Weiterführende Informationen zu UC4 erhalten Sie auf Vorteile der Automatisierung von Data Warehousing-Prozessen

Transkript

1 Weiterführende Informationen zu UC4 erhalten Sie auf Vorteile der Automatisierung von Data Warehousing-Prozessen

2 Einleitung In der heutigen Geschäftswelt sind zuverlässige und aktuelle Business Intelligence- Lösungen für Entscheidungsträger von zentraler Bedeutung. Sie ermöglichen die Sicherung des Wettbewerbsvorsprungs und helfen dabei, eine erstklassige Unternehmensleistung zu erbringen. Ein verlässliches und schnelles Data Warehousing- System bildet dabei den Schlüssel für die Erstellung unternehmenskritischer Berichte, die Geschäftsanwendern zum richtigen Zeitpunkt und unabhängig vom Standort bereitgestellt werden. Die Datenmenge, die über Geschäftseinheiten, Anwendungen und externe Quellen eines Unternehmens hinweg gesammelt werden muss, nimmt exponentiell zu. Außerdem werden immer mehr Anwendungen als Service in der Cloud gehostet. Die Gewährleistung der Verfügbarkeit von Informationen zum richtigen Zeitpunkt, um strategische, taktische und operative Entscheidungen zu treffen, kann also eine Herausforderung darstellen. Im typischen Data Warehouse-Betrieb werden extrem große Datenmengen verarbeitet. Wird dabei ein Prozessschritt zum falschen Zeitpunkt oder gar nicht ausgeführt, verstreichen lange Verarbeitungszeiten möglicherweise umsonst. Im schlimmsten Fall werden falsche Daten bereitgestellt. In diesem Whitepaper wird erklärt, wie UC4 genutzt werden kann, um die gesamte im Data Warehousing-Prozess verwendete Software in die Unternehmensweite Prozessautomatisierung zu integrieren und damit zu gewährleisten, dass Ihren Geschäftsanwendern zuverlässige BI-Berichte rechtzeitig zur Verfügung stehen. Einleitung... 3 Der Prozess... 3 Das Problem... 3 Die Lösung... 4 Vorteile... 5 Hintergrund... 5 Vorteile für das Data Warehouse-Team... 6 Definitionen... 7 Informationen zu UC4 Software... 9

3 Einleitung In den meisten Fällen werden die für das Data Warehouse benötigten Daten aus verschiedenen Systemen und Anwendungen in ein zentrales und relationales Repository extrahiert. Nicht selten befinden sich Unternehmensanwendungen auf unterschiedlichen Plattformen wie Mainframes, UNIX, AS/400 und Windows. Bei diesen Anwendungen werden Daten in verschiedenen Datenbanken oder in nicht-relationalen Datenformaten gespeichert. Meist sind die Daten in verschiedenen Formaten gespeichert. Zum Beispiel kann in Anwendung A das Geschlecht als männlich hinterlegt sein, in Anwendung B hingegen als M und in Anwendung C als 01. In einem Data Warehouse werden die Daten in ein einheitliches Format umgewandelt, und die Informationen können zudem auf Unternehmensebene angezeigt, verglichen und miteinander in Beziehung gesetzt werden. Außerdem werden im Data Warehouse die Informationen bereitgestellt, die in BI-Berichten oder auf Portalseiten angezeigt werden. Darüber hinaus können Data Warehouses das Backend von individuell entwickelten Unternehmensinformationssystemen (EIS, enterprise information systems) bilden. Der Prozess Der Data Warehouse-Prozess ist in fünf Hauptschritte unterteilt. In den ersten drei Schritten wird das Data Warehouse aufgebaut und anschließend geladen. Dies wird im Allgemeinen als Extraktion, Umwandlung und Laden bzw. ETL (Extraction, Transformation, Loading) bezeichnet. In den letzten zwei Schritten werden Data Marts und BI-Berichte erstellt. 1. Extraktion von Daten aus Anwendungen: In diesem Schritt werden Daten aus der Datenstruktur der Anwendung extrahiert und meist in einer temporären Datenstruktur oder mitunter auch in einer Datei abgelegt. 2. Umwandlung oder Bereitstellung der Daten (Übertragung der Daten in ein geeignetes Format, dieser Prozess wird meist als Umwandlung bezeichnet): In diesem Schritt werden die verschiedenen Dateiformate zusammengeführt. Die Datenformate für Geschlecht werden beispielsweise entweder in Männlich, Weiblich oder Sonstige umgewandelt. 3. Laden der umgewandelten Daten in das Data Warehouse 4. Erstellung von Data Marts aus dem Data Warehouse 5. BI/Reporting (Umwandlung der Daten in Informationen, Verteilung der Daten zum richtigen Zeitpunkt an die richtige Person) Abbildung A. Die Data Warehouse-Umgebung umfasst Datenquellen, einen Bereitstellungsbereich, in dem die Daten gesammelt und umgewandelt werden, ein Data Warehouse, in dem die umgewandelten Daten gespeichert werden, Data Marts, mit denen schnell auf bestimmte ausgewählte Daten zugegriffen werden kann und Berichtstools, mit denen die Daten in Informationen umgewandelt werden.

4 Das Problem Beim Betrieb eines Data Warehouse müssen viele Vorgänge über viele Anwendungen, Datenbanken und Systeme hinweg miteinander koordiniert werden. In einem großen Unternehmen bedeutet dies möglicherweise, dass nicht weniger als 20 einzelne Vorgänge in der richtigen Reihenfolge, zum richtigen Zeitpunkt und unter den richtigen Voraussetzungen ausgeführt werden müssen. Im typischen Data Warehouse-Betrieb werden extrem große Datenmengen verarbeitet. So ist das Laden mehrerer Terabyte großer Datenmengen pro Nacht in einem großen Unternehmen nichts Außergewöhnliches. Data Warehouses können ein Volumen von mehr als einem Petabyte erreichen. Wird dabei ein Prozessschritt zum falschen Zeitpunkt oder gar nicht ausgeführt, verstreichen lange Verarbeitungszeiten möglicherweise umsonst. Im schlimmsten Fall werden falsche Daten bereitgestellt. Die Lösung Die UC4-Plattform ist für die Automatisierung des Data Warehousing-Prozesses wie maßgeschneidert. Jeder Prozessschritt wird Teil eines Prozessablaufs. Der Prozessablauf kann nach einem festgelegten Zeitplan erfolgen, und individuelle Prozessschritte können auf Basis vieler Kriterien ausgeführt werden, z. B. nach Anzahl der Transaktionen oder nach Anzahl der Einträge im Data Warehouse. UC4 berücksichtigt Anwendungen und stellt sicher, dass Anwendungsprozesse vor der Datenextraktion ausgeführt werden. Datenextraktionen, die oft sehr lange andauern, können regelmäßig überprüft werden, um zu gewährleisten, dass die extrahierten Daten im korrekten Format vorliegen. Benachrichtigungen bei nächtlichen Fehlern können automatisiert werden. Komplexe Wiederherstellungssequenzen können automatisiert werden. Auf den Daten basierende Berichte können automatisch erstellt und verteilt werden. Lasten auf dem System können mit UC4-Warteschlangen ausgeglichen werden. UC4 kann mit ETL-Tools wie Informatica verbunden werden. Mit UC4 wird sichergestellt, dass ETL-Transaktionen zur richtigen Zeit durchgeführt werden. Prozesse mit ETL-Tools können bei entsprechenden Kenntnissen zu Anwendungsprozessen und Backups geplant werden. Mit UC4 kann die gesamte Data Warehouse-Umgebung betrieben werden, einschließlich aller Anwendungen, Skripte und Tools wie beispielsweise: Unternehmensanwendungen wie ERP-, CRM- und Finanzsysteme ETL-Tools, OLAP-Tools BI Reporting-Tools

5 Vorteile Die Verwendung der UC4-Plattform zur Automatisierung, Beschleunigung und Steuerung Ihrer Data Warehousing-Prozesse bietet viele Vorteile. Schnellere Zyklen bei der Datenintegration Mit UC4 werden jegliche Latenzen zwischen Tools und Anwendungen unterschiedlicher Anbieter beseitigt. Lasten, die aufgrund der Unternehmensanwendungen sowie der ETL- und Berichtstools auf den Servern entstehen, werden so verteilt, dass ein optimaler Durchsatz erzielt wird und Ihre Systeme nicht überlastet werden. Mit UC4 wird eine ordnungsgemäße Ausführungsreihenfolge sichergestellt, was zu weniger Fehlern und damit zu weniger Wiederherstellungsmaßnahmen führt. Schnelle Aktualisierung und Verteilung von Berichten Schnelle Aktualisierung von Berichten nach Abschluss von ETL Schnelle Verteilung aktualisierter Berichte an Geschäftsanwender und Portale Schnellere Implementierung neuer Data Warehousing-Prozesse Standardisierte Automatisierung von ETL und BI-Prozessen ohne Skripte Rapid Automation Templates für schnelle Implementierung Verringerung von Entwicklungs- und Wartungsaufwand Vollständige Einhaltung Ihres Data Warehousing-Prozesses Jede Aufgabe ist transparent Jede Ausführung wird verfolgt Überwachung und Kontrolle Vollständige Transparenz des gesamten Prozesses Benachrichtigungen bei Fehlern Mit UC4 Mobile ist Überwachung und Kontrolle unabhängig vom Standort möglich Hintergrund Bei einem Data Warehouse handelt es sich um eine sehr große Datenbank, die Daten aus vielen Quellen eines Unternehmens enthält. Das Data Warehouse bildet das Zentrum einer kompletten Datensammlung und eines vollständigen Verteilungsprozesses. Bei diesem Prozess: werden Daten aus Unternehmensquellen wie ERP-, CRM- und Finanzsystemen extrahiert. Diese Quellen befinden sich häufig auf unterschiedlichen Plattformen wie UNIX, Windows, Mainframe oder AS400. Dabei können sie physisch oder in der Cloud gehostet werden. werden Daten umgewandelt und bereinigt, so dass Informationen, die aus verschiedenen Quellen stammen, in standardisierter oder normalisierter Form zur Verfügung stehen. In diesem Schritt werden die verschiedenen Dateiformate zusammengeführt. Alle Datenformate für Geschlecht werden beispielsweise entweder in Männlich, Weiblich oder Sonstige umgewandelt. werden die normalisierten Daten in einem Bereitstellungsbereich gespeichert.

6 werden die Daten in die eigentliche Data Warehouse-Datenbank und den Betriebsdatenspeicher geladen. Beim Data Warehouse handelt es sich in der Regel um eine relationale Datenbank, die auf einer UNIX-Plattform ausgeführt wird. werden die Daten mithilfe von OLAP-Tools in kleine Datenbanken namens Data Marts geladen, die bestimmten Unternehmensbereichen einen schnellen Zugriff ermöglichen. Die Daten werden in der Regel in Data Cubes gespeichert. Mit einem Data Cube werden Daten auf Basis von mindestens zwei Attributen dargestellt. Zum Beispiel können Verkäufe pro Region (zwei Attribute) oder Verkäufe pro Region pro Produkt (drei Attribute) zusammengefasst werden. Mit Produkten wie Cognos PowerPlay können für eine anschließende Verteilung optimierte Data Cubes erstellt werden. Data Marts werden für einen schnelleren Zugriff oft an entfernte Standorte verteilt. Berichte werden normalerweise eher aus den Data Marts als aus dem Data Warehouse generiert. werden die Daten mithilfe verschiedener Berichtstools in Informationen umgewandelt. Vorteile für das Data Warehouse-Team Für den Aufbau eines Data Warehouse ist in der Regel ein Expertenteam erforderlich. Im Folgenden werden die verschiedenen Rollen sowie die Vorteile der UC4-Plattform für jede Rolle beschrieben. Jedes Teammitglied kann mehr als eine Rolle einnehmen. Projektmanager Der Projektmanager überwacht den Fortschritt des Data Warehousing- Projekts und ist für dessen Erfolg verantwortlich. UC4 verschafft dem Projektmanager Vorteile während der Implementierungs- und Wartungsphase des Projekts. Beim UC4-Ansatz werden keine Skripte benötigt und die Implementierungszeiten verkürzt. Außerdem wird der Rahmen für den Übergang in die Produktionsumgebung bereitgestellt. Während der Wartungsphase unterstützt UC4 den Projektmanager bei der Verwaltung der Prozesse und Fehlerbenachrichtigungen. Mit den grafischen Analysetools von UC4 kann auch untersucht werden, wie sich das Hinzufügen neuer Datenquellen auswirkt. Der Projektmanager erstattet dem CIO regelmäßig Bericht. DBA (Datenbankanalyst) Der Datenbankanalyst ist für das reibungslose Funktionieren der Datenbank verantwortlich. Zu seinen weiteren Aufgaben gehören die Planung und Ausführung eines Backup-/Wiederherstellungsplans sowie die Leistungsabstimmung. UC4 verschafft dem DBA Vorteile während der Implementierungs- und Wartungsphase des Projekts. Außerdem ist es dank UC4 möglich, dass im Data Warehouse auf die Unternehmensspezifik geachtet wird und Backups bereitgestellt werden. Der DBA kann Benachrichtigungen über fehlgeschlagene Prozesse und automatische Wiederherstellungsprozesse erhalten und darüber hinaus vor dem Laden die Funktionalität der Datenbankstrukturen proaktiv überprüfen. Technischer Architekt Der technische Architekt ist für die Entwicklung und Implementierung der gesamten technischen Architektur des Data Warehouse verantwortlich, von der Backend-Hardware/-Software bis hin zu den Desktopkonfigurationen der Clients. UC4 verschafft dem technischen Architekten Vorteile, indem ihm ein einheitliches Kontrollzentrum für Unternehmensprozesse und somit für Data Warehouse-Prozesse zur Verfügung gestellt wird. ETL-Entwickler Der ETL-Entwickler ist für die Planung, Entwicklung und Durchführung der regelmäßigen Extraktionen, Umwandlungen und Ladevorgänge beim Data Warehouse verantwortlich.

7 ETL-Tools bringen ihr eigenes Scheduling-System mit sich. ETL-Entwickler stehen der Übertragung von ETL-Prozessen an einen Unternehmens-Scheduler möglicherweise skeptisch gegenüber. Allerdings können sie den Produktionssupport an den IT-Betrieb übertragen, und sie erhalten zudem Fehlerbenachrichtigungen. Außerdem werden die Wiederherstellungsmaßnahmen automatisiert. ETL wird oft mit Skripten durchgeführt. Entwickler sind jedoch in der Regel mehr an der Entwicklung als an der Wartung von Skripten interessiert. Mit UC4 sind Skripte nicht mehr notwendig, so dass auch das Wartungsproblem entfällt. Frontend-Entwickler Der Frontend-Entwickler ist für die Entwicklung des Frontend verantwortlich, unabhängig davon, ob es sich dabei um eine Client-Server-Architektur handelt oder ob das Frontend über das Internet hergestellt wird. Frontend-Entwickler können Prozesse von ihrer Frontend-Anwendung aus starten. OLAP-Entwickler Der OLAP-Entwickler ist für die Entwicklung der OLAP-Cubes verantwortlich. OLAP-Tools bringen ihr eigenes Scheduling-System mit sich. OLAP-Entwickler stehen der Übertragung von ETL-Prozessen an einen Unternehmens-Scheduler möglicherweise skeptisch gegenüber. Allerdings können sie den Produktionssupport an den IT-Betrieb übertragen, und sie erhalten zudem Fehlerbenachrichtigungen. Außerdem werden die Wiederherstellungsmaßnahmen sowie die Cube-Verteilung automatisiert. Datenmodellierer Der Datenmodellierer ist dafür verantwortlich, die im Unternehmen vorhandenen Datenstrukturen in ein Schema zu modellieren, das für eine OLAP-Analyse geeignet ist. Sie konzipieren außerdem die Schritte bei der Umwandlung. Definitionen Im Folgenden werden die Definitionen aufgeführt, die im Zusammenhang mit Data Warehouses am häufigsten vorkommen. Die Definitionen wurden aus verschiedenen Websites zusammengestellt. Data Warehousing Ein unternehmensweites System, mit dem Daten aus verschiedenen Servern und Plattformen extrahiert und in einer einzigen Datenbank gesammelt werden. Mit einem Data Warehouse werden Daten aus mehreren Quellen effizient zusammengefasst. Data Warehouse Eine sehr große Datenbank, die spezielle Tools zur Extraktion und Bereinigung von Daten aus betrieblichen Systemen sowie zur Datenanalyse enthalten. Daten aus verschiedenen OLTP-Anwendungen (Online Transaction Processing) und anderen Quellen werden selektiv extrahiert und so in der Data Warehouse-Datenbank angeordnet, dass sie in analytischen Anwendungen und bei Benutzeranfragen verwendet werden können. Beim Data Warehousing steht die Sammlung von Daten aus verschiedenen Quellen im Vordergrund. Sie sollen für nützliche Analysen verwendet werden und sinnvolle Zugriffe ermöglichen. Dabei wird jedoch in der Regel nicht vom Standpunkt des Endnutzers oder des Wissensarbeiters ausgegangen, die Zugriff auf spezielle, möglicherweise lokale Datenbanken benötigen. Data Mart Eine bestimmte Untermenge eines Data Warehouse, bei dem ein ausgewählter Datenbereich für eine schnelle Analyse aufbereitet wird. Die Daten werden in der Regel in Data Cubes gespeichert. Bei einer Data Mart stehen die speziellen Bedürfnisse einer bestimmten Gruppe qualifizierter Benutzer im Vordergrund, und zwar im Hinblick auf Analyse, Inhalt, Darstellung und Benutzerfreundlichkeit. Für Benutzer von Data Marts werden Daten in vertrauter Art und Weise dargestellt. Data Cube Mit einem Data Cube werden Daten auf Basis von mindestens zwei Attributen dargestellt. Zum Beispiel können Verkäufe pro Region (zwei Attribute) oder Verkäufe pro Region pro Produkt (drei Attribute) zusammengefasst werden. Die Informationen in Data Marts werden in der Regel in Data Cubes gespeichert. Data Cubes werden normalerweise zu Dokumentationszwecken archiviert. Der Archivierungsprozess wird fast immer über Skripte realisiert. Mit UC4 können die Archivierungsskripte ersetzt werden.

8 Data Mining Das Durchsuchen von Daten zur Erkennung von Mustern und Beziehungen. Zu den Data Mining-Parametern gehören: Assoziation Suche nach Mustern, in denen ein Ereignis mit einem anderen verknüpft ist Sequenz- oder Pfadanalyse Suche nach Mustern, bei denen ein Ereignis zu einem anderen, späteren Ereignis führt Klassifizierung Suche nach neuen Mustern (dies kann dazu führen, dass die Daten in anderer Form organisiert werden, was jedoch unproblematisch ist) Clustering Suche nach bisher unbekannten Faktengruppen und deren visuelle Dokumentation Prognosen Mustererkennung in Daten, aus denen sinnvolle Zukunftsprognosen hervorgehen können Entscheidungsunterstützungssystem (Decision Support System, DSS) Eine Anwendung, mit der Geschäftsdaten analysiert und so dargestellt werden, dass Geschäftsentscheidungen leichter getroffen werden können. Dabei handelt es sich um eine Anwendung, die reinen Informationszwecken dient (im Unterschied zu Anwendungen, mit denen Daten während des normalen Geschäftsbetriebs gesammelt werden). Zu den typischen Informationen, die von einer Entscheidungsunterstützungsanwendung gesammelt und dargestellt werden können, gehören: Vergleich der Umsatzzahlen von zwei aufeinander folgenden Wochen Hochgerechnete Einkünfte, die auf Umsatzschätzungen für ein neues Produkt basieren Die Folgen, die verschiedene Entscheidungsalternativen mit sich bringen, wobei Erfahrungen aus der Vergangenheit innerhalb eines geschilderten Kontexts zur Verfügung gestellt werden ETL Steht für extract, transform, load (extrahieren, umwandeln, laden). Bei der Extraktion werden Daten aus einer bestimmten Quelldatenbank gelesen, und es wird eine bestimmte Teilmenge der Daten extrahiert. Die gewonnenen Daten werden bei der Umwandlung verarbeitet. Dabei werden Regeln oder Lookup-Tabellen verwendet oder mit anderen Daten Kombinationen erstellt, damit die Daten in das gewünschte Format umgewandelt werden können. Beim Laden werden die umgewandelten Daten (entweder die gesamte Teilmenge oder nur die Änderungen) in eine Zieldatenbank geschrieben, die neu angelegt wird oder bereits vorhanden ist. ETL kann zur Gewinnung einer temporären Datenteilmenge für Berichte oder andere Zwecke verwendet werden. Ein langfristigerer Datensatz kann für andere Zwecke gewonnen werden, z. B. für: die Bestückung eines Data Mart oder eines Data Warehouse die Konvertierung von einem Datenbanktyp in einen anderen die Datenmigration von einer Datenbank oder Plattform auf eine andere Metadaten Metadaten sind Daten zur Beschreibung anderer Daten. Es handelt sich dabei insbesondere um Dateien oder Datenbanken, die Informationen über Attribute, Strukturen, Prozesse oder Änderungen anderer Datenbanken enthalten. Mit ihnen können sämtliche Dateneigenschaften wie der Inhalt oder die Qualität beschrieben werden. Die in der Bereitstellungsdatenbank erstellten normalisierten Daten können als Metadaten angesehen werden.

9 Ein Beispiel für Metadaten auf niedrigerer technischer Ebene sind Tabellenspalten. Der DBA könnte eine Tabelle mit Personendaten erstellen: Daten Debbie Hamel Metadaten Evangelist VA Metadaten (Spaltenname und Layout) Name, 20 Zeichen Titel, 24 Zeichen Bundesstaatenkürzel, 2 Zeichen Personalnummer, numerisch OLAP (Online Analytical Processing) OLAP wird beim Data Warehousing zur Generierung von Data Marts verwendet. Es erleichtert die selektive Extraktion und die Darstellung von Daten aus verschiedenen Perspektiven. Kurzum: mit OLAP ist eine individuelle Berichterstellung möglich. Beispielsweise kann ein Bericht angefordert werden, in dem alle Wasserballprodukte der Firma aufgelistet werden, die im Monat Juli in Florida verkauft wurden, in dem weiterhin die Umsatzzahlen mit jenen der gleichen Produkte für September verglichen werden und in dem schließlich andere Produktverkäufe, die im selben Zeitraum in Florida getätigt wurden, diesen Angaben gegenüber gestellt werden. Für diese Art von Analyse werden OLAP-Daten in einer multidimensionalen Datenbank gespeichert, einem Cube. Während man sich eine relationale Datenbank zweidimensional vorstellen kann, steht in einer mehrdimensionalen Datenbank jedes Datenattribut (wie Produkt, geografische Vertriebsregion, Zeitraum) für eine eigenständige Dimension. Mit OLAP-Software kann die gewünschte Schnittmenge der einzelnen Dimensionen ermittelt und angezeigt werden (z. B. alle in der Region Ost verkauften Produkte über einem bestimmten Preis während eines bestimmten Zeitraums). Attribute wie Zeiträume können außerdem in Unterattribute detailliert werden. Zeitbasierte Aktionsauslösung Ansetzen der Datenextraktion auf Basis der geschätzten Bearbeitungszeit der Vorgänge, die zuvor abgeschlossen werden müssen. Beispielsweise kann eine Finanzanwendung jede Nacht von bis Uhr laufen. Ein Prozess, mit dem aus dieser Anwendung Daten extrahiert werden sollen, kann für Uhr geplant sein, damit gewährleistet ist, dass der über die Finanzanwendung gelaufene Prozess abgeschlossen wurde. Dies kann oft dazu führen, dass der Extraktionsprozess bei falschen Daten ausgeführt wird und so Zeit und Ressourcen verschwendet werden. Mit UC4 ist eine solche zeitbasierte Aktionsauslösung nicht mehr notwendig, da die Extraktion vom erfolgreichen Abschluss des Finanzanwendungsprozesses abhängig gemacht werden kann. Copyright 2010 UC4 Software (UC4). Alle Rechte vorbehalten. Der Inhalt dieser Veröffentlichung ist durch das Urheberrecht und/oder andere Gesetze zum Schutz des geistigen Eigentums geschützt. Durch eine unerlaubte Nutzung der Inhalte dieser Veröffentlichung können Sie diese Gesetze verletzen. Ohne eine ausdrückliche schriftliche Genehmigung von UC4 ist das Kopieren von Informationen oder Dokumenten aus dieser Veröffentlichung verboten. Informationen zu UC4 Software UC4 Software ist führender Anbieter von Lösungen zur intelligenten Service- Automatisierung. Mit ihnen können Unternehmen die Bereitstellung von IT-Services mit ihren Geschäftsanforderungen verbinden. Durch die Kombination aus Echtzeit-Intelligenz und Just-in-Time-Ausführung können Kunden kostengünstig und bei geringem Risiko Prozesse automatisieren, die physische, virtuelle und Cloud-basierte Plattformen durchlaufen. Mehr als 1600 Unternehmen weltweit vertrauen auf UC4, um unternehmenskritische IT-Systeme zu automatisieren, welche die Basis ihres Geschäftsbetriebs darstellen. Weitere Informationen erhalten Sie unter Kontakt mit UC4 Software aufnehmen In den USA unter (877) (gebührenfrei) In Europa unter info@uc4.com