DWH-Metadaten Wie und wozu. Clemens Albrecht metafinanz Informationssysteme GmbH

Größe: px
Ab Seite anzeigen:

Download "DWH-Metadaten Wie und wozu. Clemens Albrecht metafinanz Informationssysteme GmbH"

Transkript

1 DWH-Metadaten Wie und wozu Clemens Albrecht metafinanz Informationssysteme GmbH

2 Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT. Business Intelligence Themenbereiche Enterprise DWH Data Modeling & Integration & ETL Architecture: DWH & Data Marts Hadoop & Columnar DBs Data Quality & Data Masking Analytics Predictive Models, Data Mining & Statistics Social Media Analytics Customer Intelligence Scorecarding Fraud & AML Über metafinanz metafinanz gehört seit fast 25 Jahren zu den erfahrensten Software- und Beratungshäusern mit Fokus auf die Versicherungsbranche. Mit einem Jahresumsatz von 270 Mio. EUR und über 450 Mitarbeitern entwickeln wir für unsere Kunden intelligente zukunftsorientierte Lösungen für komplexe Herausforderungen BI & Risk Ihr Kontakt : Clemens Albrecht Insurance Reporting Standard & Adhoc Reporting Dashboarding BI Office Integration Mobile BI & In-memory SAS Trainings for Business Analysts Risk Solvency II (Standard & internal Model) Regulatory Reporting Compliance Risk Management Mehr als 20 Jahre Data Warehousing Industrialisiertes ETL gliedert sich in Beschaffung : Herstellung : Auslieferung 5 Jahre Meta Data Warehouse bei einem Kunden Big Data gehören ins Open Warehouse DWH-Metadaten, wie und wozu Seite 2

3 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 3

4 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 4

5 Wie wird aus technischer Vielfalt ein funktionierendes Ganzes? SAS Auswertungen DB2 Anwendungen Oracle Systeme Sonstige Quellen Data Warehouse (DWH) Microsoft-Quellen DWH-Metadaten, wie und wozu Seite 5

6 Wie wird aus technischer Vielfalt ein funktionierendes Ganzes? Das DWH schafft eine Plattform für heterogene Daten. SAS Auswertungen DB2 Anwendungen Oracle Systeme Sonstige Quellen Datenfluss Data Warehouse (DWH) Aktion Microsoft-Quellen DWH-Metadaten, wie und wozu Seite 6

7 Wie wird aus technischer Vielfalt ein funktionierendes Ganzes? Das DWH schafft eine Plattform für heterogene Daten. Gehen Umstrukturierungen noch? SAS Auswertungen DB2 Anwendungen Oracle Systeme Sonstige Quellen Passt das noch? Data Warehouse (DWH) Aktion Microsoft-Quellen DWH-Metadaten, wie und wozu Seite 7

8 Wie wird aus technischer Vielfalt ein funktionierendes Ganzes? Das DWH schafft eine Plattform für heterogene Daten. Gehen Umstrukturierungen noch? SAS Auswertungen Oracle- Systeme IBM Systeme Sonstige Quellen? Data Warehouse (DWH) Aktion? Microsoft-Quellen DWH-Metadaten, wie und wozu Seite 8

9 Wie wird aus technischer Vielfalt ein funktionierendes Ganzes? Das DWH schafft eine Plattform für heterogene Daten. Vielfalt und Dynamik, ohne Chaos? Big Data SAS Auswertungen Oracle- Systeme IBM Systeme Viele sonstige Quellen? Data Warehouse (DWH) Aktion? SAP BW Microsoft-Quellen DWH-Metadaten, wie und wozu Seite 9

10 Metadaten flexibilisieren strukturelle Verbindungen zwischen Quellsystemen und dem Data Warehouse. Big Data SAS Auswertungen Oracle- Systeme IBM Systeme Viele sonstige Quellen Daten & Metadaten Data Warehouse (DWH) Aktion SAP BW Microsoft-Quellen SQL: Eine verbindende Sprache zur Abbildung von Mengenoperationen DWH-Metadaten, wie und wozu Seite 10

11 Metadaten gliedern wir in 3 Datamarts: Fach, Tech & Orga. In welcher Umgebung? Das letzte Release beim Kunden, gleicher Code auf 2 x Test, 2 x Integration und Produktion 35 Fachobjekte durchliefen i.d.r. 2 Quell-, 6 DWH-, 3 Datamart- und 3 Report-Ebenen. 611 Strukturen davon 66 neu und 58 geändert (auf all ihren Ebenen) Attribute davon neue für dispositive und/oder operative Zwecke (ODS). Metadaten sind Daten über die Daten Wir unterscheiden in fachliche, technische und organisatorische Metadaten. Fachliche Metadaten sind Tabellen und Felder-Mappings, Kennzahlen-Algorithmen, die Bedeutung der Quelldaten, Qualitätskennzahlen und Aktualität und Relevanz der Berichte. Technische Metadaten sind Lade-, Veränderungs-, Fehler- und Leseprotokolle mit Ladezeitpunkten, Durchlaufzeiten, Delta-Lauf-Paket-Nummern und abzuholende vs. geladene Datensatz-Anzahlen/Kennzahlen. Organisatorische Metadaten sind Organigramme, Data Ownership und Stakeholder, Urlaube und Vertretungsregelungen (Betriebskalender), Tools und Strategien über die Zeit. DWH-Metadaten, wie und wozu Seite 11

12 Metadaten gliedern wir in 3 Datamarts: Fach, Tech & Orga. In welcher Umgebung? Das letzte Release beim Kunden, gleicher Code auf 2 x Test, 2 x Integration und Produktion 35 Fachobjekte durchliefen i.d.r. 2 Quell-, 6 DWH-, 3 Datamart- und 3 Report-Ebenen. 611 Strukturen davon 66 neu und 58 geändert (auf all ihren Ebenen) Attribute davon neue für dispositive und/oder operative Zwecke (ODS). Metadaten sind Daten über die Daten Wir unterscheiden in fachliche, technische und organisatorische Metadaten. Fachliche Metadaten sind Tabellen- und Felder-Mappings, Kennzahlen-Algorithmen, die Bedeutung der Quelldaten, Qualitätskennzahlen und Aktualität und Relevanz der Berichte. Technische Metadaten sind Lade-, Veränderungs-, Fehler- und Leseprotokolle mit Ladezeitpunkten, Durchlaufzeiten, Delta-Lauf-Paket-Nummern und abzuholende vs. geladene Datensatz-Anzahlen/Kennzahlen. Organisatorische Metadaten sind Organigramme, Data Ownership und Stakeholder, Urlaube und Vertretungsregelungen (Betriebskalender), Tools und Strategien über die Zeit. DWH-Metadaten, wie und wozu Seite 12

13 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 13

14 Metadaten helfen beim Umstrukturieren der Datenflüsse zur Zielarchitektur (operativ). Oracle- Quellsysteme Starschemata Denormalisiert SAS Schnittstellen DB2 Quellen Sonstige Quellen 1 : N Data Marts Metadaten zu Objekten, Mappings, Transformationen, Regeln und Absichten in der Zeit DWH-Metadaten, wie und wozu Seite 14

15 Metadaten helfen beim Umstrukturieren der Datenflüsse zur Zielarchitektur (Bus). Oracle- Quellsysteme Staging 1:1 Conformed Dimensions Starschemata Denormalisiert SAS Schnittstellen N : 1 1 : M DB2 Quellen ETL Sonstige Quellen N ETL : M Data Marts Metadaten zu Objekten, Mappings, Transformationen, Regeln und Absichten in der Zeit DWH-Metadaten, wie und wozu Seite 15

16 Metadaten helfen beim Umstrukturieren der Datenflüsse zur Zielarchitektur (Hub&Spoke). Oracle- Quellsysteme SAS Schnittstellen Staging 1:1 Core-DWH 3. NF Rohdaten in Starschemata Starschemata Denormalisiert DB2 Quellen Unternehmens Physik & Logik Sonstige Quellen N : 1 1 : M Data Marts Metadaten zu Objekten, Mappings, Transformationen, Regeln und Absichten in der Zeit DWH-Metadaten, wie und wozu Seite 16

17 Metadaten helfen beim Umstrukturieren der Datenflüsse zur Zielarchitektur (zentrale Logik). Oracle- Quellsysteme SAS Schnittstellen Staging 1:1 Core-DWH 3. NF Rohdaten in Starschemata Starschemata Denormalisiert DB2 Quellen Unternehmens Physik & Logik Sich etablierende Kennzahlenlogik Sonstige Quellen N : 1 1 : M Zentrale Kennzahlen Data Marts Metadaten zu Objekten, Mappings, Transformationen, Regeln und Absichten in der Zeit DWH-Metadaten, wie und wozu Seite 17

18 Ziel: Der industrielle Dreischritt => zentrale Beschaffung, zentrale Herstellung & Lagerung, kundengerechte Auslieferung. Rohdaten- Beschaffung Extraktion Wissens- Herstellung & Lagerung Transformation Informations- Auslieferung Load Oracle- Quellsysteme SAS Schnittstellen DB2 Quellen Sonstige Quellen Staging 1:1 Quellorientiert DQM- Kennzahlen Ladeprotokoll N : 1 Core-DWH 3. NF Themenorientierte Speicherung in Historien 1 : M Rohdaten in Starschemata Sich etablierende Kennzahlenlogik Zentrale Kennzahlen Starschemata Zweckorientiert, performanceoptimiert und rechtesegmentiert Data Marts Metadaten zu Objekten, Mappings, Transformationen, Regeln und Absichten in der Zeit DWH-Metadaten, wie und wozu Seite 18

19 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 19

20 Datenfluss-Datamart: Automatisierter Releasebau durch Metadaten. Fachl. Modelle Release- Anforderung Import Orga Tech Fach Releasebau DMLs Metadaten der ETL-Objekte, Impact-Analyse SQLs Lineage-Analyse WHERE Dokumentation Kennzahlen- Fachlichkeit SELECT FROM Releasebau der Folgesysteme DWH-Metadaten, wie und wozu Seite 20

21 Datenfluss-Datamart: Automatisierter Releasebau durch Metadaten. Fachl. Modelle aller Rohdatenquellen Import Orga Tech Fach Release- Anforderungs- Excel DMLs der geänderten Rohdaten-Quellen Automatisiert Ziele erweitern Anforderung entsprechend und gemäß Konventionen und Analogien Metadaten der ETL-Objekte, Folgeobjekte und Mappings über die Zeit Releasebau Impact-Analyse Lineage-Analyse SQLs auf dem Weg, Quelle und Ziel zu verbinden WHERE Dokumentation Kennzahlen- Fachlichkeit der Auswertesysteme SELECT FROM Releasebau der Folgesysteme DWH-Metadaten, wie und wozu Seite 21

22 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 22

23 Das Parsen von SQL über die Keywords `select, from, where erfasst mengen-theoretisch den Datenfluss der Feldinhalte durch Attribute, Tabellen, Filter und Funktionen. insert into X select(select() from() where(), ) from((select() from() where() )a join(select() from() where() )b) on( )) where(select from where)= trunc Orga Tech Fach Oracle SQL Parsing je nach SQL-Dialekt Datenfluss- Metadaten, ETL-Code Generator Auswertungen SAS SQL WHERE Standard-Berichte DB2 SQL SELECT FROM Dokumentation Migrationen DWH-Metadaten, wie und wozu Seite 23

24 Das Parsen von SQL über die Keywords `select, from, where erfasst mengen-theoretisch den Datenfluss der Feldinhalte durch Attribute, Tabellen, Filter und Funktionen. insert into X select(select() from() where(), ) from((select() from() where() )a join(select() from() where() )b) on( )) where(select from where)= trunc Orga Tech Fach Oracle SQL Parsing je nach SQL-Dialekt Datenfluss- Metadaten, ETL-Code Generator Auswertungen SAS SQL WHERE Standard-Berichte DB2 SQL SELECT FROM Abfragbar, änderbar, erweiterbar und übersetzbar Dokumentation Migrationen DWH-Metadaten, wie und wozu Seite 24

25 Aufgliedern eines Select-Statements in seine isolierten Mengenoperations-Elemente für eine Tabelle, using Self-Joins. DWH-Metadaten, wie und wozu Seite 25

26 Graphische Oberfläche des SQL-Mappings für Änderung und Reverse Engineering. DWH-Metadaten, wie und wozu Seite 26

27 Graphische Oberfläche des SQL-Mappings für Änderung und Reverse Engineering. DWH-Metadaten, wie und wozu Seite 27

28 SQL ist die verbindende Sprache, die jedes ETL-Tool versteht, wenn man die SQL-Bestandteile isoliert und alles ins Zielsystem übersetzt. Migration von OWB Eclipse Epsilon ist ein MDD/MDA Tool für Model to Model Transformationen. Die neuen Repository-Strukturen der Mappings bauen wir mit der Java API (physische Umgebungen, Folder-Strukturen, Server-Zuordnungen, Benutzerberechtigungen). Die SQLs der OWB-Packages werden ins Select-Datenmodell geparst, für das Reverse Engineering ins kommende ETL-Tool aus dem Select-Datenmodell: Automatisierte Zerlegung der OWB-Select-Statements in atomare Bausteine (SQL-Parsing) und Füllung des SQL-Datenmodells gemäß Migrations-Fahrplan Graphische Aufbereitung der SQL-Mappings zur Mapping-Pflege und ETL-Package-Generierung Refresh der Quell- und Zieltabellen aus Quell- und Ziel-Datenbanken Ggf. Erweiterung der SQL-Mappings um im Mapping noch nicht enthaltene neue Attribute Ggf. Änderung der SQL-Mappings um geänderte Attribute und/oder neue fachliche Vorgaben Automatisierte Standard-Übersetzung der SQL-Mappings in neue ETL-Package-Mappings analog zum OMB-Plus-Reverse-Engineering inklusive Versionierung und Test-DB-Execute Manuelles Nacharbeiten der noch nicht automatisierbaren Paket-Fragmente Kontrolle, Feintuning und Optimieren aller resultierenden neuen ETL-Pakete 5 Ergänzen der Übersetzungs-Vorschriften um neue Erfahrungen/Entscheidungen. Zurück zu 3 DWH-Metadaten, wie und wozu Seite 28

29 Funktionen und Vorteile des Datenflussdatamarts: Fachbereich wird Partner der IT. Funktionen Vorteile Automatisierte Befüllung, Aktualisierung, Korrektur Unterstützung bei Struktur-Abgleichen Generator-Tool für Datenbank-Objektskripte Hilfe bei Release-Einspielung Zeit- und kostensparend Geringe Fehleranfälligkeit, hohe Korrektur-Durchschlagskraft Risikominimierung, Revisionssicherheit Transparenz, Nachvollziehbarkeit Darstellung des Gesamt-Datenflusses Attribut-Suchfunktion Parsen von SQLs verschiedener Hersteller DWH-Metadaten, wie und wozu Seite 29

30 Agenda Problem: Close the gap - technische Diversity fordert jedes Unternehmen Lösung: Mit Metadaten zur klassischen DWH-Architektur Werkzeug: Fachliche Info - Der Datenfluss-Datamart als Change-Infrastruktur Methode: SQL, General-Schlüssel für Reverse Engineering & Migrationen Fazit: Effizienz im Kleinen fordert Transparenz im Großen DWH-Metadaten, wie und wozu Seite 30

31 Effizienz im Kleinen fordert Transparenz im Großen. DWH-Metadaten, wie und wozu Seite 31

32 Effizienz im Kleinen fordert Transparenz im Großen. Ihre Fragen und Erfahrungen? DWH-Metadaten, wie und wozu Seite 32

33 Effizienz im Kleinen fordert Transparenz im Großen. Ihre Fragen und Erfahrungen? DWH-Metadaten, wie und wozu Seite 33

34 metafinanz unterstützt Ihre Kunden im Bereich Oracle und DWH end-to-end: Von Entscheidung und Konzeption bis hin zu Einführung und Optimierung. DECIDE PLAN BUILD OPTIMIZE metafinanz ist herstellerunabhängig, erfahren, kompetent, zuverlässig und lieferfähig metafinanz Consulting Leistungen rund um Data Warehouse und Enterprise Information Management Businessanalyse, Systemauswahl und Integrationskonzept Gesamtheitliche IT Architektur Strategie und Designkonzeption (IT Strategie) Customizing von Big Data Lösungen für Ihre besonderen Business Anforderungen (Zukunftsfähigkeit) DWH Configuration & Optimierung für mehr Leistungsfähigkeit (Effizienzpotential) Umsetzung DWH Projekte DWH Tuning Anforderungsanalysen Architekturdesign ETL (PL/SQL, OWB, SAS DI, ) Analyse SQL & Physikalisches Tuning Prozessoptimierung Integration Hadoop Gesamtarchitektur & Use Case Discovery DataMart, ETL & Computation Offload OWB ETL Implementierung Migrationskonzeption und Umsetzung Reporting Business- und Anforderungsanalysen Standard Reporting & Analytics SAS (classic & Visual Analytics), Cognos, R DWH-Metadaten, wie und wozu Seite 34

35 Interesse? Austausch? Livedemo des Datenfluss-Datamart? Treffen Sie uns an unserem Stand und gewinnen ein ipad Mini!

36 Herzlichen Dank! metafinanz Informationssysteme GmbH Leopoldstr. 146 Phone: Fax:

Hadoop Projekte Besonderheiten & Vorgehensweise. Oracle/metafinanz Roadshow Februar 2014

Hadoop Projekte Besonderheiten & Vorgehensweise. Oracle/metafinanz Roadshow Februar 2014 Hadoop Projekte Besonderheiten & Vorgehensweise Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

BI-Metadaten. Ein ETL-Toolübergreifender. Ansatz. Dr. Lutz Driesen BI-Konferenz Hannover/ 11.03.2015

BI-Metadaten. Ein ETL-Toolübergreifender. Ansatz. Dr. Lutz Driesen BI-Konferenz Hannover/ 11.03.2015 BI-Metadaten Ein ETL-Toolübergreifender Ansatz Dr. Lutz Driesen BI-Konferenz Hannover/ 11.03.2015 Inhalt 1 Die BI-Landschaft bei der Allianz Deutschland AG 2 Problem: Die technische Diversität der ETL-Prozesse

Mehr

Historisierung mit Flashback Database Archive (FDA)

Historisierung mit Flashback Database Archive (FDA) Historisierung mit Flashback Database Archive (FDA) DOAG Konferenz 2013 Nürnberg, 19.-21. November 2013 Wolfgang Tanzer metafinanz Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen

Mehr

Data Mart Offload nach Hadoop Star Schema in HDFS anstatt RDBMS. Carsten Herbe DOAG Konferenz November 2014

Data Mart Offload nach Hadoop Star Schema in HDFS anstatt RDBMS. Carsten Herbe DOAG Konferenz November 2014 Data Mart Offload nach Hadoop Star Schema in HDFS anstatt RDBMS Carsten Herbe DOAG Konferenz November 2014 Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und

Mehr

Hadoop & Spark. Carsten Herbe. 8. CC-Partner Fachtagung 2015

Hadoop & Spark. Carsten Herbe. 8. CC-Partner Fachtagung 2015 Hadoop & Spark Carsten Herbe 8. CC-Partner Fachtagung 2015 29.04.2015 Daten & Fakten 25 Jahre Erfahrung, Qualität & Serviceorientierung garantieren zufriedene Kunden & konstantes Wachstum 25 Jahre am Markt

Mehr

Partitionierung im Data Warehouse mit ORACLE 11g und 12c. Reinhard Wahl DOAG Konferenz Nürnberg, 18.-20. November 2014

Partitionierung im Data Warehouse mit ORACLE 11g und 12c. Reinhard Wahl DOAG Konferenz Nürnberg, 18.-20. November 2014 Partitionierung im Data Warehouse mit ORACLE 11g und 12c Reinhard Wahl DOAG Konferenz Nürnberg, 18.-20. November 2014 Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden

Mehr

OWB Referenzarchitektur, Releasemanagement und Deployment. Carsten Herbe metafinanz - Informationssysteme GmbH

OWB Referenzarchitektur, Releasemanagement und Deployment. Carsten Herbe metafinanz - Informationssysteme GmbH OWB Referenzarchitektur, Releasemanagement und Deployment Carsten Herbe metafinanz - Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch

Mehr

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014 Hadoop in a Nutshell Einführung HDFS und MapReduce Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die

Mehr

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA Agenda VORSTELLUNG B.TELLIGENT WIE ENTSTEHT EINE KENNZAHL? WAS SIND METADATEN? AUFBAU UND FUNKTIONSWEISE DES BI WIKI LIVE DEMO ZUSAMMENFASSUNG

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

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

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

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie

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

Mehr

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

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

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

Hadoop & IT-Strategie Ein Spagat zwischen Innovation und Kosten Geht das überhaupt? DOAG 2014

Hadoop & IT-Strategie Ein Spagat zwischen Innovation und Kosten Geht das überhaupt? DOAG 2014 Hadoop & IT-Strategie Ein Spagat zwischen Innovation und Kosten Geht das überhaupt? DOAG 2014 Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT. Business

Mehr

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI

Mehr

Marketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Architektur und Konzepte Josef Kolbitsch Manuela Reinisch Übersicht Mehrstufiges BI-System Architektur eines Data Warehouses Architektur eines Reporting-Systems Benutzerrollen in

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG 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

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Bachelor of Eng. (Wirtschafts-Ing.-wesen)

Bachelor of Eng. (Wirtschafts-Ing.-wesen) Persönliche Daten Name Philipp Müller Geburtsdatum 21.11.1982 Berufsausbildung Studium Industriekaufmann Bachelor of Eng. (Wirtschafts-Ing.-wesen) Kompetenzen Methodisch Datenmodellierung Fachlich Allgemeines

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

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT DIE DATEN IM ZENTRUM: SAS DATA RAINER STERNECKER SOLUTIONS ARCHITECT SAS INSTITUTE SOFTWARE GMBH Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. NEUE WEGE GEHEN SAS DATA GOVERNANCE & QUALITY

Mehr

Agile BI mit Agile BI Modeler & Agile Scorecard

Agile BI mit Agile BI Modeler & Agile Scorecard Agile BI mit Agile BI Modeler & Agile Scorecard Business Intelligence - so einfach wie möglich - so komplex wie nö7g Jon Nedelmann Darmstadt, 26.10.2012 Agile BI Tools Agile BI Modeler Ist eine Web- Anwendung

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

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival Guide für Ihr Business Intelligence-Projekt Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren

Mehr

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

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG. 2013 IBM Corporation

Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG. 2013 IBM Corporation Data Science & Big Data, made in Switzerland Thilo Stadelmann, ZHAW School of Engineering Frank Ihringer, Serwise AG 2013 IBM Corporation Agenda Data Science made in Switzerland Case Study 1: Social Media

Mehr

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP AGENDA HADOOP 9:00 09:15 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT und Fachbereiche Big

Mehr

BIW - 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 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

Mehr

Spark das neue MapReduce?

Spark das neue MapReduce? Spark das neue MapReduce? Oracle Data Warehouse Konferenz 2015 Carsten Herbe Business Intelligence Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT Themenbereiche

Mehr

ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten. Referent: Lutz Bauer, Leiter CC Data Integration, MT AG

ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten. Referent: Lutz Bauer, Leiter CC Data Integration, MT AG ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten Referent: Lutz Bauer, Leiter CC Data Integration, MT AG MT AG managing technology Key-facts: 1994: Gründung als MT Software GmbH 2000:

Mehr

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 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

Mehr

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

Data Warehouse. für den Microsoft SQL SERVER 2000/2005 Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich

Mehr

Self-Service-BI die große Freiheit?

Self-Service-BI die große Freiheit? Self-Service-BI die große Freiheit? IT oder Fachbereich - wer profitiert wann von Self-Service-BI? Vortragende Nico Haag Klaus Kepert Self-Service im Alltag Längst Gewohnheit Bankautomaten Internet Kantine

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

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

Datenaustausch Hadoop & Oracle DB. DOAG Konferenz 2013 Nürnberg, 19.-21. November 2013 Carsten Herbe metafinanz Informationssysteme GmbH

Datenaustausch Hadoop & Oracle DB. DOAG Konferenz 2013 Nürnberg, 19.-21. November 2013 Carsten Herbe metafinanz Informationssysteme GmbH DOAG Konferenz 2013 Nürnberg, 19.-21. November 2013 Carsten Herbe metafinanz Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT.

Mehr

Hadoop Demo HDFS, Pig & Hive in Action. Oracle DWH Konferenz 2014 Carsten Herbe

Hadoop Demo HDFS, Pig & Hive in Action. Oracle DWH Konferenz 2014 Carsten Herbe Hadoop Demo HDFS, Pig & Hive in Action Oracle DWH Konferenz 2014 Carsten Herbe Wir wollen eine semi-strukturierte Textdatei in Hadoop verarbeiten und so aufbereiten, dass man die Daten relational speichern

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

BARC-Studie Data Warehousing und Datenintegration

BARC-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

Mehr

Oracle Warehouse Builder: Automatisierung von Designschritten bei der Bayer HealthCare AG. Referent: Lutz Bauer, MT AG, Leiter CC Data Integration

Oracle Warehouse Builder: Automatisierung von Designschritten bei der Bayer HealthCare AG. Referent: Lutz Bauer, MT AG, Leiter CC Data Integration Oracle Warehouse Builder: Automatisierung von Designschritten bei der Bayer HealthCare AG Referent: Lutz Bauer, MT AG, Leiter CC Data Integration MT AG managing technology Key-facts: 1994: Gründung als

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

Die 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 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

Mehr

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG)

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) W W W. N O V E M B A. D E Sie haben Ihr Ziel erreicht! Strategie & Planung Unter vollen Segeln zum Erfolg Strategie & Planung Unter vollen

Mehr

Vom 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. 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

Mehr

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

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

Mehr

Datenintegration mit Informatica PowerCenter

Datenintegration mit Informatica PowerCenter Datenintegration mit Informatica PowerCenter Mein Weg vom Studenten zum Consultant Christoph Arnold 03.07.2013 1 Agenda Von der THM zu Infomotion Datenschieberei oder doch mehr? Die weite Welt von Informatica

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Strategische Ausrichtung des Data Warehouses der VPV. Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014

Strategische Ausrichtung des Data Warehouses der VPV. Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014 Strategische Ausrichtung des Data Warehouses der VPV Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014 Agenda 1. VPV Versicherung Historie und Kennzahlen 2. Ausgangssituation und Zielbild

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

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

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch In dieser Session wird IDAREF, ein Framework, dass auf logischer Ebene eine analytische

Mehr

Einsatz des Microsoft SQL-Servers bei der KKH

Einsatz des Microsoft SQL-Servers bei der KKH Einsatz des Microsoft SQL-Servers bei der KKH Reporting Services und Analysis Services Kontaktdaten Detlef André Abteilungsleiter Data Warehouse E-Mail detlef.andre@kkh.de Telefon 0511 2802-5700 Dr. Reinhard

Mehr

Spark das neue MapReduce?

Spark das neue MapReduce? Spark das neue MapReduce? Oracle Data Warehouse Konferenz 2015 Carsten Herbe Business Intelligence Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT Themenbereiche

Mehr

Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen. Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28.

Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen. Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28. Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28. November 2008 2007 TIQ Solutions GmbH All Rights Reserved. GIQMC Bad Soden,

Mehr

Projekte der DataFocus GmbH

Projekte der DataFocus GmbH Projekte der DataFocus GmbH Projekt Harmonisierung und Optimierung der Reportingstruktur Finance Controlling / Marketing Datum seit 02/2005 Aufgaben Vereinheitlichung der Produkt- und Reportingdefinitionen;

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis Business Apéro Exasol / SHS VIVEON, Zürich Zürich, 15. November 2011 Dr. Jörg Westermayer

Mehr

Datawarehouse. Erfahrungsaustausch bezügeabrechnender Stellen vom 18. bis 21. September 2007 in Saarbrücken. Klaus Schimitzek

Datawarehouse. Erfahrungsaustausch bezügeabrechnender Stellen vom 18. bis 21. September 2007 in Saarbrücken. Klaus Schimitzek Datawarehouse Erfahrungsaustausch bezügeabrechnender Stellen vom 18. bis 21. September 2007 in Saarbrücken Klaus Schimitzek Berichtsprodukte gedruckt: zentraler Personalbericht (Struktur, Management) Blickpunkt

Mehr

Hadoop & SQL Wie Hadoop um SQL erweitert werden kann. Oracle/metafinanz Roadshow 11./18. Februar

Hadoop & SQL Wie Hadoop um SQL erweitert werden kann. Oracle/metafinanz Roadshow 11./18. Februar Hadoop & SQL Wie Hadoop um SQL erweitert werden kann Oracle/metafinanz Roadshow 11./18. Februar Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services

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

Seminar C16 - Datenmodellierung für SAP BW

Seminar C16 - Datenmodellierung für SAP BW C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW

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

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA 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

Mehr

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 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

Mehr

Das generierte Data Warehouse

Das 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

Mehr

Technische Seminarreihe Empowering Business Intelligence

Technische Seminarreihe Empowering Business Intelligence PRESSEMITTEILUNG / Veranstaltungshinweis Technische Seminarreihe Empowering Business Intelligence Trivadis bietet für Entwickler, Projektleiter, Datenbank-Administratoren sowie DWHund BI-Interessierte

Mehr

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Version 1.1 INFORMATIONSSYSTEME DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Thorsten Stiller Marcel Mrowetz Ressort Informationssysteme Business Intelligence Customer

Mehr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Copyright 2007 Infor. Alle Rechte vorbehalten. Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Hubertus Thoma Presales Consultant PM Schalten Sie bitte während

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

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren BI, Big Data, CRM Forum @ CeBIT 2015, Hannover, 19.03.2015 Patrick Keller, Senior Analyst Status Quo Business Intelligence

Mehr

Agile BI in der Praxis

Agile BI in der Praxis Agile BI in der Praxis Agiles Testen Thomas Flecken Consultant OPITZ CONSULTING Deutschland GmbH Oracle DWH Konferenz Kassel, 20.03.2013 OPITZ CONSULTING Deutschland GmbH 2013 Seite 1 Agenda 1. Vorstellung

Mehr

Die Integration von Requirements Management, Software Configuration Management und Change Management mit der MKS Integrity Suite 2006

Die Integration von Requirements Management, Software Configuration Management und Change Management mit der MKS Integrity Suite 2006 Die Integration von Requirements Management, Software Configuration Management und Change Management mit der MKS Integrity Suite 2006 Oliver Böhm MKS GmbH Agenda Überblick Der Entwicklungsprozess: Requirements

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

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

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse

Mehr

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

Mehr

Berater für Business Intelligence und Data Warehousing

Berater für Business Intelligence und Data Warehousing Beraterprofil Jens Bäumler Berater für Business Intelligence und Data Warehousing j.baeumler@apparo.de Personendaten: - Jahrgang 1973 - EDV-Erfahrung seit 1990 - Staatsbürgerschaft deutsch - überregional

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise A Company of Prof. Dr. Bernhard Humm OOP 2006 sd&m Developer Day München, 18. Januar 2006 sd&m AG, 18.1.2006, Seite 1 Anwendungslandschaften

Mehr

Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme. Tillmann Schall, anaptecs GmbH

Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme. Tillmann Schall, anaptecs GmbH Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme Tillmann Schall, anaptecs GmbH : Agenda Grundlagen modellgetriebener Entwicklungsprozesse Schritte zur Einführung Erfahrungen

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

Reporting mit SAP BusinessObjects

Reporting mit SAP BusinessObjects Reporting mit SAP BusinessObjects Ali Sayar Professional Consultant 21. Juni 2011 Agenda Vorstellung Infomotion Unternehmen Software-Partner Referent SAP BusinessObjects Allgemeine Informationen Überblick

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System

Mehr

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

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

Location Intelligence Geodaten in der Business Intelligence Umgebung

Location Intelligence Geodaten in der Business Intelligence Umgebung Location Intelligence Geodaten in der Business Intelligence Umgebung Friedberg, 30.06.2015 Christoph Arnold Oliver Siegel Solveig Eggert Agenda Über uns BI bei Infomotion Von Geodaten zu Location Intelligence

Mehr