Data Mining in SAP NetWeaver BI

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Data Mining in SAP NetWeaver BI"

Transkript

1 Martin Kießwetter, Dirk Vahl kam p Data Mining in SAP NetWeaver BI Galileo Press Bonn Boston

2 2.1 Was ist Data Mining? Data Mining, KDD und Business Intelligence KDD-Prozessmodelle Übersicht Data-Mining-Verfahren Erfolgreiche Anwendung von Data Mining Datenanalyse in SAP NetWeaver Bl Zusammenfassung Die APD Workbench Aufbau der APD Workbench Eingangsdaten für eine Analyse: Datenquellen Durchführung einer Analyse: Transformationen Ergebnisdaten einer Analyse: Datenziele Ein einfaches Beispiel für einen Analyseprozess Standardfunktionen zur Datenanalyse Sonderfunktionalitäten in der APD Workbench Individuelle Anwendungshierarchien Versteckte Funktionen Verwaltung neuer Anwendungen Data Mining Workbench Aufbau der DM Workbench Verwaltung der Data-Mining-Modelle Anlegen eines Data-Mining-Modells Modellergebnisse eines Data-Mining- Modells Integration in die Datenbewirtschaftung Einsatz von Jobs (Hintergrundverarbeitung) Analyseprozess ausführen mit ABAP 137 7

3 3.4.3 Aufruf aus einer Prozesskette Empfehlungen Zusammenfassung Die Clusteranalyse Anwendungsbeispiele für eine Clusteranalyse Ähnlichkeit und Kompaktheit Ablauf einer Clusteranalyse Verfahrensvarianten einer Clusteranalyse Konfiguration einer Clusteranalyse in SAP NetWeaver Bl Durchführung einer Clusteranalyse in SAP NetWeaver Bl Neue Zuordnungen einer trainierten Clusteranalyse Die ABC-Analyse Anwendungsbeispiele für eine ABC-Analyse Ablauf einer ABC-Analyse Konfiguration einer ABC-Analyse in SAP NetWeaver Bl ' Durchführung einer ABC-Analyse in SAP NetWeaver Bl Das Scoring-Verfahren Anwendungsbeispiele für ein Scoring- Verfahren Ablauf eines Scoring-Verfahrens.' Konfiguration eines Scoring-Verfahrens in SAP NetWeaver Bl Durchführung eines Scoring-Verfahrens in SAP NetWeaver Bl Die Assoziationsanalyse Anwendungsbeispiele für eine Assoziationsanalyse Ablauf einer Assoziationsanalyse Konfiguration einer Assoziationsanalyse in SAP NetWeaver Bl 213 8

4 4.4.4 Durchführung einer Assoziationsanalyse in SAP NetWeaver Bl Zusammenfassung Der Entscheidungsbaum Anwendungsbeispiele für einen Entscheidungsbaum Aufbau eines Entscheidungsbaums Konfiguration eines Entscheidungsbaums in SAP NetWeaver Bl Analyse mit einem Entscheidungsbaum in SAP NetWeaver Bl Die Regressionsanalyse Anwendungsbeispiele für eine Regressionsanalyse Berechnung einer einfachen Regressionsanalyse Güte einer Regressionsanalyse Modellierung einer Regressionsanalyse Konfiguration einer Regressionsanalyse in SAP NetWeaver Bl Durchführung einer Regressionsanalyse in SAP NetWeaver Bl Integriertes Gesamtbeispiel Ausgangssituation und Zielsetzung Training des Entscheidungsbaums - Analyseschritt 1a Training des Regressionsmodells- Analyseschritt 1b Anwendung der trainierten Modelle - Analyseschritt Zusammenfassung Evolutionäre Algorithmen Das Vorbild der Evolution Wie funktioniert ein evolutionärer Algorithmus? 285 9

5 6.1.3 Erfolgreiche Anwendung und Modellierung Varianten evolutionärer Algorithmen Clusteranalyse mit Mutations-Selektionsverfahren Modellierung des Mutations- Selektionsverfahrens Implementierung in SAP NetWeaver Integration in den APD Ergebnisse des Clustering-Problem 6A Clusteranalyse mit Threshold Accepting Modellierung des Threshold-Accepting- Verfahrens Implementierung in SAP NetWeaver Ergebnisse des Clustering-Problem 6A Neuronale Netze Wie funktioniert ein neuronales Netz? Erfolgreiche Anwendungen Clusteranalyse mit einer selbstorganisierenden Karte (SOM) Wie funktioniert eine SOM? Implementierung in SAP NetWeaver Ergebnisse des Clustering-Problem 6B Ergebnisse des Clustering-Problem 6C Ergebnisse des Clustering-Problem 6D Zusammenfassung 330 A Daten für das Fallbeispiel 339 A.1 Daten des Integrationsbeispiels für das Problem 5C A.2 Funktionsbaustein Clustering Mutations- Selektionsverfahren 343 A.3 Funktionsbaustein Clustering SOM 354 B Literaturverzeichnis 365 B.1 Literaturempfehlungen 365 B.2 Quellen 366 C DieAutoren 369 Index

Part I Conceptualization and Definition of Evolutions of Economies in Four General Equilibrium Frameworks

Part I Conceptualization and Definition of Evolutions of Economies in Four General Equilibrium Frameworks Contents 1 General Introduction 1 2 Notations and Mathematical Preliminaries 13 Part I Conceptualization and Definition of Evolutions of Economies in Four General Equilibrium Frameworks 3 Introduction

Mehr

Data Mining in SAP NetWeaver BI

Data Mining in SAP NetWeaver BI Martin Kießwetter, Dirk Vahlkamp Data Mining in SAP NetWeaver BI Bonn Boston Auf einen Blick 1 Einleitung... 11 2 Aufgaben und Ziele des Data Mining... 17 3 Werkzeuge des Data Mining in SAP NetWeaver BI...

Mehr

Praxishandbuch SAP NetWeaver" Pl - Entwicklung

Praxishandbuch SAP NetWeaver Pl - Entwicklung Valentin Nicolescu, Burkhardt Funk, Peter Niemeyer, Matthias Heiler, Holger Wittges, Thomas Morandell, Florian Visintin, Benedikt Kleine Stegemann, Harald Kienegger Praxishandbuch SAP NetWeaver" Pl - Entwicklung

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Xcelsius: Dashboarding mit SAP BusinessObjects

Xcelsius: Dashboarding mit SAP BusinessObjects Sonja Hecht, Jörg Schmidl, Helmut Krcmar Xcelsius: Dashboarding mit SAP BusinessObjects Galileo Press Bonn Boston Auf einen Blick 1 Dashboarding - Überblick 19 2 First Steps: Das erste Dashboard 51 3 Der

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

Inhaltsverzeichnis 1 Einleitung 2 Ansätze in Forschung und Praxis

Inhaltsverzeichnis 1 Einleitung 2 Ansätze in Forschung und Praxis ix 1 Einleitung 1 1.1 Motivation 1 1.1.1 Das Projekt»Steuerkanzlei 2005«2 1.1.2 Generalisierung des Anwendungsfalls 3 1.1.3 Situation der Business Intelligence 4 1.1.4 Probleme in der praktischen Anwendung

Mehr

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner Agenda Universitätsrechenzentrum Heidelberg Data Mining SAS Mining Challenge Einführung in 14. November 2003 Hussein Waly URZ Heidelberg Hussein.Waly@urz.uni-heidelberg.de SAS Mining Challenge Generelle

Mehr

Praxishandbuch Unternehmensplanung mit SAP

Praxishandbuch Unternehmensplanung mit SAP Martin Kießwetter, Goran Gulis, Dirk Vahlkamp, Alex Arrenbrecht Praxishandbuch Unternehmensplanung mit SAP SAP BusihessObjects Planning and Consolidation Galileo Press Bonn Boston Vorwortvon SAP 15 Vorwortvon

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

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

MS SQL Server 2012 (4)

MS SQL Server 2012 (4) MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql

Mehr

AGM Project & Education GmbH

AGM Project & Education GmbH AGM Project & Education GmbH Leipzig Datenschutzkonferenz dtb Kassel November 2011 20.11.2011 Detlev.Sachse@agm-onside.com 1 Zur Person 20.11.2011 Detlev.Sachse@agm-onside.com 2 Thema Data-Mining am Beispiel

Mehr

Data Mining für die industrielle Praxis

Data Mining für die industrielle Praxis Data Mining für die industrielle Praxis von Ralf Otte, Viktor Otte, Volker Kaiser 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22465 0 Zu Leseprobe schnell und

Mehr

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Dr. Frank Säuberlich Business Unit e-intelligence SAS Deutschland Agenda 1. Begriffsdefinition e-intelligence: Systemdimension Angebotsdimension

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

Mehr

Business Intelligence & Machine Learning

Business Intelligence & Machine Learning AUSFÜLLHILFE: BEWEGEN SIE DEN MAUSZEIGER ÜBER DIE ÜBERSCHRIFTEN. AUSFÜHRLICHE HINWEISE: LEITFADEN MODULBESCHREIBUNG Business Intelligence & Machine Learning Kennnummer Workload Credits/LP Studiensemester

Mehr

Data Mining im SAP Business Intelligence 7.0

Data Mining im SAP Business Intelligence 7.0 1 Einleitung Diplomarbeit Thema: Data Mining im SAP Business Intelligence 7.0 An der Fachhochschule Dortmund im Fachbereich Informatik erstellte Diplomarbeit im Studiengang Wirtschaftsinformatik zur Erlangung

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

Data-Mining Routinen in SAP BI 7.0

Data-Mining Routinen in SAP BI 7.0 Data-Mining Routinen in SAP BI 7.0 Norbert Ketterer Fachbereich Angewandte Informatik Hochschule Fulda 36039 Fulda E-mail: norbert.ketterer@informatik.hs-fulda.de STICHWORTE Data-Mining, SAP-BI 7.0, Klassifikation,

Mehr

Change Request Management mit dem SAP Solution Manager

Change Request Management mit dem SAP Solution Manager Matthias Friedrich, Torsten Sternberg Change Request Management mit dem SAP Solution Manager Galileo Press Bonn Boston Vorwort 11 1.1 IT Change Management und Information Technology Infrastructure Library

Mehr

Business Process Monitoring mit dem SAP Solution Manager

Business Process Monitoring mit dem SAP Solution Manager Thomas Schröder Business Process Monitoring mit dem SAP Solution Manager Galileo Press Bonn Boston Geleitwort -... 9 Einleitung 11 1.1 E2E-Support-Standards und Run SAP 17 1.2 Betrieb eines Auftragsprozesses

Mehr

Business Intelligence für Controller

Business 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

Mehr

Jan Parthey, Christin Seifert. 22. Mai 2003

Jan Parthey, Christin Seifert. 22. Mai 2003 Simulation Rekursiver Auto-Assoziativer Speicher (RAAM) durch Erweiterung eines klassischen Backpropagation-Simulators Jan Parthey, Christin Seifert jpar@hrz.tu-chemnitz.de, sech@hrz.tu-chemnitz.de 22.

Mehr

Handbuch Business Intelligence

Handbuch Business Intelligence Handbuch Business Intelligence BERNHARD SÖLLNER Vorwort 15 [l. Geschäftspotenziale von Business Intelligence OLAF JACOB Der Wertbeitrag von Business Intelligence 19 Ziele und Erwartungen an Business Intelligence

Mehr

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

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

Mehr

Seminar zum Thema Künstliche Intelligenz:

Seminar zum Thema Künstliche Intelligenz: Wolfgang Ginolas Seminar zum Thema Künstliche Intelligenz: Clusteranalyse Wolfgang Ginolas 11.5.2005 Wolfgang Ginolas 1 Beispiel Was ist eine Clusteranalyse Ein einfacher Algorithmus 2 bei verschieden

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

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

Mehr

Data-Mining: Ausgewählte Verfahren und Werkzeuge

Data-Mining: Ausgewählte Verfahren und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

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

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

Mehr

Praxishandbuch SAP BW 3-1

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

Mehr

Projekt: RFC to FTP. Szenario der serviceorientierten Anwendungsintegration. Sebastian Altendorf Dirk Brillski David Gebhardt

Projekt: RFC to FTP. Szenario der serviceorientierten Anwendungsintegration. Sebastian Altendorf Dirk Brillski David Gebhardt Projekt: RFC to FTP Szenario der serviceorientierten Anwendungsintegration Sebastian Altendorf Dirk Brillski David Gebhardt 18.01.2011 Agenda Anwendungsszenarien für RFC to FTP Vorstellung des umgesetzten

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars 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

Mehr

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr.

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr. Mining the Web Analyse von Benutzerpfaden und Nutzertypen im Internet Dr. Frank Säuberlich Business Unit CRM Solutions SAS Deutschland Agenda 1. Einleitung: Der Lebenszyklus eines e-kunden Begriffsdefinition

Mehr

Einstieg in Business Intelligence mit Microsoft SharePoint 2010

Einstieg in Business Intelligence mit Microsoft SharePoint 2010 Martin W. Angler Einstieg in Business Intelligence mit Microsoft SharePoint 2010 Microsoft Press Einleitung 11 Was Sie in diesem Buch finden 12 Aufbau dieses Buchs 12 Kapitel 1: Was ist Business Intelligence?

Mehr

4... SAP Solution Manager als Plattform für den End-to-End-Anwendungsbetrieb... 63

4... SAP Solution Manager als Plattform für den End-to-End-Anwendungsbetrieb... 63 ... Geleitwort... 15... Vorwort... 17... Einführung... 23 1... Was ist Run SAP?... 25 1.1... Motivation der Run SAP-Methodik... 27 1.2... Roadmap... 29 1.3... Run SAP-Phasen... 32 1.3.1... Assessment &

Mehr

Preisdynamik im Kaufverhalten - Regularitäten, Formen und Verhaltensmuster im Bereich der Fast Moving Consumer Goods

Preisdynamik im Kaufverhalten - Regularitäten, Formen und Verhaltensmuster im Bereich der Fast Moving Consumer Goods Preisdynamik im Kaufverhalten - Regularitäten, Formen und Verhaltensmuster im Bereich der Fast Moving Consumer Goods von Constance Scheffler Wissenschaftliche Gesellschaft für Innovatives Marketing e.v.

Mehr

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 sverzeichnis Holger Schrödl Business Intelligence mit Microsoft SQL Server 2008 BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41210-1

Mehr

Jo Weilbach, Mario Herger SAP xapps - Architektur und Entwicklung mit dem Composite Application Framework. Galileo Press

Jo Weilbach, Mario Herger SAP xapps - Architektur und Entwicklung mit dem Composite Application Framework. Galileo Press Jo Weilbach, Mario Herger SAP xapps - Architektur und Entwicklung mit dem Composite Application Framework Galileo Press Inhalt Vorwort 9 Danksagung Einleitung 11 13 1 SAP xapps - Grundlagen 17 1.1 Marktsituation

Mehr

Clustering Seminar für Statistik

Clustering Seminar für Statistik Clustering Markus Kalisch 03.12.2014 1 Ziel von Clustering Finde Gruppen, sodas Elemente innerhalb der gleichen Gruppe möglichst ähnlich sind und Elemente von verschiedenen Gruppen möglichst verschieden

Mehr

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company Wolfgang Martin (Hrsg.) Data Warehousing Data Mining - OLAP Technische Universität Darmsiadt Fachbereich 1 Betriebswirtschaftliche Bibliothek Inventar-Nr.: Abstell-Nr.: s. An International Thomson Publishing

Mehr

Programmierhandbuch SAP NetWeaver* Sicherheit

Programmierhandbuch SAP NetWeaver* Sicherheit Martin Raepple Programmierhandbuch SAP NetWeaver* Sicherheit Galileo Press Bonn Boston Inhalt Vorwort 13 2.1 Sicherheit und serviceorientierte Architekturen 24 2.1.1 Sicherheitsziele der Informationssicherheit

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

Data Warehouse Technologien

Data 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...............

Mehr

Qualitätsmanagement mit SAP"

Qualitätsmanagement mit SAP Michael Hölzer, Michael Schramm Qualitätsmanagement mit SAP" Galileo Press Bonn Boston Vorwort zur 4. Auflage 15 Einleitung 17 GOOOGOOOOOOGOOOQOOOOOOOOOO 1.1 Grundlagen 24 1.2 Qualitätselemente 27 1.3

Mehr

Workshop Fit for SAP BW 7.40!

Workshop Fit for SAP BW 7.40! Workshop Fit for SAP BW 7.40! Fit for SAP BW 7.40 Seite 1 von 5 Agendavorschlag - Tag 1 Delta Workshop BW 7.4 09:00 09:15 Vorstellung Ablauf 09:15 09:30 Übersicht Neuerungen BW 7.4 09:30 10:00 Data Staging

Mehr

BI - Der strategische Erfolgsfaktor im Unternehmen

BI - Der strategische Erfolgsfaktor im Unternehmen BI - Der strategische Erfolgsfaktor im Unternehmen Kunde: Universität Oldenburg, Department für Informatik Ort: Oldenburg, 26.09.2008 Referent: Dirk Vahlkamp Gedruckt: 28.09.2008, [Version 0.1] 2007-2008

Mehr

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

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

Mehr

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

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

Mehr

Inhalt. Vorwort 13. L.., ',...":%: " j.

Inhalt. Vorwort 13. L.., ',...:%:  j. Inhalt Vorwort 13 L.., ',...":%: " j. 1. '-.:. ' " '.!. \, : - '. - * T '. ; - J A '.. ' I '",. - ' :'. ",..! :'. " ','. '.. ' t i ' ~ J \ I -.. I. j ' - ' V "!» " J f i " 1 1 * V. " ^ ' ' ' -.» ; ' ',

Mehr

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien

Veit 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...

Mehr

... Vorwort zur 4. Auflage... 15. ... Einleitung... 17. 1... Managementsysteme mit SAP realisieren... 23

... Vorwort zur 4. Auflage... 15. ... Einleitung... 17. 1... Managementsysteme mit SAP realisieren... 23 ... Vorwort zur 4. Auflage... 15... Einleitung... 17 1... Managementsysteme mit SAP realisieren... 23 1.1... Grundlagen... 24 1.2... Qualitätselemente... 27 1.3... Dokumentation des Managementsystems...

Mehr

Präsentation zur Diplomprüfung. Thema der Diplomarbeit:

Präsentation zur Diplomprüfung. Thema der Diplomarbeit: Präsentation zur Diplomprüfung Thema der Diplomarbeit: Analyse der Einsatzmöglichkeiten von Data Mining- Verfahren innerhalb einer Unternehmens - Balanced Scorecard und Entwicklung eines Empfehlungskatalogs.

Mehr

Closed-loop STADTWERKE MAINZ AG. 17. SAP - Konferenz, 17. November 2004. Quelle: CRM für die Versorgungswirtschaft, Die Integration von mysap CRM

Closed-loop STADTWERKE MAINZ AG. 17. SAP - Konferenz, 17. November 2004. Quelle: CRM für die Versorgungswirtschaft, Die Integration von mysap CRM Closed-loop loop-szenario Quelle: CRM für die Versorgungswirtschaft, Die Integration von mysap CRM und mysap Utilities, SAP AG, 2001 1 Synchronisation von Geschäftsobjekten zwischen mysap Utilities und

Mehr

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh?

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer Alexander P.

Mehr

Information-Design-Tool

Information-Design-Tool Zusatzkapitel Information-Design-Tool zum Buch»HR-Reporting mit SAP «von Richard Haßmann, Anja Marxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo Galileo Press, Bonn 2013 ISBN 978-3-8362-1986-0 Bonn

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016 Citizen Data Science Balázs Bárány Linuxwochen Wien 2016 29. April 2016 Inhalt Einführung: Data Science Werkzeuge und Methoden Citizen Data Science Daten holen Daten verstehen Daten-Vorverarbeitung Prädiktive

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

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

Mehr

Business Rule Framework plus. Eckhard Behr, Patrick Müller

Business Rule Framework plus. Eckhard Behr, Patrick Müller Business Rule Framework plus by CaRD / CaRD PLM 2010 Business Rule Framework plus > Business Rules Framework plus () ist eine Business Rule Engine, die in ABAP und für den Einsatz in ABAP entwickelt wurde.

Mehr

Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume

Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume Grundseminar HAW Master Informatik 18.04.2017 Inhaltsübersicht Data Mining & Begriffswelt des Data Mining Klassifikation & Klassifikatoren

Mehr

SAP BI Fokustage 2015

SAP BI Fokustage 2015 SAP BI Fokustage 2015 Agenda 13:30 Uhr Begrüßung 13:45 Uhr Quo vadis SAP BW? Die Backend-Strategie der SAP Windhoff Software Services GmbH 14:30 Uhr Projektvortrag: Mobile Dashboard-Anwendung mit SAP Design

Mehr

ABAP - Next Generation

ABAP - Next Generation Rieh Heilman, Thomas Jung ABAP - Next Generation Galileo Press Bonn Boston Einführung 15 1.1 Anmelden und erste Schritte 26 1.1.1 Workbench Object Browser 26 1.1.2 Object-Browser-Liste 27 1.1.3 Workbench-Einstellungen

Mehr

Performanceaspekte in der SAP BI Modellierung

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

Mehr

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS.

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS. Modulnummer 8 a 8 c Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3 Kurzbezeichnung Semeste Anzahl der SWS Häufigkeit des - r 12 Angebots 1 oder 2 jedes Semester/jedes

Mehr

Immobiliencontrolling durch Business Intelligence

Immobiliencontrolling durch Business Intelligence Maik A. Lindner Immobiliencontrolling durch Business Intelligence Konzeption und prototypische Umsetzung unter Nutzung von SAP BI Logos Verlag Berlin Geleitwort Vorwort Abbildungsverzeichnis Abkürzungsverzeichnis

Mehr

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Beispiele und Anwendungsfälle 1. Modellierung, Extraction, Transformation und Loading mit Datenquelle SAP R/3 und mysap ERP Mit Hilfe des Cubeware Importers und

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

INHALTSVERZEICHNIS. Geleitwort. Inhaltsübersicht

INHALTSVERZEICHNIS. Geleitwort. Inhaltsübersicht Inhaltsverzeichnis XI INHALTSVERZEICHNIS Geleitwort V Vorwort VII Inhaltsübersicht IX Inhaltsverzeichnis XI Abbildungsverzeichnis.. XIX Tabellenverzeichnis XXIII Abkürzungsverzeichnis, XXV 1 Einleitung

Mehr

Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion

Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Vortrag Seminararbeit David Pogorzelski Aachen, 22.01.2015 Agenda 1 2 3 4 5 Ziel der

Mehr

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

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

Mehr

Data Mining im Einzelhandel Methoden und Werkzeuge

Data Mining im Einzelhandel Methoden und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Professur Technische Informationssysteme Proseminar Technische Informationssysteme Data Mining im Einzelhandel Methoden und Werkzeuge Betreuer: Dipl.-Ing.

Mehr

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration Actum + MIOsoft Ihr SAP Partner Prozessoptimierung Applikationsmanagement Systemintegration Daten verstehen Daten managen Business Analytics und IT Plattformanbieter Daten- u. Prozessmodellierung Applikationsentwicklung

Mehr

SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN

SOZIALES BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN CHRISTIAN KÖNIG BUSINESS EXPERT COMPETENCE CENTER CUSTOMER INTELLIGENCE Copyr i g ht 2012, SAS Ins titut e Inc. All rights res

Mehr

Teil 1: Taktischer Ansatz und Konzepte von SAP... R/3-Reporting

Teil 1: Taktischer Ansatz und Konzepte von SAP... R/3-Reporting SAP R/3-Reporting Berichte erstellen Reportingtools sinnvoll wählen und anwenden 3-89842-209-7 Inhaltsverzeichnis Einführung 17 Teil 1: Taktischer Ansatz und Konzepte von SAP... R/3-Reporting 1... Anforderungen

Mehr

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.

Advanced 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

Mehr

Gesamtbericht. Dr.-Ing. P. Deeskow. Dipl.-Ing. C. Mehrkens. Dipl.-Ing. G. Artinger. Dipl.-Ing. E. Lenz. Dr.-Ing. J. Wolf. R. Faber. Dr.-Ing.

Gesamtbericht. Dr.-Ing. P. Deeskow. Dipl.-Ing. C. Mehrkens. Dipl.-Ing. G. Artinger. Dipl.-Ing. E. Lenz. Dr.-Ing. J. Wolf. R. Faber. Dr.-Ing. VATTENFALL EnEff: Wärme: bei Wartung und Verfügbarkeit von Fernwärmeerzeugungs anlagen Projekt Nr. 032 7450 A Das diesem Bericht zugrunde liegende Vorhaben wurde mit Mitteln des Bundesministeriums für

Mehr

The integration of business intelligence and knowledge management

The 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

Mehr

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML Data Mining Standards am Beispiel von PMML Allgemeine Definitionen im Data Mining Data Mining (DM) Ein Prozess, um interessante neue Muster, Korrelationen und Trends in großen Datenbeständen zu entdecken,

Mehr

Liquiditätsrechnung und -planung mit SAP

Liquiditätsrechnung und -planung mit SAP Stephan Kerber, Dirk Warntje Liquiditätsrechnung und -planung mit SAP Bonn Boston Inhaltsverzeichnis Einleitung... 7 1 Betriebswirtschaftlicher Überblick... 11 1.1 Der Begriff Liquiditätsrechnung... 11

Mehr

Inhalt. Einführung RFC-Funktionsbausteine in ABAP Funktionsbausteine zum Lesen Aufruf per srfc 108

Inhalt. Einführung RFC-Funktionsbausteine in ABAP Funktionsbausteine zum Lesen Aufruf per srfc 108 Einführung 13 3 1.1 SAP NetWeaver Application Server 17 1.1.1 SAP-Lösungen und SAP NetWeaver 18 1.1.2 SAP NetWeaver Application Server ABAP 20 1.1.3 SAP NetWeaver Application Server Java 34 1.2 Sicherheit

Mehr

Web Mining und Farming

Web Mining und Farming Web Mining und Farming Shenwei Song Gliederung Übersicht über Web Mining und Farming Web Mining Klassifikation des Web Mining Wissensbasierte Wrapper-Induktion Web Farming Übersicht über Web-Farming-Systeme

Mehr

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

Mehr

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie.

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer

Mehr

Loren Heilig, Steffen Karch. SAP NetWeaver 8. Galileo Press. Bonn Boston

Loren Heilig, Steffen Karch. SAP NetWeaver 8. Galileo Press. Bonn Boston Loren Heilig, Steffen Karch SAP NetWeaver 8 Galileo Press Bonn Boston Geleitwort 17 Danksagung 19 2.1 Anforderungen an eine IT-Landschaft 29 2.1.1 Flexibilität als Erfolgsfaktor 29 2.1.2 Kostenbewusstsein

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Anforderungsmanagement

Anforderungsmanagement Gerhard Versteegen (Hrsg.) Alexander Heßeier Colin Hood Christian Missling Renate Stücka Anforderungsmanagement Formale Prozesse, Praxiserfahrungen, Einführungsstrategien und Toolauswahl Springer Inhaltsverzeichnis

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

Richard Haßmann, AnjaMarxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo. HR-Reporting mit SAP. Galileo Press. Bonn

Richard Haßmann, AnjaMarxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo. HR-Reporting mit SAP. Galileo Press. Bonn Richard Haßmann, AnjaMarxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo HR-Reporting mit SAP Galileo Press Bonn Auf einen Blick TEIL I Grundlagen 1 Prozessorientiertes Reporting-Konzept 29 2 Grundlagen

Mehr

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

Mehr

Inhalt. l Wie man die besten Kunden findet 1. HEREIN SPAZIERT 9

Inhalt. l Wie man die besten Kunden findet 1. HEREIN SPAZIERT 9 Inhalt 1. HEREIN SPAZIERT 9 l Wie man die besten Kunden findet U 2. KARRIERE- UND BERUFSAUSSICHTEN IM DATA-MINING 12 2.1 Verdienst-Möglichkeiten im Data-Mining 12 2.2 Was erwartet dich in deinem Job? 14

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Früherkennung mit Business-Intelligence- Technologien

Früherkennung mit Business-Intelligence- Technologien Bernhard Gehra Früherkennung mit Business-Intelligence- Technologien Anwendung und Wirtschaftlichkeit der Nutzung operativer Datenbestände Mit einem Geleitwort von Prof. Dr. Thomas Hess Deutscher Universitäts-Verlag

Mehr