Integrated Data Repository Toolkit (IDRT)

Größe: px
Ab Seite anzeigen:

Download "Integrated Data Repository Toolkit (IDRT)"

Transkript

1 Integrated Data Repository Toolkit (IDRT) TMF-Projekt V091-MI_03 AP5.2: Realisierung USE CASE Clinical DWH Report Igor Engel Sebastian Mate Jan Christoph Prof. Dr. Hans-Ulrich Prokosch Dr. Thomas Ganslandt

2 1. Autoren Autor 1: Igor Engel Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 2: Sebastian Mate Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 3: Jan Christoph Friedrich-Alexander-Universität Erlangen-Nürnberg Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 4: Prof. Dr. Hans-Ulrich Prokosch Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: sowie: Medizinisches Zentrum für Informations- und Kommunikationstechnik Krankenhausstraße ERLANGEN AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

3 Autor 5: Dr. Thomas Ganslandt Medizinisches Zentrum für Informations- und Kommunikationstechnik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

4 2. Inhaltsverzeichnis 1. Autoren Inhaltsverzeichnis Zusammenfassung Einleitung Methoden Ergebnisse Diskussion und Ausblick Literatur Abbildungen Glossar/Abkürzungsverzeichnis AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

5 3. Zusammenfassung Use Case Clinical DWH ist ein Beispiel für den Einsatz der IDRT-Komponenten in einer produktiven klinischen Umgebung. Dabei werden ausgewählte Behandlungsdaten aus dem klinischen DWH des Universitätsklinikums Erlangen mit Hilfe von IDRT-Importern extrahiert, verarbeitet und in ein i2b2-projekt geladen. Dabei werden zusätzlich die strukturierten Informationen aus den medizinischen Standardterminologien mitimportiert, um diese für die bessere Strukturierung der Rohdaten zu verwenden. Schließlich findet eine Neustrukturierung bzw. Transformation der Behandlungsdaten anhand der Informationen aus den Terminologien statt. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

6 4. Einleitung Das Ziel des Arbeitspaketes 5.2 war die gemeinsame Verwendung mehrerer IDRT- Komponenten, um den Einsatz der Plattform in einer echten klinischen Umgebung zu demonstrieren. Der gewählte Anwendungsfall "Clinical Data Warehouse" stellte hierbei die Integration von Inhalten verschiedener typischer Datenquellen eines Krankenhauses für Abfragezwecke in den Vordergrund. Das Arbeitspaket wurde am Universitätsklinikum Erlangen unter Nutzung der dort verfügbaren Datenquellen umgesetzt. Als Datenbasis diente der 21-Datensatz (siehe AP2.5), der aus dem PDV-System der Klinik exportiert wurde, sowie Labor- und Medikationsdaten, die aus den jeweiligen Abteilungssystemen extrahiert wurden.

7 5. Methoden Für die Umsetzung wurden neben dem 21-Datensatz Labor- und Medikationsdaten aus dem Clinical Data Warehouse des Universitätsklinikums Erlangen zum Import ausgewählt. Die zu importierende Kohorte wurde hierbei durch den 21-Datensatz festgelegt, der alle im Jahr 2010 entlassenen stationären und teilstationären Behandlungsfälle enthielt. Der Import der 21-Daten konnte mit Hilfe des im Deliverable 2.5 beschriebenen P21- Extraktorpakets vollautomatisiert durchgeführt werden. Für die Labor- und Medikationsdaten wurde der in Deliverable 2.3 beschriebene Extraktor für tabellarische (SQL-)Datenquellen verwendet. Für beide Datentypen war jeweils eine Vorverarbeitung mit Hilfe von Datenbank- Views erforderlich, um diese in die für den tabellarischen Extraktor benötigte Form zu transformieren. Mit Hilfe der Views wurde zunächst für beide Datenarten die Filterung auf das Kollektiv des importierten 21-Datensatzes vorgenommen und der Spaltenumfang auf die für das Projekt relevanten Felder reduziert. Bei den Labordaten wurden darüber hinaus Daten mehrerer Quelltabellen zu einer gemeinsamen Abfrage zusammengestellt, die im Data Warehouse aus Performancegründen getrennt gespeichert werden. Bei den Labordaten wurde weiterhin die Filterung auf Befunde vorgenommen, für die ein Mapping auf den LOINC-Katalog vorlag, der für die Aufschlüsselung der Befunde in der i2b2-konzepthierarchie verwendet werden sollte. Bei den Medikationsdaten wurden Daten verschiedener Quelltabellen (Rezeptierung, Einzelkosten) zusammengeführt und Datensätze ausgefiltert, für die es keine Angabe des ATC-Codes vorlag, der zur Aufschlüsselung in der Konzepthierarchie vorgesehen war. Um eine aussagekräftige Erschließung der importierten Daten über die i2b2- Konzepthierarchie zu ermöglichen, wurden außerdem die relevanten Standardterminologien für den 21-Datensatz sowie für LOINC importiert (vgl. Deliverable 4.1) sowie eine lokal am Universitätsklinikum Erlangen Umsetzung des ATC-Codes für i2b2 geladen. Analog zum P21-Extraktorpaket musste außerdem ein Transformationsjob erstellt werden, um die importierten Labor- und Medikationsdaten an die Konzepthierarchien für LOINC und ATC anzupassen. Insgesamt resultierte eine sequenzielle Ausführung der folgenden IDRT-Komponenten, um den geplanten Anwendungsfall umzusetzen: Ausführung des P21-Importers für den Import des 21-Datensatzes (P21_Import) Ausführung des SQL-Importers für den Import von Tabellen/Views (SQL_Import) AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

8 Ausführung des STDTERM-Importers für den Import von Standardterminologien (STDTERM_Import) Ausführung des Transformationsjobs für die Semantikanreicherung (TRANSFORMATION) Nach der vollständigen Ausführung dieser Komponenten in der richtigen Reihenfolge erhält man eine zur Auswertung konforme Datensammlung. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

9 6. Ergebnisse Der Import der 21-Daten konnte wie bereits im AP2.5 demonstriert erfolgreich und voll automatisiert durchgeführt werden. Die Medikationsdaten konnten nach der beschriebenen Vorverarbeitung mit Hilfe von Views ebenfalls vollständig und fehlerfrei geladen werden. Bei den Labordaten stellte sich ein Problem durch das Auftreten von Freitexten in Feldern dar, die laut Datenmodell eigentlich nur numerische Werte hätten enthalten sollen. Dies ist ein Artefakt der Datenquelle, aus der die Laborbefunde in das Clinical Data Warehouse importiert werden. Da eine datentypspezifische Vorverarbeitung Programmlogik erfordert hätte, die mit Hilfe von Views nicht implementiert werden konnte, wurde als Workaround eine Ausfilterung freitextlicher Laborbefunde vorgenommen. Anschließend konnten auch die Laborbefunde vollständig importiert werden. Nach Abschluss des Importvorgangs waren alle Datenelemente in i2b2 zunächst unter den "nativ" in der Quelldatenbank verwendeten Konzept-Identifikatoren verfügbar, beispielsweise den LOINC-Codes (s. Abb. 6.1): Abbildung 6.1: Importierte Patientendaten mit nativen Konzept-Identifikatoren Nach Import der Standardterminologien waren zusätzlich die "menschenlesbaren" Konzepthierarchien im System verfügbar (s. Abb. 6.2): AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

10 Abbildung 6.2: Auszug der importierten Standardterminologien Nach Ausführung des Transformationsjobs war die Zuordnung der importierten Faktendaten mit der Konzepthierarchie hergestellt, so dass eine Abfrage der importierten Daten über die Elemente sowohl des 21-Datensatzes als auch der Labor- und Medikationsdaten möglich war (s. Abb. 6.3): AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

11 Abbildung 6.3: Strukturierte Patientendaten nach der Transformation AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

12 7. Diskussion und Ausblick Während der Umsetzung des betreffenden Arbeitspaketes konnte eine erfolgreiche Integration von Basisdaten aus dem 21 mit erweiterten Daten aus einem Clinical DWH erzielt werden. Für die erweiterten Daten ergab sich die Notwendigkeit einer gezielten Vor- Aufbereitung der Quelldaten im DWH mit Hilfe von Views, um diese für die direkte Verarbeitung mit dem Extraktor für tabellarische Daten verwendbar zu machen. Durch die Einbindung relevanter Standardterminologien und die anschließende Transformation konnten die importierten Rohdaten über einen strukturierten, hierarchischen Zugangsweg erschlossen werden. Bei den Labordaten ergaben sich jedoch Einschränkungen durch den Ausschluss von Freitextbefunden. Die i2b2-plattform unterstützt prinzipiell zwar die parallele Speicherung sowohl numerischer als auch textueller Daten, allerdings hätte dies eine Vorverarbeitung erforderlich gemacht, die auf Basis der verwendeten Views nicht umsetzbar gewesen wäre. Hierzu soll in Zukunft ein entsprechender Job in Talend Open Studio erstellt werden, der entweder in den ETL-Pfad integriert oder als vorgelagerte Komponente ausgeführt werden kann, um eine entsprechend aufbereitete Kopie der Labordatentabelle(n) zu erstellen. Die Umsetzung der Labordaten beschränkt sich z.zt. auf die Speicherung der im Befund angegebenen (numerischen) Ausprägung sowie der ggf. mitgegebenen Kennzeichnung, ob ein Befund gegenüber seinem Normbereich erhöht oder erniedrigt ist. i2b2 würde darüber hinaus auch die explizite Angabe von Normbereichen zu den einzelnen in der Konzepthierarchie definierten Laborwerten ermöglichen. Dies erfordert jedoch die Konstruktion einer individuellen XML-Definition für jeden einzelnen Laborwert, was die im Rahmen des Projekts verfügbaren Ressourcen weiter überstiegen hätte und deshalb nicht verfolgt wurde. Der von i2b2 verfolgte Ansatz einer festen Normbereichsdefinition für Laborwerte bietet darüber hinaus keine Unterstützung für patientenindividuelle Normbereiche (z.b. alters- oder geschlechtsbezogen) sowie für wechselnde Normbereiche aufgrund veränderter Bestimmungsmethoden. Der im Projekt gewählte Weg, die vom Laborsystem mitgelieferte Kennzeichnung für Werte unter- bzw. oberhalb des dort (ggf. patientenindividuell) geführten Normbereichs zu nutzen, stellt hier möglicherweise den besten Ansatz dar. Im Gegensatz zum 21-Datensatz, der trotz Abdeckung alle stationären & teilstationären Behandlungsfälle eine überschaubare Größe hat, stellen sich die Labordaten deutlich umfangreicher dar und können schnell mehrere Millionen Datensätze für eine Jahreskohorte AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

13 erreichen. Bei Nutzung des Extraktors für tabellarische Datenquellen können sich aufgrund der Verwendung einfacher INSERT-Statements hier teilweise erhebliche Ladezeiten ergeben. Bei einer zukünftigen Erweiterung der IDRT-Plattform sollte deshalb die Nutzung spezieller Loading-Tools (z.b. des Oracle SQL*Loaders) in Erwägung gezogen werden, die teilweise erhebliche Geschwindigkeitsvorteile bieten könnten. Insgesamt konnte in AP5.2 erfolgreich demonstriert werden, wie eine Klinik ein Clinical Data Warehouse mit i2b2 auf Basis des 21-Datensatzes aufbauen und um zusätzliche klinische Fakten ergänzen kann. Durch die breite Verfügbarkeit des 21-Datensatzes und hohe Flexibilität der IDRT-Extraktoren kann dieses Beispiel leicht auf andere Standorte übertragen werden. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

14 8. Literatur (zuletzt abgerufen am ) AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

15 9. Abbildungen & Tabellen Abbildung 6.1: Importierte Patientendaten mit nativen Konzept-Identifikatoren Abbildung 6.2: Auszug der importierten Standardterminologien Abbildung 9.3: Strukturierte Patientendaten nach der Transformation AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

16 10. Glossar/Abkürzungsverzeichnis ATC Anatomical Therapeutic Chemical Classification System CSV Comma Separated Values DWH Data Warehouse LOINC Logical Observation Identifiers Names and Codes AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database

IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database First European i2b2 Academic User Meeting IDRT: Unlocking Research Data Sources with ETL for use in a Structured Research Database The IDRT Team (in alphabetical order): Christian Bauer (presenter), Benjamin

Mehr

Patientenübergreifende, multiple Verwendung von Gesundheitsdaten mit Hilfe von openehr-archetypen

Patientenübergreifende, multiple Verwendung von Gesundheitsdaten mit Hilfe von openehr-archetypen Institut für Medizinische Biometrie und Informatik: Medizinische Informatik Patientenübergreifende, multiple Verwendung von Gesundheitsdaten mit Hilfe von openehr-archetypen Christian Kohl Gliederung Einleitung

Mehr

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

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

Mehr

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

Business Intelligence Aufgabenstellung

Business Intelligence Aufgabenstellung Hochschule Darmstadt Business Intelligence (BI) Fachbereich Informatik Praktikum 2 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Sebastian Gobst Änderung: 15.06.2012 Datum: 30.05.2012 1. Einführung

Mehr

Zentrallabor des UK S-H, Campus Kiel LOINC. Stand und Weiterentwicklung aus deutscher Perspektive. Dipl. Phys. P. Duhm-Harbeck

Zentrallabor des UK S-H, Campus Kiel LOINC. Stand und Weiterentwicklung aus deutscher Perspektive. Dipl. Phys. P. Duhm-Harbeck LOINC Stand und Weiterentwicklung aus deutscher Perspektive Dipl. Phys. P. Duhm-Harbeck 50. GMDS-Jahrestagung PG: Standardisierte Terminologien in der Medizin Freiburg, 15.09.2005 Was ist LOINC? Welchen

Mehr

Berichte aus der Medizinischen Informatik und Bioinformatik. Günther Schadow. Krankenhauskommunikation mit HL7

Berichte aus der Medizinischen Informatik und Bioinformatik. Günther Schadow. Krankenhauskommunikation mit HL7 Berichte aus der Medizinischen Informatik und Bioinformatik Günther Schadow Krankenhauskommunikation mit HL7 Analyse, Implementation und Anwendungeines Protokollstandards für medizinische Datenkommunikation

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

MHH Klausurtagung Forschung. Klinisches Data Warehouse

MHH Klausurtagung Forschung. Klinisches Data Warehouse MHH Klausurtagung Forschung 2013 Klinisches Data Warehouse Agenda Klinisches Data Warehouse der MHH - aktueller Status Mögliche Einsätze des klinischen Data Warehouse für die Forschung Demo: Einsatzbeispiel

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

Semantische Integration für translationale und personalisierte klinische Forschung: Unterschiedliche Lösungen und Vorgehensweisen

Semantische Integration für translationale und personalisierte klinische Forschung: Unterschiedliche Lösungen und Vorgehensweisen Semantische Integration für translationale und personalisierte klinische Forschung: Unterschiedliche Lösungen und Vorgehensweisen Wolfgang Kuchinke (HHU Düsseldorf) 15.5.2014 in Berlin BMBF Partnering

Mehr

Management von Datenelementen mit dem nationalen Metadata Repository (MDR)

Management von Datenelementen mit dem nationalen Metadata Repository (MDR) Management von Datenelementen mit dem nationalen Metadata Repository (MDR) Standardisierte Datenelemente zur Dokumentation in klinischen Studien und epidemiologischen Registern Matthias Löbe 1, Johannes

Mehr

Handover von Daten IBM Rational DOORS StartUp Training - Teil 2

Handover von Daten IBM Rational DOORS StartUp Training - Teil 2 Handover von Daten IBM Rational DOORS StartUp Training - Teil 2 Inhalt: Überblick Daten Import & Export Import von RTF Dateien Import von Spreadsheet Daten Export als RTF und HTML DOORS Repository In-Export

Mehr

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering LINQ to SQL Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel Institut für Informatik Software & Systems Engineering Agenda 1. LINQ allgemein Vorteile Bausteine und Varianten

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

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

7. ArcView-Anwendertreffen. Einbindung von Datenbanken in ArcMap am Beispiel der Biotopkartierung Bayern. Daniel Fuchs

7. ArcView-Anwendertreffen. Einbindung von Datenbanken in ArcMap am Beispiel der Biotopkartierung Bayern. Daniel Fuchs 7. ArcView-Anwendertreffen Einbindung von Datenbanken in ArcMap am Beispiel der Biotopkartierung Bayern Daniel Fuchs 1. Grundlagen Biotopkartierung: Datenformat Die Daten der Biotopkartierung Bayern werden

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

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006) Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger

Mehr

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische

Mehr

MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten

MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten Martin Bialke Institut für Community Medicine (Abt. VC) Universitätsmedizin Greifswald 25.

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

Sarah Hartmann. Webformular für die GND

Sarah Hartmann. Webformular für die GND Sarah Hartmann Webformular für die GND 1 Inhalt Ziele und Motivation Vorgehensweise im Projekt Anforderungen und Spezifikation Realisierung (Stand der Dinge) Testphase Ausblick und Herausforderungen 2

Mehr

Präsentation des Masterstudiengangs

Präsentation des Masterstudiengangs Präsentation des Masterstudiengangs Medical Process Management (M.Sc.) Stand: 13.05.2013 Erlangen als optimaler Standort für ein Studium mit Medizinbezug Standort Vorteile Erlangen ca. 105.000 Einwohner

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

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

Die Orientierungshilfe Schritte auf dem Weg zu einem praktikablen Datenschutz

Die Orientierungshilfe Schritte auf dem Weg zu einem praktikablen Datenschutz Die Orientierungshilfe Schritte auf dem Weg zu einem praktikablen Datenschutz Bundesverband Gesundheits-IT e. V. Jan Neuhaus, Tieto Deutschland GmbH für AG Datenschutz IT-Trends, Düsseldorf, 21.9.2011

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

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Exposé zur Diplomarbeit Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Fakultät II Institut

Mehr

Integration Services Übersicht

Integration Services Übersicht Integration Services Übersicht Integration Services Übersicht Integration Services stellt umfangreiche integrierte Tasks, Container, Transformationen und Datenadapter für die En t- wicklung von Geschäftsanwendungen

Mehr

Ein Portal für Medizinische Formulare. Martin Dugas dugas@uni-muenster.de

Ein Portal für Medizinische Formulare. Martin Dugas dugas@uni-muenster.de Ein Portal für Medizinische Formulare Martin Dugas dugas@uni-muenster.de Agenda Kurzvorstellung IMI Hintergrund und Problemstellung MDM-Portal für Medizinische Formulare Diskussion: Freier Zugang zu medizinischen

Mehr

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...

Mehr

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Beispiele und Anwendungsfälle 1. Modellierung, Extraction, Transformation und Loading mit Datenquelle SAP R/3 und mysap ERP Mit Hilfe des Cubeware Importers und

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Änderungen erkennen Schneller handeln Stefan Panek. Senior Consultant Christoph Jansen. Consultant 23.10.2008

Änderungen erkennen Schneller handeln Stefan Panek. Senior Consultant Christoph Jansen. Consultant 23.10.2008 Änderungen erkennen Schneller handeln Stefan Panek. Senior Consultant Christoph Jansen. Consultant 23.10.2008 Seit der Datenbankversion 9i bietet Oracle das Feature Change Data Capture an. Aber was genau

Mehr

Entscheidungsunterstützung durch Big Data. Perspektiven und Chancen für die Zukunft. Holger Cordes. Chief Operations Officer, Cerner Europe

Entscheidungsunterstützung durch Big Data. Perspektiven und Chancen für die Zukunft. Holger Cordes. Chief Operations Officer, Cerner Europe Entscheidungsunterstützung durch Big Data Perspektiven und Chancen für die Zukunft Holger Cordes Chief Operations Officer, Cerner Europe Enorme Beschleunigung der Wissensgewinnung Medizinisches Wissen

Mehr

Kurzanleitung für die Import/Export Funktion Kinderleicht Produkte importieren und aktualisieren und exportieren

Kurzanleitung für die Import/Export Funktion Kinderleicht Produkte importieren und aktualisieren und exportieren Kurzanleitung für die Import/Export Funktion Kinderleicht Produkte importieren und aktualisieren und exportieren Sehr geehrter Online-Händler, damit Sie schnell mit Ihrem Onlineshop erfolgreich, möchten

Mehr

Nach Data Warehousing kommt Business Intelligence

Nach Data Warehousing kommt Business Intelligence Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative

Mehr

TimeSafe Leistungserfassung

TimeSafe Leistungserfassung Keep your time safe. TimeSafe Leistungserfassung Adressimport 1/8 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 Allgemeines... 3 1.1 Adressen in der TimeSafe Leistungserfassung... 3 1.2 Organisationen und/oder

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

Evaluation der computer-linguistischen Texterschließung neuroradiologischer Befunde im Berliner BFG-Projekt

Evaluation der computer-linguistischen Texterschließung neuroradiologischer Befunde im Berliner BFG-Projekt Evaluation der computer-linguistischen Texterschließung neuroradiologischer Befunde im Berliner BFG-Projekt KIS-RIS-PACS- und DICOM-Treffen Mainz Schloß Waldthausen 21. Juni 2013 Josef Schepers, Peter

Mehr

FAGUS Paper Data Cubes

FAGUS Paper Data Cubes FAGUS Paper Data Cubes v5 Dynamische Datenanalyse auf Basis von FAGUS Paper.v5 und Microsoft Analysis Services 2 FAGUS Paper Data Cubes Data Mining Nutzen Sie den Mehrwert Ihrer IT Jeden Tag werden in

Mehr

Handbuch Assyrja Ersteller: EWERK MUS GmbH Erstellungsdatum: 17.02.2011

Handbuch Assyrja Ersteller: EWERK MUS GmbH Erstellungsdatum: 17.02.2011 Handbuch Assyrja Ersteller: EWERK MUS GmbH Erstellungsdatum: 17.02.2011 Inhalt 1 Vorwort... 3 2 Installation... 5 2.1 Voraussetzungen... 5 2.2 Installation... 5 3 Funktionen und Handhabung... 6 3.1 TurboMed

Mehr

1. Datenmodelle. Hierarchisches Datenmodell

1. Datenmodelle. Hierarchisches Datenmodell 1. Datenmodelle ECDL Advanced Modul 5 Es gibt verschiedene Verfahren Teile der realen Welt und die dafür notwendigen Objekte in einem Datenbanksystem abzubilden. Dazu werden die benötigten Informationen

Mehr

Anwendertage WDV2012

Anwendertage WDV2012 Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Thema: Business Intelligence mit Excel 2010 Referent: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant Alles ist möglich! 1 Torsten Kühn Dipl.

Mehr

Verschiedene Arten des Datenbankeinsatzes

Verschiedene Arten des Datenbankeinsatzes 1 Beispiele kommerzieller DBMS: Kapitelinhalt Was charakterisiert und unterscheidet verschiedene Einsatzbereiche für. Welche prinzipiell unterschiedlichen Anforderungen ergeben sich für das DBMS bei Ein-

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u)

Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u) Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u) Jeder kennt folgende Sätze aus seinem eigenen Unternehmen: Wieso sind so viele doppelte Einträge im System? Kann man

Mehr

Mallux.de CSV-Import Schnittstellen von Mallux.de. Beschreibung für den Import von CSV-Dateien. Stand: 01. Januar 2012. von Mallux.

Mallux.de CSV-Import Schnittstellen von Mallux.de. Beschreibung für den Import von CSV-Dateien. Stand: 01. Januar 2012. von Mallux. Mallux.de CSV-Import Schnittstellen von Mallux.de Beschreibung für den Import von CSV-Dateien Stand: 01. Januar 2012 von Mallux.de Mallux.de CSV-Import Schnittstellen von Mallux.de Seite 2 / 6 Vorwort

Mehr

Release-Info. FILAKS.PLUS Release 4.5.0. Anhang CARLiner

Release-Info. FILAKS.PLUS Release 4.5.0. Anhang CARLiner Release-Info FILAKS.PLUS Release 4.5.0 Anhang CARLiner Inhaltsübersicht 1 Allgemein 3 1.1 CARLiner - CRM 3 1.2 CARLiner Web-Disposition 3 1.3 Kommunikationswege 3 2 CARLiner Datenaustausch 4 2.1 CARLiner

Mehr

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v.

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v. 1 Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge 2 Motivation Seite 3 SAP BO/BW Frontendwerkzeuge Seite 4-5 Roadmap Analyse Werkzeuge Seite 6-7 Übersicht Kundenszenarien

Mehr

WhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com

WhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com WhitePaper BIA Business Intelligence Accelerator Mai 2012 Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com BIA Business Intelligence Accelerator GmbH Softwarepark 26 A-4232 Hagenberg Mail:

Mehr

Inhalt. 1 Übersicht. 2 Anwendungsbeispiele. 3 Einsatzgebiete. 4 Systemanforderungen. 5 Lizenzierung. 6 Installation.

Inhalt. 1 Übersicht. 2 Anwendungsbeispiele. 3 Einsatzgebiete. 4 Systemanforderungen. 5 Lizenzierung. 6 Installation. Inhalt 1 Übersicht 2 Anwendungsbeispiele 3 Einsatzgebiete 4 Systemanforderungen 5 Lizenzierung 6 Installation 7 Key Features 1. Übersicht Der MIK.etl.connector ist ein ETL-Tool - die Abkürzung steht für

Mehr

Medizinische Dokumentation

Medizinische Dokumentation Florian Leiner - Wilhelm Gaus - Reinhold Haux Petra Knaup-Gregori - Karl-Peter Pfeiffer - Judith Wagner Medizinische Dokumentation Grundlagen einer qualitätsgesicherten integrierten Krankenversorgung Lehrbuch

Mehr

Apps, ein weiterer Ausbauschritt zur prozessnahen Datenkommunikation eines KIS-Systems.

Apps, ein weiterer Ausbauschritt zur prozessnahen Datenkommunikation eines KIS-Systems. Apps, ein weiterer Ausbauschritt zur prozessnahen Datenkommunikation eines KIS-Systems. conhit 2011 2009 Tieto Corporation Neue Mobilität durch Multitouch. Mobile Multitouch Smartphones und Pads erobern

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Methoden und Erfahrungen der. für die Arzneimitteltherapie

Methoden und Erfahrungen der. für die Arzneimitteltherapie Methoden und Erfahrungen der elektronischen Entscheidungsunterstützung für die Arzneimitteltherapie 19.04.2010 Dr. Reinhold Sojer Lehrstuhl für Medizinische Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg

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

Kassel, 20. März 2013. FALSCHE RICHTUNG? Daten aus dem DWH in einen Key-Value-Store für ein OLTP System

Kassel, 20. März 2013. FALSCHE RICHTUNG? Daten aus dem DWH in einen Key-Value-Store für ein OLTP System Kassel, 20. März 2013 FALSCHE RICHTUNG? Daten aus dem DWH in einen Key-Value-Store für ein OLTP System INHALT A. Ausgangssituation B. Aktuelle Lösung C. Neuer Ansatz mit Oracle NoSQL Database D. Aussicht

Mehr

Informationstechnik. Therapy Data Management System Datenerfassung, Datenmanagement und Qualitätssicherung

Informationstechnik. Therapy Data Management System Datenerfassung, Datenmanagement und Qualitätssicherung Informationstechnik Therapy Data Management System Datenerfassung, Datenmanagement und Qualitätssicherung Die heutige Dialyse-Station Die Anforderungen an das Informationsund Datenmanagement steigen Neben

Mehr

Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben

Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Thema: xrepo Auswirkungen auf zukünftige Entwicklungen Referent: Dipl.Ing. Simon Scheler MSc PRAXIS-Consultant Alles ist möglich! 1 Zu meiner Person

Mehr

Warenwirtschaft Datenimport - Hilfe

Warenwirtschaft Datenimport - Hilfe Warenwirtschaft Datenimport - Hilfe 2 Datenimport - Hilfe Inhaltsverzeichnis Teil I Was ist neu? 3 Teil II Datenimport 4 1 Projekt Explorer... (Bereich 1) 6 2 Eigenschaften... (Bereich 2) 11 3 Feldzuordnungen...

Mehr

Data Warehouse Grundlagen

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

Mehr

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte

Mehr

Heterogene Informationssysteme

Heterogene Informationssysteme Arbeitsberichte des Instituts für Informatik Friedrich-Alexander-Universität Erlangen Nürnberg Band 35 Nummer 4 September 2002 Lutz Schlesinger, Wolfgang Hummer, Andreas Bauer (Hrsg.) Heterogene Informationssysteme

Mehr

Unlimited Controlling

Unlimited Controlling smcolap Unlimited Controlling Heute müssen beliebige Bereiche eines Unternehmens schnell und effizient analysiert werden. Dabei darf es keine Rolle spielen, wo die Daten liegen und in welcher Relation

Mehr

e-procurement ein Trend wird erwachsen

e-procurement ein Trend wird erwachsen e-procurement ein Trend wird erwachsen Prof. Dr. Thomas Allweyer Folge 3: Auswahl von e-procurement-anbietern & Handlungsempfehlungen Inhalt e-procurement: Erwartungen und Erfahrungen... 02 Potenzial des

Mehr

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014 Orientierungsvorlesung Vertiefungsrichtung Datenbanksysteme Februar 2014 Lehrstuhl für Informatik 6 (Datenmanagement) Friedrich-Alexander-Universität Erlangen-Nürnberg Datenbanksysteme (1) 2 Techniken

Mehr

7. UNIGIS-Tag Schweiz 2013

7. UNIGIS-Tag Schweiz 2013 7. UNIGIS-Tag Schweiz 2013 Workshop 3: Schöne Karten erstellen und in der GIS Cloud veröffentlichen Inhaltsüberblick Einführung Vorstellung verschiedener Werkzeuge TileMill CartoCSS Datenimport-/Export

Mehr

A nursing intelligence system to support secondary use of nursing routine data

A nursing intelligence system to support secondary use of nursing routine data A nursing intelligence system to support secondary use of nursing routine data Werner Hackl, Franz Rauchegger, Elske Ammenwerth ehealth Summit Austria ehealth 2015 19. Juni 2015 Hintergrund- klinisch/pflegerische

Mehr

//einfach und mittelstandsgerecht. aruba //Enterprise Query. Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner.

//einfach und mittelstandsgerecht. aruba //Enterprise Query. Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner. Enterprise Query //einfach und mittelstandsgerecht aruba //Enterprise Query Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner aruba //Enterprise Query einfach Daten abfragen und veröffentlichen

Mehr

Integration Services - Dienstarchitektur

Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Dieser Artikel solle dabei unterstützen, Integration Services in Microsoft SQL Server be sser zu verstehen und damit die

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph 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

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

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

Mehr

Datenqualität und Datensicherheit

Datenqualität und Datensicherheit Datenqualität und Datensicherheit Thomas Wrba Medizinischen Universität Wien Zentrum für Medizinische Statistik, Informatik und Intelligente Systeme (CeMSIIS) 05.05.2014 1 Einleitung (1) Medizinischer

Mehr

Analysen sind nur so gut wie die Datenbasis

Analysen sind nur so gut wie die Datenbasis Analysen sind nur so gut wie die Datenbasis Datenaufbereitung und Sicherung der Datenqualität durch den kontextbasierten MIOsoft Ansatz. Daten gelten längst als wichtiger Produktionsfaktor in allen Industriebereichen.

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

ISTEC.MIP Messdaten-Integrations-Plattform

ISTEC.MIP Messdaten-Integrations-Plattform ISTEC.MIP Messdaten-Integrations-Plattform Dr.-Ing. Carsten Folie 1 ISTEC Firmenprofil unabhängiges Software- und Systemhaus seit 1982 erfolgreich am Markt ca. 60 festangestellte Mitarbeiter (Informatiker,

Mehr

SL PROVISOR Automation in der Qualitätssicherung sinnvoll erhöhen

SL PROVISOR Automation in der Qualitätssicherung sinnvoll erhöhen SL PROVISOR Automation in der Qualitätssicherung sinnvoll erhöhen Christian Langmann langmann@softwareloft.de Stefan Kohrs kohrs@softwareloft.de Oktober 2013 SoftwareLoft IT-Solutions GmbH gegründet 2004

Mehr

web-based data capture in clinical trials NEU! Version 4.3 Mit 7 integrierten Randomisierungsalgorithmen

web-based data capture in clinical trials NEU! Version 4.3 Mit 7 integrierten Randomisierungsalgorithmen web-based data capture in clinical trials NEU! Version 4.3 Mit 7 integrierten Randomisierungsalgorithmen Die medizinischen Daten können die Anwender webbasiert erfassen. Lokale Softwareinstallationen sind

Mehr

Umstellung der organice 3 Standarddatenbank auf die organice 3 Datenbank mit Fakturierung. Problembeschreibung

Umstellung der organice 3 Standarddatenbank auf die organice 3 Datenbank mit Fakturierung. Problembeschreibung Version: organice 3 Datenbank: Betriebssysteme: andere Produkte: dexcon GmbH Wittenbergplatz 3 10789 Berlin Tel.: +49 (30) 23 50 49-0 Fax.: +49 (30) 213 97 73 http://www.dexcon.de smtp:info@dexcon.de Berlin,

Mehr

OWB 10.2 Experts im Einsatz: Automatisierung von Designschritten bei der Bayer Healthcare AG. Referent: Lutz Bauer, Senior Systemberater, MT AG

OWB 10.2 Experts im Einsatz: Automatisierung von Designschritten bei der Bayer Healthcare AG. Referent: Lutz Bauer, Senior Systemberater, MT AG OWB 10.2 Experts im Einsatz: Automatisierung von Designschritten bei der Bayer Healthcare AG Referent: Lutz Bauer, Senior Systemberater, MT AG Inhaltsverzeichnis Kurzvorstellung Data Warehouse Bayer Healthcare

Mehr

Zentrale und Dezentrale Versionsverwaltung in Open Source Projekten Konzeptvorstellung Masterarbeit

Zentrale und Dezentrale Versionsverwaltung in Open Source Projekten Konzeptvorstellung Masterarbeit Zentrale und Dezentrale Versionsverwaltung in Open Source Projekten Konzeptvorstellung Masterarbeit Jana von dem Berge Institut für Informatik FU Berlin 05.12.08 Zentrale und Dezentrale Versionsverwaltung

Mehr

2. REACH-Symposium Informationen zum Datenaustausch/IUCLID 5 22. November 2007 Berlin

2. REACH-Symposium Informationen zum Datenaustausch/IUCLID 5 22. November 2007 Berlin 2. REACH-Symposium Informationen zum Datenaustausch/IUCLID 5 22. November 2007 Berlin Dr. Andrea Paetz Bayer AG Corporate Center Environment & Sustainability 1 IT Systeme Entwicklung durch die EU-Kommission

Mehr

Business Intelligence Center of Excellence

Business 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).

Mehr

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project

Mehr

Import von Daten aus Word nach KlasseDozent

Import von Daten aus Word nach KlasseDozent Import von Daten aus Word nach KlasseDozent KlasseDozent ermöglicht Ihnen prinzipiell den Import aus Word-Dateien heraus auf zwei Wegen. Sie können einmal eine Word-Datei im Rich-Text-Format abspeichern

Mehr

good. better. outperform.

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

Mehr

Projekt- und Abschlussarbeiten. Vorstellung...... Projekt- und Abschlussarbeiten 1

Projekt- und Abschlussarbeiten. Vorstellung...... Projekt- und Abschlussarbeiten 1 Vorstellung...... Projekt- und Abschlussarbeiten 1 Anbindung eines IR- Sensors an JavaFX Quelle: Microsoft Research Interaktion mit einem bestehenden Krankenhausinformationssystem durch Gestensteuerung

Mehr

Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System

Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System Web-Content-Management-Systeme () dienen dazu, komplexe Websites zu verwalten und den Autoren einzelner Webseiten möglichst

Mehr

Microsoft Dynamics NAV Technische Details

Microsoft Dynamics NAV Technische Details Microsoft Dynamics NAV Technische Details INHALT Microsoft Dynamics NAV Technische Details........................................ [3] Infrastruktur.............................................. [3] Systemanforderungen.....................................

Mehr

Was gibt es Neues in der BI Welt

Was gibt es Neues in der BI Welt BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Was gibt es Neues in der BI Welt Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. Juni 2015 CubeServ BI-Kongress 2015

Mehr

ACHTUNG: Diese Anleitung gilt für die VR-NetWorld Software ab der Version 5.0. Stammdaten Zahlungsempfänger / Zahler Eigenschaften

ACHTUNG: Diese Anleitung gilt für die VR-NetWorld Software ab der Version 5.0. Stammdaten Zahlungsempfänger / Zahler Eigenschaften ACHTUNG: Diese Anleitung gilt für die VR-NetWorld Software ab der Version 5.0. Die VR-NetWorld Software bietet eine umfangreiche Mandatsverwaltung, mit der u.a. Mandate oder Anschreiben zur Umdeutung von

Mehr

MEDEORA-HIV Qualitätssicherung durch Bewertung von Routinedaten in der Behandlung HIV-infizierter Patienten

MEDEORA-HIV Qualitätssicherung durch Bewertung von Routinedaten in der Behandlung HIV-infizierter Patienten MEDEORA-HIV durch Bewertung von Routinedaten in der Behandlung HIV-infizierter Patienten Die Agenda Überschaubare Zahl von HIV- Schwerpunktpraxen und zentren Definierter Satz relevanter Parameter Finanzieller

Mehr

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

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

Mehr

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen Christoph Arnold (B. Sc.) Prof. Dr. Harald Ritz Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen AKWI-Tagung, 17.09.2012, Hochschule Pforzheim Christoph Arnold, Prof. Dr. Harald

Mehr

Medizinische Dokumentation

Medizinische Dokumentation Florian Leiner Wilhelm Gaus Reinhold Haux Petra Knaup-Gregori Karl-Peter Pfeiffer Medizinische Dokumentation Grundlagen einer qualitätsgesicherten integrierten Krankenversorgung Lehrbuch und Leitfaden

Mehr