Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015
|
|
- Alexandra Koch
- vor 8 Jahren
- Abrufe
Transkript
1 Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART VIENNA ZURICH
2 Dani Schnider Principal Consultant, Trainer und DWH/BI Lead Architect bei Trivadis in Zürich Co-Autor des Buches «Data Warehousing mit Oracle Business Intelligence in der Praxis» Certified Data Vault Data Modeler
3 Unser Unternehmen. Trivadis ist führend bei der IT-Beratung, der Systemintegration, dem Solution Engineering und der Erbringung von IT-Services mit Fokussierung auf - und -Technologien in der Schweiz, Deutschland, Österreich und Dänemark. Trivadis erbringt ihre Leistungen aus den strategischen Geschäftsfeldern: B E T R I E B Trivadis Services übernimmt den korrespondierenden Betrieb Ihrer IT Systeme
4 Mit über 600 IT- und Fachexperten bei Ihnen vor Ort. KOPENHAGEN HAMBURG 14 Trivadis Niederlassungen mit über 600 Mitarbeitenden. Über 200 Service Level Agreements. Mehr als 4'000 Trainingsteilnehmer. DÜSSELDORF Forschungs- und Entwicklungsbudget: CHF 5.0 Mio. FRANKFURT Finanziell unabhängig und nachhaltig profitabel. GENF BASEL BERN LAUSANNE FREIBURG BRUGG ZÜRICH STUTTGART MÜNCHEN WIEN Erfahrung aus mehr als 1'900 Projekten pro Jahr bei über 800 Kunden
5 Einleitung
6 Was ist Data Vault? Datenmodellierungsmethode für Data Warehouses in agilen Projektumgebungen 3NF Model Dimensional Model Entwickelt von Dan Linstedt Geeignet für DWH Core Layer bzw. Enterprise DWH Optimiert für Agilität, Integration und Historisierung 3NF Model 3NF Model Data Vault Model Dimensional Model OLTP Systeme EDWH / Core Data Marts
7 Motivation und Vorteile Agilität Integration Historisierung Einfache Erweiterbarkeit des Data Vault Modells Kein Redesign bestehender Elemente Integration von Daten aus unterschiedlichen Quellsystemen Verwendung von gemeinsamen fachlichen Schlüsseln Nachvollziehbarkeit von Datenänderungen Vollständige Historisierung von Daten aus der Vergangenheit
8 Grundidee von Data Vault Aufteilung der Daten in verschiedene Elemente Hubs Links Satellites
9 Argumente für und gegen Data Vault Agiler Ansatz Vollständige Historisierung Nur ein Hype- Thema Hohe Komplexität Hohe Flexibilität Einfache Erweiterbarkeit Schwer verständlich Zu viele Tabellen Gute Integration Komplexe ETL- Prozesse
10 Elemente von Data Vault
11 Hub Identifikation von fachlicher Entität Fachlicher Schlüssel Keine beschreibenden Attribute Keine Fremdschlüssel zu anderen Hubs Künstlicher Schlüssel als Primary Key HUB Surrogate Key (PK) Business Key(s) (UK) Load Timestamp Record Source Audit-Attribute (Ladezeitpunkt, Quellsystem)
12 Link Beziehung zwischen zwei oder mehr Hubs Fremdschlüssel zu Hubs Keine beschreibenden Attribute Erlaubt n-zu-n Beziehungen zwischen Hubs Nur Verbindungen zu Hubs erlaubt Künstlicher Schlüssel als Primary Key Audit-Attribute (Ladezeitpunkt, Quellsystem) Surrogate Key (PK) Foreign Key Hub 1 Foreign Key Hub 2... LINK Load Timestamp Record Source
13 Satellite Kontextinformationen für Hubs oder Links Fremdschlüssel zu genau einem Hub oder Link Primary Key: Fremdschlüssel + Ladezeitpunkt Beschreibende Attribute Keine Fremdschlüssel zu anderen Hubs/Satellites Audit-Attribut (Quellsystem) Mehrere Satellites pro Hub/Link erlaubt Foreign Key to Hub (PK) Load Timestamp (PK) Context Attribute 1 Context Attribute 2... SATELLITE Context Attribute n Record Source
14 Beispiel Hubs Links Satellites
15 Design eines Data Vault Modells
16 Modellierungsprozess 1. Fachliche Entitäten definieren: Hubs 2. Beziehungen modellieren: Links 3. Beschreibende Attribute festlegen: Satellites
17 Erweiterung des Data Vault Modells Herausforderung bei Datenmodellerweiterungen: Strukturänderungen bestehender Tabellen Migration historischer Daten Data Vault Ansatz: Bestehende Tabellen nicht verändern Nur neue Tabellen hinzufügen Keine Datenmigration notwendig
18 Erweiterung des Data Vault Modells Beispiel Zusätzliche Attribute für Online-Shop: Login-Name -Addresse
19 Integration mehrerer Quellsysteme Source Systems Customer_BK Customer_Name A Claus Jordan Customer Database (A) Web Shop Database (B) Customer Online User A Dani Schnider B Dani Joachim Schnider Wehner B Peter Welker A-789 Joachim Wehner B-9876 Claus Jordan
20 Historisierung Nachvollziehbarkeit von Datenänderungen Versionierung der Daten in Satellites Ladezeitpunkt ist Bestandteil des Satellite PKs SID TS First_Name Last_Name 77 t 1 ANNA BIERI 77 t 2 Anna Bieri 77 t 6 Anna Hartmann-Bieri 77 t 7 Anna Bieri Hartmann
21 t 1 t 2 t 3 t 4 t 5 t 6 t 7 t 8 Historisierung Beispiel ANNA BIERI, ZUERICH Anna Bieri, Zuerich Anna Bieri, Zuerich abieri@greenmail.ch Anna Bieri, Zürich abieri@greenmail.ch Anna Bieri, Zürich anna.bieri@yellow.ch Anna Hartmann-Bieri, Hamburg a_l_hartmann@web.de Anna Bieri Hartmann, Hamburg anna.bieri@web.de Anna Bieri Hartmann, Basel anna@hartmann-bieri.ch SID SID TS Customer_No t 3 abieri@greenmail.ch 77 t 5 anna.bieri@yellow.ch 77 t 6 a_l_hartmann@web.de 77 t 7 anna.bieri@web.de 77 t 8 anna@hartmann-bieri.ch SID TS First_Name Last_Name 77 t 1 ANNA BIERI 77 t 2 Anna Bieri 77 t 6 Anna Hartmann-Bieri 77 t 7 Anna Bieri Hartmann SID TS City 77 t 1 ZUERICH 77 t 2 Zuerich 77 t 4 Zürich 77 t 6 Hamburg 77 t 8 Basel
22 Point In Time (PIT) Table PIT Table SID TS S1 S2 S3 77 t 1 t 1 t 1 - SID Customer_No 77 t 2 t 2 t t 3 t 2 t 2 t 3 SID TS First_Name Last_Name 77 t 1 ANNA BIERI 77 t 2 Anna Bieri 77 t 6 Anna Hartmann-Bieri 77 t 7 Anna Bieri Hartmann 77 t 4 t 2 t 4 t 3 77 t 5 t 2 t 4 t 5 77 t 6 t 6 t 6 t 6 77 t 7 t 7 t 6 t 7 77 t 8 t 7 t 8 t 8 SID TS 77 t 3 abieri@greenmail.ch 77 t 5 anna.bieri@yellow.ch 77 t 6 a_l_hartmann@web.de 77 t 7 anna.bieri@web.de 77 t 8 anna@hartmann-bieri.ch SID TS City 77 t 1 ZUERICH 77 t 2 Zuerich 77 t 4 Zürich 77 t 6 Hamburg 77 t 8 Basel
23 ETL-Prozesse für Data Vault
24 Laden von Data Vault Tabellen Hubs: Einfügen neuer Business Keys Links: Key Lookups auf Hubs Einfügen neuer Beziehungen Satellites: Key Lookup auf Hub INSERT Deltaermittlung neue Daten / aktuelle Version Einfügen von neuer Version INSERT INSERT
25 Laden von dimensionalen Data Marts aus Data Vault Data Vault unterscheidet nicht zwischen Stammdaten (Dimensionen) und Ereignisdaten (Fakten) Fakten und Dimensionen können Daten aus mehreren Entitäten enthalten Join aller benötigten Hubs, Links und Satellites SCD1 Dimensionen: Aktuelle Version aller Satellites SCD2 Dimensionen: Point In Time (PIT) Tables ev. History View Layer
26 Ladeschritte 1. Paralleles Laden aller Stage-Tabellen 2. Paralleles Laden aller Hubs 3. Paralleles Laden aller Links aller Hub Satellites 4. Paralleles Laden aller Link Satellites 5. Paralleles Laden aller Dimensionen 6. Paralleles Laden aller Faktentabellen
27 Point In Time (PIT) Table Beispiel Ausführliches Beispiel dazu siehe Blog danischnider.wordpress.com
28 Data Vault & DWH Architektur
29 ETL Pipeline Verschiedene Arten von Transformationen zwischen Extraktion und Laden Extract Integrate Validate Cleanse Transform D/T Stamp Calculate Record Load Source: Hans Hultgren, Modeling the Agile Data Warehouse with Data Vault, page 172 Was wird in welcher DWH-Schicht ausgeführt?
30 Auswirkungen auf DWH-Architektur Data Warehouse Source Systems Staging Area Cleansing Core Area Core Cleansing Core Area Marts BI Plattform Data Raw Vault Data Vault Data Business Vault Data Vault ETL Metadata
31 ETL Pipeline für erweiterte Data Vault Architektur Mart Specific Rules Staging Area Raw Data Vault Business Data Vault Data Marts Extract Integrate D/T Stamp Load Integrate Validate Cleanse Calculate Transform Extract Validate Cleanse Calculate Transform Load Common Business Rules Source: Hans Hultgren, Modeling the Agile Data Warehouse with Data Vault, page
32 Fazit
33 Data Vault Chancen und Herausforderungen + Einfache und einheitliche ETL-Regeln + Leichte Erweiterbarkeit + Integration mehrerer Quellsysteme + Vollständige Historisierung - Hohe Anzahl Tabellen in Data Vault - Konsequente Einhaltung der Regeln - Korrekte Wahl der Business Keys
34 Data Vault Einsatzgebiete Projekte mit hoher Agilität Häufige Modellerweiterungen Laufend ändernde Anforderungen Data Warehouses mit mehreren Quellen Wichtig: Fachliche Schlüssel zwingend Grosse DWH-Projekte Keine manuelle ETL-Entwicklung Einsatz von DWH-Generatoren
35 Trivadis an der DOAG 2015 Ebene 3 - gleich neben der Rolltreppe Wir freuen uns auf Ihren Besuch. Denn mit Trivadis gewinnen Sie immer
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE Indexierungsstrategie im Data Warehouse Dani Schnider, Trivadis AG DOAG Konferenz, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrOracle Data Warehouse Integrator Builder Ein Selbstversuch
Oracle Data Warehouse Integrator Builder Ein Selbstversuch DOAG Konferenz 2013, Nürnberg Dani Schnider, Trivadis AG BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN
MehrModellierung agiler Data Warehouses mit Data Vault
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Data Vault, Datenmodellierung, Agile Projektentwicklung, Historisierung,
MehrINDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE
INDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE DOAG Konferenz 2011 Dani Schnider Trivadis AG Nürnberg, BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG
MehrWie modelliere ich mein Core DWH?
Wie modelliere ich mein Core W? OAG Konferenz 2013, Nürnberg ani chnider, rivadis AG BAEL BERN BRUGG LAUANNE ZÜRIC ÜELORF FRANKFUR A.M. FREIBURG I.BR. AMBURG MÜNCEN UGAR WIEN 1 2013 rivadis OAG - Modellierung
MehrFEHLERTOLERANTE LADEPROZESSE IN ORACLE
FEHLERTOLERANTE LADEPROZESSE IN ORACLE GEGEN SCHLAFLOSE NÄCHTE DOAG BI Konferenz 2012 Dani Schnider Trivadis AG München, BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN
MehrWie modelliere ich mein Core Data Warehouse?
Wie modelliere ich mein Core Data Warehouse? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Datenmodellierung, Historisierung Einleitung Das Core dient im Data Warehouse
MehrAPEX räumt auf. Ein Projektbericht aus der Abfallwirtschaft. Carolin Hagemann Trivadis GmbH Application Development
APEX räumt auf Ein Projektbericht aus der Abfallwirtschaft Carolin Hagemann Trivadis GmbH Application Development BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE
MehrDWH-Modellierung mit Data Vault
DWH-Modellierung mit Data Vault in Kombination mit ODI 12c - Erfahrungen aus der Praxis Claus Jordan Senior Consultant BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG
MehrLaden von Data Marts auch mal komplex DOAG BI, 9. Juni 2016 Dani Schnider, Trivadis AG
Laden von Data Marts auch mal komplex DOAG BI, 9. Juni 2016 Dani Schnider, Trivadis AG BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART VIENNA
MehrBrücken bauen im dimensionalen Modell
Brücken bauen im dimensionalen Modell DOAG Konferenz 2012 Dani Schnider Trivadis AG Nürnberg, BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 Dani Schnider
MehrHistorisierung auf Knopfdruck
Die generierte Zeitmaschine Historisierung auf Knopfdruck Dani Schnider Principal Consultant Trivadis AG DOAG-Konferenz, Nürnberg 17. November 2010 Basel Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg
Mehr25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU
BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB
MehrOptimale Performance durch Constraints im Data Warehouse
Optimale Performance durch Constraints im Data Warehouse DOAG Konferenz, 17. November 2016 Dani Schnider, Trivadis AG @dani_schnider BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG
MehrData Warehouse schnell gemacht Performanceaspekte im Oracle DWH
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich
MehrData Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04.
Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH DOAG BI, München, 17.04.2013 Die Informationsfabrik Die Informationsfabrik macht erfolgreiche
MehrDWH Automatisierung mit Data Vault 2.0
DWH Automatisierung mit Data Vault 2.0 Andre Dörr Trevisto AG Nürnberg Schlüsselworte Architektur, DWH, Data Vault Einleitung Wenn man die Entwicklung von ETL / ELT Prozessen für eine klassische DWH Architektur
MehrEffiziente und koordinierte Bearbeitung von Medienanfragen im Team
Effiziente und koordinierte Bearbeitung von Medienanfragen im Team Mathias Marti I Fachbereich Kommunikation I Erziehungsdirektion des Kantons Bern Thomas Heiz I Manager CC Microsoft Dynamics CRM I Trivadis
MehrOracle In-Memory & Data Warehouse: Die perfekte Kombination?
: Die perfekte Kombination? DOAG Konferenz, 16. November 2016 Dani Schnider, Trivadis AG @dani_schnider BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN
MehrBusiness Vault Beispiele Petr Beles - DDVUG 30. März
Business Vault Beispiele Petr Beles - DDVUG 30. März 2017 petr.beles@datavault-builder.com http://datavault-builder.com Raw Vault Quellsystem: DDVUG Grosse Boxen: Hubs, kleine Punkte Satelliten Zwei Tabellen
MehrDataVault Ein Leben zwischen 3NF und Star. DOAG Konferenz Nürnberg 2013 Michael Klose November 2013
DataVault Ein Leben zwischen 3NF und Star DOAG Konferenz Nürnberg 2013 Michael Klose November 2013 CGI Group Inc. 2013 Agenda Definition und Positionierung Grundlagen der Data Vault Modellierung Modellierungsbeispiele
MehrData Federation. in analytischen Applikationen. Peter Welker (Trivadis
Data Federation in analytischen Applikationen Peter Welker (Trivadis GmbH) @WelkerPeter BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN
MehrUpgrade auf APEX 5. 9 Datenbanken, 400 Workspaces, über 1000 Anwendungen ein Erfahrungsbericht Carola
Upgrade auf APEX 5 9 Datenbanken, 400 Workspaces, über 1000 Anwendungen ein Erfahrungsbericht Carola Berzl @Trivadis BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE
MehrSocial Data Analyse mit Oracle Endeca
Social Data Analyse mit Oracle Endeca DOAG Konferenz 2012 Norbert Henz Principal Consultant, Trivadis GmbH, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN
MehrData Vault Reine Lehre vs. Real-World Requirements Dr.-Ing. Holger Friedrich
Data Vault Reine Lehre vs. Real-World Requirements Dr.-Ing. Holger Friedrich Agenda Introduction Data Vault Diskussionsstoff Schlussfolgerungen 2 500+ Technsche Experten Helfen Kollegen Weltweit 3 Membership
MehrDas generierte Data Warehouse
Das generierte Data Warehouse DOAG BI Konferenz 2012 Gregor Zeiler BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 Erwartungshaltungen und Hoffnungen
MehrMigration von OWB - ODI zu schwierig, zu kompliziert, zu teuer
zu schwierig, zu kompliziert, zu teuer Maarten De Gooijer, Trivadis BASEL BERN BRUGG LAUSANNE ZUERICH DUESSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MUNICH STUTTGART VIENNA COPENHAGEN 1 AGENDA 1. Einführung
MehrFlexible Schnittstelle für Flat Files in das DWH
Flexible Schnittstelle für Flat Files in das DWH DOAG Konferenz 2012 Thomas Mauch Consultant, Trivadis GmbH, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN
MehrTrivadis-Gadgets im Dienste ihrer Qualität: FAAT und PL/SQL Cop
Trivadis-Gadgets im Dienste ihrer Qualität: FAAT und PL/SQL Cop Andreas Fend Consultant Michael Schmid Senior Consultant BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN
MehrWelche BI-Architektur braucht Ihr Reporting?
Welche BI-Architektur braucht Ihr Reporting? Variante 1: Direkter Zugriff Keine redundanten Daten Schnelle Erkenntnisse Echte Daten für PoCs Echtzeit-Reporting ohne Zwischenstufen Belastung der operativen
MehrPartitionierungsstrategien für Data Vault
ierungsstrategien für Data Vault Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Einleitung Während das Laden von Tabellen in Data Vault in der Regel nicht zeitkritisch ist, stellt uns das effiziente
MehrDWH-Modellierung mit Data Vault in Kombination mit ODI 12c - Erfahrungen aus der Praxis - Claus Jordan Trivadis GmbH Stuttgart
Schlüsselworte DWH-Modellierung mit Data Vault in Kombination mit ODI 12c - Erfahrungen aus der Praxis - Claus Jordan Trivadis GmbH Stuttgart Data Warehouse, DWH, Data Vault, ODI, Oracle Data Integrator
MehrData Templates. Thomas Claudius Huber
Data Templates Thomas Claudius Huber thomas.huber@trivadis.com www.thomasclaudiushuber.com Thomas Claudius Huber.NET Senior Consultant @Trivadis Basel Spezialisiert auf Silverlight und WPF Autor der umfassenden
MehrDatamasking und Subsetting
Datamasking und Subsetting Überblick und Einführung Axel Kraft Manuel Blickle BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN ZÜRICH Unser
MehrData Vault und Ladeperformance Markus Kollas CGI Deutschland Ltd. & Co. KG Sulzbach (Taunus)
Data Vault und Ladeperformance Markus Kollas CGI Deutschland Ltd. & Co. KG Sulzbach (Taunus) Schlüsselworte Data Vault, Beladen und Entladen, Data Warehouse, Core Warehouse, Data Marts, Sternschema, Hash-Keys
MehrOracle Data Integrator Ein Überblick
Oracle Data Integrator Ein Überblick Uwe Barz Christoph Jansen Hamburg, 15.04.2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart Wien Agenda Überblick
MehrOracle In-Memory & Data Warehouse: Die perfekte Kombination?
Oracle In-Memory & Data Warehouse: Die perfekte Kombination? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Einleitung Als Larry Ellison in einer Keynote im Juni 2014 die Oracle In-Memory Option
MehrNützliche Oracle 12c Features für Data Warehousing DOAG BI, 8. Juni 2016 Dani Schnider, Trivadis AG
Nützliche Oracle 12c Features für Data Warehousing DOAG BI, 8. Juni 2016 Dani Schnider, Trivadis AG BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrTobias Braunschober DAS GENERISCHE DWH WENIGER CODE WENIGER KOSTEN
Tobias Braunschober DAS GENERISCHE DWH WENIGER CODE WENIGER KOSTEN Seite 1 Tobias Braunschober POSITION Senior Consultant Competence Center DWH AUSBILDUNG Diplom Mathematiker EXPERTISE Spezialisierung
MehrWCF RIA Services Datengetriebene Apps. Thomas Claudius Huber Senior Consultant Trivadis AG
WCF RIA Services Datengetriebene Apps Thomas Claudius Huber Senior Consultant Trivadis AG Thomas Claudius Huber.NET Senior Consultant @Trivadis Basel Spezialisiert auf Silverlight und WPF Autor der umfassenden
MehrDimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis
Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis DOAG Konferenz 2010 Claus Jordan Senior Consultant, Trivadis GmbH 16.11.2010 Basel Bern Lausanne Zürich Düsseldorf
MehrControl Templates. Thomas Claudius Huber
Control Templates Thomas Claudius Huber thomas.huber@trivadis.com www.thomasclaudiushuber.com Thomas Claudius Huber.NET Senior Consultant @Trivadis Basel Spezialisiert auf Silverlight und WPF Autor der
MehrBeratung Messbar / Transparent / Reproduzierbar
Beratung Messbar / Transparent / Reproduzierbar Kundenorientierte und visualisierte Beratungsprozesse bei Movis AG Frank Ockenfeld Senior Consultant CRM BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT
MehrIndexierungsstrategie im Data Warehouse Zwischen Albtraum und optimaler Performance
Indexierungsstrategie im Data Warehouse Zwischen Albtraum und optimaler Performance Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Indexierung, Staging Area, Cleansing
MehrAgile BI in der Praxis Data Warehouse Automation
Agile BI in der Praxis Data Warehouse Automation DWH Automation darüber wird zurzeit viel gesprochen und geschrieben. Aber wie sieht die praktische Anwendung aus? In diesem Artikel führe ich Sie Schritt
MehrEntwicklung und Deployment. Stefan Raabe DOAG Konferenz
Entwicklung und Deployment Stefan Raabe DOAG Konferenz 2017 22.11.2017 Agenda 1. Vorstellung 2. DWH Automatisierung 3. Möglichkeiten im ODI 4. Demo 5. Fazit 2 Vorstellung Stefan Raabe Selbstständiger Berater
MehrAgile 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
MehrDas 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
MehrZeitlich abhängig von OWB?
Zeitlich abhängig von OWB? 24. April 2007 Beat Flühmann Trivadis AG > IT Lösungsanbieter» Application Development, Application Performance Management, Business Communication, Business Intelligence, Managed
Mehr! Partitionieren Sie Ihr Data Warehouse?
! Partitionieren Sie Ihr Data Warehouse? DOAG Konferenz 2009 Beat Flühmann Senior Consultant DWH & BI Trivadis AG 19. 11. 2009, Nürnberg Basel Baden Bern Brugg Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg
MehrWie sichert man APEX-Anwendungen gegen schädliche Manipulationen und unerwünschte Zugriffe ab?
APEX aber sicher Wie sichert man APEX-Anwendungen gegen schädliche Manipulationen und unerwünschte Zugriffe ab? Carola Berzl BASEL BERN BRUGG GENF LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrHaben Sie die Zeit im Griff? Oracle Essbase Time Intelligence
Haben Sie die Zeit im Griff? Oracle Essbase Time Intelligence DOAG November 2014, Nürnberg Holger Huck, Trivadis GmbH BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT AM FREIBURG IBR HAMBURG MÜNCHEN
MehrData Vault Modellierungsmethode für agile Data Warehouse Systeme
Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH Münster Schlüsselworte Data Vault, Datenmodellierung, Data Warehouse, Agile Vorgehensweisen Einleitung
Mehraber wer sitzt am Steuer?
Das Projekt fährt gegen die Wand, aber wer sitzt am Steuer? DOAG Konferenz 2010 Nico Zinner Consultant, Trivadis GmbH 18.11.2010, Nürnberg Basel Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i.
MehrDie 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
MehrDie Oracle BI Trilogie von Trivadis
Die Oracle BI Trilogie von Trivadis Teil 2 - Aufbau einer DWH- und BI-Landschaft Zürich, 25. November 2009 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart
MehrDatawarehouse 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
MehrVom 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
MehrData Pipelines mit zentralem Kosmos Kafka. Markus Bente
Data Pipelines mit zentralem Kosmos Kafka Markus Bente @trivadis doag2018 Mit über 650 IT- und Fachexperten bei Ihnen vor Ort. 16 Trivadis Niederlassungen mit über 650 Mitarbeitenden. Erfahrung aus mehr
Mehr1 Business-Intelligence-Architektur 1
D3kjd3Di38lk323nnm xi 1 Business-Intelligence-Architektur 1 1.1 Data Warehouse....................................... 1 1.2 OLAP und mehrdimensionale Datenbanken.................. 4 1.3 Architekturvarianten....................................
MehrMarketing 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
MehrExalytics - Deep dive with OBIEE, Timesten and Essbase
Exalytics - Deep dive with OBIEE, Timesten and Essbase Renate Wendlik Senior DWH Consultant Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH Agenda Einleitung Exalytics Konfiguration
MehrBI Lifecycle Wildwuchs oder klare Vorgaben?
BI Lifecycle Wildwuchs oder klare Vorgaben? Dirk Braunecker, Oracle Solution Architect BI November 2012 Logica is now part of CGI. CGI: Neuer globaler IT- & Business Process Services Champion CGI ist der
MehrData 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]
MehrCI mit Forms im Weblogic Umfeld: CI mit Forms geht das
CI mit Forms im Weblogic Umfeld: CI mit Forms geht das DOAG Konferenz 2011 Jan-Peter Timmermann Principal Consultant, Trivadis GmbH, Nünberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG
MehrKomplexe Netzwerke mit Oracle VM Server SPARC
Komplexe Netzwerke mit Oracle VM Server SPARC Roman Gächter Principal Consultant Trivadis AG DOAG Jahrestagung 21. November 2013 BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrDataVault in der Praxis
überraschend mehr Möglichkeiten! DataVault in der Praxis Nur ein Werbeversprechen? Marcel Aretz OPITZ CONSULTING 2016 Agenda A B C D Vorgeschichte und Prioritäten Wie wäre es mit DataVault? Unser Leben
MehrBerechnung von Kennzahlen mit der SQL Model Clause
Berechnung von Kennzahlen mit der Thomas Mauch 12.07.2018 DOAG BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 AGENDA 1. Einführung 2. Syntax 3. Performance
MehrNoch mehr Flexibilität- DataVault mit virtuellen Datamarts
Noch mehr Flexibilität- Konferenz Data Analytics März 2018 Agenda 1 Data Vault 2 UDG - der PPI Generator 3 Virtuelle Datamarts 4 Das DWH der Zukunft von PPI 2 01 Data Vault 3 Kurzvorstellung Data Vault
MehrTransformations. Die API des Oracle Datamodeler. Dr. Gudrun Pabst. Trivadis GmbH Lehrer-Wirth-Straße München.
Transformations Die API des Oracle Datamodeler Dr. Gudrun Pabst Trivadis GmbH Lehrer-Wirth-Straße 4 81829 München gudrun.pabst@trivadis.com BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG
Mehrsimply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme
simply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme Patrick Theobald Zur Person Patrick Theobald Geschäftsführer Theobald Software GmbH seit
Mehrgood. better. outperform.
good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence
MehrHamburg, im August 2016
Hamburg, im August 2016 AGILE DATA-VAULT- ENTWICKLUNG IM ONLINE- VERSANDHANDEL. Eine Fallstudie bei Otto INHALT 1. Zahlen & Fakten: Vorhang auf für OTTO 2. Architektur: Das BRAIN 3. Data Vault I: Der Weg
MehrStudierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen
Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste
MehrDas modulare DWH Modell
Das modulare DWH Modell Durchgängige Business Intelligence durch eine praktikable DWH Referenzarchitektur Arno Tigges, Seniorberater OPITZ CONSULTING München GmbH DOAG SIG DWH/BI, Köln, 29. Juni 2010 OPITZ
MehrModernisierung, Migration, Greenfield: DWH-Automatisierung mit dem ODI
Modernisierung, Migration, Greenfield: DWH-Automatisierung mit dem ODI Jürgen Günter Senior Berater BI & DWH Agenda MT AG - DWH Automatisierung mit dem ODI Einleitung Vorstellung ETL Framework Automatisierung
Mehr- Architektur & Integration -
- Architektur & Integration - ADF und BI Integration Jürgen Menge Sales Consultant, Oracle Deutschland B.V. & Co. KG E-Mail: juergen.menge@oracle.com +++ Bitte wählen Sie sich in die Telefonkonferenz entweder
MehrBESSER WERDEN DURCH ERSE
Christian Eberhardt BESSER WERDEN DURCH ERSETZUNG EINES ETL-TOOLS MIT PL/SQL Seite 1 Christian Eberhardt POSITION BI Consultant Spezialisierung DWH AUSBILDUNG Diplominformatiker EXPERTISE 6 Jahre Projekterfahrung
MehrPräsentation der Bachelorarbeit
Präsentation der Bachelorarbeit Einrichtung einer BI-Referenzumgebung mit Oracle 11gR1 Jörg Bellan Hochschule Ulm Fakultät Informatik Institut für Betriebliche Informationssysteme 15. Oktober 2009 Agenda
MehrOracle BI&W Referenz Architektur Big Data und High Performance Analytics
DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen
MehrOracle9i Designer. Rainer Willems. Page 1. Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH
Oracle9i Designer Rainer Willems Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH Page 1 1 Agenda 9i Designer & 9i SCM in 9i DS Design Server Generierung &
MehrUnsere Vorträge auf der DOAG 2015
Unsere Vorträge auf der DOAG 2015 Dienstag Virtual Reality Analytics 12:00-12:45 Uhr Raum Oslo, Ebene 2 Jörg Osarek SQL Developer Lassen Sie sich anstecken! 12:00-12:45 Uhr Raum Sydney, Ebene 1 Sabine
MehrNear Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer 09.12.2015
Near Realtime ETL mit Oracle Golden Gate und ODI Lutz Bauer 09.12.2015 Facts & Figures Technologie-orientiert Branchen-unabhängig Hauptsitz Ratingen 240 Beschäftigte Inhabergeführt 24 Mio. Euro Umsatz
MehrSilverlight 5 die Neuerungen. Thomas Claudius Huber Senior Consultant Trivadis AG
Silverlight 5 die Neuerungen Thomas Claudius Huber Senior Consultant Trivadis AG Thomas Claudius Huber.NET Senior Consultant @Trivadis Basel Spezialisiert auf Silverlight und WPF Autor der umfassenden
MehrVom MicroService zum Geschäftsprozess Thomas Bröll Principal Consultant Trivadis GmbH, Stuttgart
Vom MicroService zum Geschäftsprozess Thomas Bröll Principal Consultant Trivadis GmbH, Stuttgart BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrBeam me up! OWB Migration nach 11gR2
Beam me up! OWB Migration nach 11gR2 DOAG Konferenz 2011 Beat Flühmann Senior Consultant BI & DWH Trivadis AG Zürich, 1 BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN
MehrETL-Industrialisierung mit dem OWB Mapping Generator. Irina Gotlibovych Senior System Beraterin
ETL-Industrialisierung mit dem OWB Mapping Generator Irina Gotlibovych Senior System Beraterin MT AG managing technology Daten und Fakten Als innovativer Beratungs- und IT-Dienstleister zählt die MT AG
MehrDie S.O.L.I.D-Prinzipien für C# Entwickler Thomas Claudius
Die S.O.L.I.D-Prinzipien für C# Entwickler Thomas Claudius Huber @ThomasClaudiusH BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART VIENNA ZURICH
MehrÜbersicht SAP-BI. DOAG Regionaltreffen
Übersicht SAP-BI DOAG Regionaltreffen 14.12.2010 Übersicht Überblick BI Datenablage Datenfluß im BI Analysen Sonstiges - Schlüsselbereiche des BI - Wo werden die Daten gespeichert? - Wie kommen die Daten
MehrBIW - 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
MehrBuchen Sie hier Ihr Training
WWW.TRIVADIS.COM «Microsoft Schulungen Buchen Sie hier Ihr Training IHRE ANSPRECHPARTNER KATEGORIEN Ausbildungs- & Zertifizierungswege SQL Server Datenbank 2014 SQL Server Datenbank 2016 SQL Server Expert-Training
MehrSQL-basierte SCD2-Versionierung hierarchischer Strukturen
SQL-basierte SCD2-Versionierung hierarchischer Strukturen Meik Truschkowski nobilia-werke J. Stickling GmbH & Co. KG Verl Projektleiter Business Intelligence und Data Warehousing 1 SQL-basierte SCD2-Versionierung
MehrImplementing a Data Warehouse with Microsoft SQL Server MOC 20463
Implementing a Data Warehouse with Microsoft SQL Server MOC 20463 In dem Kurs Implementing a Data Warehouse with Microsoft SQL Server lernen Sie, wie Sie eine Data-Warehouse-Plattform implementieren, um
MehrMein Oracle Linux System bootet nicht mehr - was nun?
Mein Oracle Linux System bootet nicht mehr - was nun? Roman Gächter Principal Consultant @Trivadis Unser Unternehmen. Trivadis ist führend bei der IT-Beratung, der Systemintegration, dem Solution Engineering
MehrSAP BW auf HANA Frank Riesner, Solution Architect, SAP (Schweiz) AG
SAP BW auf HANA 2015+ Frank Riesner, Solution Architect, SAP (Schweiz) AG SAP BW auf HANA Architektur SAP BW auf klassischer Datenbank SAP BW 7.4 auf HANA Virtuelle Schichten Persistente Schichten 2015
MehrÜberblick über APEX Carolin Hagemann
Carolin Hagemann BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN ZÜRICH Vorstellung Oracle APEX PL/SQL-Entwicklung Carolin Hagemann Applikationsmodernisierung
MehrWir bauen uns ein Data Warehouse mit MySQL
Wir bauen uns ein Data Warehouse mit MySQL Oli Sennhauser FromDual GmbH Uster / Schweiz Schlüsselworte MySQL, DWH, Data Warehouse, ETL, BI, Business Intelligence, OLAP Einleitung MySQL Datenbanken verbreiten
MehrData 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
MehrNear Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer
Near Realtime ETL mit Oracle Golden Gate und ODI Lutz Bauer 15.03.2016 Facts & Figures Technologie-orientiert Branchen-unabhängig Hauptsitz Ratingen 240 Beschäftigte Inhabergeführt 24 Mio. Euro Umsatz
Mehr