informationsmodellierung Projektseminar "Texttechnologische Informationsmodellierung" Speicherung von Korpora Ziele dieser Sitzung Nach dieser Sitzung sollten Sie: einen Überblick über die Alternativen zur Speicherung von Korpusdaten

Mehr

Storage-Trends am LRZ. Dr. Christoph Biardzki

Storage-Trends am LRZ. Dr. Christoph Biardzki Storage-Trends am LRZ Dr. Christoph Biardzki 1 Über das Leibniz-Rechenzentrum (LRZ) Seit 50 Jahren Rechenzentrum der Bayerischen Akademie der Wissenschaften IT-Dienstleister für Münchner Universitäten

Mehr

Oracle Capacity Planning

Oracle Capacity Planning Seminarunterlage Version: 2.03 Version 2.03 vom 8. Juli 2014 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen oder

Mehr

Das perfekte Rechenzentrum mit PernixData Architect & FVP

Das perfekte Rechenzentrum mit PernixData Architect & FVP Das perfekte Rechenzentrum mit PernixData Architect & FVP Auf der Reise zu einem RZ ohne Performance Probleme Patrick Schulz - Systems Engineer pschulz@pernixdata.com Twitter: @PatrickSchulz1 Blog: www.vtricks.com

Mehr

Oracle Datenbank Einführung Ulrike Schwinn Email: Ulrike.Schwinn@HS-Augsburg.DE

<Insert Picture Here> Oracle Datenbank Einführung Ulrike Schwinn Email: Ulrike.Schwinn@HS-Augsburg.DE Oracle Datenbank Einführung Ulrike Schwinn Email: Ulrike.Schwinn@HS-Augsburg.DE Oracle Corporation in Zahlen Gegründet 1977 Headquarter in Redwood Shores in Kalifornien 84 000 Angestellte

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

Mehr

Statistik und Computer Statistische Software (R) Paul Fink, M.Sc. Formeln und Code Was ist Statistiksoftware?

Statistik und Computer Statistische Software (R) Paul Fink, M.Sc. Formeln und Code Was ist Statistiksoftware? Statistik und Computer Efron (2001): Statistik im 20. Jahrhundert Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Einführung Applications 1900 Theory?

Mehr

LOG AND SECURITY INTELLIGENCE PLATFORM

LOG AND SECURITY INTELLIGENCE PLATFORM TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com

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

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Optimiertes IT Service Management durch Predictive Analytics München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Agenda Herausforderungen im IT Service Management (ITSM) Predictive

Mehr

Schwerpunkte von SQL Server 2005

Schwerpunkte von SQL Server 2005 3K05 Business Intelligence mit SQL Server 2005 Steffen Krause Technologieberater Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Schwerpunkte von SQL Server 2005 Mission Ready Developer Ready

Mehr

Werkzeuge für Datenbank Handwerker: IBM Data Studio und IBM Optim QWT

Werkzeuge für Datenbank Handwerker: IBM Data Studio und IBM Optim QWT Werkzeuge für Datenbank Handwerker: IBM Data Studio und IBM Optim QWT Neue Technologien effizient nutzen Ehningen, 3. Juli 2014 Rodney Krick rk@aformatik.de aformatik Training & Consulting GmbH & Co. KG

Mehr

Folgendes PL/SQL Codefragment zeigt das grundlegende Statement für diesen Test: Java. http://www.trivadis.com/images/javaperf_tcm16-7133.

Folgendes PL/SQL Codefragment zeigt das grundlegende Statement für diesen Test: Java. http://www.trivadis.com/images/javaperf_tcm16-7133. Page 1 of 7 Betrifft: Java oder PL/SQL? Art der Info: Technische Background Info Autor: Guido Schmutz (guido.schmutz@trivadis.com) Quelle: Aus unserer Schulungs- und Beratungstätigkeit Mit Oracle8.1 besteht

Mehr

DOAG München 2011. Die etwas anderen Oracle Performance-Tipps. Marco Patzwahl

DOAG München 2011. Die etwas anderen Oracle Performance-Tipps. Marco Patzwahl DOAG München 2011 Die etwas anderen Oracle Performance-Tipps Marco Patzwahl MuniQSoft GmbH Gegründet 1998 Tätigkeitsbereiche: Oracle Support (Mo-Fr 7.00 22.00, Sa+So ab Mai 2011) Oracle IT Consulting &

Mehr

Große Datenmengen knacken mit SAS High-Performance Analytics

Große Datenmengen knacken mit SAS High-Performance Analytics make connections share ideas be inspired Große Datenmengen knacken mit SAS High-Performance Analytics Martin Schütz CC Analytics SAS Institute GmbH Agenda Terminologie: SAS High-Performance Analytics SAS

Mehr

Die bisher bereits bekannten Aggregatsfunktionen MIN, MAX, SUM, AVG, COUNT, VARIANCE und STDDEV wurden um FIRST und LAST erweitert.

Die bisher bereits bekannten Aggregatsfunktionen MIN, MAX, SUM, AVG, COUNT, VARIANCE und STDDEV wurden um FIRST und LAST erweitert. Betrifft Autor FIRST, LAST Markus Jägle (markus.jaegle@trivadis.com) Art der Info Technische Background Info (April 2002) Quelle Aus dem NF9i-Kurs, NF9i-Techno-Circle der Trivadis und Oracle9i Data Warehousing

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

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers.

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers. Business und IT. Ein Team. Aus Sicht eines Retailers. Hier steht ein Bild randabfallend. Wenn kein Bild vorhanden ist, bitte Folie 2 benutzen. IT-Services Club of Excellence. Das CIO Forum der IBM vom

Mehr

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Version 1.1 INFORMATIONSSYSTEME DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Thorsten Stiller Marcel Mrowetz Ressort Informationssysteme Business Intelligence Customer

Mehr

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 DAS ERWARTET SIE IN MEINEM VORTRAG Neue Anforderungen, neue Herausforderungen, neue Möglichkeiten Software Demo:

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

Andreas Emhart Geschäftsführer Alegri International Group Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service

Mehr

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse Carsten Czarski Oracle Deutschland B.V. & Co KG Big Data Betrachten von Daten die bislang nicht betrachtet wurden

Mehr

WHERE Klausel Generierung mit.net und Oracle. Aus unserer Projekterfahrung und Architektur-Kurs

WHERE Klausel Generierung mit.net und Oracle. Aus unserer Projekterfahrung und Architektur-Kurs Betrifft Art der Info Quelle WHERE Klausel Generierung mit.net und Oracle Technical Info Aus unserer Projekterfahrung und Architektur-Kurs Where ist the WHERE? Der Artikel untersucht die Möglichkeiten,

Mehr

BI-Kongress 2016 COMBINED THINKING FOR SUCCESS - BI & S/4HANA

BI-Kongress 2016 COMBINED THINKING FOR SUCCESS - BI & S/4HANA BI-Kongress 2016 COMBINED THINKING FOR SUCCESS - BI & S/4HANA AUFSTELLUNG OPTIMIEREN. ENTWICKELN SIE IHRE SYSTEMLANDSCHAFT WEITER UND VERKAUFEN SIE DIE CHANCEN IHREN ANWENDERN Yu Chen, Thorsten Stossmeister

Mehr

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Frank Effenberger, Marco Fischer, 22.06.2015, München Agenda Firmenpräsentation Einführung Anwendungsfall Fazit Zahlen und

Mehr

IT-Symposium 2008 05.06.2008

IT-Symposium 2008 05.06.2008 Selftuning Database Ein Traum oder Wirklichkeit Ralf Durben Oracle Deutschland GmbH www.hp-user-society.de 1 Die Arbeitswelt des Gestern, heute und morgen Früher Ein für wenige Datenbanken

Mehr

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT Meik Truschkowski Architekt für Business Intelligence und Data Warehousing nobilia-werke J. Stickling GmbH & Co. KG Verl, den 31. Oktober 2011 UNTERNEHMENSPROFIL

Mehr

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz 2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax

Mehr

DB2 for VM / VSE 7.5. News & Experiences. Torsten Röber. GSE Frühjahrstagung April 2008, Bonn. IBM Software Group

DB2 for VM / VSE 7.5. News & Experiences. Torsten Röber. GSE Frühjahrstagung April 2008, Bonn. IBM Software Group DB2 for VM / VSE 7.5 News & Experiences IBM Software Group Torsten Röber GSE Frühjahrstagung April 2008, Bonn Agenda DB2 Server/Client for VSE & VM 7.5 Migrationsprojekte Performance Hints & Tipps Lessons

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

Compliance erlaubt keine Wartezeit

Compliance erlaubt keine Wartezeit Compliance erlaubt keine Wartezeit Schnelle Analyse-Verfahren bei der HVB Unicredit AG Anwarul Haq Khan, 26. Mai 2015 Agenda (Stichpunkte) Wer ist Unicredit-HVB AG Compliance - Was ist das? Was waren die

Mehr