Data Warehousing. DWH Projekte. Ulf Leser Wissensmanagement in der Bioinformatik
|
|
- Laura Armbruster
- vor 7 Jahren
- Abrufe
Transkript
1 Data Warehousing DWH Projekte Ulf Leser Wissensmanagement in der Bioinformatik
2 Inhalt DWH Projekte Spezifika Die kritischen Punkte Warum scheitern DWH Projekte? Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
3 DWH Projekte Siehe Literatur zu IT Projekten Projektorganisation Aufhängung im Unternehmen, Unterstützung von Oben Festlegung von Zielen Die richtigen Mitarbeiter Einbindung externer Mitarbeiter Teamwork und Kontinuität... Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
4 DWH Projekt Spezifika Die Datenbank wird sehr groß Design for the Large Scheduling von Downtimes, Archivierung, Updates Das Projekt endet nie Quellen kommen, gehen, ändern sich Datenentsorgung, Monitoring, Tuning Es sind viele Leute betroffen Fachabteilungen müssen Daten / Reports erklären Qualitätsprobleme werden publik Wissen ist Macht Wissen teilen ist Machtverlust Das Ergebnis ist unternehmenskritisch Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
5 DWH Projekte Essentials Ziele festlegen Mindest-, Soll-, Optimalantwortzeiten Verfügbarkeitsvereinbarungen Basierend auf Datenmengenabschätzungen Frühes Prototyping Think Big, Start Small Die beste Planung ersetzt nicht das Experiment Prototypen mit realistischen Datenmengen auf Zielplattform Führt zu realistischen Annahmen bzgl. Machbarkeit Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
6 DWH Projekte Essentials 2- Sorgfältige Kapazitätsplanung Datenmengen: Alle Komponenten berücksichtigen: Staging Area, Basis-DB, Data Marts, temporäre Replika von Quellen... Zugriffszeiten: Anzahl Benutzer, Verteilung über Zeit (Lastpeaks), Profil der Queries (Workload), zugesicherte Anforderungen, Prioritäten, ETL- Prozesse, Backups,... Hardware: Prozessoren, Platten, RAID, Cluster,... Reserven einplanen Trennung von Test- und Produktionssystem Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
7 DWH Projekte Essentials 3- Datenqualität beachten Metriken festlegen und Zielwerte überwachen Qualitätsverbesserungen sind extrem aufwendig einplanen Datenmenge begrenzen Daten nach festgelegter Zeit archivieren (löschen) Im Design beachten (Transportable Tablespaces, Partitionierung) Schwierig durchzusetzen, aber irgendwann in jedem DWH notwendig Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
8 Probleme bei DWH Projekten [AM00] Zeitüberschreitung Budgetüberschreitung Fehlende Funktionen Keine Akzeptanz bei Benutzern DWH Projekte sind teuer Viele Abteilungen / Systeme betroffen, Hardwareanforderungen, semantische Integration Viele Stakeholder müssen befragt werden Folge: Prototypen werden weggelassen Falsche Einschätzung der / fehlender Konsens über wichtigen Funktionen (man macht die einfachen zuerst, nicht die wichtigen) Typisch: Zeitüberschreitung mit Funktionsreduzierung begegnen, schließlich Funktionen ganz kippen Zu hohe Erwartungen Zu viele Versprechungen DWH weckt Ideen Mensch, da könnte man doch auch noch... Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
9 Probleme bei DWH Projekten Performanzprobleme Zwei Komponenten: Anfragen und ETL ETL-Zeiten häufig unterschätzt Unrealistisch kleine Prototypen Werkzeuge f. ad-hoc Queries; point&click mit unvorhersehbaren Auswirkungen Fehlendes Performance Bewusstsein bei Anwendern Fehlendes Performance-Auditing Fehlende Vereinbarungen welche Queries werden wann laufen, bei welchen Datenmengen, wie lange darf es dauern,... Große Datenmengen verlangen eigene Methoden (Modell, Implementierung, Indexe, Prozesse,...) Design forthelarge Ohne Vorgaben ist eine Query nie ausreichend schnell! Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
10 Probleme bei DWH Projekten Verfügbarkeitsprobleme Fehlende Erweiterbarkeit Schlechte Datenqualität Geplante versus ungeplante Downtimes DWH oft bei ETL Zyklen gesperrt Komplexe ad-hoc Queries erwecken Eindruck fehlender Verfügbarkeit Mehr Daten, mehr Benutzer, mehr Analysen, mehr Quellen, mehr Dimensionen, größere Zeitraum,... Gerade ein hochoptimiertes Design ist schwierig zu erweitern Falsche Reports sind schlechter als keine Reports! Datenqualitätsprobleme werden unterschätzt und lange ignoriert Die Fehler der alten Reports kennt man seit Jahren, die der neuen will man nicht verzeihen Fehlender Mut zum Daten-weglassen Oftmals Business Process Reengineering notwendig Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
11 Probleme bei DWH Projekten Zu kompliziert Fehlende Kosteneffizienz Was-wäre-wenn Analysen, mehrdimensional aggregierte Reports, Data Mining, etc. sind hochkomplexe Themen Verlass auf DWH-GUIs kann User in die Irre führen Unterschiedliche Benutzer unterschiedliche Anforderungen Preis / Nutzen Verhältnis Nutzen schwierig quantifizierbar; liegt eher beim Management ROI von DWH Projekten schwierig zu berechnen Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
12 Probleme bei DWH Projekten Number of Users Initial 3 Months 6 Months 12 Months 24 Months Period after Implementation Source Data Warehouse Institute Flash Report January 1996 Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
13 Nicht-technische Probleme Die meisten (DWH-) Projekte scheitern nicht an der Technik DWH Readiness-Test [Kim98] Strong Management Support Sonst reicht der Atem nicht Compelling Business Motivation Competetive Advantage und ROI muss deutlich sein IS / Business Partnership DWH ist abhängig von Daten also den Datenherren Analytic Culture Man muss Fragen stellen wollen und für Antworten bereit sein Feasibility Existieren Daten? Kann man die verwenden? Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
14 Literatur [Kim98] Kimball et al. The Data Warehouse Life Cycle Toolkit, John Wiley & Sons, 1998 [AM00] Adelmann, Moss: Data Warehouse Risks, in Data Warehouse Project Management, Addison- Wesley, 2000 Ulf Leser: Data Warehousing, Vorlesung, Sommersemester
Data Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrData Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
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
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
MehrLizenzierung von ODI. Oracle Lizenzierung. Michael Paege, Director License Management Consulting. Lizenzierung ODI, DOAG Data Integration Day 2015
Lizenzierung von ODI Oracle Lizenzierung Michael Paege, Director License Management Consulting OPITZ CONSULTING GmbH 2015 Seite 1 Agenda 1. ODI Historie: vom OWB u.a. zum ODI 2. ODI-Lizenzierung aktuell
MehrZWISCHEN 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.
MehrTRACK II Datenmanagement Strategien & Big Data Speicherkonzepte BI Operations Erfolgsfaktoren für einen effizienten Data Warehouse Betrieb
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
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
MehrData Warehouse in der Telekommunikation
Data Warehouse in der Telekommunikation Hans-Friedrich Pfeiffer Talkline GmbH & Co.KG Elmshorn, 11.06.2007 Übersicht Historie Struktureller Aufbau des Dara Warehouse Anforderungen an das Data Warehouse
MehrÜbersicht Streams nach Liste Produkte/Themen
Stream Datenbank: DB Oracle 9i bis 12c In-Memory Datenbanken Enterprise Manager Appliances EXADATA RAC DataGuard Upgrades, Konsolidierungen Implementationen Administration / Monitoring Performance Tuning
MehrErfolgsfaktor 1 beim Aufbau von DWH. Erik Purwins Unit Manager Business Intelligence 22.03.2012
Erfolgsfaktor beim Aufbau von DWH Erik Purwins Unit Manager Business Intelligence 22.3.22 Inhalt Das Unternehmen PPI Erfolgsfaktoren & Risiken Nutzeffekte durch DWH-/BI-Anwendungen Intuitive Bereitstellung
MehrErfolg mit Oracle BI?
Erfolg mit Oracle BI? Typische Fehlerszenarien und deren Lösung Gerd Aiglstorfer G.A. itbs GmbH Das Thema 2 Oracle BI (OBIEE)? Das war eine Fehlentscheidung! Viel zu umständlich! Wenig Flexibilität & teure
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
MehrExadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht)
Exadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team Inhalt Thematik (Einordnung
MehrScrum für Business Intelligence Projekte erfolgreich nutzen. Es begrüßt Sie Thomas Löchte
Scrum für Business Intelligence Projekte erfolgreich nutzen Es begrüßt Sie Thomas Löchte Die Informationsfabrik Die Informationsfabrik macht erfolgreiche BI und DWH Projekte und hat zufriedene, referenzierbare
MehrData Warehouse und Data Mining
Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine
Mehr1Ralph Schock RM NEO REPORTING
1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen
Mehrscheitern kleine auch!
Große Softwareprojekte scheitern kleine auch! DOAG KONFERENZ 2013 Thomas Schmetzer t.schmetzer@xdev software.de XDEV Software Corp. Deutschland GmbH Sedanstrasse 2 4 D 92637 Weiden Tel. +49 (0) 961 / 480
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
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
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
MehrModellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015
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
MehrKapitel 4: Data Warehouse Architektur
Kapitel 4: Data Warehouse Architektur Data Warehousing und Mining 1 Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Source Source Source komplexe
MehrGrundlagen für das Outsourcing von IT-Betriebsprozessen im DWH-Umfeld
Grundlagen für das Outsourcing - von IT-Betriebsprozessen im Datawarehouse-Umfeld - Kim T. Witzkewitz Berater OPITZ CONSULTING Hamburg GmbH Köln, 08.09.2009 OPITZ CONSULTING GmbH 2009 Seite 1 OPITZ CONSULTING
MehrRaus aus der Bl-Falle
Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur
MehrZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter. Gudio van Husen, Christopher Muth DB Systel GmbH Hanau
ZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter Gudio van Husen, Christopher Muth DB Systel GmbH Hanau 28.02.2018 Foto: DB Systel DB Systel GmbH Die Digitalisierung der Bahn erfolgreich
MehrBusiness Intelligence Center of Excellence
Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).
MehrOracle 10g revolutioniert Business Intelligence & Warehouse
10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert
MehrData Warehouse Automation und Life Cycle Management mit AnalyticsCreator
Data Warehouse Automation und Life Cycle Management mit AnalyticsCreator Unternehmensdaten Gründung: 1988 Mitarbeiter: 20 Standorte Lichtenfels (Firmensitz) Fulda, Chemnitz, München (Vertrieb und Service)
MehrOracle Database 10g -Die Datenbank für Grid-Computing und mehr - Günther Stürner Director Business Unit Database & STCC Oracle Deutschland GmbH
Oracle Database 10g -Die Datenbank für Grid-Computing und mehr - Günther Stürner Director Business Unit Database & STCC Oracle Deutschland GmbH Das g im Namen g = Grid = Gitter = Gitternetz = Stromnetz
MehrAgile BI Was ist das eigentlich? Hochschule Ulm - V. Herbort & Prof. Dr. R. von Schwerin
Agile BI Was ist das eigentlich? Hochschule Ulm - V. Herbort & Prof. Dr. R. von Schwerin Inhalt Agilität in der Business Intelligence Agile Software-Projekte Agile Data Warehousing / Self-Service BI 29.10.10
MehrOracle und Hochverfügbarkeit Verschiedene Ansätze im Vergleich. Dierk Lenz Herrmann & Lenz Services GmbH DOAG Regio München/Südbayern 14.
Oracle und Hochverfügbarkeit Verschiedene Ansätze im Vergleich Dierk Lenz Herrmann & Lenz Services GmbH DOAG Regio München/Südbayern 14. April 2014 Herrmann & Lenz Services GmbH Herrmann & Lenz Solutions
MehrLeistungssteuerung beim BASPO
Leistungssteuerung beim BASPO Organisationsstruktur Advellence die Gruppe. Advellence Consulting Advellence Solutions Advellence Products Advellence Services HR-Migrator & albislex powered byadvellence
MehrBI Organisation und Governance. Patrick Keller, Senior Analyst und Prokurist CeBIT 2016
BI Organisation und Governance Patrick Keller, Senior Analyst und Prokurist CeBIT 2016 15.03.2016 BARC 2016 2 Warum eine Organisation für BI? Menschen verursachen mehr Probleme als Technik! 15.03.2016
MehrFehlertoleranz und Robustheit von ETL-Prozessen Wie gestalten wir Abläufe möglichst widerstandsfähig. Christian Borghardt I BI Consultant
Fehlertoleranz und Robustheit von ETL-Prozessen Wie gestalten wir Abläufe möglichst widerstandsfähig Christian Borghardt I BI Consultant Über uns areto consulting gmbh Echter Business Intelligence Spezialist
Mehr2007 2010 Abitur mit Schwerpunkt Wirtschaft und Verwaltung 2011 2013 Studium Wirtschaftsinformatik Universität Essen
Patrick Forche Fachinformatiker für Anwendungsentwicklung Personaldaten Geburtsdatum: 04.04.1990 Sprachen: Verfügbarkeit: Deutsch (Muttersprache), Englisch (fließend) nach Absprache Ausbildung / Studium
MehrMarkus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation
Markus Feichtinger Power Systems Der Weg zu POWER! Agenda Motivation Lösung Beispiel Export / Import - Überblick - Migration Beispiel XenoBridge - Überblick - Migration Benefits 2 Motivation Strategisch
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
MehrArchivierung in DBMS
Archivierung in DBMS Marcus Brisgen 9. März 2004 Gliederung Gliederung Motivation Archivierung Grundlagen Anwendungsorientiertes Archivieren Architekturen Erweiterungen ASQL XML-Archivierungsoperator Beispiele
MehrNetezza Data Warehouse Performance in neuen Dimensionen
Wolfgang Beeck Netezza Technical Sales and Services Leader Central Europe 9. Juni 2011 Netezza Data Warehouse Performance in neuen Dimensionen Definition: Was ist eine Appliance? Server appliance Also
MehrDatenbanken und Oracle, Teil 2
Datenbanken und Oracle, Teil 2 Mathias Weyland Linux User Group Switzerland 29. Juni 2007 SQL*Plus CHAR/VARCHAR2 Dokumentation Teil I Nachträge 1 SQL*Plus 2 CHAR/VARCHAR2 3 Dokumentation SQL*Plus SQL*Plus
MehrBI 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
MehrDatengetriebene Agilität als Motor der digitalen Stadt
Fachbereich Informatik Datengetriebene Agilität als Motor der digitalen Stadt Hamburg TREND Prof. Dr. Tilo Böhmann zusammen mit Prof. Dr. Paul Drews, Corvin Meyer-Blankart, Dr. Andreas Zolnowski Handlungsfelder
MehrData Warehousing Grundbegriffe und Problemstellung
Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,
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
MehrDer agile Software Architekt
Der agile Software Architekt Ingmar Kellner 2013-09-25 Agil == Beweglich == Zur Handlung Fähig Source: http://de.wiktionary.org/wiki/agil Gegebene Versprechen schränken meine Agilität ein! 2013, hello2morrow
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
MehrOXO³ technische Aspekte der Oracle EMEA internen BI Implementierung
OXO³ technische Aspekte der Oracle EMEA internen BI Implementierung Bojan Milijaš (bojan.milijas@oracle.com) Senior Business Analyst (OCP) ORACLE Deutschland GmbH Kennen Sie das Sprichwort
MehrAgenda joinit für 7-IT
Agenda joinit für 7-IT 1. Einleitung / Allgemeine Einordnung von joinit (PowerPoint) 2. Lösungen für Incident-, Change und Problem- Management mit joinit bei der HVB-INFO (PowerPoint) 3. Fragen / Lösungsansätze
MehrVorgehensweise bei der Einführung elektronischer Rechnungen bei Sender und Empfänger
Vorgehensweise bei der Einführung elektronischer Rechnungen bei Sender und Empfänger Oliver Berndt B&L Management Consulting GmbH www.bul-consulting.de Agenda Was ist eine erechnung? Warum erechnung senden
MehrParadise Found Roadshow 2017
Paradise Found Roadshow 2017 Von Daten zu wertvollen Informationen Wie Sie datenschutzkonform und agil ihre Daten für maschinelles Lernen aufbereiten Wie wichtig ist heute Data Preparation für Data Discovery
MehrAufbau eines Kennzahlensystems in der Logistik mit Oracle BI
Beratung Software Lösungen Aufbau eines Kennzahlensystems in der Logistik mit Oracle BI Gisela Potthoff Vertriebsleiterin TEAM GmbH Zahlen und Fakten Unternehmensgruppe Materna: 1.500 Mitarbeiter 192 Mio.
MehrUser-Centered Visual Analytics
User-Centered Visual Analytics Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax: +49 6151 155-139
MehrStrategie 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
MehrIVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen
Vorlesung - IVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen Seite 1 Typische Situation in Integrationsprojekten Verwendung komplexer und teuerer Integrationsframeworks.
MehrIBM Informix Tuning und Monitoring
Seminarunterlage Version: 11.01 Copyright Version 11.01 vom 25. Juli 2012 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen
MehrMandora Business Solutions
Als Jedox Certified Partner und Training Center realisieren wir seit 2009 mit Hilfe der Jedox Suite kundenspezifische Analyse-, Planungs- und Reporting-Systeme mit Jedox ETL und Jedox für Web and Excel.
MehrBICE. Business Intelligence in the Cloud for Energy. Zwischenpräsentation Oldenburg, 25.02.2015
BICE Business Intelligence in the Cloud for Energy Zwischenpräsentation Oldenburg, 25.02.205 Verfasser: Projektgruppe Business Intelligence as a Service Gliederung Projektgruppe Meilensteinplan Problemstellung
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.13 Version 2.13 vom 27. August 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrGrundkurs SAP ERP. Geschäftsprozessorientierte Einführung mit durchgehendem Fallbeispiel. Kapitel 2. 2008 / 1. Auflage
Grundkurs SAP ERP Geschäftsprozessorientierte Einführung mit durchgehendem Fallbeispiel 2008 / 1. Auflage Kapitel 2 Abb 2.1: Datenintegration in einem ERP-System (Quelle: IDC) ERP-Software 2005 (Markanteil
MehrAuf dem Weg zum Digital Office ECM im Mittelstand. Jürgen Biffar Vorstandsvorsitzender Bitkom-Kompetenzbereich ECM Berlin, 7.
Auf dem Weg zum Digital Office ECM im Mittelstand Jürgen Biffar Vorstandsvorsitzender Bitkom-Kompetenzbereich ECM Berlin, 7. September 2017 Mittelstand: Gut informiert rund um das Digital Office Welchen
MehrReal Application Testing incl. Performancebetrachtungen. Eigentlich müsste es ja SQL Performance Analyzer heißen
Real Application Testing incl. Performancebetrachtungen Eigentlich müsste es ja SQL Performance Analyzer heißen SQL Performance Analyzer Ein Überblick neuer Vorgehensweisen bei der Analyse der Datenbank-Performance
MehrSAP Business Information Warehouse mit Oracle Database
SAP Business Information Warehouse mit Oracle Database Maciej Berghof Business Unit Datenbank SAP BW wächst Betriebswirtschaftlich getriebener Bedarf an mehr Informationen SAP BW konkurriert mit den bisherigen
MehrKapitel 6. Vorlesung: PD Dr. Peer Kröger
Kapitel 6 Einführung in Data Warehouses Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München Dieses Skript basiert auf den Skripten
MehrAgile Business Intelligence als Beispiel für ein domänen-spezifisch angepasstes Vorgehensmodell
Agile Business Intelligence als Beispiel für ein domänen-spezifisch angepasstes Vorgehensmodell Prof. Dr. Stephan Trahasch Dr. Michael Zimmer Robert Krawatzeck Business Intelligence zwischen Stabilität
MehrBetriebssysteme SS 2009 VO (2) [+ PR (2) + TU (2)]
Betriebssysteme SS 2009 VO (2) [+ PR (2) + TU (2)] Dr. Chris/an Timmerer Ins4tut für Informa4onstechnologie Mul4mediakommunika4on Universität Klagenfurt christian.timmerer@itec.uni-klu.ac.at http://research.timmerer.com
MehrIBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen
IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner
MehrDesigning Business Intelligence Solutions with Microsoft SQL Server MOC 20467
Designing Business Intelligence Solutions with Microsoft SQL Server MOC 20467 In diesem 5-tägigen Microsoft-Kurs lernen Sie die Implementierung einer Self-Service Business Intelligence (BI) und Big Data
MehrBARC-Studie Data Warehousing und Datenintegration
Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich
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
MehrProzessorientierte Applikationsund Datenintegration mit SOA
Prozessorientierte Applikationsund Datenintegration mit SOA Forum Business Integration 2008, Wiesbaden Dr. Wolfgang Martin unabhängiger Analyst und ibond Partner Business Integration 1998 2008 Agenda Business
MehrUnterstützung des PersonalControlling durch flexible IuK-Technologie Präsentation für die Tagung der IuK-Leiter am 23.09.2003
Data-Warehouse Unterstützung des PersonalControlling durch flexible IuK-Technologie Präsentation für die Tagung der IuK-Leiter am 23.09.2003 23.09.2003, Folie: 1 Data Warehouse Historie Architekturprinzip
MehrWissenswertes über System Center 2012 R2. 1 08.10.2014 Wissenswertes über System Center 2012 R2
Wissenswertes über System Center 2012 R2 1 08.10.2014 Wissenswertes über System Center 2012 R2 Agenda 00 Ein Überblick (R.Dressler) 01 Provisioning (C.Kaiser) 02 Automation (C.Kaiser) 03 Client Management
MehrTUI InfoTec. We do IT with a Smile. TUI InfoTec We do IT with a smile Folie 1
TUI InfoTec. We do IT with a Smile. TUI InfoTec We do IT with a smile 30.05.2008 Folie 1 Von der IT-Abteilung des Touristikkonzerns zum international agierenden IT-Dienstleister. < 1997 1997 2006 IT-Abteilung
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
MehrDATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle
DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell
MehrStand: NEVARIS Build SYSTEMVORAUSSETZUNGEN NEVARIS BUILD
Stand: 07.05.2018 NEVARIS Build SYSTEMVORAUSSETZUNGEN NEVARIS BUILD INHALT 1 Vorwort... 1 2 Betriebssysteme... 1 2.1 Orientierungspunkte für die Anforderungen an Clients... 1 2.2 Orientierungspunkte für
MehrSchnellste Realtime Segmentierung weltweit
Schnellste Realtime Segmentierung weltweit powered by 1 Über Webtrekk Gegründet 2004 in Berlin Einer der führenden europäischen Webanalyseanbieter 45 Mitarbeiter 2 2nd only to Omniture 3 Referenzen Kunden
MehrMDRE die nächste Generation des Requirements Engineerings
MDRE die nächste Generation des Requirements Engineerings Tom Krauß, GEBIT Solutions GmbH Copyright 2007 GEBIT Solutions Agenda Requirements Engineering heute eine Bestandsaufnahme Modell-Driven Requirements
MehrSAP Analytics für KMU. Oktober 2017
SAP Analytics für KMU Oktober 2017 1. Trend 2. Lösung Inhalt 3. Szenarien 4. Angebot 5. Vorteile 6. Testen Sie es! 7. Referenz 8. Unsere Kunden 9. Kontakt Reporting mit Excel? Werden Sie es los. Ganz einfach.
MehrDWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH. Referent: Ilona Tag
DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Referent: Ilona Tag Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
MehrProzessunterstützung durch BPR-, BPM- und Workflow-Systeme
Prozessunterstützung durch BPR-, BPM- und Workflow-Systeme 27. April 2004 München Brigitte Stuckenberger Business Process Management verbindet technische und fachliche Sicht auf Geschäftsprozesse Unternehmensberatungen,
MehrLars 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
MehrBW305H. Query-Design und -Analysen mit SAP Business Warehouse powered by SAP HANA GLIEDERUNG DES KURSES. Version der Schulung: 15 Dauer der Schulung:
BW305H Query-Design und -Analysen mit SAP Business Warehouse powered by SAP HANA. GLIEDERUNG DES KURSES Version der Schulung: 15 Dauer der Schulung: SAP-Copyright und Markenzeichen 2017 SAP SE oder ein
MehrMehrrechner-Datenbanksysteme (Verteilte und Parallele DBS)
Mehrrechner-Datenbanksysteme (Verteilte und Parallele DBS) Prof. Dr. E. Rahm Wintersemester 2017/2018 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de WS17/18, Prof. Dr. E. Rahm 0-1
MehrMehrwert durch Microsoft Business Intelligence
Mehrwert durch Microsoft Business Intelligence Dr. Klaus von Rottkay Direktor Business Group Server Microsoft Deutschland GmbH Steffen Krause Technical Evangelist Microsoft Deutschland GmbH Warum Business
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
MehrNEVARIS Build Systemvoraussetzungen
System- und Hardwarevoraussetzungen NEVARIS Build Die optimale Konfiguration einer passenden Hardware für NEVARIS Build mit der Datenbank von Microsoft hängt von zahlreichen Einflussgrößen ab, wie z. B.
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(Miss-) Erfolgsfaktor Human Resources
PRO OPT SERVICE MANAGEMENT GmbH & Co. KG (Miss-) Erfolgsfaktor Human Resources Veranstaltung: GULP ProMaDays 2017 Date: 01./02. Juni 2017 Rudolf Hirschbeck PRO OPT SERVICE MANAGEMENT GmbH & Co. KG 1 Projekte
MehrMOBILE ON POWER MACHEN SIE IHRE ANWENDUNGEN MOBIL?!
MOBILE ON POWER MACHEN SIE IHRE ANWENDUNGEN MOBIL?! Oliver Steinhauer Sascha Köhler.mobile PROFI Mobile Business Agenda MACHEN SIE IHRE ANWENDUNGEN MOBIL?! HERAUSFORDERUNG Prozesse und Anwendungen A B
MehrITGAIN Fach- und Technikspezialist
ITGAIN Fach- und Technikspezialist KOMPETENZ GEWINNBRINGEND EINSETZEN. Copyright 2012 ITGAIN GmbH 1 SPoT Wir bringen Ihre Informationen auf den Punkt. Hamburg, 07.05.2012 FACTORY-ANSATZ FÜR ETL-PROZESSE
MehrTHEMA: SAS DATA INTEGRATION STUDIO FÜR MEHR TRANSPARENZ IM DATENMANAGEMENT EVA-MARIA KEGELMANN
WEBINAR@LUNCHTIME THEMA: SAS DATA INTEGRATION STUDIO FÜR MEHR TRANSPARENZ IM DATENMANAGEMENT EVA-MARIA KEGELMANN HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute
MehrGESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013
OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld
MehrData-Warehouse-Praktikum
Data-Warehouse-Praktikum WS 18/19 Universität Leipzig, Institut für Informatik Abteilung Datenbanken Prof. Dr. E. Rahm V. Christen, M. Franke, Z. Sehili {christen, franke, sehili}@informatik.uni-leipzig.de
Mehr"Hier kann ich mich weiterentwickeln!"
"Hier kann ich mich weiterentwickeln!" Zur Verstärkung suchen wir für die Standorte München und Dresden einen Reporting Expert (m/w) Leistungsspektrum der BBF BBF ist ein mittelständisches Unternehmen
MehrProduktivität von Prozessleitsystemen
Jörg Niemann, ABB-Pressekonferenz, 17. Februar 2009 Produktivität von Prozessleitsystemen objektiv bewerten Life Cycle Management 13.02.2009 Life Cycle Management ABB 1 Eine neue Philosophie Strategische
Mehr