Open Source BI mit Pentaho BI Suite und MySQL - Eine Alternative?

Größe: px
Ab Seite anzeigen:

Download "Open Source BI mit Pentaho BI Suite und MySQL - Eine Alternative?"

Transkript

1 Open Source BI mit Pentaho BI Suite und MySQL - Eine Alternative? Schlüsselworte: Volker Herbort, Reinhold von Schwerin Hochschule Ulm Pentaho, Business Intelligence, Open Source, Sun, Java, MySQL, Agiles BI, CRISP-DM Zusammenfassung: Open Source Business Intelligence (BI) Anwendungen bieten kleineren Unternehmen eine kostengünstige Alternative zu kommerziellen Lösungen. Fehlendes Know-How zur Durchführung von BI-Projekten in diesen Unternehmen kann teilweise durch die Verwendung von agilen Vorgehensmodellen kompensiert werden. Für die technische Umsetzung bietet gerade die Pentaho BI Suite eine Vielzahl an Werkzeugen. Diese Werkzeuge sind zwar in vielen Bereichen nicht vollends ausgereift, zeigen jedoch vielversprechende Ansätze. In Kombination mit einer MySQL-Datenbank lässt sich so eine kostengünstige Gesamtlösung erstellen. Es ist aber genauso gut möglich Pentaho in Kombination mit einer Oracle-Datenbank zu betreiben. Einleitung: Kleine und mittelständische Unternehmen (KMU) befinden sich im Bereich der Business Intelligence (BI) oft in den Kinderschuhen. Sie haben von den großen Potenzialen der Analysewerkzeuge gehört und möchten diese gerne für Ihre Geschäftsbereiche nutzen. Leider fehlt vielen Unternehmen jedoch das nötige Geld, um sich zum einen Berater und zum anderen kommerzielle Lösungen in diesem Umfeld leisten zu können 1. Eine Alternative zu kommerziellen Lösungen stellen die Open Source Lösungen für BI Systeme dar. Der wohl prominenteste Vertreter ist die Pentaho BI Suite 2. Diese Suite bietet eine umfangreiche, integrierte, webbasierte Lösung, und deckt die BI-Kernthemen Extraction Transformation Loading (ETL), Reporting, Online Analytical Processing (OLAP) und Data Mining ab. Dazu kommen weitere Anwendungen wie etwa der Aggregation Designer zur Optimierung der Performance. Pentaho bietet KMUs eine technische Umsetzung der BI-Technologien. Um diese jedoch effektiv einsetzen zu können, wird zusätzlich Fachwissen und Erfahrung benötigt. Teilweise kann dies durch die Anwendung intelligenter Vorgehensmodelle und Best Practices ersetzt werden. Dadurch wird einem BI-Neuling der Einstieg in das komplexe Fachgebiet ermöglicht. Ein gutes Beispiel für ein solches Vorgehensmodell ist das Modell CRoss Industry Standard Process for Data Mining (CRISP-DM). Dieses Modell beschränkt sich zunächst auf das Anwendungsgebiet des Data Mining und bietet hierfür einen umfassenden Leitfaden mit Hinweisen für die einzelnen Prozessschritte an. Diese Prozessschritte lassen sich jedoch auf andere Teilgebiete des BI wie z.b. das Reporting übertragen. 1 Sascha Alexander, So nutzt der Mittelstand Business Intelligence, Computerwoche, Nr

2 BI-Projekte werden vor allem dann benötigt, wenn eine manuelle Auswertung der Daten mit Tabellenkalkulationsprogrammen nicht mehr möglich ist. Dies ist aufgrund der anfallenden Datenmengen in zunehmendem Maße bei vielen Unternehmen der Fall, insbesondere auf dem Energiemarkt. Dort stehen viele kleinere Unternehmen vor der Aufgabe die steigenden Datenmengen, welche z.b. durch die Einführung intelligenter Stromzähler entstehen, zu verarbeiten. Ähnliches trifft auf die privaten Energieerzeuger wie Solaranlagen- oder Windkraftanlagenbetreiber zu, welche z.b. die Erträge ihrer Anlagen analysieren möchten. Bei diesen Unternehmen wird der Bedarf nach Methoden der BI in den nächsten Jahren stetig wachsen. Agile Vorgehensmodelle für BI-Projekte Wie bereits erwähnt hat sich das CRISP-DM als agiles Vorgehensmodell im Bereich des Data Mining etabliert. Das Modell besteht aus den sechs Phasen Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation und Deployment (s. Abbildung 1). Abb. 1: CRISP-DM Cycle (Quelle: ) 1. Während des Business Understandings wird das geschäftliche Anwendungsgebiet festgelegt und die Ziele für den Data Mining Prozess werden definiert. 2. Das Data Understanding ergründet wie die Geschäftlichen Prozesse in den Daten des Unternehmens abgebildet werden. 3. Auf Basis des so geschaffenen Verständnisses können die Daten im Rahmen der Data Preparation auf die Anwendung der Data Mining Algorithmen vorbereitet werden. 4. Die Vorbereitung der Daten geschieht in Abstimmung mit den gewählten Verfahren zur Erstellung eines Data Mining Modells (Modeling). 5. Im Anschluss daran wird das Modell evaluiert und entweder überarbeitet oder in den Geschäftsprozess integriert.

3 6. Als letzter Schritt folgt im Deployment die Einbindung der Analyse in die Geschäftsprozesse. Durch das Befolgen des CRISP-DM wird Schritt für Schritt ein analysegestützter Geschäftsprozess installiert. Unternehmen, die diese Vorgehensweise erfolgreich umsetzen, werden zu analytischen Wettbewerbern wie z.b. Amazon 3. Wird das CRISP-DM für unterschiedliche Analysen im Rahmen eines agilen Vorgehensmodells verwendet, lässt sich schrittweise eine größere BI-Lösung erstellen. Obwohl das CRISP- DM ursprünglich für Data Mining Projekte entwickelt wurde, lässt sich die Vorgehensweise auf andere Analysemethoden wie z.b. das Reporting oder das OLAP übertragen. Denn auch für diese Gebiete ist sowohl ein gutes Prozess- bzw. Datenverständnis als auch eine geeignete Datenaufbereitung notwendig. Der Kern jeder BI Anwendung ist das zugrunde liegende Datenmodell, welches oft in Form eines Data Warehouse (DW) implementiert ist. Dieses zentrale DW soll laut Inmon 4 als integrierte Datenquelle für alle BI-Lösungen eines Unternehmens dienen. Daher muss die Struktur unter Berücksichtigung der Daten unterschiedlichster Geschäftsprozesse entwickelt werden. Der klassische Weg hierbei ist, die DW-Struktur zu Anfang eines BI-Projektes festzulegen und darauf basierend die ersten Analysen zu implementieren. Ambler 5 beschreibt einen anderen, iterativen Weg zur Erstellung eines DWs, der die DW- Konzepte von Inmon und Kimball 6, welcher die Erstellung von dezentralen DWs pro Anwendung propagiert, geschickt kombiniert. Hierbei wird zu Anfang lediglich eine grobe Struktur für das DW festgelegt. Danach werden die ersten Analysen auf Basis von Data Marts implementiert und das zentrale Datenmodell entsprechend der für die Analyse benötigten Daten angepasst. Dieser Vorgang wird schrittweise für alle benötigten Analysen durchgeführt. So entsteht auf evolutionäre Weise eine komplette BI-Lösung, welche den Vorteil hat, dass sie bereits in frühen Projektphasen eingesetzt werden kann, um erste Analyseergebnisse zu erhalten. Eine weitere Technik für agile BI-Projekte ist das sogenannte Sandboxing (Sandkasten Prinzip). Sandboxing bezeichnet die Umsetzung von BI-Anforderungen in einem beschränkten Rahmen 7. Hierzu werden nur Teile der Daten verwendet und Analysen nicht direkt in einer integrierten Anwendung erstellt sondern erst in kleineren, dezentralen Installationen entwickelt. Die Sandbox ist hierbei abgekapselt von den produktiv eingesetzten Datenbanken. Diese Vorgehensweise führt nicht nur schnell zu ersten Ergebnissen, sondern erleichtert ebenfalls die Einarbeitung in das Thema BI für Einsteiger, da ein Spielen mit den unterschiedlichen Analysemethoden im Rahmen einer Sandbox ohne größere Konsequenzen erfolgen kann. 3 Thomas H. Davenport & Jeanne G. Harris, Competing on Analytics, Haravard Business School Press, William H. Inmon & Richard D. Hackathorn, Building the Data Warehouse, Wiley Publishing, Scott W. Ambler, Agile Best Practices for Data Warehousing (DW), ( ) 6 Ralph Kimball & Margie Ross, The Data Warehouse Toolkit, Wiley Publishing, Stephen Brobst, Michael McIntire & Edward Rado, Agile Data Warehousing with Integrated Sandboxing, Business Intelligence Journal Nr. 13, 2008

4 Kooperation mit Unternehmen des Energiemarktes Die Einrichtung einer solchen sandbox-basierten BI-Lösung war das Thema mehrerer Masterund Bachelorarbeiten und wurde mit Hilfe eines Kooperationspartners aus dem Bereich der Solarenergie durchgeführt. Hierbei möchte der Partner unter anderem Auswertungen über die Energieeffizienz seiner Photovoltaikanlagen in Abhängigkeit der eingesetzten Komponenten durchführen. Die vom Partner gesammelten Sensordaten werden in Datenbank geschrieben, deren Struktur nicht für die Auswertung optimiert ist. Aufgrund des Datenvolumens, wird es immer schwieriger die Sensordaten manuell auszuwerten. Daher wurden die Technologien der BI verwendet, um eine strukturierte Auswertung der Daten zu ermöglichen. Da es sich bei den Daten jedoch nicht um geschäftliche Kennzahlen im eigentlichen Sinne handelt, wurde der Begriff Data Intelligence eingeführt. Data Intelligence bildet den Oberbegriff für die Übertragung von BI Technologien auf Sensor bezogene Daten, welche in zunehmendem Maße an Bedeutung gewinnen 8. Zur Auswertung der Daten war es notwendig diese in eine geeignete Struktur zu bringen, d.h. ein DW musste erstellt werden. Außerdem war die Qualität der Daten nicht optimal, weshalb ein ETL-Prozess benötigt wurde, um diverse Bereinigungen vorzunehmen. Anschließend wurden die Analysen in Form von Reporting und OLAP auf einem Pentaho System umgesetzt. Im Folgenden wird erläutert wie die Anwendungen der Pentaho Suite und MySQL bei der Lösung der Aufgaben eingesetzt wurden. Umsetzung mit Hilfe von MySQL und der Pentaho BI Suite Die Pentaho BI Suite bietet Werkzeuge für nahezu jede Fragestellung im Rahmen von BI- Projekten. In Kombination mit einem MySQL-Datenbanksystem konnte so eine lizenzgünstige BI-Lösung aufgebaut werden, die dem Projektpartner den Einstieg in BI ermöglichte. Data Warehouse in MySQL 5.0 Die Datenhaltung der BI-Lösung wurde unter Verwendung einer MySQL-Datenbank realisiert. MySQL wurde in der Version 5.0 unter Verwendung des Datenbanktyps MyISAM eingesetzt. Dieser Datenbanktyp ist für den Einsatz in analytischen Anwendungen geeignet, da er für besonders schnelle Zugriffe konzipiert ist 9. Das Datenbankdesign wurde mit Hilfe der MySQL Workbench OSS durchgeführt. Die MySQL Workbench bietet die Möglichkeit, ein relationales Modell mit Hilfe von Drag-and- Drop zu erstellen, welches später als SQL-Create-Skript exportiert werden kann. Als primäres Front-End für die Datenbank bietet MySQL den Query Browser. Mit ihm lassen sich sowohl Schemata und Tabellen pflegen als auch SQL-Skripte ausführen und Stored Procedures und Functions erstellen. Der Query Browser wurde dazu verwendet, die SQL-Skripte zur Anlage der Datenbankschemata auszuführen und dazu erste Auswertungen durchzuführen. Außerdem wurden Indizes gesetzt, um die Zugriffsgeschwindigkeit zu verbessern. So war es möglich das MySQL System als Kern einer performanten BI-Lösung zu verwenden. 8 Stamatis Kanouskos, Efficient Sensor Data Inclusion in Enterprise Services, Datenbank Spektrum, Heft 28/Februar 09, S

5 Data Intelligence mit der Pentaho BI Suite Die Laufzeitumgebung der Pentaho BI Suite bildet der BI-Server. Er ist eine in Java implementierte Webanwendung, welche out-of-the-box in Kombination mit einem Apache- Tomcat-Webserver verteilt wird. Dadurch macht sich die Suite sämtliche Vorteile einer Webanwendung zu Eigen, was unter anderem die Bereitstellung der Analyseservices für eine Vielzahl von Anwendern erleichtert. Abb. 2: Pentaho Open BI Suite (Quelle: ) Die angebotenen Dienste des BI-Servers teilen sich im Wesentlichen in die vier Bereiche Reporting, Analysis, Dashboards und Process Management auf (siehe Abbildung 2). Im Reporting können Standardauswertungen definiert werden. Diese Reports sind in unterschiedlichen Formaten (z.b. PDF, HTML, XLS) abrufbar. Im Bereich Analysis stellt Pentaho das Pivottabellen-Frontend JPivot bereit, mit dem sich OLAP-Operationen über einen Webbrowser durchführen lassen. Als Backend wird der OLAP-Server Mondrian verwendet, welcher nach der Definition von Mondrian-Schemata multidimensionale Datenzugriffe über die Abfragesprache Multi Dimensional expressions (MDX) 10 ermöglicht. Um dem BI-Anwender einen schnellen Überblick über die wichtigsten Kennzahlen zu ermöglichen bietet Pentaho Dashboards an. Diese Kennzahlen können auch ortsbezogen unter Verwendung von Kartendaten des Open Street Map-Projekts dargestellt werden. So lässt sich Beispielsweise die Überwachung von Solarfeldern durch eine Kartendarstellung unterstützen. Das Process Management dient der Verwaltung der Abläufe innerhalb der BI-Anwendungen. Es können beispielsweise ETL-Prozesse terminiert werden oder Auswertung in regelmäßigen 10

6 Abständen als verschickt werden. Pentaho Java Database Connectivity(JDBC) und Hibernate für Datenbankzugriffe. Dadurch wird die Anbindung einer Vielzahl von Datenbanksystemen wie z.b. Oracle und IBM DB2 möglich. Durch die Verwendung des Mondrian- Servers ist es so möglich MDX-Abfragen auf relationalen Datenbanken auszuführen. ETL mit Pentaho Data Integration Für die Aufbereitung der Daten im Rahmen eines ETL-Prozesses bietet Pentaho das Werkzeug Pentaho Data Integration(PDI). PDI ermöglicht es einen ETL-Prozess graphisch mit Hilfe von Drag-and-Drop zu kreieren. Dieser graphische Workflow besteht aus Steps und Hops. Steps sind die Bearbeitungsschritte der Daten wie z.b. das Lesen der Daten aus einer Datenbanktabelle oder die Überprüfung von Feldwerten und Hops definieren den Datenfluss zwischen den Steps. Für den Projektpartner wurde mit Hilfe von PDI z.b. eine Plausibilitätsprüfung der Anlagenkonfigurationen durchgeführt. Reports mit dem Pentaho Report Designer Für die Erstellung von Reports stellt Pentaho den Pentaho Report Designer bereit, welcher die Erstellung von XML-basierten Report-Definitionen unterstützt. Hierbei wird der Anwender durch einen Report-Wizard unterstützt der Schrittweise durch die Erstellung eines Reports führt. Unter anderem ermöglicht der im Wizard integrierte Query Designer dem Anwender die Erstellung von Datenbankabfragen, ohne tiefgehende Kenntnisse in SQL. Pentaho verwendet die Java Bibliothek JFreeChart 11, mit deren Hilfe sich die gängigsten Diagramme in Reports einbinden lassen. Die Ausführung der Reports erfolgt auf dem Server durch eine Report-Engine, welche die Definitionsdatei ausliest und einen entsprechende Report im gewünschten Format ausgibt. Die Reports, z.b. über die Marktanteile der Komponentenhersteller ließen sich sehr gut mit Hilfe des Report Designers umsetzen. Eine Testweise Auswertung der Messdaten führte jedoch aufgrund der hohen Anzahl an Datensätzen, zu einer Überlastung der Anwendung. Durch die hohe Anzahl an Versionswechseln in den vergangenen Monaten war es außerdem schwierig eine aktuelle und vollständige Version der Dokumentation zu bekommen. OLAP mit Schema-Workbench und JPivot Zu Anfang einer OLAP Analyse steht die Beschreibung der multidimensionalen Daten. OLAP basiert auf der Verwendung von Datenwürfeln (Cubes), welche zum einen die gewünschten Kennzahlen (Measures oder Facts) und zum anderen die Dimensionen und deren Hierarchien festlegen. Diese Beschreibung wird in Pentaho mit Hilfe von sogenannten Mondrian-Schemata vorgenommen. Diese Schemata stellen die Verknüpfung der relationalen Datenbanken mit dem multidimensionalen Datenmodell des OLAP-Servers her. Mondrian- Schemata werden ebenfalls im XML-Format definiert. Mit Hilfe der Pentaho Schema- Workbench lassen sich die Elemente eines Schemas in einer graphischen Oberfläche anlegen und editieren (siehe Abbildung 3). Des Weiteren können in der Schema-Workbench MDX-Abfragen an neu erstellte Schemata gestellt werden, um die Korrektheit des Schemas zu überprüfen. Sobald ein Schema korrekt erstellt ist, kann es mit Hilfe der Workbench auf den BI-Server übertragen werden. Auf dem 11

7 BI-Server wiederum kann das Schema in vielfältiger Weise verwendet werden. Es kann zum einem als Basis für OLAP-Abfragen verwendet werden, aber auch als Datenquelle für Reports und Dashboard-Elemente angegeben werden. Abb. 3: Pentaho Schema Workbench Die häufigste Verwendung jedoch ist die Nutzung des Schemas als Datenquelle für eine Pivottabelle in der Bibliothek JPivot. Mit Hilfe von JPivot lassen sich die Daten übersichtlich in Ihren Dimensionen darstellen und typische OLAP-Operationen wie roll-up und drill-down durchführen. Abb. 4: JPivot Pivottabelle für Performance Ratio OLAP Im Projekt wurde eine Analyse der Performance Ratios (PR) verschiedener Konfigurationen von Photovoltaikanlagen durchgeführt. Der PR gibt an, wie viel Leistung eine Photovoltaikanlage erbracht hat im Vergleich zu der maximal möglichen Leistung. Hierbei sollte analysiert werden inwieweit der PR abhängt von den installierten Komponenten (Wechselrichter/PV-Modul), vom Baujahr der Anlage, vom Monat der Messung und von der Beleuch-

8 tungsstärke. Nach der Erstellung des Schemas wurde die in Abbildung 4 dargestellte Pivottabelle mit JPivot erzeugt. Im Gegensatz zur Dokumentation des Report Designers war die Dokumentation der Schema Workbench sehr gut. Neben der Einführung in die Funktionalitäten der Anwendung wurden auch die grundsätzlichen Konzepte von OLAP erläutert. Aufgrund der großen Anzahl an Messdaten (> 200 Mio. Datensätze) wurde im Anschluss daran eine Vorberechnung der Kennzahlen in Aggregatstabellen vorgenommen. Pentaho stellt für diese Zwecke den Aggregation Designer zur Verfügung, welcher ein Mondrian-Schema und die in der Datenbank befindlichen Daten analysiert und daraus mögliche Verbesserungsvorschläge generiert. Durch den Einsatz von Aggregaten sowie die optimale Anzahl der dazugehörigen Aggregattabellen lässt sich so die Performance der Anwendungen erheblich steigern. Fazit Die Verwendung von Open Source Lösungen im Bereich der BI unter gleichzeitiger Anwendung agiler Vorgehensmodelle stellt im gewissen Rahmen eine Alternative zu kommerziellen Lösungen dar. Aufgrund der teilweise nur mäßigen Benutzerfreundlichkeit der Pentaho Suite, insbesondere des Report Designers, ist ein tieferer Einstieg in die Funktionsweise der Anwendungen unerlässlich. Anders gestaltete sich die Verwendung von MySQL. Die Dokumentation ist ausgereift und vollständig. Durch geschickte Indizierung und Verwendung von Aggregattabellen konnte mit MySQL ein performantes Data Warehouse erstellt werden. Die von MySQL zur Verfügung gestellten Tools helfen bei der Erstellung der Datenstrukturen Insgesamt konnten mit Hilfe der verwendeten Anwendungen die gewünschten Analysen des Projektpartners realisiert werden. Für das Kooperationsprojekt war die Anwendung der Open Source Werkzeuge ein Erfolg, da dem Partner ein kostengünstiger Einstieg in BI ermöglicht wurde. Durch die Unabhängigkeit vom Datenbanksystem bietet Pentaho allerdings auch eingefleischten Oracle Anwendern eine kostengünstige Möglichkeit für BI, ohne dass diese ihre gewohnte Datenbankumgebung verlassen müssen. Kontaktadresse: M.Sc. Volker Herbort Hochschule Ulm Prittwitzstrasse 10 D Ulm Telefon: +49(0) Internet: Prof. Dr. Reinhold von Schwerin Hochschule Ulm Prittwitzstrasse 10 D Ulm Telefon: +49(0) Internet:

BIW - 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 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

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

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

QUICK-START EVALUIERUNG

QUICK-START EVALUIERUNG Pentaho 30 für 30 Webinar QUICK-START EVALUIERUNG Ressourcen & Tipps Leo Cardinaals Sales Engineer 1 Mit Pentaho Business Analytics haben Sie eine moderne und umfassende Plattform für Datenintegration

Mehr

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

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

Mehr

Mobile Analytics mit Oracle BI - was steckt in den Apps?

Mobile Analytics mit Oracle BI - was steckt in den Apps? Mobile Analytics mit Oracle BI - was steckt in den Apps? Schlüsselworte Oracle BI, OBIEE, Mobile, Analytics Einleitung Gerd Aiglstorfer G.A. itbs GmbH Eching Oracle erweiterte im Laufe dieses Jahres das

Mehr

Einführungsveranstaltung: Data Warehouse

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

Mehr

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

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

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

Mehr

1Ralph Schock RM NEO REPORTING

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

Mehr

Präsentation der Bachelorarbeit

Präsentation der Bachelorarbeit Präsentation der Bachelorarbeit Einrichtung einer BI-Referenzumgebung mit Oracle 11gR1 Jörg Bellan Hochschule Ulm Fakultät Informatik Institut für Betriebliche Informationssysteme 15. Oktober 2009 Agenda

Mehr

Business Intelligence Data Warehouse. Jan Weinschenker

Business 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

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

BARC-Studie Data Warehousing und Datenintegration

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

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI around the world - Globale Reporting Lösungen bei Continental Automotive BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,

Mehr

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm Open Source BI Trends 11. Dezember 2009 Wien Konstantin Böhm Profil Folie 2 JAX 2009 11.12.2009 Gründung 2002, Nürnberg 50 Mitarbeiter Innovative Kunden Spezialisiert auf Open Source Integration Open Source

Mehr

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik

Data 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

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

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

good. better. outperform.

good. better. outperform. good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

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

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

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

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

Mehr

Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI

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

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse 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

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

Fachhochschule Ludwigshafen am Rhein Hochschule für Wirtschaft Fachbereich III Studiengang Wirtschaftsinformatik

Fachhochschule Ludwigshafen am Rhein Hochschule für Wirtschaft Fachbereich III Studiengang Wirtschaftsinformatik Fachhochschule Ludwigshafen am Rhein Hochschule für Wirtschaft Fachbereich III Studiengang Wirtschaftsinformatik Bachelor-Thesis Open Source Business Intelligence zur Unterstützung eines Software-Validierungsprozesses

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

Oracle Scorecard & Strategy Management

Oracle Scorecard & Strategy Management Oracle Scorecard & Strategy Management Björn Ständer ORACLE Deutschland B.V. & Co. KG München Schlüsselworte: Oracle Scorecard & Strategy Management; OSSM; Scorecard; Business Intelligence; BI; Performance

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI 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

Mehr

Mala Bachmann September 2000

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

Mehr

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution 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

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

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

Developing SQL Data Models MOC 20768

Developing SQL Data Models MOC 20768 Developing SQL Data Models MOC 20768 In diesem Kurs lernen Sie das Implementieren von multidimensionale Datenbanken mithilfe der SQL Server Analysis Services (SSAS) und durch das Erstellen von tabellarische

Mehr

Data Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik

Data Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte

Mehr

OLAP und Data Warehouses

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

Mehr

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

Marketing 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

Mehr

OLAP und der MS SQL Server

OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen

Mehr

Intelligence (BI): Von der. Nürnberg, 29. November 2011

Intelligence (BI): Von der. Nürnberg, 29. November 2011 Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

Marketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Architektur und Konzepte Josef Kolbitsch Manuela Reinisch Übersicht Mehrstufiges BI-System Architektur eines Data Warehouses Architektur eines Reporting-Systems Benutzerrollen in

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

Java Frameworks im Vergleich - ADF vs. Grails vs. Spring

Java Frameworks im Vergleich - ADF vs. Grails vs. Spring Java Frameworks im Vergleich - ADF vs. Grails vs. Spring Frank Szilinski esentri software GmbH Karlsruhe Schlüsselworte: ADF, Java, JEE, JSF, Grails, Spring, Open Source, Rapid Application Development

Mehr

Data Warehousing mit Oracle

Data Warehousing mit Oracle Data Warehousing mit Oracle Business Intelligence in der Praxis von Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker 1. Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan 2011 Agenda Was ist arcplan Edge? Komponenten von arcplan Edge arcplan Edge Roadmap Live Demo arcplan

Mehr

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten

Mehr

Profil Andreas Seiler

Profil Andreas Seiler Profil Andreas Seiler Entwickler für Webapplikationen und Business Intelligence Systeme Ich bin freiberuflicher Entwickler für moderne Web Applikationen und Business Intelligence Systeme. Mein Schwerpunkt

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

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

Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services

Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services (Engl. Originaltitel: Building Business Intelligence with Office XP and SQL 2000 Analysis Services) In diesem Artikel wird

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

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

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

Mehr

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins

Mehr

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Pentaho ermöglicht Analyse der von den über 120 Millionen registrierten Spielern generierten Datenflut

Mehr

Business Intelligence & Reporting. Michael Cordes Holger Oehring Matthias Rein

Business Intelligence & Reporting. Michael Cordes Holger Oehring Matthias Rein Business Intelligence & Reporting Michael Cordes Holger Oehring Matthias Rein Ziele Einführung Business Intelligence / Front Room Online Analytical Processing (OLAP) Arten des Reporting & Nutzergruppen

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Management Cockpits. Business Intelligence für Entscheider. Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH

Management Cockpits. Business Intelligence für Entscheider. Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH Management Cockpits Business Intelligence für Entscheider Oliver Röniger EMEA Business Intelligence ORACLE Deutschland GmbH email: oliver.roeniger@oracle.com Tel.: 0211 / 74839-588 DOAG, Mannheim, 15.

Mehr

SQL/OLAP und Multidimensionalität in der Lehre

SQL/OLAP und Multidimensionalität in der Lehre SQL/OLAP und Multidimensionalität in der Lehre Vortrag auf der DOAG 2008 Prof. Dr. Reinhold von Schwerin Hochschule Ulm, Fakultät für Informatik 1. Dezember 2008 Prof. Dr. Reinhold von Schwerin SQL/OLAP

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

Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP

Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP Microsoft SQL-Server 2008 R2/2012 Reporting und OLAP Kompakt-Intensiv-Training OLAP gilt als Schlüsseltechnologie auf dem Gebiet Business Intelligence. In unserer Schulung "Microsoft SQL-Server 2008 R2/2012

Mehr

Web Reporting auf Basis von Oracle Primavera P6 R8.x mittels Oracle Reports und BI Publisher

Web Reporting auf Basis von Oracle Primavera P6 R8.x mittels Oracle Reports und BI Publisher Web Reporting auf Basis von Oracle Primavera P6 R8.x mittels Oracle Reports und BI Publisher Schlüsselworte Eva Granz & Udo Walter proadvise & Siemens AG Erlangen / Mülheim Projektmanagement, Oracle Primavera

Mehr

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI

Mehr

Nach Data Warehousing kommt Business Intelligence

Nach Data Warehousing kommt Business Intelligence Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative

Mehr

Designing Business Intelligence Solutions with Microsoft SQL Server MOC 20467

Designing Business Intelligence Solutions with Microsoft SQL Server MOC 20467 Designing Business Intelligence Solutions with Microsoft SQL Server MOC 20467 In diesem 5-tägigen Microsoft-Kurs lernen Sie die Implementierung einer Self-Service Business Intelligence (BI) und Big Data

Mehr

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

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

Mehr

Mobile Analytics mit Oracle BI

Mobile Analytics mit Oracle BI Mobile Analytics mit Oracle BI Was steckt in den Apps? Gerd Aiglstorfer G.A. itbs GmbH Christian Berg Dimensionality GmbH Das Thema 2 Oracle BI Mobile: HD App für Apple ios Oracle BI Mobile App Designer

Mehr

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de EBERHARD MEISEL Datenbankentwickler Diplom - Informatiker Jahrgang 1962 Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de Kompetenzen MS SQL Server Datenbankentwicklung T-SQL Programmierung Administration

Mehr

Dr. Nick Golovin Koch Media GmbH n.golovin@kochmedia.com. Einsatz von Data Federation für den schnellen Aufbau eines BI-Systems

Dr. Nick Golovin Koch Media GmbH n.golovin@kochmedia.com. Einsatz von Data Federation für den schnellen Aufbau eines BI-Systems Dr. Nick Golovin Koch Media GmbH n.golovin@kochmedia.com Einsatz von Data Federation für den schnellen Aufbau eines BI-Systems Inhalt 1. Unternehmensportrait 2. Ausgangssituation 3. Aufgabenstellung 4.

Mehr

PRODATIS CONSULTING AG. Folie 1

PRODATIS CONSULTING AG. Folie 1 Folie 1 Führend im Gartner Magic Quadranten für verteilte, interagierende SOA Projekte Oracle ist weltweit auf Rang 1 auf dem Markt der Enterprise Service Bus Suiten (ESB) für SOA Software 2010 26,3 %

Mehr

Implementing Data Models and Reports with Microsoft SQL Server MOC 20466

Implementing Data Models and Reports with Microsoft SQL Server MOC 20466 Implementing Data Models and Reports with Microsoft SQL Server MOC 20466 In dem fünftägigen Kurs Implementing Data Models and Reports with Microsoft SQL Server lernen Sie das Erstellen gesteuerter Enterprise

Mehr

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und

Mehr

ENTERBRAIN Reporting & Business Intelligence

ENTERBRAIN Reporting & Business Intelligence Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit

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

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa

Mehr

Best Practice Infor PM 10 auf Infor Blending

Best Practice Infor PM 10 auf Infor Blending Best Practice Infor PM 10 auf Infor Blending, 11.11.2008 Infor Performance Management Best Practice Infor PM 10 auf Infor Blending Leistungsübersicht Infor PM 10 auf Infor Blending eine Data Warehouse

Mehr

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant

Mehr

Fachbereich Informatik Praktikumsversuch 4. Prof. Dr.. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2015

Fachbereich Informatik Praktikumsversuch 4. Prof. Dr.. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2015 Hochschule Darmstadt Data Warehouse SS2015 Fachbereich Informatik Praktikumsversuch 4 Prof. Dr.. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2015 1. Kurzbeschreibung Dieses Praktikum

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

BUSINESS INTELLIGENCE (BI) MIT PENTAHO. Schneller, höher, weiter!

BUSINESS INTELLIGENCE (BI) MIT PENTAHO. Schneller, höher, weiter! BUSINESS INTELLIGENCE (BI) MIT PENTAHO Schneller, höher, weiter! HERZLICH WILLKOMMEN ZUM WEBINAR Business Intelligence (BI) mit Pentaho Die Moderatoren Fragen über Chat Arved Wendt Teammanager Janina Kasten

Mehr

THEOBALD XTRACT PPS IXTO GMBH. Mathias Slawik, Linda Kallinich

THEOBALD XTRACT PPS IXTO GMBH. Mathias Slawik, Linda Kallinich THEOBALD XTRACT PPS IXTO GMBH Mathias Slawik, Linda Kallinich Projekt BWA: Analytische Anwendungen, WS 2010/2011 Agenda 2/14 Projektaufgabe Technologien / Xtract PPS Projektablauf Dashboard-Prototyp Bewertung

Mehr

Agile BI - Was ist das eigentlich?

Agile BI - Was ist das eigentlich? Agile BI - Was ist das eigentlich? Volker Herbort, M. Sc. & Prof. Dr. Reinhold von Schwerin Hochschule Ulm Ulm Schlüsselworte: Agile BI, Agile Data Warehousing, BI Sandboxing, Scrum, Agile Analytics Einleitung

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival 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

Mehr

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u

Mehr

Datenbanken. Produkte Dienstleistungen Referenzen

Datenbanken. Produkte Dienstleistungen Referenzen Datenbanken Produkte Dienstleistungen Referenzen Produkte: MS SQL Server MS SQL Server 2005 Datenbankmodul Berichtssysteme mit Reporting Services Data Warehousing/Data Mining mit Analysis Services Schnittstellen

Mehr

So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT

So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT TPG Webinar-Serie 2016 zum PPM Paradise Thema 2.2 So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT Mit Peter Huemayer Agenda Welche Berichte machen Sinn? Welche Daten haben

Mehr

Anwendertage WDV2012

Anwendertage WDV2012 Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Thema: Business Intelligence mit Excel 2010 Referent: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant Alles ist möglich! 1 Torsten Kühn Dipl.

Mehr

Oracle, Datenbank, PowerPoint, Dokumente, PPTX, Automatisierung, Prozess-Automatisierung, smaxt

Oracle, Datenbank, PowerPoint, Dokumente, PPTX, Automatisierung, Prozess-Automatisierung, smaxt Automatische Generierung serialisierter, individualisierter PowerPoint-Präsentationen aus Oracle Datenbanken Andreas Hansel Symax Business Software AG Parkstrasse 22, D-65189 Wiesbaden Schlüsselworte Oracle,

Mehr

Business and Data Understanding. Business und Data Understanding

Business and Data Understanding. Business und Data Understanding Business und Data Understanding Gliederung 1. Grundlagen 2. Von Data Warehouse zu Data Mining 3. Das CRISP-DM Referenzmodell 4. Die Phasen Business- und Data Understanding 5. Überblick der weiteren Phasen

Mehr

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014 SQL PASS Treffen RG KA Überblick Microsoft Power BI Tools Stefan Kirner Karlsruhe, 27.05.2014 Agenda Die wichtigsten Neuerungen in SQL 2012 und Power BI http://office.microsoft.com/en-us/office365-sharepoint-online-enterprise-help/power-bi-for-office-365-overview-andlearning-ha104103581.aspx

Mehr

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

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

Mehr

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

Mehr

Einfach gut entscheiden. Controlling für Kliniken mit Microsoft Business Intelligence

Einfach gut entscheiden. Controlling für Kliniken mit Microsoft Business Intelligence Einfach gut entscheiden Controlling für Kliniken mit Microsoft Business Intelligence Ihr Referenten Dr. Nedal Daghestani Lösungsberater Microsoft Deutschland GmbH nedal.daghestani@microsoft.com Bernhard

Mehr

Die Analyse großer Datensätze mittels freier Datenbanksysteme Dr Dirk Meusel meusel@iat.uni-leipzig.de

Die Analyse großer Datensätze mittels freier Datenbanksysteme Dr Dirk Meusel meusel@iat.uni-leipzig.de Institut für Angewandte Trainingswissenschaft Leipzig ein Institut des Trägervereins IAT / FES des DOSB e.v. Die Analyse großer Datensätze mittels freier Datenbanksysteme Dr Dirk Meusel meusel@iat.uni-leipzig.de

Mehr

PROZESSCONTROLLING MIT MICROSOFT TOOLS

PROZESSCONTROLLING MIT MICROSOFT TOOLS PROZESSCONTROLLING MIT MICROSOFT TOOLS AGENDA In eigener Sache Processcontrolling mit Office Demo Excel Maps Processcontrolling mit SQL Server Rolle von SharePoint 2013 Demo Praxisbeispiel Einkaufsprozess

Mehr