Inhaltsverzeichnis. Motivation. Analytisches CRM: Einführung. Version: 31. Juli Motivation. Andreas Geyer-Schulz und Andreas Neumann

Größe: px
Ab Seite anzeigen:

Download "Inhaltsverzeichnis. Motivation. Analytisches CRM: Einführung. Version: 31. Juli 2009. 1 Motivation. Andreas Geyer-Schulz und Andreas Neumann"

Transkript

1 Analytisches CRM: Einführung. Version: 31. Juli 2009 Andreas Geyer-Schulz und Andreas Neumann Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude Rechenzentrum, 1. Stock, Zi. 169 Universität Karlsruhe (TH) D Karlsruhe Tel: Fax: Sprechstunde nach Vereinbarung ( ) Wir danken Anke Thede (Data Warehousing), Cora Schäfer (Erhebungstechniken und Fragebogendesign) und Jan Hagelauer (Fallstudie: Das Kano-Modell zur Kundenzufriedenheit) für ihre Hilfe bei der Erstellung dieser Vorlesungsunterlagen. 1 Motivation 3 2 Analytisches CRM Herkunft der Information über Kunden Operative Systeme Das Data Warehouse ETL-Prozesse Integrierte Kundendaten im Data Warehouse Entscheidungsunterstützende Systeme Zusammenfassung 16 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 1 Motivation Motivation In modernen umkämpften Märkten nimmt der Wettbewerb zu. In solchen Märkten ist das Werben neuer Kunden teuer. Es kostest 3 bis zu 13 mal mehr, ein Produkt an einen Neukunden zu verkaufen, als an einen bestehenden. Die richtigen Kunden müssen motiviert werden, die Geschäfte mit der Firma fortzusetzen. Das ist die Aufgabe des Relationship Management (CRM). Seine Grundlage ist es, zu wissen was Kunden machen, denken oder wollen. Dieses Verstehen von Kunden im Back Office, durch Analyse ihrer Daten ist Aufgabe des Analytischen CRM. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 2 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 3

2 Analytisches CRM Herkunft der Information über Kunden 2 Analytisches CRM 2.1 Herkunft der Information über Kunden Analytical CRM refers to the analysis of data created on the operational side of the CRM equation for the purpose of business performance management. Analytical is directly related to data warehouse architecture. Definition: aus dem Glossar von [Sharp, 2002, p. 229] Analytisches CRM ist die Analyse von Daten aus den operativen CRM-Prozessen mit dem Ziel 1. Managemententscheidungen zu unterstützen und 2. operative CRM-Prozesse durch die Nutzung der Analyseergebnisse zu verbessern. (Beispiele zum zweiten Punkt, wie Recommender Dienste (Empfehlungsdienste), werden in der Vorlesung Personalisierung und Recommendersysteme behandelt.) Firmen beziehen ihre Die Daten für das Analytische CRM aus zahlreichen heterogenen Quellen: Quelle Prozent der Firmen, die diese Quelle verwenden. - Direktverkaufsinteraktionen 60% - 50% - Call-Center Interaktionen 43% - Website Besuche 40% - 28% - Fokusgruppen 28% - Messen 27% (Yankee Groups 2000) Fokusgruppen sind ausgewählte Gruppen, die repräsentativ für bestimmte Kundensegmente sind. Sie werden z.b. vor Erstellung eines Fragebogens zum Ausloten wichtiger Fragen zusammengestellt. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 4 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 5 Operative Systeme Operative Systeme 2.2 Operative Systeme Es existieren oft mehrere Datenbanken in einem Unternehmen Die Daten werden durch verschiedene interne operative Systeme bereitgestellt, die meist beschränkt integriert sind: Rechnungssysteme Bestell- und Versorgungssysteme Provisionssysteme Enterprise Resource Planning Systeme Human Resource Systeme Point-of-Sale Daten Web Server Marketing Datenbanken Call-Center Systeme Corporate Financial Packages Oder durch externe Datenprovider: Adressdaten, Bonitätsdaten,... Kundenkontakt Firmenkontakt Produktlisten Umsätze Zahlungen SFA-DB Umsätze/Erträge Kundensegmente Promotionhistory Campaign Response Value Score Marketing-DB Kundenkontakte Trouble Tickets Fragebögen Zahlungen Call Center-DB Häufig Inkonsistenz, Kunden erwarten aber konsistentes Verhalten! Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 6 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 7

3 Das Data Warehouse ETL-Prozesse 3 Das Data Warehouse 3.1 ETL-Prozesse Es wird eine integrierte Datenbasis für konsistente Daten benötigt. Das Management braucht die richtigen Informationen, damit es strategische Entscheidungen treffen kann. Operative Systeme sind nicht in der Lage diese strategischen Informationen zu liefern. Es wird eine gemeinsame Datenquelle notwendig: Das Data Warehouse Das Data Warehouse ist eine Sammlung von transformierten und integrierten Daten. Die Daten werden gespeichert und dem gesamten Unternehmen als strategische Informationen zur Verfügung gestellt. Die Daten kommen durch ETL-Prozesse (Data Extraction / Transformation / Loading) in das Data Warehouse: Im ETL werden interne Datenquellen identifiziert oder Externe Datenquellen auf Kompatibilität überprüft. Die Daten müssen extrahiert und transformiert werden, um sie in den Speicher des Data Warehouse laden zu können. Die Transformation stellt in der Praxis eine lange und komplexe Liste von Funktionen dar, die erstellt und abgearbeitet werden müssen. ETL-Prozesse sind grundlegend für die Datenqualität verantwortlich und somit ein Schlüsselelement der gesamten Datenverarbeitung. Dies sind die zeitaufwendigsten Tätigkeiten bei der Erstellung des Data Warehouse und dessen Betrieb und Wartung, die außerdem weitgehend von Menschen erledigt werden müssen. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 8 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 9 Integrierte Kundendaten im Data Warehouse 3.2 Integrierte Kundendaten im Data Warehouse 3.3 Umfrage Daten Demografische Daten Kauf geschichten Um eine breite Gruppe von Data Warehouse-Nutzern zu erreichen, werden verschiedene Datenauslieferungsmethoden bereit gestellt: Vordefinierte Standardberichte für das tägliche Geschäft Komplexe Abfragen, multidimensionale Analyse und statistische Analyse für Geschäftsanalysten und erfahrene Benutzer Call Center Kontakte Data Warehouse Campaign Response Executive Information Systems für leitende Angestellte und das höhere Management Retouren Web Aktivität Verrechnung und Zahlung Eine Unterstützung für die Datenanalyse und die Erzeugung von Berichten bietet OLAP. OLAP (Online Analytical Processing) ist eine Kategorie Softwaretechnologie, die es erlaubt, Daten durch schnelle, konsistente und auch interaktive Zugriffe auf eine Vielzahl von Sichten abzufragen. Diese Daten wurden bereits in eine den Unternehmenszielen dienende Form transformiert. OLAP deckt ein weites Spektrum komplexer multidimensionaler Analyse ab. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 10 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 11

4 Entscheidungsunterstützende Systeme 3.4 Entscheidungsunterstützende Systeme 3.5 Diese Daten können zum Beispiel für entscheidungsunterstützende Systeme verwendet werden. Entscheidungsunterstützende Systeme werden zum Beobachten des Geschäftsprozesses eingesetzt. Typische Fragen, die damit beantwortet werden sollen, sind: Zeig mir die meistverkauften Produkte an Zeig mir dir Problemregionen an Sag mir warum Zeig mir andere Daten Alarmiere mich, wenn in einem Bereich weniger verkauft wird als erwartet Profiling Partner Contribution Revenue Analysis Segmentation ERP SCM Workforce Optimization Analytical CRM Enterprise Data (Nicht aus CRM) Operational CRM Activity Management SRM Contact Management Support PRM Campaign Management Pricing and Configuration e-commerce Value Financial Supplier Evaluation Billing Product Channel Next-Sequential Analysis Propensity-to-Buy Purchase Analysis Modelling Churn Analysis and Prediction Risk Scoring Satisfaction Analysis Campaign Prospect Qualification Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 12 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 13 Datenquellen Datenquellen Data Storage ETL- Prozess Erhebungsprozesse Datawarehouse Berichte Abfragen OLAP Regression Cluster Statistische Prozesse 3. Planung und Durchfuehrung einer Erhebung 4. Fragebogenerhebung 5. Faelle: Kundenzufriedenheit nach Kano, Kundenwert (CLV),... Operative Systeme Mitarbeiterinformation ETL- Prozess Datawarehouse: 1. Einfuehrung 2. Modellierung 3. Entwicklung 4. ETL-Prozess 5. OLAP 6. Implementierung (Physikalisches Design) Regression (lineare) 1. Einfuehrung: Modellbildung Oekonometrie 2. Schaetzung 3. Testen des Modells und von Hypothesen 4. Analyse von Residuen, Voraussagen 5. Modellselektion 1. Clustering 2. Marktsegmentierung Statistische Prozesse Managementreporting Berichte Abfragen OLAP Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 14 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 15

5 Zusammenfassung 4 Zusammenfassung 5 Analytisches CRM ist der Back-Office Teil des Relationship Management. Es beinhaltet die Analyse von Daten aus den operativen CRM-Prozessen mit dem Ziel 1. Managemententscheidungen zu unterstützen und 2. operative CRM-Prozesse durch die Nutzung der Analyseergebnisse zu verbessern. Die Daten stammen aus zahlreichen heterogenen Quellen und werden aus verschiedenen Systemen zur Verfügung gestellt. Um diese Daten konsistent zu halten und um sie dem Management für strategische Entscheidungen zur Verfügung zu stellen, werden sie durch ETL Prozesse gesammelt und transformiert. Anschließend können sie im Data Warehouse integriert gespeichert werden. Aus dem Data Warehouse können die Daten dann vom ganzen Unternehmen, je nach Anforderung, als vordefinierte Berichte, durch komplexe Abfragen, mit OLAP-Analyse-Technologie oder für statistische Prozesse abgerufen werden. Schließlich können die Daten zum Beispiel für entscheidungsunterstützende Systeme leicht genutzt werden. Regression: [Theil, 1971]. Clustering und Marksegmentierung: [Duda et al., 2001] und [Wedel and Kamakura, 2000]. Erhebungstechniken und Fragebogendesign: [Schnell et al., 2005]. Data Warehouse: [Ponniah, 2001]. R: (Siehe auch Übung) Offizielle R Einführung: oder Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 16 Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 17 [Duda et al., 2001] Duda, R. O., Hart, P. E., and Stork, D. G. (2001). Pattern Classification. John Wiley & Sons, New York, 2nd edition. Standardwerk. [Ponniah, 2001] Ponniah, P. (2001). Data Warehousing Fundamentals. John Wiley & Sons. [Schnell et al., 2005] Schnell, R., Hill, P., and Esser, E. (2005). Methoden der empirischen Sozialforschung. Oldenburg, München. [Sharp, 2002] Sharp, D. E. (2002). Relationship Management Systems Handbook. Auerbach, Boca Raton. [Theil, 1971] Theil, H. (1971). Principles of Econometrics. John Wiley & Sons, New York. [Wedel and Kamakura, 2000] Wedel, M. and Kamakura, W. A. (2000). Market Segmentation: Conceptual and Methodological Foundations. Kluwer Academic Publishers, Boston. Standardwerk. Universität Karlsruhe (TH), Prof. Dr. Andreas Geyer-Schulz Seite 18

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede Data Warehouse Version: June 26, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude 20.20 Rechenzentrum,

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

Corporate Performance Management als Weiterentwicklung von Business Intelligence

Corporate Performance Management als Weiterentwicklung von Business Intelligence Martin Kobrin Corporate Performance Management als Weiterentwicklung von Business Intelligence Grundlagen, Implementierungskonzept und Einsatzbeispiele Diplomica Verlag Martin Kobrin Corporate Performance

Mehr

CRM Architektur. New Economy CRM Architektur Page 1

CRM Architektur. New Economy CRM Architektur Page 1 CRM Architektur Titel des Lernmoduls: CRM Architektur Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.2 Zum Inhalt: Dieses Modul beschreibt mögliche Architekturen von CRM-Systemen. Insbesondere

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

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

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

Technische Integration des Informationssystems über SAP (1/6)

Technische Integration des Informationssystems über SAP (1/6) Technische Integration des Informationssystems über SAP (1/6) Software Systemsoftware Anwendungssoftware Betriebssysteme Standardsoftware Individualsoftware Übersetzungsprogramme Dienstprogramme andere

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

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

Contents. Data Warehouse Entwicklungsphasen. Data Warehouse - Entwicklung Version: June 28, 2007. 1 Data Warehouse Entwicklungsphasen

Contents. Data Warehouse Entwicklungsphasen. Data Warehouse - Entwicklung Version: June 28, 2007. 1 Data Warehouse Entwicklungsphasen Contents Data Warehouse - Entwicklung Version: June 28, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften

Mehr

Customer Relationship Management CRM

Customer Relationship Management CRM Customer Relationship Management CRM 1.1 Zielsetzung von CRM...2 1.2 Komponenten einer CRM-Lösung...4 1.2.1 Aufgabenbereiche eines CRM-Systems...4 1.2.2 Analytisches CRM...7 1.2.3 Operatives CRM...7 1.2.4

Mehr

2.8. Business Intelligence

2.8. Business Intelligence 2.8. Zulieferer BeschaffungProduktion Kunde E-Procurement Customer Relationship (CRM) Supply Chain (SCM) Enterprise Resource Planning (ERP) Executive Information (EIS) Executive Support (ESS) Chef-Informations-

Mehr

SPSS Cognos Positionierung. April 2010. Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation

SPSS Cognos Positionierung. April 2010. Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation SPSS Cognos Positionierung April 2010 Friedel Jonker Manager Business Development Analytics & PM SPSS Predictive Analytics Präsentation 2010 IBM Corporation Agenda 1. SPSS Positionierung 2. SPSS & Cognos

Mehr

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins

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

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG

NICE Performance Management. Albert Bossart, Sales Manager DACH, NICE Switzerland AG NICE Performance Management Albert Bossart, Sales Manager DACH, NICE Switzerland AG Performance Verbesserung für Mitarbeiter mit Kundenbeziehungen Aussendienst Tele- Sales Interner Verkauf Neuakuisition

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

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

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue Strategien und Innovationen im Umfeld von Kundenprozessen Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:

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

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -

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

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

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Andrei Buhrymenka Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Für Unternehmen mit Business Intelligence Diplomica Verlag Andrei Buhrymenka Erfolgreiche Unternehmensführung

Mehr

Contents. Datenanalysemethoden im analytischen CRM. Data Warehouse - OLAP Version: July 17, 2007. 1 Datenanalysemethoden im analytischen CRM

Contents. Datenanalysemethoden im analytischen CRM. Data Warehouse - OLAP Version: July 17, 2007. 1 Datenanalysemethoden im analytischen CRM Contents Data Warehouse - OLAP Version: July 17, 7 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude

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

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

Unternehmensdaten auswerten und planen - Vorstellung von Infor PM 10

Unternehmensdaten auswerten und planen - Vorstellung von Infor PM 10 Unternehmensdaten auswerten und planen - Vorstellung von PM 10 Global Solutions Dominik Lacić, Dr. Rolf Gegenmantel 12. Februar 2009 Copyright 2008. All rights reserved. www.infor.com. Agenda 1. Einführung

Mehr

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Hauptseminar im WS 03/04 Neue Ansätze im IT-Service-Management- Prozessorientierung (ITIL/eTOM) Thema: Customer Relationship Management in etom Name: Wen-Wang Wu Betreuer:

Mehr

Data Warehousing in der Lehre

Data Warehousing in der Lehre Data Warehousing in der Lehre Prof. Dr.-Ing. Tomas Benz Dipl.-Inform. Med. Alexander Roth Agenda Vorstellung Fachhochschule Heilbronn Vorstellung i3g Vorlesungen im DWH-Bereich Seminare Projekte Studien-

Mehr

Definition einer erfolgreichen e-business Strategie: Ergebnisse einer empirischen Studie

Definition einer erfolgreichen e-business Strategie: Ergebnisse einer empirischen Studie Definition einer erfolgreichen ebusiness Strategie: Ergebnisse einer empirischen Studie European ecommerce Academy Executive Briefing Köln, 20. Januar 2004 as Buch mit sieben Siegeln: rfolgreicher Einsatz

Mehr

Software Engineering 2 (SWT2) Dr. Alexander Zeier. Chapter 3: Introduction to ERP Systems

Software Engineering 2 (SWT2) Dr. Alexander Zeier. Chapter 3: Introduction to ERP Systems Software Engineering 2 (SWT2) Dr. Alexander Zeier Chapter 3: Introduction to ERP Systems Standard Software vs. Individual Software 2 Software wird meist in 2 Phasen erstellt 1. Auftrag eines Kunden zur

Mehr

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant

Mehr

Einführung in Business Intelligence

Einführung in Business Intelligence Einführung in Business Intelligence Grundlagen und Anwendungsmöglichkeiten Prof. Dr. Wolfram Höpken wolfram.hoepken@eloum.net eloum @ Hochschule Ravensburg-Weingarten Informationsveranstaltung ebusiness-lotse

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

Managed Infrastructure Service (MIS) Schweiz

Managed Infrastructure Service (MIS) Schweiz Pascal Wolf Manager of MIS & BCRS Managed Infrastructure Service (MIS) Schweiz 2011 Corporation Ein lokaler Partner in einem global integrierten Netzwerk Gründung im Jahr 2002 mit dem ersten full-outtasking

Mehr

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder.

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. Präsenzübung Service 2.1. CRM Customer-Relationship Management a) Anliegen des CRM Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. CRM, auch Beziehungsmanagement

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

Konzeption eines Master-Data-Management-Systems. Sven Schilling

Konzeption eines Master-Data-Management-Systems. Sven Schilling Konzeption eines Master-Data-Management-Systems Sven Schilling Gliederung Teil I Vorstellung des Unternehmens Thema der Diplomarbeit Teil II Master Data Management Seite 2 Teil I Das Unternehmen Vorstellung

Mehr

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung Next Best Product Kundenspezifische Produktangebote in einer Multichannel Umgebung - Mag. Thomas Schierer - Erste Bank der oesterreichischen Sparkassen AG Agenda Erste Bank Allgemeine Information CRM in

Mehr

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar

HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar HLUSS MIT BIG DATA! BASICS FÜR ONLINESHOPS. Februar 2014 1. Schluss mit BIG DATA 2. BI-Basics: Best Practice ecommerce Reporting 3. Was muss ich mir anschauen? 4. Wie muss ich es mir anschauen? 5. Was

Mehr

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

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

Trends in der IT-Dienstleistung

Trends in der IT-Dienstleistung Trends in der IT-Dienstleistung Dr. Kyrill Meyer Forum IT-Dienstleisterkreis Chemnitz 16. September 2009 Kurzvorstellung Die Professur (BIS) besteht am der Universität Leipzig seit dem Wintersemester 2000/2001

Mehr

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company Wolfgang Martin (Hrsg.) Data Warehousing Data Mining - OLAP Technische Universität Darmsiadt Fachbereich 1 Betriebswirtschaftliche Bibliothek Inventar-Nr.: Abstell-Nr.: s. An International Thomson Publishing

Mehr

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller

SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement. CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM als Lösungen für professionelles Kundenmanagement CRM Stammtisch der ITML GmbH 15.07.2008 /// Stefan Eller SAP CRM und ITML > CRM Neue Oberflächen für eine verbesserte Usability

Mehr

Management Support Systeme

Management Support Systeme Folie 1 Management Support Systeme Literatur zur Vorlesung MSS Gluchowski, Peter; Gabriel, Roland; Chamoni, Peter (1997): Management Support Systeme. Computergestützte Informationssysteme für Führungskräfte

Mehr

Stand 2008.08. Vorstellung der EXXETA

Stand 2008.08. Vorstellung der EXXETA Stand 2008.08 Vorstellung der EXXETA Unternehmensprofil EXXETA optimiert ausgewählte Geschäftsprozesse ihrer Kunden auf Fach- und IT-Ebene. EXXETA bietet Fach- und Technologie-Beratung mit Branchen-, Prozessund

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche

Mehr

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

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

Geschäftsdaten auswerten

Geschäftsdaten auswerten Geschäftsdaten auswerten Schwachstellen erkennen, Ursachen analysieren und gezielter steuern Thomas Menner thomas.menner@eloum.net ebusiness-lotse Oberschwaben-Ulm IHK Bodensee-Oberschwaben, Weingarten,

Mehr

Business Intelligence für Controller

Business Intelligence für Controller Controllers Best Practice Fachbuch Business Intelligence für Controller Hermann Hebben und Dr. Markus Kottbauer Verlag für ControllingWissen ÄG, Freiburg und Wörthsee Ein Unternehmen der Haufe Mediengruppe

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

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

Historie der analyseorientierten Informationssysteme

Historie der analyseorientierten Informationssysteme Gliederung MSS 1. Einführung in die Management Support Systeme (MSS) 2. Data Warehouse als Basis-Konzept aktueller MSS 3. Business Intelligence (BI) als Weiterführung des DW-Ansatzes 1. Grundlagen zum

Mehr

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag

SAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag SAP HANA ist schnell erklärt TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag Ihr Referent Steckbrief Name: Miroslav Antolovic Jahrgang: 1975 Stationen: SAP, Walldorf 1999-2004 Realtech, Walldorf

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

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

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

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken

CRM von Luxusmarken. Zusammenfassung der Studienergebnisse. Juli 2010. Eine empirische Studie deutscher Luxusmarken CRM von Luxusmarken Eine empirische Studie deutscher Luxusmarken Zusammenfassung der Studienergebnisse Juli 2010 Inhalt 1 Management Summary 2 Zielsetzung und Studiendesign 3 Studienergebnisse 4 Handlungsempfehlungen

Mehr

CRM Anbieter Siebel. New Economy CRM Anbieter Siebel Page 1

CRM Anbieter Siebel. New Economy CRM Anbieter Siebel Page 1 CRM Anbieter Siebel Titel des Lernmoduls: CRM Anbieter Siebel Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.3 Zum Inhalt: Dieses Modul beschreibt die technischen Grundlagen der CRM Software

Mehr

AMC-Partner bei der dmexco

AMC-Partner bei der dmexco -Partner bei der dmexco 16./17. September 2015 Finanzmarkt GmbH Nr. 1 Adobe Adobe ist der weltweit führende Anbieter für Lösungen im Bereich digitales Marketing und digitale Medien. Mit den Werkzeugen

Mehr

Das Risikomanagement gewinnt verstärkt an Bedeutung

Das Risikomanagement gewinnt verstärkt an Bedeutung Das Risikomanagement gewinnt verstärkt an Bedeutung 3/9/2009 Durch die internationale, wirtschaftliche Verpflechtung gewinnt das Risikomanagement verstärkt an Bedeutung 2 3/9/2009 Das IBM-Cognos RiskCockpit:

Mehr

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol CRM Customer Relationship Management Gliederung Entwicklung und Einführung von Bezugspunkte und CRM - Systeme Veränderte Rahmenbedingungen Entwicklung CRM - Systeme» Deregulierung verstärkt internationalen

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

Michael Bauer Niederlassungsleiter Köln

Michael Bauer Niederlassungsleiter Köln Click to edit Master title style 1 Michael Bauer Niederlassungsleiter Köln Hamburg, 18. Juni 2009 2009 IBM Corporation Agenda Click to edit Master title style 2 zur Person Wo, Warum.., Was - CPM liefert

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)

Mehr

WISSEN SAMMELN HEADLINE. WISSEN NUTZEN.

WISSEN SAMMELN HEADLINE. WISSEN NUTZEN. Quelle: T-Systems WISSEN SAMMELN HEADLINE. WISSEN NUTZEN. AUF DIESEM CHART BILD FÜR DEN TITELHINTERGRUND EINFÜGEN WOB B2B VERTRIEBSUNTERSTÜTZUNG PRÄSENTIERT DEN AUFTRITT DURCH VERNETZTE FÜR DIE MESSE DATENANALYSEN.

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

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Dr.Siegmund Priglinger. 23.03.2007 spriglinger@informatica.com

Dr.Siegmund Priglinger. 23.03.2007 spriglinger@informatica.com Vernetzung geschäftsrelevanter Informationen Dr.Siegmund Priglinger 23.03.2007 spriglinger@informatica.com 1 Agenda 2 Die Herausforderung Der Markt verbindet diese fragmenierten Daten Geschäftssicht M&A

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 OLAP im IT-Management Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 Inhalt 1. OLAP 2. Einsatz im CRM 3. Einsatz im IT-Management 4. Produkt 2 In eigener Sache? Gegründet 01. Januar 2008 als

Mehr

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT?

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? Transparenz durch Best Practice ecommerce Reporting Lennart Jansen! plentymarkets Online-Händler-Kongress Februar 2014 DAS PROBLEM:!! KEINE

Mehr

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Take control of your decision support WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Sommersemester 2008 Gliederung Business Intelligence und Data Warehousing On-Line Analytical Processing Ziel

Mehr

Räumliches Data Mining

Räumliches Data Mining Räumliches Data Mining Spatial Data Mining Data Mining = Suche nach "interessanten Mustern" in sehr großen Datensätzen => explorative Datenanlyse auch: Knowledge Discovery in Databases (KDD) verbreitete

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung

Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung FHTW Berlin FB4, Wirtschaftsmathematik Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung Dr. Irina Stobbe STeam Service Software Sustainability Organisatorisches Thema - Überblick

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

Human Capital Management

Human Capital Management Human Capital Management Peter Simeonoff Nikolaus Schmidt Markt- und Technologiefaktoren, die Qualifikation der Mitarbeiter sowie regulatorische Auflagen erfordern die Veränderung von Unternehmen. Herausforderungen

Mehr

Warum sollte Ihr Unternehmen Adempiere einsetzen?

Warum sollte Ihr Unternehmen Adempiere einsetzen? Warum sollte Ihr Unternehmen Adempiere einsetzen? Authors Contribution Date Martine Lemillour (representing Posterita) Alexandre Tsang Mang Kin (representing Posterita) Joseph Brower (representing Nexus

Mehr

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Schwerpunkt Wirtschaftsinformatik Prof. Stefan Lessmann Agenda Schwerpunkt Wirtschaftsinformatik Gegenstand der Wirtschaftsinformatik

Mehr

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung Julius-Maximilians-Universität Würzburg 07.02.2012 Erwerb von Kompetenzen

Mehr

Mehrwerte schaffen durch den Einsatz von Business Intelligence

Mehrwerte schaffen durch den Einsatz von Business Intelligence Mehrwerte schaffen durch den Einsatz von Business Intelligence 1 Menschen beraten Menschen beraten BTC zeigt Wege auf - Sie entscheiden BTC zeigt Wege auf - Sie entscheiden Martin Donauer BTC Business

Mehr

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014 SQL PASS Treffen RG KA Überblick Microsoft Power BI Tools Stefan Kirner Karlsruhe, 27.05.2014 Agenda Die wichtigsten Neuerungen in SQL 2012 und Power BI http://office.microsoft.com/en-us/office365-sharepoint-online-enterprise-help/power-bi-for-office-365-overview-andlearning-ha104103581.aspx

Mehr

Best Practice Infor PM 10 auf Infor Blending

Best Practice Infor PM 10 auf Infor Blending Best Practice Infor PM 10 auf Infor Blending, 11.11.2008 Infor Performance Management Best Practice Infor PM 10 auf Infor Blending Leistungsübersicht Infor PM 10 auf Infor Blending eine Data Warehouse

Mehr

Business Intelligenceein Überblick

Business Intelligenceein Überblick Exkurs Business Intelligenceein Überblick Folie 1 Januar 06 Literatur Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten (2004): Business Intelligence: Grundlagen und praktische Anwendungen Eine Einführung

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl.

3. Integrationsdimensionen, u. a. Integrationsrichtungen (vgl. 1 und 2) 4. Vertikale und horizontale Integrationsrichtung (vgl. Anwendungssysteme 1. Vertikal: unterstützte organisationale Ebene Informationsdichtegrad 2. Horizontal: unterstützter Funktionsbereich betriebliche Grundfunktion 3. Integrationsdimensionen, u. a. Integrationsrichtungen

Mehr

Business Intelligence Einführung und thematischer Überblick

Business Intelligence Einführung und thematischer Überblick Business Intelligence Einführung und thematischer Überblick B. Sc. Thomas Menner thomas.menner@eloum.net ebusiness-lotse Oberschwaben-Ulm Nürnberg WIRTSCHAFTSRathaus, 26.11.2014 Deutschlandweites Netzwerk

Mehr