BI 3 & smartdata / smartreasoning
|
|
- Dominic Seidel
- vor 8 Jahren
- Abrufe
Transkript
1 Business Intelligence requires Best Information requires Best Integration BI 3 & smartdata / smartreasoning Subthema: Komplexe Wechselwirkungen von Schema & Quality Dr.Siegmund Priglinger dr.priglinger consul3ng GmbH Wien & Hagenberg, 2014 s.priglinger@pup- consul3ng.at consul3ng.at smartdata.com In Planung: Experten erzählen (Anwender und Implemen3erer) 1
2 Business Intelligence requires Best Information requires Best Integration Business Intelligence Methdoen / Verfahren Stamm- /Daten- Qualität Models & Flow Ausbildung und Begleitung Einsatz- op3mierung und Monitoring Informa3ons- auzereitung & Entscheidungs- findung Konzep3on, Evaluierung Umsetzung Reifegrad- Assessment (Ist/Plan- Gap) Projekt- Programm & Planung Intelligent Analy3cs Product Life Cycle Werkzeuge Customer Life Cycle TASKFORCE & WISSENSVERBUND - UNSERE ERFAHRUNG FÜR IHREN ERFOLG 2
3 DWH Architektur Treiber... Top Down versus Bottom Up Top Down Schicht 1: Benutzeroberfläche Schicht 2: BI- Anwendungen Schicht 3: Warehouse Schicht 4: DatenintegraCon Schicht 5: Datenquellen Bottom Up 3 3
4 BI Architektur... im Big & BI SelfService Zeitalter Dashboards Traditionelle BI-Anwendungen Standard- Repor3ng Mart 1 Ad hoc Repor3ng Mart 2 Analyse Mart n Mining Planung Suche Discovery Erweiterte BI-Analyse Text Analyse Ist es das? Netzwerk- Analyse Pfad- Analyse Muster- erkennung Core Warehouse NoSQL File System Staging Area Datenintegra3on - Batch, Real Time, Streams/Events, Map- Reduce SAP ERP CRM Externe Systeme Sensor- Daten Web Logs Social Media Dokumente Transaktionsdaten Maschinen-generierte Daten Dokumente/Texte 4
5 Life Cycle Management Architecture Metadata-Repository (je BI-Schicht) Gesamt-Metadaten-Repository Schicht 1: Benutzeroberfläche Schicht 2: BI-Anwendungen Schicht 3: Warehouse Schicht 4: Datenintegration Schicht 5: Datenquellen (R&A) Reports (VMo) Virtuelle Modelle (SeS-1) Semantische Schicht(Verknüpfen aller Modelle) (MdM) Multidimensionale Modelle (Facts, Dimensions, Cubes, Marts, ) (ODS) Operational Store (integriertes relationales Modell) (SeS-2) Semantische Schicht (MDQ) Services für Datenqualität & Stammdaten (SeS-3) Semantische Schicht (OpS) Operative Systeme (ETL-3) M,E,T,L Kennz (RE-1) Primäres Requirements ahlen Engineering Dime nsion en Würfel (RE-2) Sekundäres Requirements Engineering (MrM) Mapping relationale auf multidimensionale Modelle (ETL-2) M,E,T,L (RE-3) Tertiäres Requirements Engineering DM- Proze sse (ETL-1) Mapping, Extrahieren, Transformieren, Laden Fachsicht DQ MDM 5
6 Types of Schema and Strong qualified Schema, strong qualified Qualified Schema, qualified Hub Partly known Schema / uncertain Unknown Schema / uncertain 6
7 - Business-Intelligence-Inhalte Informationsaufbereitung und Entscheidungsfindung Informationsaufbereitung Ø Schema & Quality (SDQ) Ø Architecture Ø bases Ø Modeling Ø Integration Ø Warehousing Ø Metadata Ø Quality Ø Reference & Master Ø Schema & Quality Ø Documents and Content Management Ø Ø Intelligent Analytics ( Science) Ø Search & Analysis Ø Prediction techniques Ø Semantic Processing Ø Cognitive Systems Ø Visualization Lifecycle Ø Governance & Stewardship Ø Security Ø Operations Ø Applications Development Entscheidungsfindung Ø Decision Methods & Networked Thinking 7
8 Business Intelligence requires Best Information requires Best Integration consul3ng.at UNSERE ERFAHRUNG FÜR IHREN ERFOLG... bei der Vorbereitung und Umsetzung von Projekten in den Belangen Informationsaufbereitung und Entscheidungsfindung ü ü ü ü ü Konzeption, Auswahl und Einführung von Business Intelligence & smartdata- Lösungen Reifegradmessung, Optimierung und Migration von Datenflüssen und Datenmodellen in komplexen Applikationslandschaften Bewertung, Vorbereitung und Umsetzung von Stammdaten- und Datenqualitätsprojekten (inkl. BI3-smartDATA-Innovation-Lab) Konzeption und Umsetzung von "Intelligent Analytics"-Projekten (alias Science ) der Evaluierung, dem Erlernen und dem praktischen Einsatz von Methoden der Entscheidungsfindung in heterogenen Teams (smartreasoning)... bei strategischen und operativen Fragen zum Produkt- und Kundenlebenszyklus ü ü Bewertung und Einsatzoptimierung von vorhandenen Lösungen Verbesserte Unterstützung des Produktlebenszyklus durch Integration von CAx-, PDM- und System Engineering-Lösungen 8
9 TransformaConen in OrganisaConen heute und gestern Was hat das Thema Daten damit zu tun 9
10 Industrie 4.0: Smart im Kontext von Industrie-Unternehmen SCM Lieferant Hub Kunde Lieferant SRM Produzent Smart BI Management CRM Kunde Plan Source Make Deliver Legende APS: Advanced Planning and Scheduling BDE: Betriebsdatenerfassung BI: Business Inteligence CRM: Customer Relationship Management MES: Manufacturing Excecution System PLM: Product-Lifecycle-Management PDM: Product-Daten-Management SCM: Supply Chain Management SRM: Supplier Relationship Management Systemintegration PDM ERP APS/MES BDE PLM Vorfertigung Fertigung Vormontage Endmontage Datenharmonisierung Quelle: FIR! Alle verfügbaren Daten können prinzipiell zur Entscheidungsunterstützung herangezogen werden.
11 Telco 3.0: Smart im Kontext von Telco-Unternehmen Smart Management Quelle: ICC Integration Competency Center, John Schmidt + David Lyle,
12 Energie 3.0: Smart im Kontext der Energiebranche Smart Management Quelle: SAP 12
13 Finanz 3.0: Unified Financial Analysis & ACTUS Methodology for Stress Tests 13
14 Finance 3.0 (Contracts) ICT Architecture User Interface Spreadsheet Browser etc. Smart Management Business Applica3ons Storage Monte Carlo Algorithms Operational Storage I (relational) ACTUS Contract Algorithms Integra3on Matching, Mapping, Transformation SQL Semantic Layer Semantic Layer Operational Storage II (Big ) NoSQL DatFisMo Reporting DatFisMo Analytics Analytical Storage I (Big ) Semantic Layer NoSQL Analytical Storage II (Cubes) Dimensional OLAP Sources BANK A BANK B BANK C BANK... Quelle: DatFisMo EU Projektantrag [Vorschlag Priglinger, basierend auf Unified Financial Analysis] 14
15 DatFisMo Operational Storage I (relational) Algorithms/ Rules Algorithms/ Rules Risk Factors Financial Contracts Operational Storage I (relational) Markets Counterparties Behaviour Terms Conditions Model Model
16 DatFisMo Operational Storage II (Big ) Analysis Events: Risk Factors & Financial Contracts Operational Storage II (Big ) Markets Counterparties Behaviour Contract Analysis Elements Model (Big )
17 DatFisMo Analytical Storage: Big & Dimensional Events & Analysis Elements Analytical Storage (Big ) Markets Counterparties Behaviour Contract Analysis Elements Model (Big ) Analysis Model... a special Storage for each Query Analytical Storage (Dimensional) Facts Dimensions Model (Dimensional)... for Aggregated
18 smartdata smartreasoning Von Daten zu Entscheidungen 18
19 Life Cycle Management Architecture Metadata-Repository (je BI-Schicht) Gesamt-Metadaten-Repository Schicht 1: Benutzeroberfläche Schicht 2: BI-Anwendungen Schicht 3: Warehouse Schicht 4: Datenintegration Schicht 5: Datenquellen (R&A) Reports (VMo) Virtuelle Modelle (SeS-1) Semantische Schicht(Verknüpfen aller Modelle) (MdM) Multidimensionale Modelle (Facts, Dimensions, Cubes, Marts, ) (ODS) Operational Store (integriertes relationales Modell) (SeS-2) Semantische Schicht (MDQ) Services für Datenqualität & Stammdaten (SeS-3) Semantische Schicht (OpS) Operative Systeme (ETL-3) M,E,T,L Kennz (RE-1) Primäres Requirements ahlen Engineering Dime nsion en Würfel (RE-2) Sekundäres Requirements Engineering (MrM) Mapping relationale auf multidimensionale Modelle (ETL-2) M,E,T,L (RE-3) Tertiäres Requirements Engineering DM- Proze sse (ETL-1) Mapping, Extrahieren, Transformieren, Laden Fachsicht DQ MDM
20 Integration Architecture State of the Art Storage manual Meta daten ODS Daten Analytical DS Meta Daten daten Schema IntegraCon Schema Mapping Schema & Integration manual Schema Matching manual TransformaCon StandardizaCon Company Operational storage inividual Meta daten Appl A Daten Meta daten Appl B Daten
21 Integration Architecture Innovative Solution SADI Storage standardized SADI Operational DS Meta SADI Analytical DS Meta Schema Mapping TransformaCon Schema & Integration semi- automa3c Schema Matching Schema StandardizaCon StandardizaCon Company Operational Storage individual Meta Appl A Meta Appl B Meta Appl C Schema EvaluaCon
22 Besten Dank für Ihre Aufmerksamkeit! 22
23 SADI: Semi-automatic Integration The research ques*ons we address are as follows: u u u How can we define a standard for data modeling and use this standard with exis3ng data models? Given a standard for data modeling, how can we integrate data models of individual applica3ons by matching the seman*c of the data content and mapping the schema in an efficient way into one consistent data model? Since each data model of the various applica3ons in a company can differ considerably from others (e.g. different schema types, different naming conven3ons, different natural language, etc.) the mapping from the different data models to a consistent company data model is a tedious process. In principle, each company would need to physically implement its own mapping. The ques3on is: how can we standardize the representa*on of different model schemas (rela*onal, XML, OO,...) and unify the implementa*on of these schemas and their mappings. 23
24 SADI: How to resolve the questions The steps to resolve the research ques*ons are as follows: u u u u Define a unique language for each type of modeling nota3on by using aiributed grammars and the ENBF Metasyntax. u Examples: rela3onal model, dimensional model, JSON, RDF, Graph, UML, SysML, XML, T- ADAPT, DAPLEX,... Map all the types of languages to each other by defining translators. Map all the types of languages into a directed graph model. Steps for the relaconal model type: u Define a modeling standard for the rela3onal type. u Define a transla3on from this standard to a graph model (schema and data). u For each individual rela3onal model: u u u Use the rela3onal modeling standard to standardize exis3ng rela3onal models. u Translate this standardized rela3onal models into a graph model. Use the graph models for using exis3ng algorithms and develop new algorithms for schema (and data) integra3on of different source schemas to one target schema. Translate the target model back to the rela3onal representa3on. 24
25 TransformaConen in OrganisaConen GeschäWsmodelle und die InformaConslogisCk Von Small & Big zu Smart 25
26 bility u u u bility das Thema der CeBIT Dabei ist bility ein Kunstwort geschaffen aus den Bestandteilen Big sowie Sustainability (Nachhaltigkeit). Laut CeBIT 2014 bezeichnet bility: "Die Fähigkeit, große Datenmengen in hoher Geschwindigkeit verantwortungsvoll und nachhaltig zu nutzen. Das bedeutet, Big sollte nicht als Selbstzweck gesammelt werden, sondern dazu genutzt werden, um konkrete Werte daraus ziehen: Transform into Value! Smart ó with Value u u Es muss ein Transformationsprozess von Big zu Smart erfolgen. Die zukünftigen Geschäftsmodelle benötigen u treffsichere Hinweise auf künftige Kundenanforderungen und u die Entwicklung von zielorientierten Serviceangeboten Product Life Cycle Customer Life Cycle 26
27 Schwerpunkt 1: Informationsfluss vor Materialfluss und Prozessfluss 27
28 Schwerpunkt 2: Datenmanagement als kritischer Erfolgsfaktor für Performance-Steuerung Performance Level 1 Kunde Performance Level 3 Performance Level 2 Dispositive Geschäftsprozesse (wertschöpfend?) Operative Geschäftsprozesse (wertschöpfend) DatenManagement- Supportprozesse (wertschöpfend?) Kritischer Pfad 28
29 Schwerpunkt 3: die Typen von Modellen und Daten Strong qualified Schema, strong qualified Qualified Schema, qualified Hub Partly known Schema / uncertain Unknown Schema / uncertain 29
30 Schwerpunkt 4: Datenredundanz als Folge heterogener Kooperationen und verschränkter Anwendungslandschaften u Die Inkompa3bilität der Applika3onsschemata und die Qualität und Redundanz der Daten sind schlechthin das Hindernis für Interoperabilität!!! u Datenintegra3on (Schema- Mapping und Datenfluss) soll die Folgen der Datenredundanz beheben / mildern. u Das führt zu den Fragen erster Art... u Wo macht Redundanz Sinn? u Wie ist Redundanz zu vermeiden? u... und das wiederum zu den Fragen zweiter Art u Welche Integra3onsmuster sollen eingesetzt werden? u Wie sollen verschiedene Muster kombiniert werden? 30
31 Nutzen aus Daten ziehen heißt... u sich über Funktionsgrenzen hinweg (in oder zwischen Unternehmen) u mit Blick auf die gesamten, meist noch zu definierenden Wertschöpfungsketten u mit Daten und ihren Möglichkeiten zu beschäftigen. è Lösungen mit explizitem Endkundennutzen generieren è Smart ist Big mit Value, nicht nur mit Volume, Velocity und Variety è Markting+Sales+IT+Technik sind gemeinsam gefordert. 31
32 Business Intelligence requires Best Information requires Best Integration Business Intelligence Stamm- / Daten- Qualität Models & Flow Einsatz- op3mierung und Monitoring Informa3ons- auzereitung & Entscheidungs- Ausbildung findung und Begleitung Konzep3on, Evaluierung Umsetzung Reifegrad- Assessment (Ist/Plan- Gap) Projekt- Programm & Planung Intelligent Analy3cs Product Life Cycle consul3ng.at Customer Life Cycle UNSERE ERFAHRUNG FÜR IHREN ERFOLG 32
33 DWH Architecture 3.0 Active Schema & Integration Dispositive Schichten DWH Dimensional Schema DWH MOLAP DWH ROLAP Schema- und Datenintegration Requirement Specification Integrated / Reconciled Schema Schema IntegraCon Schema Matching Neue Methoden Active DWH ODS Schema StandardizaCon Schema StandardizaCon Schema StandardizaCon Operative Datenspeicherung & Datenverarbeitung Schema ERP Schema Classic CRM Schema EvaluaCon Ac3ve CRM 33
smartdata und Industrie 4.0 Geschäftsprozesse und Informationsfluss in Unternehmen
Business Intelligence requires Best Information requires Best Integration smartdata und Industrie 4.0 Geschäftsprozesse und Informationsfluss in Unternehmen Dr.Siegmund Priglinger Wien & Hagenberg, 2015
MehrWas ist Analyse? Hannover, CeBIT 2014 Patrick Keller
Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität
MehrDr.Siegmund Priglinger Informatica Österreich. 27.02.2007 spriglinger@informatica.com
Governance als Teil der IT Governance Dr.Siegmund Priglinger Informatica Österreich 27.02.2007 spriglinger@informatica.com 1 Agenda Informatica im Überblick Die Trends der Datenintegration versus der Haarschopf
MehrBig Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
MehrDr.Siegmund Priglinger. 23.03.2007 spriglinger@informatica.com
Vernetzung geschäftsrelevanter Informationen Dr.Siegmund Priglinger 23.03.2007 spriglinger@informatica.com 1 Agenda 2 Die Herausforderung Der Markt verbindet diese fragmenierten Daten Geschäftssicht M&A
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
MehrTechnologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle
Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die
MehrBI Organisation und Governance. Patrick Keller, Senior Analyst und Prokurist CeBIT 2016
BI Organisation und Governance Patrick Keller, Senior Analyst und Prokurist CeBIT 2016 15.03.2016 BARC 2016 2 Warum eine Organisation für BI? Menschen verursachen mehr Probleme als Technik! 15.03.2016
MehrData. 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,
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
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
MehrProblemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!
Take aways Mit Power BI wird Excel zum zentralen Tool für Self- Service BI End-End Self-Service Lösungsszenarien werden erstmals möglich Der Information Worker erhält ein flexibles Toolset aus bekannten
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrBusiness Intelligence. Bereit für bessere Entscheidungen
Business Intelligence Bereit für bessere Entscheidungen Business Intelligence Besserer Einblick in Geschäftsabläufe Business Intelligence ist die Integration von Strategien, Prozessen und Technologien,
MehrBusiness 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).
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
MehrHannover, 20.03.2015 Halle 5 Stand A36
Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center
MehrMaster Data Management - Wege aus der Datenkrise
Master Data Management - Wege aus der Datenkrise Conect 2008-04-03 Dr. Siegmund Priglinger Business Application Research Center (BARC) Steinbachtal 2b D-97082 Würzburg +49-931-8806510 www.barc.de Agenda
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
MehrVon Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
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
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
MehrProcess Management Solutions. Eckhard Behr Patrick Müller
Process Management Solutions Eckhard Behr Patrick Müller by CaRD / CaRD PLM 2008 Engineering Management VDA 4965 Identification of Potential for Development of Alternative Solutions Specification and Decision
MehrBPM im Kontext von Unternehmensarchitekturen. Konstantin Gress
BPM im Kontext von Unternehmensarchitekturen Konstantin Gress Agenda 1 Worum geht s BPM, EA und SOA im Überblick 2 Link zwischen EA und BPM 3 Link zwischen SOA und BPM 4 Wie spielt das zusammen? 5 Q&A
MehrForschungsbereich Value-based Customer Relationship Management (CRM)
Forschungsbereich Value-based Customer Relationship Management (CRM) Reminder: Wertorientiertes CRM Schwerpunkte im Forschungsbereich Ziel: Steigerung des Unternehmenswerts Wertorientiertes Customer Relationship
MehrDaten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1
Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf
MehrMission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden
Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines
MehrBIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE. make connections share ideas be inspired. Wolfgang Schwab SAS D
make connections share ideas be inspired BIG ANALYTICS AUF DEM WEG ZU EINER DATENSTRATEGIE Wolfgang Schwab SAS D Copyright 2013, SAS Institute Inc. All rights reserved. BIG DATA: BEDROHUNG ODER CHANCE?
MehrKomplexität der Information - Ausgangslage
Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher
MehrInformation Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends. Dr. Wolfgang Martin Analyst
Information Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends Dr. Wolfgang Martin Analyst Governance Begriffsbestimmung Governance bezeichnet die verantwortungsvolle, nachhaltige und
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
MehrBICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center
BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie
MehrTrends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016
Trends im Markt für Business Intelligence Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 18.03.2016 BARC 2016 2 IT Meta-Trends 2016 Digitalisierung Consumerization Agilität Sicherheit und Datenschutz
MehrBig Data Vom Hype zum Geschäftsnutzen
Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010
MehrDie Rolle des Stammdatenmanagements im digitalen Unternehmen
Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Die Rolle des Stammdatenmanagements im digitalen Unternehmen Frankfurt, April 2015 Die Digitalisierung der Welt Nach der Globalisierung
MehrDas bessere Unternehmen Industrialisierung von Information Management
Das bessere Unternehmen Industrialisierung von Information Management Webcast, April 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Chefsache Information Management Unternehmen
MehrExplore. Share. Innovate.
Explore. Share. Innovate. Vordefinierte Inhalte & Methoden für das Digitale Unternehmen Marc Vietor Global Consulting Services Business Development and Marketing Vordefinierte Inhalte & Methoden für das
MehrSAP SUPPLIER RELATIONSHIP MANAGEMENT
SAP SUPPLIER RELATIONSHIP MANAGEMENT 1 SAP SUPPLIER RELATIONSHIP MANAGEMENT SAP Supplier Relationship Management (SAP SRM) Hinweise zu den SAP Supplier Relationship Management-Schulungen SAP Supplier Relationship
MehrOracle 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
MehrNutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst
Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende
MehrSAP S/4HANA Finance Geschäftsabläufe vereinfachen. Hannelore Lang, SAP Deutschland SE & Co. KG Leipzig, 28. Oktober 2015
SAP S/4HANA Finance Geschäftsabläufe vereinfachen Hannelore Lang, SAP Deutschland SE & Co. KG Leipzig, 28. Oktober 2015 SAP S/4HANA Finance: Management Summary SAP bietet mit SAP S/4HANA Finance eine innovative
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
MehrDigitalisierung wie aus einer Strategie Realität wird.
Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,
MehrCockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr
Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche
MehrTHE KNOWLEDGE PEOPLE. CompanyFlyer.indd 1 07.03.2016 11:48:05
THE KNOWLEDGE PEOPLE CompanyFlyer.indd 1 07.03.2016 11:48:05 BE SMART IT-CONSULTING Smartes IT-Consulting für die Zukunft: Agilität, Dynamische IT, Komplexitätsreduzierung, Cloud, Industrie 4.0, Big Data
MehrSOA im Zeitalter von Industrie 4.0
Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING
MehrCERTIFIED FINANCIAL ENGINEER (CFE) EDUCATION IS THE KEY
CERTIFIED FINANCIAL ENGINEER (CFE) EDUCATION IS THE KEY John C. Hull über den CFE Financial Engineering is one of the most interesting and challenging fields in finance. Experts in the field need a thorough
MehrProzessorientierte Applikationsund Datenintegration mit SOA
Prozessorientierte Applikationsund Datenintegration mit SOA Forum Business Integration 2008, Wiesbaden Dr. Wolfgang Martin unabhängiger Analyst und ibond Partner Business Integration 1998 2008 Agenda Business
MehrDie 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
MehrDATA 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
MehrNeue Strategien und Innovationen im Umfeld von Kundenprozessen
Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:
MehrProduktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
MehrForum zum Erfahrungsaustausch in Sachen Qualitätsmanagement SUBSEQ Consulting GmbH
Forum zum Erfahrungsaustausch in Sachen Qualitätsmanagement SUBSEQ Consulting GmbH im September 2010 Herzlich Willkommen! Wir begrüßen Sie recht herzlich zum GÄSTELISTE: 1. Q-DAY Q in München Seite 1 Ziel
Mehr26. November 2014 HERZLICH WILLKOMMEN! SAP & Camelot Supplier Management Forum. Walldorf, SAP Guesthouse Kalipeh. From Innovations to Solutions.
26. November 2014 HERZLICH WILLKOMMEN! SAP & Camelot Supplier Management Forum Walldorf, SAP Guesthouse Kalipeh From Innovations to Solutions. Agenda SAP & Camelot Supplier Management Forum Lieferantenmanagement
MehrDW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG
DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse
MehrMehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen.
Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Definitionen Business Intelligence (BI) bezeichnet Verfahren, Prozesse und Techniken zur systematischen Analyse von Daten in elektronischer
Mehr6. Oracle DWH Community Mainz 2011. Koexistenz SAP BW und mit unternehmensweitem zentralen DWH
6. Oracle DWH Community Mainz 2011 Koexistenz SAP BW und mit unternehmensweitem zentralen DWH 2 6. Oracle DWH Community Mainz 2011 Agenda Vorstellung Globus Historische Entwicklung des DWH-Systems Globus
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
MehrMEHRWERK. Einheitliche Kundenkommunikation
MEHRWERK Einheitliche Kundenkommunikation Alle Prozesse und Daten aus bestehenden Systemen werden im richtigen Kontext für relevante Geschäftsdokumente eingesetzt. Flexible Geschäftsprozesse Änderungszyklen
MehrMit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014
Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung
MehrSAP BI/BO Roadmap SAP BI Verteilung
SAP BI/BO Roadmap SAP BI Verteilung Jörg Telle Martin Ruis Harald Giritzer SAP Österreich Agenda SAP BI BusinessObjects aktuelle Roadmap Investitionsschutz SAP BI Österreich-Erweiterungspaket II Verteilung
Mehr25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU
BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB
MehrProf. Dr.-Ing. Rainer Schmidt 1
Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2
MehrBusiness Intelligence für Controller
Controllers Best Practice Fachbuch Business Intelligence für Controller Hermann Hebben und Dr. Markus Kottbauer Verlag für ControllingWissen ÄG, Freiburg und Wörthsee Ein Unternehmen der Haufe Mediengruppe
MehrAdvanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.
Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken
MehrInhaltsverzeichnis. 1 Was ist Business Intelligence?... 23
Inhaltsverzeichnis Einleitung............................................................................. 11 Was Sie in diesem Buch finden......................................................... 12 Aufbau
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
MehrGESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013
OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld
Mehr1 Ihre BI-Galaxie von BITMARCK!
1 Ihre BI-Galaxie von BITMARCK! Die Summe aller Sterne ist die Galaxie Ihre BI-Galaxie von BITMARCK! Michael Heutmann, Peter Hernold, Markus Jankowski Neuss, 4. November 2013 Sie haben uns mit auf den
MehrOERA OpenEdge Reference Architecture. Mike Fechner PUG Infotag 19. Mai 05 Frankfurt
OERA OpenEdge Reference Architecture Mike Fechner PUG Infotag 19. Mai 05 Frankfurt Überblick OERA Separated presentation and integration layers Common business logic with advanced models Data access abstracted
MehrVon BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor
Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung
MehrThementisch Anwendungsgebiete und
Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven
MehrLeistungssteuerung beim BASPO
Leistungssteuerung beim BASPO Organisationsstruktur Advellence die Gruppe. Advellence Consulting Advellence Solutions Advellence Products Advellence Services HR-Migrator & albislex powered byadvellence
MehrEntwicklungsoptimierung mit einem ALM Tool Positionierung mit Fallstudie
Entwicklungsoptimierung mit einem ALM Tool Positionierung mit Fallstudie Gerald Heller Agenda Standortbestimmung ALM Typischer industrieller Setup und Probleme Vorstellung von QualityCenter als ALM tool
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrLars Priebe Senior Systemberater. ORACLE Deutschland GmbH
Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele
MehrWenn Russland kein Gas mehr liefert
Ergänzen Sie die fehlenden Begriffe aus der Liste. abhängig Abhängigkeit bekommen betroffen bezahlen Gasspeicher Gasverbrauch gering hätte helfen importieren liefert 0:02 Pläne politischen Projekte Prozent
MehrProduct Lifecycle Management Studie 2013
Product Lifecycle Studie 2013 PLM Excellence durch die Integration der Produktentwicklung mit der gesamten Wertschöpfungskette Dr. Christoph Kilger, Dr. Adrian Reisch, René Indefrey J&M Consulting AG Copyright
MehrLOG 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
MehrTRACK II Datenmanagement Strategien & Big Data Speicherkonzepte BI Operations Erfolgsfaktoren für einen effizienten Data Warehouse Betrieb
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrInhalt. Fragestellungen. ...we make the invisible visible... Analysen und deren Anwendung Erfahrungen
...we make the invisible visible... 1 Inhalt Fragestellungen Analysen und deren Anwendung Erfahrungen 2 Projektleiter Hat unsere Software eine klare, verständliche Struktur? Gibt es problematischen Code,
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
MehrDie 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
MehrBusiness-Analyse Probleme lösen, Chancen nutzen
Business-Analyse Probleme lösen, Chancen nutzen Herausforderungen für Unternehmen im Wandel Peter Gerstbach, 17. Juni 2015 @PeterGerstbach peter.gerstbach@gerstbach.at gerstbach.at Gerstbach Business Analyse
MehrBusiness Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum
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
MehrThe integration of business intelligence and knowledge management
The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence
MehrWe make IT matter. Unternehmenspräsentation. Dr. Oliver Janzen Düsseldorf Mai 2015
We make IT matter. Unternehmenspräsentation Dr. Oliver Janzen Düsseldorf Mai 2015 KOMPETENZ Unsere Kernkompetenz: Ganzheitliche Unterstützung bei der Weiterentwicklung der IT. IT-Dienstleistung, von der
MehrAutomatisierungsarchitekturen für das Smart Grid Am Beispiel der OPC UA und der IEC 61970. Dr.-Ing. Mathias Uslar, Sebastian Rohjans
Automatisierungsarchitekturen für das Smart Grid Am Beispiel der OPC UA und der IEC 61970 Dr.-Ing. Mathias Uslar, Sebastian Rohjans 2 OPC Foundation Vision: OPC-Technologien sollen überall dort zur Interoperabilitäts-Basis
MehrJune 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration
June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen
MehrWirtschaftsinformatik III - Informationswirtschaft
Wirtschaftsinformatik III - Informationswirtschaft Gliederung Einführung 8. November 2010 Organisation Ansprechpartner: Tobias Pontz Ulf Müller (pontz@fb5.uni-siegen.de) (mueller@fb5.uni-siegen.de) Ort:
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrUnternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise
Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center
MehrSimPDM Datenmodell im Kontext zu Teamcenter und PLMXML
SimPDM Datenmodell im Kontext zu Teamcenter und PLMXML Vergleichsstudie Datentransfer PDM SDM Böblingen, 20. November 2008 Dietmar Gausselmann Zoran Petrovic Ulrich Deisenroth Agenda Einleitung / Motivation
MehrBITMARCK VERNETZT DER KUNDENTAG
BITMARCK VERNETZT DER KUNDENTAG BI@BITMARCK neue Wege, neue Möglichkeiten Michael Heutmann und René Wilms, BITMARCK Thomas Linke, Terranet Essen, 03. November 2015 Rückblick Was bisher geschah KT 2013:
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
Mehr360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf
360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf Von der Entstehung bis heute 1996 als EDV Beratung Saller gegründet, seit 2010 BI4U GmbH Firmensitz ist Unterschleißheim (bei München)
MehrInfor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr
Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können
MehrAufbau eines IT-Servicekataloges am Fallbeispiel einer Schweizer Bank
SwissICT 2011 am Fallbeispiel einer Schweizer Bank Fritz Kleiner, fritz.kleiner@futureways.ch future ways Agenda Begriffsklärung Funktionen und Aspekte eines IT-Servicekataloges Fallbeispiel eines IT-Servicekataloges
Mehr