TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: @TDWI_EU

Größe: px
Ab Seite anzeigen:

Download "25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU"

Transkript

1 BLUEFORTE GmbH Dirk Lerner TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: @TDWI_EU 1 Elemente des Data Vault (Basic) HUB Only Key & nothing else z.b. Kundennummer, Artikelnummer Surrogate Key (PK) Key Audit Informationen Hub Customer SEQ Customer Customer ID Hub Customer LDTS Hub Customer RSCR LINK Only Relationship & nothing else z.b. Bestellung eines Artikels durch einen Kunden Surrogate Key (PK) SKs der Hubs (FK) Audit Informationen Lnk Customer CustClass SEQ Customer CustClass SEQ Customer (FK) SEQ CustClass (FK) Lnk Customer CustClass LDTS Lnk Customer CustClass RSCR TRENNUNG VON BUSINESS KEY, RELATIONEN UND KONTEXT ELLITE Only Context & nothing else (History) z.b. Kundenadresse SKs der Hubs (FK) + Datum Audit Informationen Kontextattribute Sat Customer SEQ Customer (FK) Sat Customer LDTS First Name Last Name Salutation Zip City Street Sat Customer RSCR Sat Customer LEDTS REFERENCE Only Reference Data Tabellen wie Kalender, Zeit, Code Beschreibungen Werden sehr oft referenziert 2 1

2 Vorgehen Data Vault Modellierung HUB Ermitteln der Geschäftsobjekte und eindeutiger Keys LINK Ermitteln von Beziehungen zwischen den Geschäftsobjekten (HUBs) Orientierung an den Geschäftsprozessen des Unternehmens REFERENCE (OPTIONAL) Ermitteln von CODEs, die Referenzen darstellen ELLITE Hinzufügen beschreibender Informationen zu den Geschäftsobjekten (HUBs) und den Beziehungen (LINKs) 3 Data Vault 3NF EDW nach Data Vault Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Key Context Relationship Lnk Customer CustClass SEQ Customer CustClass SEQ Customer (FK) SEQ CustClass (FK) Lnk Customer CustClass LDTS Lnk Customer CustClass RSCR Hub CustClass SEQ CustClass CustClass ID Hub CustClass LDTS Hub CustClass RSCR Hub Customer SEQ Customer Customer ID Hub Customer LDTS Hub Customer RSCR Sat Customer SEQ Customer (FK) Sat Customer LDTS First Name Last Name Salutation Zip City Street Sat Customer RSCR Sat Customer LEDTS 4 2

3 Regelwerk Data Vault (1.0) Ein HUB kann nicht direkt mit einem anderen HUB verknüpft werden. Die Beziehung zwischen HUBs erfolgt immer mit einem LINK. Ein LINK kann mit einem anderen LINK verknüpft werden. Ein LINK muss mit zwei oder mehr HUBs bzw. LINKS verknüpft werden. Ein ELLITE muss mit einem HUB oder LINK verknüpft werden. Ein ELLITE kann nicht mit einem anderen ELLITE verknüpft werden. Ein HUB oder LINK kann mit mehr als einem ELLITE verknüpft werden. 5 Data Warehouse Architektur CIF 1.0 HUB & SPOKE KLASSISCH Single Point of Truth Komplexe wirken auf die Daten vor dem Laden in das Data Warehouse History Integration ETL Hard + Soft EDW (3NF) ETL Meta Data 6 3

4 Data Warehouse Architektur CIF 2.0 HUB & SPOKE DATA VAULT = RAW DV + BUSINESS DV Komplexe wirken auf die Daten nach dem Laden in das Data Warehouse Zum Zum Data Vault History Integration E T L Hard EDW (Data Vault = Raw DV + DV) ETL Soft Meta Data 7 Data Warehouse Architektur CIF 2.0 HUB & SPOKE DATA VAULT = RAW DV + BUSINESS DV Komplexe wirken auf die Daten nach dem Laden in das Data Warehouse Zum Zum Data Vault EDW EDW Data Vault Data Vault Raw Data Vault Soft Data Vault (Extension) ETL Soft 8 4

5 Data Warehouse Architektur Data Vault 2.0 INTEGRATION NOSQL MIT HASHKEYS E T L Hard EDW Data Vault 2.0 = (Raw DV + DV) ETL Soft Hadoop / NoSQL Meta Data Data Vault 2.0 Dan Linstedt, 2014 LearnDataVault.com with permission 9 Data Vault ETL Übersicht PARALLELISIERUNG Alle Jobs werden parallel ausgeführt Wenn möglich! Prozessgruppen warten auf beendete vorherige Prozessgruppen Prozesse werden, sobald Daten bereitstehen, ausgeführt Abhängigkeiten sind weitestgehend reduziert, keine sonstigen Wartezeiten Staging Loads Data Vault Loads Source Stage Hubs Hub Satellites Loads Links Link Satellites Dimensions Facts 10 5

6 Data Warehouse Architektur ACCESS LAYER BI View OLTP View ODS View BUSINESS LAYER ( TRUTH ) Logical Data View/Model Logical Data View/Model Logical Data View/Model CORE LAYER Source Vault, Data Vault, Rule Vault, STAGING LAYER Transformation Copy of Source, CDC SOURCE SYSTEMS Host Transformation SAP Custom System Big Data (Hadoop) 11 Data Warehouse Design Agile WARUM AGILE? Big Bang DWHs scheitern : Resultate brauchen sehr lange, Erwartungen bleiben unerfüllt Unklare und unbeständige Anforderungen Anforderungen ändern sich in kurzen Intervallen das DWH muss mithalten BI Anforderungen sind an sich instabil (Neue) Informationen treiben Veränderungen (Neue) Daten Neue Erkenntnisse Neue Anforderungen 12 6

7 Data Warehouse Design Prinzipien hinter dem Agilen Manifest Unsere höchste Priorität ist es, den Kunden durch frühe und kontinuierliche Auslieferung wertvoller Software zufrieden zu stellen. 13 Data Warehouse Design Prinzipien hinter dem Agilen Manifest Liefere funktionierende Software regelmäßig innerhalb weniger Wochen oder Monate und bevorzuge dabei die kürzere Zeitspanne

8 Colors of Data Modeling ANALYSE FARBKATEGORIEN Key Association / Relationship Detail / Context ENTITÄT 3NF EDW Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Key Context Relationship Data Vault Colors from the Book Modeling the Agile Data Warehousing with Data Vault Hans Hultgren 15 Data Warehouse Design Agile MODELLERWEITERUNG Neue Geschäftsobjekte und Beziehungen Abwärtskompatibel Supplier Customer LINK LINK Product 16 8

9 Data Warehouse Design Agile ACCESS LAYER Data Mart Views OLTP View Geo Mart Master Data Mart Data Mart Start Schema Cube Data Mart BUSINESS LAYER ( TRUTH ) Logical Data View Model CORE LAYER Data Vault STAGING LAYER Copy 1 Copy 2 Copy 3 Copy n Copy 2 SOURCE SYSTEMS Source 1 Source 2 Source 3 Source n Source t 17 Data Warehouse Architektur Kundenbeispiel ACCESS LAYER + BUSINESS LAYER BI View Cube Logical Data View/Model CORE LAYER Data Vault, Rule Vault STAGING LAYER Transformation Copy of Source SOURCE SYSTEMS CRM Transformation SEM Custom System 18 9

10 Data Warehouse Design Agile Implementierung von Hand oder Automatisierung mit Tool? 19 Data Warehouse Design Agile DER WEG ZUR AUTOMATISIERUNG Klein anfangen, aber immer mit der Automatisierung beginnen Niemals mit der Automatisierung aufhören Niemals das automatisieren, was die verwendete Plattform selbst kann Automatisierung ist nicht das Ziel. Das Ziel ist das Data Warehouse DWH AUTOMATION FÜHRT ZU KÜRZEREN ENTWICKLUNGSZYKLEN MÖGLICHKEITEN DER AUTOMATISIERUNG Datenmodelle ETL Prozesse Ausführung und Protokollierung (Logging) Deployment Testing 20 10

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Herbert Rossgoderer Geschäftsführer Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH ISE

Mehr

Data Vault. Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode. Dr. Bodo Hüsemann Informationsfabrik GmbH

Data Vault. Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode. Dr. Bodo Hüsemann Informationsfabrik GmbH Data Vault Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode Dr. Bodo Hüsemann Informationsfabrik GmbH Konzeption und Architektur Implementierung [ETL, Reporting, OLAP, Planung]

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr

Vom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05.

Vom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05. Vom Single Point of Truth zur Single Version of the Facts Data Warehousing zu Beginn des BigData-Zeitalters inspire IT - Frankfurt 11. 12.05.2015 Fahmi Ouled-Ali Kabel Deutschland Marian Strüby OPITZ CONSULTING

Mehr

Agile DWH Modellierung mit Data Vault. Alexander Blech Matthias Wendt 2015-04-15

Agile DWH Modellierung mit Data Vault. Alexander Blech Matthias Wendt 2015-04-15 Agile DWH Modellierung mit Data Vault Alexander Blech Matthias Wendt 2015-04-15 Agile DWH Modellierung mit Data Vault Agenda OSP Dresden und die Ottogroup Data Vault Theorie DV im Einsatz für die Hermes

Mehr

Data Vault orientierte BI-Architekturen in Theorie und Praxis. Thomas Mattick Dresden

Data Vault orientierte BI-Architekturen in Theorie und Praxis. Thomas Mattick Dresden Data Vault orientierte BI-Architekturen in Theorie und Praxis Thomas Mattick Dresden Vorstellung Thomas Mattick Projektauszug (BI) Auftragsabwicklung/Leistungsbewertung (Luftfahrt/Logistik) Wareneingang/Warenausgang/Retouren

Mehr

Data Vault Ein Leben zwischen 3NF und Star. Michael Klose, CGI Deutschland Oracle DWH Community, 18.03.2014

Data Vault Ein Leben zwischen 3NF und Star. Michael Klose, CGI Deutschland Oracle DWH Community, 18.03.2014 Data Vault Ein Leben zwischen 3NF und Star Michael Klose, CGI Deutschland Oracle DWH Community, 18.03.2014 CGI Group Inc. 2013 Referent: Michael Klose Manager BI Architektur & Strategie, CGI Deutschland

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen 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

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

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch In dieser Session wird IDAREF, ein Framework, dass auf logischer Ebene eine analytische

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

Data Warehouse. für den Microsoft SQL SERVER 2000/2005 Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich

Mehr

ETL in den Zeiten von Big Data

ETL 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

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

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

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

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

Mehr

Data-Vault-Automation aus dem Datenmodellierungstool. 1. Tagung der DDVUG am 24.Juni2014

Data-Vault-Automation aus dem Datenmodellierungstool. 1. Tagung der DDVUG am 24.Juni2014 Data-Vault-Automation aus dem Datenmodellierungstool 1. Tagung der DDVUG am 24.Juni2014 A G E N D A 1. MID & Innovator 2. Modell & Methode 3. Architektur & Automatisierung 4. Nutzen & Veränderung MID GmbH

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

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

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

Agilität in der BI Praxis

Agilität in der BI Praxis Agilität in der BI Praxis 5. März 2010 Peter Kühni Lead Architect Business Intelligence Swisscom AG peter.kuehni@swisscom.com Inhalt BI/DWH in der Swisscom Warum muss BI agil werden? Wie begegnet Swisscom

Mehr

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA Agenda VORSTELLUNG B.TELLIGENT WIE ENTSTEHT EINE KENNZAHL? WAS SIND METADATEN? AUFBAU UND FUNKTIONSWEISE DES BI WIKI LIVE DEMO ZUSAMMENFASSUNG

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

Modellgetriebene agile BI-Vorgehensweise

Modellgetriebene agile BI-Vorgehensweise Modellgetriebene agile BI-Vorgehensweise Thomas Neuböck Konrad Linner 12.11.2013 Inhalt Anforderungen und Lösungsansatz Agile Vorgehensweise Orientierung nach Fachthemen Architekturrahmen Modellorientierung

Mehr

Data Warehouse Grundlagen

Data Warehouse Grundlagen Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Das generierte Data Warehouse

Das generierte Data Warehouse Das generierte Data Warehouse Aspekte beim Einsatz von DWH-Generatoren Peter Welker (Trivadis GmbH) BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1

Mehr

Agil beim Aufbau eines Data. Automation agiles Vorgehen unterstützen?

Agil beim Aufbau eines Data. Automation agiles Vorgehen unterstützen? Agil beim Aufbau eines Data Warehouse. Lässt sich mit Automation agiles Vorgehen unterstützen? Vortrag von Oliver Cramer auf der TDWI Konferenz mit 1 Vorstellung Oliver Camer TDWI Europe Fellow ANCHOR

Mehr

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,

Mehr

DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA

DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA EINLEITUNG Quellen Datenquadrant von R.D. Damhof Mai 2014 DWH Automation Whitepaper Building A Data-Centric

Mehr

good. better. outperform.

good. better. outperform. good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

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

Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen

Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen Dr. Sebastian Olbrich Markus Weber Oliver Schwenteck Einleitung / Motivation Spannungsfeld

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

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

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!

Problemstellung. 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

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

Mehr

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise A Company of Prof. Dr. Bernhard Humm OOP 2006 sd&m Developer Day München, 18. Januar 2006 sd&m AG, 18.1.2006, Seite 1 Anwendungslandschaften

Mehr

Business Analytics in der Big Data-Welt

Business Analytics in der Big Data-Welt Business Analytics in der Big Data-Welt Frankfurt, Juni 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data-Analytik "The way I look at big data analytics is it's not a technology,

Mehr

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format.

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format. Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH Gerd Schandert, Neuss den 18.03.2014 Agenda 1. Vorstellung Auftraggeber 2. Förderung allgemein 3. Schichten im Data Warehouse 4.

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

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 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

Mehr

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE Themen Big Data Buzz Word oder eine neue Dimension

Mehr

Top 10 der Business Intelligence-Trends für 2014

Top 10 der Business Intelligence-Trends für 2014 Top 10 der Business Intelligence-Trends für 2014 Das Ende der Datenexperten. Datenwissenschaft kann künftig nicht nur von Experten, sondern von jedermann betrieben werden. Jeder normale Geschäftsanwender

Mehr

Digitalisierung wie aus einer Strategie Realität wird.

Digitalisierung 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,

Mehr

Adobe FSI Breakfast. Frankfurt, 09.06.2015. 2015 icompetence

Adobe FSI Breakfast. Frankfurt, 09.06.2015. 2015 icompetence Adobe FSI Breakfast Frankfurt, 09.06.2015 2015 icompetence Gründung 1994 Firmensitz: Quickborn bei Hamburg 200 Mio Page Impressions/Monat mehr als 1,8 Millionen Privatkunden. über 2,8 Millionen Kunden

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm.

Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm. Data Warehousing Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm.org Frühlingssemester 2012 Slide 1 Gliederung

Mehr

Hetero-Homogene Data Warehouses

Hetero-Homogene Data Warehouses Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung

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

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

Data Warehousing Grundbegriffe und Problemstellung

Data Warehousing Grundbegriffe und Problemstellung Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,

Mehr

Welche Daten gehören ins Data Warehouse?

Welche Daten gehören ins Data Warehouse? Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang

Mehr

Michael Bauer Niederlassungsleiter Köln

Michael Bauer Niederlassungsleiter Köln Click to edit Master title style 1 Michael Bauer Niederlassungsleiter Köln Hamburg, 18. Juni 2009 2009 IBM Corporation Agenda Click to edit Master title style 2 zur Person Wo, Warum.., Was - CPM liefert

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

Release Management und Automatisierung in der Praxis

Release Management und Automatisierung in der Praxis Release Management und Automatisierung in der Praxis Jürgen Decker, 15.06.2012 Director Business Development Warum Application Release Management? + Zunehmende Komplexität von Anwendungen und Infrastruktur

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

Master Data Management - Wege aus der Datenkrise

Master 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

Mehr

Seminar C16 - Datenmodellierung für SAP BW

Seminar C16 - Datenmodellierung für SAP BW C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW

Mehr

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

Mehr

NoSQL mit Postgres 15. Juni 2015

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

Mehr

DWH-Metadaten Wie und wozu. Clemens Albrecht metafinanz Informationssysteme GmbH

DWH-Metadaten Wie und wozu. Clemens Albrecht metafinanz Informationssysteme GmbH DWH-Metadaten Wie und wozu Clemens Albrecht metafinanz Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT. Business Intelligence

Mehr

SQL Server 2012 Die fantastische 12

SQL Server 2012 Die fantastische 12 SQL Server 2012 Die fantastische 12 MISSION CRITICAL BREAK- THROUGH INSIGHT Deutsche SQL Server Konferenz Februar 2012, Köln CLOUD ON YOUR TERMS Session KEY02 Dein Foto Steffen Krause Snr. Technical Solution

Mehr

Rolle des Stammdatenmanagements in einer SOA

Rolle des Stammdatenmanagements in einer SOA Rolle des Stammdatenmanagements in einer SOA Forum Stammdatenmanagement, November 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT DIE DATEN IM ZENTRUM: SAS DATA RAINER STERNECKER SOLUTIONS ARCHITECT SAS INSTITUTE SOFTWARE GMBH Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. NEUE WEGE GEHEN SAS DATA GOVERNANCE & QUALITY

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

Effiziente Anwendungs-Entwicklung mittels Business Software Framework BISON Solution

Effiziente Anwendungs-Entwicklung mittels Business Software Framework BISON Solution Effiziente Anwendungs-Entwicklung mittels Business Software Framework BISON Solution Thomas Seiler Product Manager Technology BISON Schweiz AG Agenda Vergleich - Business Software Framework zu.net Framework

Mehr

Die Rolle von Stammdaten-Management in einer SOA

Die Rolle von Stammdaten-Management in einer SOA Die Rolle von Stammdaten-Management in einer SOA Frankfurt, Sept. 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business Intelligence Rolle

Mehr

Information Integration in Zeiten von BigData mit IBM Information Server 9.1. Christian Lenke IBM Software Group InfoSphere Specialist

Information Integration in Zeiten von BigData mit IBM Information Server 9.1. Christian Lenke IBM Software Group InfoSphere Specialist Information Integration in Zeiten von BigData mit IBM Information Server 9.1 Christian Lenke IBM Software Group InfoSphere Specialist Trusted Data Bereitstellung zuverlässiger Informationen transaktionale

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue 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:

Mehr

Simplify Data Warehouse Approach

Simplify Data Warehouse Approach Simplify Data Warehouse Approach Die Methode zu modernem BI-Lifecyclemanagement tdwi 2013 München Dani Schnider Gregor Zeiler BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG

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

Advanced Monitoring von ETL-Prozessen. Sven Bosinger its-people

Advanced Monitoring von ETL-Prozessen. Sven Bosinger its-people Sven Bosinger its-people 1 Sven Bosinger Solution Architect BI u. Portfoliomanagement BI its-people Hochtaunus GmbH sven.bosinger@its-people.de www.its-people.de 2 Das Team Unternehmensphilosophie Gemeinschaft

Mehr

VOM PROZESS ÜBER IN-MEMORY DATENBANKEN ZUM COCKPIT

VOM PROZESS ÜBER IN-MEMORY DATENBANKEN ZUM COCKPIT TDWI 2015 OMNICHANNEL PERFORMANCE TRACKING VOM PROZESS ÜBER IN-MEMORY DATENBANKEN ZUM COCKPIT Dominik Imark / Reinhard Mense 28.05.2015 Agenda VORSTELLUNG MANOR / ARETO PROBLEMSTELLUNG VORGEHEN ARCHITEKTUR

Mehr

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)

Mehr

Business Process Management. Cloud und Mobile Computing. BPMday 2013 Köln, 13. November 2013. Enzo Favuzzi - Sales Manager WebCenter & BPM

Business Process Management. Cloud und Mobile Computing. BPMday 2013 Köln, 13. November 2013. Enzo Favuzzi - Sales Manager WebCenter & BPM Business Process Management von Cloud und Mobile Computing BPMday 2013 Köln, 13. November 2013 Enzo Favuzzi - Sales Manager WebCenter & BPM Safe Harbor Statement The

Mehr

A central repository for gridded data in the MeteoSwiss Data Warehouse

A central repository for gridded data in the MeteoSwiss Data Warehouse A central repository for gridded data in the MeteoSwiss Data Warehouse, Zürich M2: Data Rescue management, quality and homogenization September 16th, 2010 Data Coordination, MeteoSwiss 1 Agenda Short introduction

Mehr

Modellierung und Implementierung einer End-to-End BI Lösung

Modellierung und Implementierung einer End-to-End BI Lösung IBM Software Group Modellierung und Implementierung einer End-to-End BI Lösung DB2 Information Management Software Martin Clement, mclement@de.ibm.com Otto Görlich, ogoerlich@de.ibm.com Stefan Sander,

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

ALM As-A-Service TFS zur hausinternen Cloud ausbauen

ALM As-A-Service TFS zur hausinternen Cloud ausbauen ALM As-A-Service TFS zur hausinternen Cloud ausbauen Sven Hubert AIT TeamSystemPro Team Das Unternehmen.NET Softwareentwicklung.NET Entwicklung.NET Software-Entwicklung Architektur Beratung Team Foundation

Mehr

Seminar C02 - Praxisvergleich OLAP Tools

Seminar 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

Mehr

Automatisierung mit der Line of Business verbinden. Ralf Paschen

Automatisierung mit der Line of Business verbinden. Ralf Paschen Automatisierung mit der Line of Business verbinden Ralf Paschen Agenda Die Herausforderung Was wollen wir? Was hindert uns? Was müssen wir lösen? Wir automatisieren 3 Property of Automic Software. All

Mehr

Das Cortal Consors Data Warehouse als Information Hub Geschäftsprozessunterstützung und Kundenservices im Cortal Consors Data Warehouse

Das Cortal Consors Data Warehouse als Information Hub Geschäftsprozessunterstützung und Kundenservices im Cortal Consors Data Warehouse Das Cortal Consors Data Warehouse als Information Hub Geschäftsprozessunterstützung und Kundenservices im Cortal Consors Data Warehouse Ernst Heller Cortal Consors S.A., Zweigniederlassung Deutschland

Mehr

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

04. SEPTEMBER 2015 THINK BIG BI SMART 3. QUNIS DAY

04. SEPTEMBER 2015 THINK BIG BI SMART 3. QUNIS DAY 04. SEPTEMBER 2015 THINK BIG BI SMART 3. QUNIS DAY 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

Mehr

- Agile Programmierung -

- Agile Programmierung - Fachhochschule Dortmund Fachbereich Informatik SS 2004 Seminar: Komponentenbasierte Softwareentwicklung und Hypermedia Thema: - - Vortrag von Michael Pols Betreut durch: Prof. Dr. Frank Thiesing Übersicht

Mehr

SOA goes real Service-orientierte Architekturen erfolgreich planen und einführen

SOA goes real Service-orientierte Architekturen erfolgreich planen und einführen Daniel Liebhart SOA goes real Service-orientierte Architekturen erfolgreich planen und einführen ISBN-10: 3-446-41088-0 ISBN-13: 978-3-446-41088-6 Inhaltsverzeichnis Weitere Informationen oder Bestellungen

Mehr

ARIS - The Business Process Platform. Dr. Wolfram Jost, Mitglied des Vorstandes

ARIS - The Business Process Platform. Dr. Wolfram Jost, Mitglied des Vorstandes - The Business Process Platform Dr. Wolfram Jost, Mitglied des Vorstandes Warum Geschäftsprozessmanagement? Unternehmen ohne Geschäftsprozesse gibt es nicht! Qualität und Innovation der Geschäftsprozesse

Mehr

Load Strategy Datenmodell DQ-Check-Methoden DWH-Probleme? Datenqualität aus der Sicht des One-DWH s Franz Hopfenwieser AGENDA 26 PT AGENDA

Load Strategy Datenmodell DQ-Check-Methoden DWH-Probleme? Datenqualität aus der Sicht des One-DWH s Franz Hopfenwieser AGENDA 26 PT AGENDA Datenqualität aus der Sicht des One- s Franz Hopfenwieser 18. Juni 2007 ONE, Franz HOPFENWIESER, 18.6.2007 SEITE 1 AGENDA 26 PT AGENDA DQ wird konstruiert One /MIS Aufgabenteilung OA/ Load Strategy Datenmodell

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was 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

Mehr

DW2004. 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. 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

Mehr

Agile BI - Mehr als ein agiles Vorgehensmodell - TDWI Germany e.v.

Agile BI - Mehr als ein agiles Vorgehensmodell - TDWI Germany e.v. Agile BI - Mehr als ein agiles Vorgehensmodell - Die Arbeitsgruppe Agile BI des TDWI e.v. Agenda Herausforderungen der Business Intelligence BI-Agilität als Lösungsansatz Steigerung der BI-Agilität mit

Mehr

A Platform for Complex Event Processing

A Platform for Complex Event Processing A Platform for Complex Event Processing Einführung Business Process Technology Prof. Dr. Mathias Weske Matthias Kunze Nico Herzberg Business Process Technology Seit 2001 Untersuchung realer Probleme des

Mehr

Assetwise. Asset Lifecycle Information Management. Ulrich Siegelin. 2010 Bentley Systems, Incorporated

Assetwise. Asset Lifecycle Information Management. Ulrich Siegelin. 2010 Bentley Systems, Incorporated Assetwise Asset Lifecycle Information Ulrich Siegelin Agenda Was bedeutet Asset Lifecycle Information? AssetWise Technischer Überblick Positionierung von Bentley s AssetWise Einsatz und Arbeitsweise von

Mehr

Agile BI mit Agile BI Modeler & Agile Scorecard

Agile BI mit Agile BI Modeler & Agile Scorecard Agile BI mit Agile BI Modeler & Agile Scorecard Business Intelligence - so einfach wie möglich - so komplex wie nö7g Jon Nedelmann Darmstadt, 26.10.2012 Agile BI Tools Agile BI Modeler Ist eine Web- Anwendung

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

Christian Kurze BI-Praktikum IBM WS 2008/09

Christian Kurze BI-Praktikum IBM WS 2008/09 Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS

Mehr

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Big Data im Marke

Mehr