Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x

Größe: px
Ab Seite anzeigen:

Download "Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x"

Transkript

1 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Mirko Sonntag, GISA GmbH Leipzig, 14. Oktober 2006 GISA GmbH Leipziger Chaussee 191a Halle (Saale)

2 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 2

3 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Kurzvorstellung GISA Wir sind einer der größten Dienstleister für Prozessund IT-Beratung sowie Outsourcing in Mitteldeutschland. Die GISA-Gruppe beschäftigt derzeit ca. 500 hoch motivierte und leistungsstarke Mitarbeiter. Über 100 Kunden aus unterschiedlichen Branchen vertrauen deutschlandweit seit über 10 Jahren auf unsere Leistungen. Unser Angebot umfasst die gesamte Wertschöpfungskette: von der Beratung über IT-Lösungen bis hin zu umfangreichen Services - auf Wunsch auch im Outsourcing. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 3

4 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW 3.x Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 4

5 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Kurzvorstellung SAP BW 3.x GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 5

6 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 6

7 1 Ausgangssituation Die Schwachstellen Kennen Sie diese Aussagen? Die Ausführungszeiten von Berichten sind unakzeptabel groß. Die Zeitfenster für Ladeprozesse können nicht mehr auf lastarme Zeiten begrenzt werden. Das hohe Datenvolumen führt zu Problemen bei der Archivierung. Die Masse von Daten bringt die Datenbanken an ihre Grenzen. Die Nutzerakzeptanz des Systems ist mäßig. Die schlechte Performance führt regelmäßig zu Verspätungen im täglichen Umgang mit Daten GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 7

8 1 Ausgangssituation Die Realität Der Performance-Schuh drückt Eine Umfrage des Beratungsunternehmens Raad Consult unter 420 Controllern und IT-Leitern ergab, dass über 60 Prozent der Befragten die langen Antwortzeiten bei komplexen Abfragen beklagen und die allgemeine Systembelastung durch SAP BW reduziert sehen möchten. Quelle: Computerwoche GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 8

9 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 9

10 2 Verbesserungspotenziale Die Ziele Performance-Optimierung Ihrer SAP Data-Warehouse-Lösung Ziel: Optimierung der Lade- bzw. Abfragezeiten und damit: Verkleinerung der Zeitfenster für Aktivitäten im BW Verringerung der Systembelastung Effiziente Ressourcenauslastung Schaffung von mehr Akzeptanz und Benutzerfreundlichkeit Optimierung des Speicherbedarfs durch Bereinigung von Datenstrukturen GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 10

11 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 11

12 3 Das GISA BI-Performance-Paket In drei Schritten zum performanten BW Step❶ Step❷ Step❸ BI-Performance- Check BI-Performance-Konzept BI-Performance-Projekt Problemeingrenzung Analyse IST- Situation Herausfilterung kritischer Faktoren Analyse Datenmodell Remodellierungskonzept Analyse Datenbank Konzept Bereinigung Datenobjekte Optimierungskonzept BW-Strukturen Analyse zukünftige Anforderungen Strategiekonzept für laufende Systemoptimierung Realisierung Datenmodellkonzept Realisierung Datenbankkonzept Realisierung Strategiekonzept Verifikationstests Grobkonzept Remodellierungskonzept Datenmodell Performancekonzept Strategiekonzept Realisierung GISA BI-Performance-Paket GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 12

13 3 Das GISA BI-Performance-Paket In drei Schritten zum performanten BW BI-Performance- Check BI-Performance-Konzept BI-Performance-Projekt Problemeingrenzung Analyse IST- Situation Herausfilterung kritischer Faktoren Analyse Datenmodell Remodellierungskonzept Analyse Datenbank Konzept Bereinigung Datenobjekte Optimierungskonzept BW-Strukturen Analyse zukünftige Anforderungen Strategiekonzept für laufende Systemoptimierung Realisierung Datenmodellkonzept Realisierung Datenbankkonzept Realisierung Strategiekonzept Verifikationstests Grobkonzept Remodellierungskonzept Datenmodell Performancekonzept Strategiekonzept Realisierung GISA BI-Performance-Paket GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 13

14 Analyse des Datenmodells Performance und Modellierung Analyse des Datenmodells ist zwingend notwendig! 80% der Performanceprobleme beruhen auf Modellierungsfehlern (Quelle: SAP) Einfluss der Modellierung auf Performance wird unterschätzt Herausragende Bedeutung hat Modellierung der Dimensionen im Stern-Schema 80 % Datenmodell GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 14

15 Analyse des Datenmodells Stern-Schema klassisch Fakten und beschreibende Merkmale ein Merkmal pro Dimension. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 15

16 Analyse des Datenmodells Stern-Schema SAP BW Max. 16 Dimensionen mehrere Merkmale pro Dimension üblich. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 16

17 Analyse des Datenmodells Dimensionen und Merkmale Dimension GERÄT mit mehreren (3) Merkmalen. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 17

18 Analyse des Datenmodells Verhältnis Dimensionen zu Fakten Entscheidend: Anzahl Einträge in den Dimensions-Tabellen entstehen durch Kombination der Ausprägungen der Merkmale in den Dimensionen Ideal: Records Dimensionstabelle <=10% Records Faktentabelle GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 18

19 Analyse des Datenmodells Modellierung Dimensionen Auswahl der Merkmale in den Dimensionen beachten! Keine Merkmale in einer Dimension mit n:m-abhängigkeiten (z.b. drei diskrete Datumsfelder 365 x 365 x 365 = 48 Mio. potentielle Einträge in Dim.-Tabelle pro Jahr) Line-Item-Dimensionen (Ein-Merkmal-Dimensionen) für Merkmale mit hohen Kardinalitäten GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 19

20 Analyse des Datenmodells Modellierung Dimensionen Auswahl der Merkmale in den Dimensionen beachten! Merkmale mit 1:n-Abhängigkeiten können mglw. in eine Dimension Mengengerüst der Dimension wird über das feingranularste Merkmal aufgespannt Dimension hat max. so viele Einträge, wie es Verträge gibt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 20

21 Analyse des Datenmodells Modellierung Dimensionen Reihenfolge der Merkmale in den Dimensionen beachten! Möglichst hochselektive Merkmale zuerst Merkmale, die bei vielen Selektionen benutzt werden (Bsp: Sparte) oder mit konstanten Werten belegt sind (z.b. buchungsrelevant), zuerst Index über mehrere Felder ist bei einer Selektion nur bis zum ersten unspezifizierten Feld von Nutzen! GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 21

22 Analyse des Datenmodells Modellierung Dimensionen Fazit Modellierung der Cubes aus Performance-Sicht (technisch) betrachten Nutzersicht kann hier keine Rolle spielen! Fachliches Verständnis der Daten erleichtert Modellierungsüberlegungen GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 22

23 3 Das GISA BI-Performance-Paket In drei Schritten zum performanten BW BI-Performance- Check BI-Performance-Konzept BI-Performance-Projekt Problemeingrenzung Analyse IST- Situation Herausfilterung kritischer Faktoren Analyse Datenmodell Remodellierungskonzept Analyse Datenbank Konzept Bereinigung Datenobjekte Optimierungskonzept BW-Strukturen Analyse zukünftige Anforderungen Strategiekonzept für laufende Systemoptimierung Realisierung Datenmodellkonzept Realisierung Datenbankkonzept Realisierung Strategiekonzept Verifikationstests Grobkonzept Remodellierungskonzept Datenmodell Performancekonzept Strategiekonzept Realisierung GISA BI-Performance-Paket GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 23

24 Analyse Datenbank Datenbanken SAP BW Datenbank Bild: SAP BW ist dünne Applikations-Schicht auf einer Datenbank MaxDB (SAP) DB2 (IBM) ORACLE dominierend bei großen Installationen GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 24

25 Analyse Datenbank Sizing/Dimensionierung Große Installationen können enormen Speicherbedarf entwickeln. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 25

26 Analyse Datenbank Indizes Indizes haben enorme Bedeutung bei Massendaten missing indices Indizes, die im ABAP-Dictionary definiert sind, aber nicht auf DB angelegt sind Degenerierte Indizes Indizes verschlechtern sich bspw. durch Löschvorgänge Index-Fragmentierung Reorganisation bei <70% GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 26

27 Analyse Datenbank DB-Statistiken DB-Statistiken werden vom cost-optimizer der Datenbank genutzt, um die optimalen Zugriffspfade zu ermitteln DB-Statistiken sollten aktuell sein Guter Index + schlechte Statistik = suboptimaler Zugriff GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 27

28 3 Das GISA BI-Performance-Paket In drei Schritten zum performanten BW BI-Performance- Check BI-Performance-Konzept BI-Performance-Projekt Problemeingrenzung Analyse IST- Situation Herausfilterung kritischer Faktoren Analyse Datenmodell Remodellierungskonzept Analyse Datenbank Konzept Bereinigung Datenobjekte Optimierungskonzept BW-Strukturen Analyse zukünftige Anforderungen Strategiekonzept für laufende Systemoptimierung Realisierung Datenmodellkonzept Realisierung Datenbankkonzept Realisierung Strategiekonzept Verifikationstests Grobkonzept Remodellierungskonzept Datenmodell Performancekonzept Strategiekonzept Realisierung GISA BI-Performance-Paket GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 28

29 Optimierung BW-Strukturen Parallelisierung Beladung Extraktion Staging Engine Extraktion Staging Engine Lokale und globale Parallelisierung Engpass: Anzahl (Dialog-)Prozesse in Quelle und BW lastarme Zeiten notwendig. GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 29

30 Optimierung BW-Strukturen Delta-Management Delta-Ladung: nur geänderte bzw. neue Sätze berücksichtigt Schnelle Auswahl von geänderten Sätzen im Quellsystem (verringerter Datenbankzugriff) verringerte ETL-Aktivitäten Anders: Full-Ladung alle Sätze werden berücksichtigt (aber: selektives Full möglich) GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 30

31 Optimierung BW-Strukturen Logische Partitionierung Jahr 2004 Jahr 2005 Jahr 2006 Übergreifende Betrachtung möglich durch (virtuelle) MultiProvider GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 31

32 Optimierung BW-Strukturen Aggregate BasisCube Aggregat Verzicht auf Merkmale ermöglicht stärkere Aggregation OLAP- Engine sucht selbstständig nach passenden Aggregaten Beschleunigung Query-Laufzeiten um Faktor 100 wurden beobachtet GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 32

33 Optimierung BW-Strukturen Sekundär-Indizes von Fakten-Tabellen drop der Sekundär-Indizes der Fakten-Tabelle zu empfehlen vor sehr großen Datenladungen anschließender Neu-Aufbau ist regelmäßig günstiger, als stetiges Mitschreiben der Indizes GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 33

34 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 34

35 6 Fazit Erkenntnisse Performance wird zu 80 % in der Modellierung entschieden SAP BW ist Aufsatz auf einer DB nahezu alle Aktivitäten im SAP BW haben größere DB- Operationen zur Folge Handling von Massendaten im SAP BW erfordert DB- Verständnis und DB-Berechtigungen Bei Massendaten geht (noch) kein Weg an ORACLE vorbei GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 35

36 Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Agenda Kurzvorstellung GISA Kurzvorstellung SAP BW Ausgangssituation Verbesserungspotentiale Das GISA BI-Performance-Paket Fazit Kontakt GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 36

37 7 Kontakt Ansprechpartner Vielen Dank für Ihre Aufmerksamkeit. Mirko Sonntag Vielen Dank für Ihre Aufmerksamkeit. SAP Berater, GISA GmbH Foto Ansprechpartner/in Telefon: GISA GmbH Performanceaspekte beim Data-Warehousing mit SAP BW 3.x Seite 37

Performanceaspekte in der SAP BI Modellierung

Performanceaspekte in der SAP BI Modellierung Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

www.braunconsult.de SAP BW 7.3 & SAP HANA

www.braunconsult.de SAP BW 7.3 & SAP HANA Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9 vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12

Mehr

Performance-Optimierung in SAP BW. Helmut Tack

Performance-Optimierung in SAP BW. Helmut Tack Performance-Optimierung in SAP BW Helmut Tack INHALTSVERZEICHNIS Inhaltsverzeichnis Einleitung 9 1 Grundlegende Betrachtungen 13 2 Grundlagen der SAP BW-Datenhaltung 17 2.1 Flache Datenspeicher 21 2.2

Mehr

Business Mehrwerte von SAP HANA

Business Mehrwerte von SAP HANA Business Mehrwerte von SAP HANA von der Technologie zum Geschäft Halle, 07.05.2013 2013 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda GISA im Überblick Was ist SAP HANA? Was

Mehr

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse www.osram-os.com SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse Oliver Neumann 08. September 2014 AKWI-Tagung 2014 Light is OSRAM Agenda 1. Warum In-Memory? 2. SAP HANA

Mehr

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance by Design Wie werden performante ETL-Prozesse erstellt? Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,

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

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

FAQ: SAP BW on HANA. Autoren: Mirko Sonntag, Etienne Schölzke. Stand: April 2013

FAQ: SAP BW on HANA. Autoren: Mirko Sonntag, Etienne Schölzke. Stand: April 2013 FAQ: SAP BW on HANA Stand: April 2013 Autoren: Mirko Sonntag, Etienne Schölzke Was ist SAP BW on HANA?... 2 Was sind die kritischen Aspekte beim Betrieb eines SAP BW auf einer konventionellen Datenbank

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

Logische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse

Logische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse Logische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse Vortrag auf der BTW 2003, Leipzig 26.-28.02.2003 Dr. Michael Hahne cundus AG Prokurist,

Mehr

Nutzung der Oracle Database InMemory Option für SAP BW

Nutzung der Oracle Database InMemory Option für SAP BW Nutzung der Oracle Database InMemory Option für SAP BW Schlüsselworte Oracle, SAP-BW, InMemory, Star-Schema. Jörn Bartels Oracle München Einleitung In SAP BW wurde bisher ein erweitertes Snow Flake Schema

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

PBS Nearline Storage Lösung mit Sybase IQ - Überblick und Erfahrungen aus Kundenprojekten. PBS Software GmbH, Dr. Christoph Bedau, Stefan Weickum

PBS Nearline Storage Lösung mit Sybase IQ - Überblick und Erfahrungen aus Kundenprojekten. PBS Software GmbH, Dr. Christoph Bedau, Stefan Weickum PBS Nearline Storage Lösung mit - Überblick und Erfahrungen aus Kundenprojekten PBS Software GmbH, Dr. Christoph Bedau, Stefan Weickum 1 Agenda PBS CBW mit Überblick Erfahrungsbericht Kundeninstallation

Mehr

PBS Quick Check für SAP BW

PBS Quick Check für SAP BW PBS Quick Check für SAP BW Zur Vorbereitung eines Nearline Storage- bzw. Datenarchivierungsprojekts ist es hilfreich, Informationen über das Datenvolumen, gruppiert nach den jeweiligen InfoProvidern, zu

Mehr

Datawarehousing mit SAP @ BW 7

Datawarehousing mit SAP @ BW 7 Christian Mehrwald Datawarehousing mit SAP @ BW 7 Bl in SAP NetWeaver 2004s Architektur, Konzeption, Implementierung 4., vollständig überarbeitete und erweiterte Auflage i" dpunkt.verlag Übersicht 1 Einleitung

Mehr

6 InfoCubes erstellen und konfigurieren

6 InfoCubes erstellen und konfigurieren InfoCubes bilden die Reportingschicht in der LSA; sie sind für die Performance des Reportings entscheidend. In diesem Kapitel stellen wir Ihnen vor, welche InfoCubes es gibt und wie Sie damit arbeiten.

Mehr

Inhaltsverzeichnis. Teil I Datenmodell 5

Inhaltsverzeichnis. Teil I Datenmodell 5 ix 1 Einleitung 1 Teil I Datenmodell 5 2 Grundlagen 7 2.1 Semantische Aspekte der Modellierung....................... 7 2.2 Zeilenbasierte Speicherstrukturen........................... 9 2.2.1 Star-Schema....................................

Mehr

Monitoring bei GISA Jörg Sterlinski

Monitoring bei GISA Jörg Sterlinski Jörg Sterlinski Donnerstag, 18. Oktober 2012 2012 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Vorstellung GISA GmbH Gründe für den Einsatz von Icinga Rahmenbedingungen KISS

Mehr

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Architektur, Konzeption, Implementierung von Christian Mehrwald überarbeitet Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Mehrwald schnell

Mehr

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Architektur, Konzeption, Implementierung von Christian Mehrwald 5., korrigierte Auflage Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

Mehr

Data Warehouse Grundlagen

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

Mehr

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich

Mehr

hybris Marketing mit SAP HANA Projekterfahrungen

hybris Marketing mit SAP HANA Projekterfahrungen hybris Marketing mit SAP HANA Projekterfahrungen Benedikt Wenzel Projektleiter / Senior Consultant SAP HANA 21.04.2015 Benedikt.Wenzel@tds.fujitsu.com 0 Agenda Beyond CRM Ausgangssituation beim Kunden

Mehr

Aufgabe 1: [Logische Modellierung]

Aufgabe 1: [Logische Modellierung] Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

Mehr

Spaltenbasierte Ergebnisrechnung mit PBS archive add on CCOPA und NAI

Spaltenbasierte Ergebnisrechnung mit PBS archive add on CCOPA und NAI Spaltenbasierte Ergebnisrehnung mit PBS arhive add on CCOPA und NAI Dr. Gerd Lautenshläger, PBS Software GmbH PBS Arhiving Day, 21. Juni 2011, Mannheim Agenda CO-PA Grundlagen Fragestellungen bei der Auswertung

Mehr

Gegen den MainStream Datenarchivierung mit paradoxen Effekten im SAP BW

Gegen den MainStream Datenarchivierung mit paradoxen Effekten im SAP BW Gegen den MainStream Datenarchivierung mit paradoxen Effekten im SAP BW - PBS CBW NLS IQ - PBS-Infotage 08.06.10 bis 09.06.10 Ort: Mannheim, Dorint Hotel Sebastian Jan Smolkiewicz Radeberger Gruppe Gruppe

Mehr

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de

EBERHARD MEISEL. Datenbankentwickler Diplom - Informatiker Jahrgang 1962. Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de EBERHARD MEISEL Datenbankentwickler Diplom - Informatiker Jahrgang 1962 Tel.: 0221 6306990 Mail: jobs@heringer-consulting.de Kompetenzen MS SQL Server Datenbankentwicklung T-SQL Programmierung Administration

Mehr

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

Mehr

Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen

Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen Inhalt Das Unternehmen 1&1 Internet AG Ausgangssituation Projektziel Lösung Das 1&1 Datawarehouse 2 Zu meiner Person Volker Müller-Strunk Dipl.

Mehr

Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen

Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen Von Cubeware bekommen Sie alles, was Sie für leistungsstarke BI-Lösungen brauchen. 2 Cubeware steht für Erfahrung, Know-how

Mehr

Contents. Ebenen. Data Warehouse - ETL Prozess Version: July 10, 2007. 1 Ebenen. Andreas Geyer-Schulz und Anke Thede. 2 Problemquelle Quellsysteme 4

Contents. Ebenen. Data Warehouse - ETL Prozess Version: July 10, 2007. 1 Ebenen. Andreas Geyer-Schulz und Anke Thede. 2 Problemquelle Quellsysteme 4 Contents Data Warehouse - ETL Prozess Version: July 10, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften

Mehr

Datenbanktechnologie für Data-Warehouse-Systeme

Datenbanktechnologie für Data-Warehouse-Systeme Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...

Mehr

Erfahrungsbericht. SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN

Erfahrungsbericht. SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN Erfahrungsbericht SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN Im Rahmen eines Prototypen werden die neue Funktionalitäten von SAP Netweaver 2004s

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

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz 1 2 Dies ist ein Vortrag über Zeit in verteilten Anwendungen Wir betrachten die diskrete "Anwendungszeit" in der nebenläufige Aktivitäten auftreten Aktivitäten in einer hochgradig skalierbaren (verteilten)

Mehr

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u

Mehr

Data Warehousing mit SAP BW 7.3

Data Warehousing mit SAP BW 7.3 Christian Mehrwald Data Warehousing mit SAP BW 7.3 Umfasst SAP BW 7.3 powered by SAP HANA 6., komplett überarbeitete Auflage M dpunkt.verlag Inhaltsübersicht 1 Einleitung 1 Teil I Datenmodell ~ 5 2 Grundlagen

Mehr

CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage

CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage CBW NLS Schneller Query-Zugriff auf Datenbank und Nearline Storage PBS Nearline Storage Lösung mit spaltenorientierter Datenbanktechnologie für SAP NetWeaver BW Dr. Klaus Zimmer, PBS Software GmbH Agenda

Mehr

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Obwohl mit der Verwendung von SAP HANA ein neuer semantischer Layer zum Einsatz kommt,

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

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation 27. Juni 2013 Hinweis Diese Folien ersetzen keinesfalls den Übungsstoff des zugehörigen e-learning-kurses.

Mehr

Hetero-Homogene Data Warehouses

Hetero-Homogene Data Warehouses Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung

Mehr

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 SAP BW: Erfahrungen in Projekt und Produktion www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 Das Unternehmen DV-RATIO im Profil Qualität und Innovation seit 20 Jahren Beratungsteam

Mehr

PBS Nearline Analytic Infrastructure - Ein Pilotkundenbericht -

PBS Nearline Analytic Infrastructure - Ein Pilotkundenbericht - PBS Nearline Analytic Infrastructure - Ein Pilotkundenbericht - Überblick Vorstellung Überblick PBS NAI Bericht über Pilottest Vorteile/Nachteile 2 Überblick Vorstellung Überblick PBS NAI Bericht über

Mehr

Grenzen überschreiten Intelligente Suche im Input Management

Grenzen überschreiten Intelligente Suche im Input Management Grenzen überschreiten Intelligente Suche im Input Management Carsten Fuchs Lead Consultant / TPO XBOUND ReadSoft AG Carsten.Fuchs@ReadSoft.com #InspireEU15 Agenda Integration überschreitet Grenzen Anwendungsfälle

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

System angelegt, an das ein BWA angeschlossen ist.

System angelegt, an das ein BWA angeschlossen ist. 129 BWA-Indizes sind ein Spezifikum des Business Warehouse Accelerator (BWA), dessen In-Memory-Technologie mit spaltenbasierter Speicherung in gewisser Weise als Ursprung der HANA-Datenbank betrachtet

Mehr

INFORMATION LIFECYCLE MANAGEMENT

INFORMATION LIFECYCLE MANAGEMENT INFORMATION LIFECYCLE MANAGEMENT REVISIONSSICHERES LÖSCHEN UND RESTRUKTURIEREN VON DOKUMENTENSTRUKTUREN WOLFGANG EIGENBROD RAUM 1B02/03 CENIT EIM IT-TAG 13.06.2013 AGENDA 1. AUSGANGSLAGE - FAKTEN 2. INFORMATION

Mehr

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Inhaltsverzeichnis SAP BUSINESS WAREHOUSE (BW) DATENKOLLEKTOR 3 GRUNDSÄTZLICHES:...3 DER BW DATENKOLLEKTOR ÜBERWACHT DIE FOLGENDEN KERNPROZESSE

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

mit der neuen Microsoft BI-Plattform

mit der neuen Microsoft BI-Plattform Der Weg von manuellen Berichten zum modernen BI-System PSG Projekt Service GmbH The SQL Server Company, Hamburg Jan Streblow, Lead Consultant Public Sector Sascha Lorenz, Lead Consultant SQL Server Technology

Mehr

1 Einsatz des SAP Code Inspectors... 29. 2 Konfiguration und Funktionen des SAP Code Inspectors... 67

1 Einsatz des SAP Code Inspectors... 29. 2 Konfiguration und Funktionen des SAP Code Inspectors... 67 Auf einen Blick 1 Einsatz des SAP Code Inspectors... 29 2 Konfiguration und Funktionen des SAP Code Inspectors... 67 3 Automatisierte Prüfungen mit dem SAP Code Inspector... 125 4 Programmierung eigener

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

Zeitgemäße Verfahren für ganzheitliche Auswertungen

Zeitgemäße Verfahren für ganzheitliche Auswertungen Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions

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

Star - Schema. AnPr. Name Klasse Datum. ANPR_StarSchema_v03.docx Seite 1

Star - Schema. AnPr. Name Klasse Datum. ANPR_StarSchema_v03.docx Seite 1 Name Klasse Datum 1 OLAP vs. OLTP In den RDBMS Konfigurationen unterscheidet man zwei verschiedene Grundtypen: OLTP: OnLine Transactional Processing ist für die Transaktionsprozesse und somit zur funktionalen

Mehr

Business Intelligence Herausforderungen bei der Implementierung

Business Intelligence Herausforderungen bei der Implementierung Business Intelligence Herausforderungen bei der Implementierung 28.03.2012 Agenda Kapitel 1 Kurzvorstellung SALT Solutions GmbH 2 Business Intelligence (BI) 3 Problemstellungen und Lösungen in Projekten

Mehr

Data Warehouse Technologien

Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............

Mehr

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale SAP HANA Einsatzmöglichkeiten und Potenziale Vorstellung HANA Einsatzmöglichkeiten und Potenziale SAP HANA Studio Performance Was ist SAP HANA : SAP HANA ist eine neue Plattform die die In-Memory Technologie

Mehr

IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse

IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse IBM & SAP Business Warehouse Accelerator Geschäftsberichte schnellstmöglich bereit zur Analyse Harald Bolbach IBM SAP Principal Agenda Herausforderungen an das Data Warehousing / Reporting Welche Möglichkeiten

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

InfoObjects&InfoSource

InfoObjects&InfoSource InfoObjects&InfoSource Projekt: elearning SAP BPS Auftraggeber: Prof. Dr. Jörg Courant Gruppe 3: Bearbeiter: Diana Krebs Stefan Henneicke Uwe Jänsch Andy Renner Daniel Fraede Daniel Fraede 1 Inhaltsverzeichnis

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

ENTERBRAIN Reporting & Business Intelligence

ENTERBRAIN Reporting & Business Intelligence Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit

Mehr

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen

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

Mehr

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...

Mehr

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele

Mehr

Projekt zur Lehrveranstaltung Informationssysteme

Projekt zur Lehrveranstaltung Informationssysteme Prof. Dr.-Ing. Thomas Kudraß Dipl.-Math. Dörte König HTWK Leipzig, F IMN Projekt zur Lehrveranstaltung Informationssysteme Das Projekt ist in drei Teile aufgeteilt, die den Phasen eines Data-Warehouse-Projekts

Mehr

Die GISA GmbH. Strategie. Ideen. Zukunft. 2014 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de

Die GISA GmbH. Strategie. Ideen. Zukunft. 2014 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Strategie. Ideen. Zukunft. 2014 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gebündelte IT-Kompetenz GISA-Portfolio Branchenkompetenz Kompetenznetzwerk Partnerschaften Best

Mehr

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation Markus Feichtinger Power Systems Der Weg zu POWER! Agenda Motivation Lösung Beispiel Export / Import - Überblick - Migration Beispiel XenoBridge - Überblick - Migration Benefits 2 Motivation Strategisch

Mehr

SAP Business Information Warehouse 3 Architektur, Konzeption, Implementierung

SAP Business Information Warehouse 3 Architektur, Konzeption, Implementierung Christian Mehrwald SAP Business Information Warehouse 3 Architektur, Konzeption, Implementierung Christian Mehrwald E-Mail: Christian.Mehrwald@quadox.de Lektorat & Copy-Editing: Christine Weber Satz: Peter

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

Mehr

KitMig Flexible Live-Migration in mandantenfähigen Datenbanksystemen

KitMig Flexible Live-Migration in mandantenfähigen Datenbanksystemen KitMig Flexible Live-Migration in mandantenfähigen Datenbanksystemen Andreas Göbel, Marcel Sufryd Friedrich-Schiller-Universität Jena AGENDA 1. Mandantenfähige DBMS 2. Live-Migration 3. KitMig 4. Untersuchungen

Mehr

Supporting performance optimizations by analyzing sample based consumption measurements on mainframe systems

Supporting performance optimizations by analyzing sample based consumption measurements on mainframe systems Fakultät für Informatik Technische Universität München Supporting performance optimizations by analyzing sample based consumption measurements on mainframe systems Unterstützung von Performance-Optimierungen

Mehr

Nearline Storage / Business Intelligence bei tegut

Nearline Storage / Business Intelligence bei tegut Nearline Storage / Business Intelligence bei Agenda Vorstellung Projektablauf und -Ziele technische Umgebung nach Einführung NLS SAP Business Warehouse bei Datenmodell und Volumen, Vor- und Nachteile Unternehmen

Mehr

6 HANA-optimierte InfoCubes

6 HANA-optimierte InfoCubes 117 HANA-optimierte InfoCubes bilden im»sap BW powered by SAP HANA«das Pendant zu relationalen InfoCubes in BW-Systemen mit relationalen Datenbanksystemen. Obwohl ihr Modell wesentlich auf die spaltenorientierte

Mehr

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis DOAG Konferenz 2010 Claus Jordan Senior Consultant, Trivadis GmbH 16.11.2010 Basel Bern Lausanne Zürich Düsseldorf

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

Raumbezogene Datenbanken (Spatial Databases)

Raumbezogene Datenbanken (Spatial Databases) Raumbezogene Datenbanken (Spatial Databases) Ein Vortrag von Dominik Trinter Alexander Christian 1 Inhalte Was ist ein raumbezogenes DBMS? Modellierung Abfragen Werkzeuge zur Implementierung Systemarchitektur

Mehr

IT-basierte Kennzahlenanalyse im Versicherungswesen

IT-basierte Kennzahlenanalyse im Versicherungswesen Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:

Mehr

BRZ PBS-Sybase NAI/NLS Gottfried Hombauer (Manager BI Operation) Clemens Dilmetz

BRZ PBS-Sybase NAI/NLS Gottfried Hombauer (Manager BI Operation) Clemens Dilmetz BRZ PBS-Sybase NAI/NLS Gottfried Hombauer (Manager BI Operation) Clemens Dilmetz www.brz.gv.at Vertraulichkeitshinweis Agenda Firmenprofil Technisches Profil Erste Kontakte Problemstellung Problemlösung

Mehr

Intersport Österreich Servus die Wadl n Servus IBM Smart Business Infrastructure. Johann Reisinger CIO Intersport Wien, im Oktober 2010

Intersport Österreich Servus die Wadl n Servus IBM Smart Business Infrastructure. Johann Reisinger CIO Intersport Wien, im Oktober 2010 23.09.2010 1 Intersport Österreich Servus die Wadl n Servus IBM Smart Business Infrastructure Johann Reisinger CIO Intersport Wien, im Oktober 2010 Agenda Vorstellung des Intersport Konzerns Aufgaben der

Mehr

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management Anke Noßmann Syncwork AG SAP HERUG Partnertag, Berlin 06. November 2009 Inhalt 1. Ausgangssituation 2. Alternative

Mehr

Die vollintegrierte. Suchmaschine für Ihr SAP -System. conovum financial intelligence. HIVE Search

Die vollintegrierte. Suchmaschine für Ihr SAP -System. conovum financial intelligence. HIVE Search HIVE Search Die vollintegrierte Suchmaschine für Ihr SAP -System HIVE Search Agenda HIVE Search stellt sich vor Anwendungsbeispiele Seite 2 HIVE Search Agenda HIVE Search stellt sich vor Hintergrund Merkmale

Mehr

Optimierung der SAP CRM Middleware

Optimierung der SAP CRM Middleware Juliane Bode, Stephan Golze, Thomas Schröder Optimierung der SAP CRM Middleware Galileo Press -. Bonn Boston Geleitwort 13 Vorwort 15 Einleitung 17 TEIL I Grundlagen der CRM Middleware 1.1 Der Weg vom

Mehr

Umstieg auf DB2 für SAP HTM Sport u. Freizeitgeräte GmbH. Gerhard Spari, HTM Sport GmbH 7. Oktober 2010

Umstieg auf DB2 für SAP HTM Sport u. Freizeitgeräte GmbH. Gerhard Spari, HTM Sport GmbH 7. Oktober 2010 1 Umstieg auf DB2 für SAP HTM Sport u. Freizeitgeräte GmbH Gerhard Spari, HTM Sport GmbH 7. Oktober 2010 Firmenprofil HTM Wir sind ein führender globaler Produzent und Verkäufer von Sportartikel im Bereich

Mehr

GIA Informatik AG Peyermattstrasse 3 CH-4665 Oftringen Telefon +41 62 789 71 71 Telefax +41 62 789 71 99 info@gia.ch www.gia.ch

GIA Informatik AG Peyermattstrasse 3 CH-4665 Oftringen Telefon +41 62 789 71 71 Telefax +41 62 789 71 99 info@gia.ch www.gia.ch GIA Informatik AG Peyermattstrasse 3 CH-4665 Oftringen Telefon +41 62 789 71 71 Telefax +41 62 789 71 99 info@gia.ch www.gia.ch Agenda 1 GIA Informatik AG 2 SAP MaxDB im Kundeneinsatz 3 Management von

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 6. Übung Juni 2015 Agenda Hinweise zur Klausur Zusammenfassung OPAL Übungen / Kontrollfragen

Mehr

Kundenwertanalyse und Kündigerwahrscheinlichkeit Kundenbindung mit SAP HANA Projekt: HELIX

Kundenwertanalyse und Kündigerwahrscheinlichkeit Kundenbindung mit SAP HANA Projekt: HELIX Kundenwertanalyse und Kündigerwahrscheinlichkeit Kundenbindung mit SAP HANA Projekt: HELIX Christian Gratz (GISA) & Stephan Kühnel (MLU) SAP-Forum für die Versorgungwirtschaft 5. November 2014 2012 GISA

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

Stabilisierung von J2EE-Anwendungen durch APM

Stabilisierung von J2EE-Anwendungen durch APM Stabilisierung von J2EE-Anwendungen durch APM juergen.moors@de.quest.com Agenda Was ist Application Performance Management? Anwendungen Wo liegt das Problem? APM Best Practices APM Was ist APM? Was ist

Mehr

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

Erfahrungsbericht zum Einsatz von PBS CBW NLS IQ in der Energieversorgung

Erfahrungsbericht zum Einsatz von PBS CBW NLS IQ in der Energieversorgung Erfahrungsbericht zum Einsatz von PBS CBW NLS IQ in der Energieversorgung Vortrag auf dem PBS-Informationstag Mannheim, 18. Juni 2013 Gert Prüser IT- und Prozessberater Business Intelligence Agenda 1.

Mehr

VERBUNDPROJEKT BETRIEBSOPTIMIERUNG

VERBUNDPROJEKT BETRIEBSOPTIMIERUNG VERBUNDPROJEKT BETRIEBSOPTIMIERUNG Abschlusspräsentation des ISETEC II - Fördervorhabens, 04./05. Juni 2012 Hamburger Hafen und Logistik AG Agenda Verbundprojekt Betriebsoptimierung - Zentrale Projektziele

Mehr

Systems Management bei ZFLS

Systems Management bei ZFLS ZF Lenksysteme GmbH ZF Lenksysteme GmbH FIR Thilo Helmig & Stefan Zeul 02.10.2009 Systems Management bei ZFLS Abt.: Design 29.09.2009 1 vorlage.ppt ZF Lenksysteme GmbH Agenda ZF Lenksysteme stellt sich

Mehr