Data Warehousing im Risikomanagement: Bestimmung des Datenhaushaltes am Beispiel eines Finanzdienstleisters

Größe: px
Ab Seite anzeigen:

Download "Data Warehousing im Risikomanagement: Bestimmung des Datenhaushaltes am Beispiel eines Finanzdienstleisters"

Transkript

1 1894 Data Warehousing im Risikomanagement: Bestimmung des Datenhaushaltes am Beispiel eines Finanzdienstleisters Ruhollah Abolhassani Risk Advisory Services / Global Financial Services

2 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 2

3 Chronologie: Von RM zur IT Die Geschichte des Risikomanagements begann schon in Mittelalter Früher: RM = Vertrauen / Hoffnung / Vermutungen 1783: Daniel Bernoulli legte Grundstein für RM Wenn die Wahrscheinlichkeit eines Ergebnisses bekannt ist, wie hoch ist der Wetteinsatz. M.19 Jh. Carl Friedrich Gauß entdeckte Glockenkurve Bei seinen Studien zur Astronomie entdeckte Gauß die Glockenkurve der Normalverteilung 3

4 Chronologie: Von RM zur IT und wurde im 20.Jahrhundert durch die Informationstechnologie unterstützt 1886: Francis Galton entwickelte die Regressionsanalyse Ein statistischer Zusammenhang zwischen Daten wurde erstmals entdeckt 1970: John D.C. Little (MIT Professor) entwickelte die theoretischen Grundlagen für verbesserte Systeme zur Entscheidungsunterstützung 1989: Howard Dresner (Gartner Group) führt den Begriff BI ein Methoden für analytische Entscheidungsverfahren, die die Unternehmensleistung verbessern sollen Heute??? 4

5 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 5

6 Aktuelle Problematik Der Informationsmanagement-Prozess wird durch folgende Defizite gekennzeichnet Quellsysteme Q2 Q1? fehlende Übersicht über die Fülle an Daten. fehlende Kostentransparenz über die Datenhaltung. Q 4 Q3 fehlende Methodik, um aus den Daten entscheidungskritische Muster zu erkennen. Q 5 Q 6? Excel fehlende Flexibilität, um den ständig wechselnden und wachsenden geschäftlichen und regulatorischen Anforderungen (Basel II, MaRisk, Solvency V, IFRS, Sarbanes Oxley Act usw.) gerecht zu werden. Grundsätzlich gilt: Informationen, die zur Geschäftssteuerung dienen, müssen zeitnah und vollständig vorliegen. 6

7 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 7

8 Anspruch und Aufgabe der IT Financial Information Management (FIM) steuert die ganzheitliche Erfassung des finanzrelevanten Informationsbedarfs Der Anspruch an das Informationsmanagment liegt darin, dass die inhaltlich richtigen und geschäftlich relevanten Informationen zum Zeitpunkt des Bedarfs, an dem Ort, wo sie gerade benötigt werden vorliegen. Konventionelle Quellen Banken / Internet Online Daten- Anwendungssysteme Quellsysteme Sammeln Filtern Bewerten Bereinigen Strukturieren Ergänzen Validierung / Bereitstellung Markvolumen Marktanteile Verbrauchskennzahlen Auftragseingang Umsatz Kosten Deckungsbeitrag Produktivität quantitativ Datenart Pressemeldungen Patente Gutachten Kundenverhalten Projektberichte qualitativ 8 Datenquelle intern extern Analysesysteme/Frontend

9 Anspruch und Aufgabe der IT FIM muss dabei gewährleisten, dass die geschäftlichen und regulatorischen Anforderungen konsistent und kohärent abgebildet werden Unternehmensstrategie Geschäfts- Bereiche / Prozesse (exemplarisch) Regulatorische Anforderungen und Standards (exemplarisch) HGB / IFRS / USGAAP Controlling Personalwesen Risikomanagement Verwaltung Vertrieb Marketing BASEL II / SolvV / MaRisk Sarbanes Oxley Act IDW BDSG CobiT/ ITIL Financial Information Management 9

10 Anspruch und Aufgabe der IT Bei konsistenter Umsetzung von Financial Information Management-Lösungen ergeben sich folgende Vorteile Financial Information Management Verbesserung der Funktionalität Einsparung von IT-Kosten Allgemeiner Nutzen Konsistente vergleichbare Informationen Bereichübergreifende Analysen Mehr Möglichkeiten für Ad-hoc- Analysen Ein Zugang zur FIM-Lösung für alle Anwender Hardware (Server, Plattenspeicher) Softwarelizenzen Betrieb Wartung und Weiterentwicklung der Anwendung Identifikation von Potential zur Kosteneinsparung Verbesserung der Business Performance Zielgerechtes Marketing Erhöhung der Wettbewerbsfähigkeit des Unternehmens 10

11 Anspruch und Aufgabe der IT Aus unserer Erfahrung profitieren Finanzdienstleister in den folgenden Bereichen von der Einführung von FIM-Lösungen Financial Information Management Konsolidierung analytischer Inseln Analytische Inseln entstehen meistens historisch durch: nicht ausgereiftes Projektvorgehen, zahlreiche Unternehmensfusionen, schnelles Wachstum von Unternehmen Kosteneinsparungen in der IT. Diese analytischen Inseln erfahren durch integrierter FIM-Lösungen ihre Konsolidierung hin zu unternehmensweiten Informationssystemen. Analytical Customer Relationship Management Banken stehen in einem zunehmend härteren Wettbewerb, in welchem auch die Aspekte der Kundenbindung und Neukundenakquise immer stärkere Bedeutung gewinnen. Die Kundenbeziehungen sollten daher immer gezielter analysiert und gepflegt werden. Darüber hinaus sollten in die Analyse auch Ergebnisse von CRM- Maßnahmen (z. B. Werbekampagnen) einfließen. Diese helfen dabei, zukünftige Strategien für das Kundenbeziehungsmanagement abzuleiten. Vertriebsorientiertes Kreditrisikomanagement Individueller Kundenservice erfordert flexible Strategien für eine schnelle Kreditentscheidung. Geeignete FIM- Lösungen können einer Bank dabei helfen, diverse Kreditentscheidungsvarianten zu simulieren, um schnell die optimale Strategie zu finden. FIM ermöglicht die Sammlung und Bereitstellung von Bewertungshistorien, Verhaltens-, Vertrags- und weitere Kundendaten, um schneller auf die individuellen Bedürfnisse der Kunden eingehen zu können. 11

12 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 12

13 Ernst & Young 4-Phasen Modell Der Top-Down-Ansatz zur Integration des FIM in die Unternehmensabläufe Ist-Analyse Content Clustering Prozessintegration Regulatorische Anforderungen GP 1 GP 2 GP 3 GP n IT-Systeme / Datenquellen Betriebswirtsch. Anforderungen Quelldaten Reportingobjekte Reportingobjekt 1 Reportingobjekt 2 Reportingobjekt 3 Reportingobjekt n GP 1 GP 2 GP 3 GP n Strategische Ziele Planung Überwachung Steuerung Road Map Content Cluster IT-Clustering Intelligente Prozessmatrix Financial Information Management Strategie 13

14 Ernst & Young 4-Phasen Modell Phase 1 Phase 2 Phase 3 Phase 4 Ist- Analyse Content Clustering Machbarkeitsstudie Prozessintegration IT- Clustering Machbarkeitsstudie: Erwartungen, Ziele und Aufwandstreiber Machbarkeitsstudie: Projektanforderungen werden spezifiziert und Systemvoraussetzungen in Bezug auf das zu erwartende Datenvolumen und die Reportingstrategie dokumentiert: Abstimmung von Projektumfang und -zielen AnforderungsgerechteRessourcenplanung: Zeit-und Aufwandsschätzung Detaillierung des Projektvorhabens sowie Abgrenzung und Definition von Teilprojekten Überprüfung der Ausgangssituation und Zielsetzung Scoping der Geschäftsprozesse Scoping der Quellsysteme und Schnittstellen Ausarbeitung und Abstimmung eines Projektplanes Abstimmung und Festlegung der Projektorganisation und Projektstandards Aufnahme der Anforderungen und Wünsche der Fachbereiche im Rahmen von Workshops 14

15 Ernst & Young 4-Phasen Modell Ist-Analyse: Basis des Vorgehens Phase 1 Phase 2 Phase 3 Phase 4 Ist- Analyse Content Clustering Machbarkeitsstudie Prozessintegration IT- Clustering Ist-Analyse Aufnahme der Projektanforderungen und Systemvoraussetzungen Regulatorische Anforderungen GP 1 GP 2 GP 3 GP n IT-Systeme / Datenquellen Betriebswirtsch. Anforderungen Aufnahme der Informations- und Wertschöpfungsprozesse Beurteilung der festgelegten Prozessbereiche (Ist-Zustand) Erhebung eines Anforderungsprofils: Festlegung der betriebswirtschaftlichen und regulatorischen Anforderungen Aufnahme und Analyse der vorhandenen IT-Systemarchitektur Aufnahme und Analyse der relevanten Prozesse in den IT-Systemen Aufnahme des vorhandenen Sicherheitskonzeptes und der Sicherheitsrichtlinien Quantitative und qualitative Datenanalyse Road Map Erstellung des Road Map für das Financial Information Management Grobkonzept, das die sachlogische Realisierung der einzuführenden Lösung beschreibt. 15

16 Ernst & Young 4-Phasen Modell Phase 1 Phase 2 Phase 3 Phase 4 Ist- Analyse Content Clustering Machbarkeitsstudie Prozessintegration IT- Clustering Content Clustering: die Strukturierung Content Clustering Quelldaten Reportingobjekte Content Cluster Reportingobjekt 1 Reportingobjekt 2 Reportingobjekt 3 Reportingobjekt n Bündelung der geschäftsspezifischen Inhalte auf Basis der erstellten Road Map / Zuordnung der Quelldaten zu den Reporting-Objekten Erstellung des Fach-/ DV-Konzeptes (Content Cluster), dass die Realisierung der FIM-Lösung beschreibt: Definition der künftigen Organisationsstruktur in der FIM-Lösung Definition der Datenbestände aus den Quellsystemen Definition des Datenmodells und der Datentypen Definition von Cubes und möglicher Data Marts Definition der ETL-Prozesse Konzeption der Auswertungsfunktionalitäten anhand geeigneter OLAP-Front-Ends Definition des Kreises der Berichtsempfänger und des Berechtigungskonzeptes 16

17 Ernst & Young 4-Phasen Modell Phase 1 Phase 2 Phase 3 Phase 4 Ist- Analyse Content Clustering Machbarkeitsstudie Prozessintegration IT- Clustering Prozessintegration: Grundlage für die Optimierung und kontinuierlichen Überwachung der Geschäfts- und IT-Prozesse GP 1 GP 2 GP 3 GP n Prozessintegration Strategische Ziele Planung Überwachung Steuerung Intelligente Prozessmatrix Integration der Geschäftsprozesse in die Analytik sowie die Integration der Analytik in die Geschäftsprozesse. Die Analytik schafft Ereignisse und verarbeitet dieses mit Hilfe der Prozessüberwachung und -steuerung Definition von Verbesserungs- und Steuerungszielen bei den Geschäfts- und IT-Prozessen Definition von Prozessmetriken/-kennzahlen zur operativen Überwachung und Steuerung der Geschäftsprozesse, die im Rahmen des FIM abgebildet und zur Verfügung gestellt werden sollen Definition der damit verbundenen Voraussetzungen: zu integrierende Daten, Geschwindigkeit der Informationslieferung, Integrationsdrehscheibe zur Einbettung der Analytik in den Geschäftsprozessen, etc Erstellung der Prozessmatrix unter Berücksichtigung des Anforderungsprofiles. 17

18 Ernst & Young 4-Phasen Modell Phase 1 Phase 2 Phase 3 Phase 4 Ist- Analyse Content Clustering Machbarkeitsstudie Prozessintegration IT- Clustering Über das IT-Clustering zur FIM-Strategie IT-Clustering: Road Map Content Cluster Intelligente Prozessmatrize IT-Clustering Financial Information Management Strategie Programm-technische Realisierung der FIM-Lösung gemäß Fach- und DV- Konzeption aus den vorgelagerten Phasen. Produktionsvorbereitung Go-Live und Support Anhand des IT-Konzeptes lässt sich eine einheitliche und skalierbare mehrstufige IT- Architektur definieren und umsetzen, deren Grundpfeiler die Komponenten Operative Systeme, Data Staging, Meta Data Management und Data Warehouse bilden. 18

19 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 19

20 Definition Data Warehouse Welche Rolle spielt ein Data Warehouse bei einem Finanzdienstleister inbesondere im Risikomanagement Unternehmensstrategie Regulatorische Geschäfts- Anforderungen und Standards (exemplarisch) Bereiche / Prozesse (exemplarisch) HGB / IFRS / USGAAP Controlling Personalwesen Risikomanagement ETL - Prozess Verwaltung Vertrieb Marketing BASEL II / SolvV / MaRisk Sarbanes Oxley Act IDW BDSG CobiT/ ITIL Data Warehouse Informationstechnologie 20

21 Definition Data Warehouse Was ist ein Data Warehouse und warum benötigt man es? A data warehouse is a subject oriented, (Themenorientierung an Sachverhalte des Unternehmens) integrated, (Integration von Unternehmensweiten / externen operativen Quellen) non-volatile, (Dauerhafte Sammlung von nicht mehr änderbarer Daten) and time variant (Zeitraumbezug als Bestandteil der Daten) collection of data in support of management s decisions. [William H. "Bill" Inmon] Management Risk Management Financial Controlling Sales & Personalwesen weitere Marketing 21

22 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 22

23 Praxis: Motivation des Projekts Anstoß zu Projekten Beauftragung zu einer Vorstudie Kunde Ergebnis 23

24 Durchführung einer Vorstudie Im ersten Schritt wurde eine Vorstudie durchgeführt Wunsch eines Kunden: - Ist das bestehende DataWarehouse aus technischer und fachlicher Sicht in der Lage, die Anforderungen des Managements zu erfüllen? Aufgabe Ernst & Young: - Untersuchung des technischen Aufbaus des bestehenden Data Warehouse. - Grobanalyse der fachlichen Funktionalität des bestehenden Data Warehouse. 24

25 Durchführung einer Vorstudie Anstoß zu Projekten Beauftragung zu einer Vorstudie Kunde Ergebnis Momentaner Stand erfüllt nicht die Anforderungen an ein Data Warehouse Beauftragung zur Bestimmung des Datenhaushaltes Kunde Ergebnis Blueprint 25

26 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 26

27 Methodische Vorgehensweise Vorgehensweise bei der Bestimmung des Datenhaushaltes im Risikomanagement Welche Daten werden benötigt? Daten aus dem Aktivitätenbereich Risiko Management & Controlling Wer benötigt die Daten? Wo kommen die Daten her? Kreditrisiko und Liquiditätsrisikomanagement Instandhaltung eines Rating und Scoring Systems Wie kommen die Daten? Asset & Liability Management Überwachung der Kreditportfolio bzgl. Qualität und Grenzen Gewährleistung einer angemessenen Liquidität 27

28 Methodische Vorgehensweise Vorgehensweise bei der Bestimmung des Datenhaushaltes im Risikomanagement Welche Daten werden benötigt? Anforderungen kommen von den folgenden Gruppen Wer benötigt die Daten? WER? WOHER? Wo kommen die Daten her? Abteilungsleiter Risikomanagement Bank Wie kommen die Daten? Geschäftsleitung Bank Data Warehouse Entwickler Extern Weitere Weitere 28

29 Methodische Vorgehensweise Vorgehensweise bei der Bestimmung des Datenhaushaltes im Risikomanagement Welche Daten werden benötigt? Aufnahme der Prozesse und Quellsysteme Wer benötigt die Daten? Kreditrisikosteuerung Kundenaktivgeschäft weitere Wo kommen die Daten her? Wie kommen die Daten? 29

30 Methodische Vorgehensweise Vorgehensweise bei der Bestimmung des Datenhaushaltes im Risikomanagement Welche Daten werden benötigt? Analyse der Daten auf technischer Ebene Wer benötigt die Daten? Data Warehouse - Entwickler Wo kommen die Daten her? Wie kommen die Daten? 30

31 Erstellung des Blueprints Exemplarischer Ablauf eines Einzelhandelsgeschäft (I) Werbemaßnahmen Produktangebot Kreditangebot Produkt wird gekauft Adressaten Vertrieb & Marketing Vertrieb & Marketing Vertrieb & Marketing Einzelhandelsgeschäft Risikomanagement / -controlling Vertrieb & Marketing Großkundengeschäft Datenhaushalt Advertising efforts Leads Credit offer Product Leads Product Credit Product offer Product offer Partner data Partner data Rating/Scoring Collaterals 31

32 Erstellung des Blueprints Exemplarischer Ablauf eines Einzelhandelsgeschäft (II) Kredit wird aufgenommen Wholesale Retention Regulärer Kreditverlauf Zahlungsprobleme beim KN Adressaten Vertrieb & Marketing Retail business Einzelhandelsgeschäft Vertrieb & Marketing Einzelhandelsgeschäft Großkundengeschäft Financial controlling Einzelhandelsgeschäft Financial controlling Financial controlling Financial controlling Risikomanagement / -controlling Risikomanagement / -controlling Risikomanagement / -controlling Datenhaushalt Produkt offer Credit Credit Arrear management Credit offer Advanced payment Positions Credit Credit Positions Partner data Positions Transactions Partner data Partner data Positions Collaterals Collaterals Partner data Rating / Scoring Collaterals 32

33 Erstellung des Blueprints Exemplarischer Ablauf eines Einzelhandelsgeschäft (III) Rückkehr zum regulären Kreditverlauf Kunde schliesst Kredit Zeit verstreicht... Gezielte Wiederansprache (Werbemaßnahme) Adressaten Einzelhandelsgeschäft Vertrieb & Marketing Vertrieb & Marketing Financial controlling Einzelhandelsgeschäft Financial controlling Risikomanagement / -controlling Datenhaushalt Credit Credit Advertising efforts Positions Customer retention Partner data Partner data Positions Partner data Collaterals 33

34 Erstellung des Blueprints Datenhaushalt am Beispiel der Tabelle Partner Data Item Description HBG_RATING_NEXTDATE Date of next rating PARTNER_ID Unique identifier of partner PARTNER_KNE PARENT_ID PARTNER_TYPE Single borrower unit Unique identifier of (hierarchical) parent Issuer Counterparty Wholesale Retail-private Retail-freelance Retail-commercial Regional manager PARTNER_RATING_ARRAY PARTNER_SPREAD_ARRAY PARTNER_PD_ARRAY PARTNER_EAD_ARRAY Timestamp Rating Rating methodology Timestamp Spread Timestamp Estimated PD Timestamp Estimated EAD PERSON_TYPE ARRAY_OF_BANK_CONS PARTNER_ROLE Physical person Juridical person List of Partner s Accounts Borrower Warrantor Others PARTNER_LGD_ARRAY EARLY_WARNING_ARRAY PARTNER_LGD_ACTUAL_COV Timestamp Estimated covered LGD Estimated uncovered LGD Timestamp Early warning indicators Actual covered LGD of partner BANK_RETAIL CUSTOMER_EXISTING MARKETING_ACTION_MAILING Yes No Existing customer: Yes No Yes No PARTNER_LGD_ACTUAL_UNCOV PARTNER_LGD_RECOVERY COMMENT DATE_BEGIN_INSOLVENCY DATE_END_INSOLVENCY Actual uncovered LGD of partner Recovery from uncoverd LGD Comment Starting date of insolvency Ending date of insolvency COUNTRY_CODE INDUSTRY_ID Country of residence Unique identifier of industry DEFAULTSTATUS PD Insolvency PD B II PARTNER_CLASSIFICATION privat public ORGA_ID Unique identifier of responsible credit officer RATING_LASTDATE Date of last rating OTHERS Others RATING_INTERVAL Rating interval 34

35 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 35

36 Erstellung des Blueprints Das Ergebnis könnte dann so aussehen Blueprint für ein Data Warehouse 36

37 Agenda Überblick 1. Chronologie: Von RM zur IT 2. Aktuelle Problematik 3. Anspruch und Aufgabe der IT 4. Ernst & Young 4-Phasen Modell 5. Definition Data Warehouse 6. Praxis: Motivation des Projekts 7. Durchführung einer Vorstudie 8. Methodische Vorgehensweise 9. Erstellung des Blueprints 10. Fazit 37

38 Fazit Die Herausforderungen und Probleme im Projekt sind unterschiedlicher Natur Projektabschluss mit Zufriedenheit des Kunden in der vorgegeben Zeit soziale Kompetenz (mit verschiedenen Charakteren arbeiten) Lernbereitschaft (Speziell: Bankenfachwissen und IT-Wissen) Problemlösungskompetenz (analytisches & strukturierte Vorgehensweise) Teamwork (gegenseitiges Unterstützen) 38

39 Vielen Dank für Ihre Aufmerksamkeit. Für Fragen und Anregungen stehen wir Ihnen gerne jederzeit zur Verfügung. Ruhollah Abolhassani Risk Advisory Services Global Financial Services Tel.: +49 (6196)

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

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG...

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... Inhaltsübersicht Inhaltsübersicht I INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... 1 1.1 Zielsetzung und Motivation... 1 1.2

Mehr

Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services

Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services Launch Microsoft Dynamics AX 4.0 Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services Sonia Al-Kass Partner Technical

Mehr

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie

Mehr

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede Data Warehouse Version: June 26, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude 20.20 Rechenzentrum,

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

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor Yves-Deniz Obermeier Sales Manager Financial Services Ing. Thomas Heinzmann Division Management BI Mag. Martin Feith Senior Expert Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

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

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

Data Warehousing in der Lehre

Data Warehousing in der Lehre Data Warehousing in der Lehre Prof. Dr.-Ing. Tomas Benz Dipl.-Inform. Med. Alexander Roth Agenda Vorstellung Fachhochschule Heilbronn Vorstellung i3g Vorlesungen im DWH-Bereich Seminare Projekte Studien-

Mehr

Business Intelligence braucht mehr Business!

Business Intelligence braucht mehr Business! Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology

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

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

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

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement CMC-KOMPASS: CRM Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement 1 CROSSMEDIACONSULTING 18.05.2010 Unser Verständnis von CRM: Customer Relationship Management ist weit mehr als ein IT-Projekt

Mehr

Kapitel 2 Terminologie und Definition

Kapitel 2 Terminologie und Definition Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale

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

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

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

Einführung in Business Intelligence

Einführung in Business Intelligence Einführung in Business Intelligence Grundlagen und Anwendungsmöglichkeiten Prof. Dr. Wolfram Höpken wolfram.hoepken@eloum.net eloum @ Hochschule Ravensburg-Weingarten Informationsveranstaltung ebusiness-lotse

Mehr

CRM Architektur. New Economy CRM Architektur Page 1

CRM Architektur. New Economy CRM Architektur Page 1 CRM Architektur Titel des Lernmoduls: CRM Architektur Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.2 Zum Inhalt: Dieses Modul beschreibt mögliche Architekturen von CRM-Systemen. Insbesondere

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

Software Asset Management Potentiale und Herangehensweise Dr. Bernhard Schweitzer

Software Asset Management Potentiale und Herangehensweise Dr. Bernhard Schweitzer Software Asset Management Potentiale und Herangehensweise Dr. Bernhard Schweitzer SAM there s more under the surface than meets the eye Agenda Warum SAM? Finanzielle Motivation Juristische Motivation Pragmatische

Mehr

Raber+Märcker Business Intelligence Lösungen und Leistungen

Raber+Märcker Business Intelligence Lösungen und Leistungen Business Intelligence Raber+Märcker Business Intelligence Lösungen und Leistungen www.raber-maercker.de 2 LEISTUNGEN Business Intelligence Beratungsleistung Die Raber+Märcker Business Intelligence Beratungsleistung

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Business Intelligence im Krankenhaus

Business Intelligence im Krankenhaus Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur

Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur ifb group, 07.07.2014 Neue regulatorische Anforderungen für Finanzdienstleister Zusätzliche Einflüsse durch das Basel Committee

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

Das Risikomanagement gewinnt verstärkt an Bedeutung

Das Risikomanagement gewinnt verstärkt an Bedeutung Das Risikomanagement gewinnt verstärkt an Bedeutung 3/9/2009 Durch die internationale, wirtschaftliche Verpflechtung gewinnt das Risikomanagement verstärkt an Bedeutung 2 3/9/2009 Das IBM-Cognos RiskCockpit:

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

FHH meets economy. Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover. Hannover, 21. Januar 2010. 21. Januar 2010 bit GmbH

FHH meets economy. Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover. Hannover, 21. Januar 2010. 21. Januar 2010 bit GmbH FHH meets economy BI Projektmanagement bei QlikView Projekten Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover Hannover, 21. Januar 2010 21. Januar 2010 Agenda Über die bit GmbH Über QlikTech und

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

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

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Take control of your decision support WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Sommersemester 2008 Gliederung Business Intelligence und Data Warehousing On-Line Analytical Processing Ziel

Mehr

Integriertes Customer Relationship Management. Maximierung des strategischen Nutzens aus CRM-Projekten

Integriertes Customer Relationship Management. Maximierung des strategischen Nutzens aus CRM-Projekten Integriertes Customer Relationship Management Maximierung des strategischen Nutzens aus CRM-Projekten Prozessorientierter Ansatz Vertrieb Marketing Service Management Kunde Integrierte Geschäftsprozesse

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

Risk Management for Banking Herausforderungen für einen integrierten Approach

Risk Management for Banking Herausforderungen für einen integrierten Approach Risk Management for Banking Herausforderungen für einen integrierten Approach Frank Hansen Risk Practice Leader, SAS Deutschland Agenda Situation und Herausforderungen - Integrierte Risikosteuerung Stresstests

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

Geschäftsdaten auswerten

Geschäftsdaten auswerten Geschäftsdaten auswerten Schwachstellen erkennen, Ursachen analysieren und gezielter steuern Thomas Menner thomas.menner@eloum.net ebusiness-lotse Oberschwaben-Ulm IHK Bodensee-Oberschwaben, Weingarten,

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Service Economics Strategische Grundlage für Integiertes IT-Servicemanagement. Dr. Peter Nattermann. Business Unit Manager Service Economics USU AG

Service Economics Strategische Grundlage für Integiertes IT-Servicemanagement. Dr. Peter Nattermann. Business Unit Manager Service Economics USU AG Economics Strategische Grundlage für Integiertes IT-management Dr. Peter Nattermann Business Unit Manager Economics USU AG Agenda 1 Geschäftsmodell des Providers 2 Lifecycle Management 3 Modellierung 4

Mehr

Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus. FISP-Unternehmenspräsentation 1

Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus. FISP-Unternehmenspräsentation 1 Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus FISP-Unternehmenspräsentation 1 INHALT + Daten und Fakten + Unsere Kernmärkte + Das zeichnet uns aus

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement

Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement Financial Software Plattform für interne Ratingmodelle Jahresabschlussanalyse Frühwarnsystem Simulation und Stresstests Reportingumgebung

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

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Thema: David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Autor: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant PRAXIS EDV- Betriebswirtschaft- und

Mehr

Entwicklung eines CRM Systems

Entwicklung eines CRM Systems Entwicklung eines CRM Systems In diesem Skript werden alle möglichen Elemente die zur Entwicklung eines CRM Systems notwendig sind angesprochen. Im Rahmen Ihrer Analyse Ihres Beispielunternehmens/ Ihrer

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

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Andrei Buhrymenka Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Für Unternehmen mit Business Intelligence Diplomica Verlag Andrei Buhrymenka Erfolgreiche Unternehmensführung

Mehr

Forschen mit der HS-Ansbach!

Forschen mit der HS-Ansbach! Forschen mit der HS-Ansbach! Vorstellung des Forschungsschwerpunktes Strategic Business Intelligence an der Hochschule Ansbach www.strategicbusinessintelligence.de Folie 1 1 Agenda 1. Zielsetzung des Forschungsschwerpunkts

Mehr

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011 Roundtable Dashboards und Management Information Rüdiger Felke / Christian Baumgarten 29.11.2011 Agenda Behind the Dashboards Was ist ein Dashboard und was ist es nicht? SAP BusinessObjects Dashboards

Mehr

_Factsheet. MaRisk VA stellen das Risikomanagement von Versicherern auf den Prüfstand. Machen Sie Ihr Risikomanagement fit für Solvency II

_Factsheet. MaRisk VA stellen das Risikomanagement von Versicherern auf den Prüfstand. Machen Sie Ihr Risikomanagement fit für Solvency II _Factsheet MaRisk VA stellen das Risikomanagement von Versicherern auf den Prüfstand Machen Sie Ihr Risikomanagement fit für Solvency II Severn Consultancy GmbH, Phoenix Haus, Berner Str. 119, 60437 Frankfurt

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

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting 1 Lange bewährt immer noch gelitten Das Data Warehouse ist vielen ein Dorn im Auge IT-Manager messen der zentralen

Mehr

Infografik Business Intelligence

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

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

Strategieentwicklung und deren Umsetzung

Strategieentwicklung und deren Umsetzung entwicklung und deren Umsetzung MUK IT 29.04.2004 in München 1 Agenda! Was ist?! baum! entwicklungsprozess! Beispiel! Erfolgsfaktoren (Ergebnisse der Gruppenarbeiten vom 29.04.2004) " -Entwicklung " -Umsetzung

Mehr

Migration auf ein neues Kernbankensystem in Folge der Fusion von Rechenzentren

Migration auf ein neues Kernbankensystem in Folge der Fusion von Rechenzentren Branche Finanzdienstleistung: Landesbank mit internationalem Kredit- und Kapitalmarktgeschäft. Ausgangssituation Aufgrund der Fusion des von unserem Kunden beauftragten Rechenzentrums mit einem bisherigen

Mehr

Werkstatt-Reihe»Kundenwertmanagement«

Werkstatt-Reihe»Kundenwertmanagement« Projektvorstellung Werkstatt-Reihe»Kundenwertmanagement«Wedekind, Kai In Zusammenarbeit mit Projektmanager Versicherungsforen Leipzig GmbH 1 Die Idee Kundenwertmodelle werden in der Versicherungspraxis

Mehr

Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen. ifb group 27. November 2013

Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen. ifb group 27. November 2013 Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen ifb group 27. November 2013 Vorstellung Johannes Balling Johannes.Balling@ifb-group.com Tel +41 44 318 70 00 Fax +41 44 318 70 10 Mobile +41

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

Optimales Outsourcing als strategische Aufgabe

Optimales Outsourcing als strategische Aufgabe IT-Beratung für Logistik und Optimales Outsourcing als strategische Aufgabe Agenda IT Sourcing: Anspruch und Wirklichkeit Ausgangslage und Zielsetzung b Logo Sourcing Scope-Workshop Das Logo Broker-Modell:

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon?

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? NIK Veranstaltung in Nürnberg / 07. Mai 2014 Referent Matthias Bär sales do Gründer / Strategieberater und Umsetzungsbegleiter Was erwartet uns

Mehr

mit der neuen Microsoft BI-Plattform

mit der neuen Microsoft BI-Plattform Der Weg von manuellen Berichten zum modernen BI-System PSG Projekt Service GmbH The SQL Server Company, Hamburg Jan Streblow, Lead Consultant Public Sector Sascha Lorenz, Lead Consultant SQL Server Technology

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

Application Management

Application Management Application Management Effiziente Betreibermodelle für CRM-Lösungen Hamburg, 10. September 2012 Ihr Partner für wirtschaftliche Lösungen an der Kundenschnittstelle! Marketing Für unsere Kunden schaffen

Mehr

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie Konkrete Vertriebsziele, passend zur Unternehmensstrategie Wir ermöglichen Ihnen mit dem Service Vertriebssteuerung die erfolgreiche Umsetzung Ihrer Unternehmensstrategie in operativ umsetzbare Vertriebsziele.

Mehr

zuverlässig, objektiv, transparent

zuverlässig, objektiv, transparent DAS UMFASSENDE RATING-SYSTEM In der heutigen Finanzwelt ist ein zuverlässiges Risiko- und Ratingmanagementsystem die Basis für eine vertrauensvolle Geschäftsbeziehung. bietet Ihnen nicht nur die mit der

Mehr

Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1

Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Sven Bosinger solution architect BI Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung

Mehr

Bernd von Staa, msg global solutions AG, Oktober 2015

Bernd von Staa, msg global solutions AG, Oktober 2015 .consulting.solutions.partnership SAP-Forum für Banken 7./8. Oktober 2015, Mainz Performance Management for Financial Industry am Beispiel Cost and Revenue Allocation Bernd von Staa, msg global solutions

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke

SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke SAS Visual Analytics Schnelle Einblicke für sichere Ausblicke SAS Visual Analytics In einer Welt wachsender Datenmengen sind Informationen schneller verfügbar und Auswertungen auf Big Data möglich Motivation

Mehr

Gesellschaft für Informatik, Arbeitskreis IV Beratung Welche Kenntnisse und Fähigkeiten sich Beratungsunternehmen bei Hochschulabsolventen wünschen

Gesellschaft für Informatik, Arbeitskreis IV Beratung Welche Kenntnisse und Fähigkeiten sich Beratungsunternehmen bei Hochschulabsolventen wünschen Gesellschaft für Informatik, Arbeitskreis IV Beratung Welche Kenntnisse und Fähigkeiten sich Beratungsunternehmen bei Hochschulabsolventen wünschen Statement Version 0.9 Bad Homburg, im Februar 2010 Agenda

Mehr

Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance

Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance Ralf Heim Consultant Strategy and Technology Management Ralf.Heim@heimr.de Markus Linden Wissenschaftlicher

Mehr

Business Intelligenceein Überblick

Business Intelligenceein Überblick Exkurs Business Intelligenceein Überblick Folie 1 Januar 06 Literatur Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten (2004): Business Intelligence: Grundlagen und praktische Anwendungen Eine Einführung

Mehr

Outsourcing kaufmännischer Aufgaben

Outsourcing kaufmännischer Aufgaben Outsourcing kaufmännischer Aufgaben speziell für Existenzgründer und kleine Unternehmen 7-it Forum am 1.12.2003 Outsourcing Fragen Was ist eigentlich Outsourcing? Für welche betrieblichen Aufgaben ist

Mehr

Celonis Process Mining

Celonis Process Mining REALISIEREN BERATEN OPTIMIEREN COCUS AG - COMPANY FOR CUSTOMERS Celonis Process Mining 25.März 2014 AXAS AG / COCUS AG AXAS AG Nicolas Pantos Mitglied der Direktion Hirschgässlein 19 CH-4051 Basel Direct

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

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

Mehr

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

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

Mehr

Macht Knowledge- Management Unternehmen effizienter?

Macht Knowledge- Management Unternehmen effizienter? Macht Knowledge- Management Unternehmen effizienter? Karl-Heinz Plünnecke Geschäftsführer H.U.T GmbH 1 Software Performance Entwicklung Performance Was dann? ecommerce ERP SCM CRM Zeit 2 1 Noch Potential?

Mehr

Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849

Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849 Kritische Faktoren der Auswahl und des Einsatzes von Kampagnenmanagementsystemen Euroforum CRM, 07.06.2000 Jan Nikus Consultant Customer Management Mummert + Partner AG Mobil: (0178) 66 11 849 Agenda I.

Mehr

Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen

Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen Software Asset Management (SAM) Vorgehensweise zur Einführung Bernhard Schweitzer Manager Professional Services Agenda Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen

Mehr

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel Data Warehousing Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 Analyse von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich

Mehr

hybris Marketing mit SAP HANA Projekterfahrungen

hybris Marketing mit SAP HANA Projekterfahrungen hybris Marketing mit SAP HANA Projekterfahrungen Benedikt Wenzel Projektleiter / Senior Consultant SAP HANA 21.04.2015 Benedikt.Wenzel@tds.fujitsu.com 0 Agenda Beyond CRM Ausgangssituation beim Kunden

Mehr

DAS DATENWUNDER DER KV-HESSEN

DAS DATENWUNDER DER KV-HESSEN DAS DATENWUNDER DER KV-HESSEN Essen, 11. Oktober 2012 Carsten Lotz Abteilungsleiter Beratung Kassenärztliche Vereinigung Hessen Tobias Mirwald Leiter Projektierung ADITO Software GmbH Vorstellung KV Hessen

Mehr

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand 2. Fachtagung Dynamisierung des Mittelstandes durch IT, 09.09.2008 Was ist Business Intelligence

Mehr

IT-Beratung: Vom Geschäftsprozess zur IT-Lösung

IT-Beratung: Vom Geschäftsprozess zur IT-Lösung Ralf Heib Senior Vice-President Geschäftsleitung DACH IT-Beratung: Vom Geschäftsprozess zur IT-Lösung www.ids-scheer.com Wofür steht IDS Scheer? Wir machen unsere Kunden in ihrem Geschäft erfolgreicher.

Mehr

> Als Mittelständler auf dem Weg in die Cloud

> Als Mittelständler auf dem Weg in die Cloud > Als Mittelständler auf dem Weg in die Cloud Vortrag CeBIT Power Stage, 07. März 2013 Gernot Rückziegel, Leiter CTO, Lufthansa Systems 22. März 2013 >Agenda > Ein Blick auf den deutschen Cloud-Markt >

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

Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239)

Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239) Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239) Neue Anforderungen an IT Architektur und Data Governance im Risikobereich von Banken

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

Jan Richter Niederlassungsleiter München Leiter BU Office of Finance

Jan Richter Niederlassungsleiter München Leiter BU Office of Finance Click to edit Master title style 1 Jan Richter Niederlassungsleiter München Leiter BU Office of Finance München, 7.10.2009 2009 IBM Corporation Agenda Click to edit Master title style 2 Themen im Finanzbereich

Mehr