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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Datenintegration mit Informatica PowerCenter

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

Mehr

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

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

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

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

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

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

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

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

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

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

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

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen:

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen: Kapitel 17 Data Warehouse OLTP Online Transaction Processing OLAP Online Analytical Processing Decision Support-Anfragen Data Mining opera- tionale DB opera- tionale DB opera- tionale DB Data Warehouse

Mehr

Berater-Profil 3447. SAP Basis Berater - BC, Netweaver -

Berater-Profil 3447. SAP Basis Berater - BC, Netweaver - Berater-Profil 3447 SAP Basis Berater - BC, Netweaver - Fachlicher Schwerpunkt: - SAP Security (Rollen+Profile, Basis, BW Security) - Transportwesen Design und Handling - Systemarchitekturplanung, SAP

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

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

Mehr

Data Warehousing Grundbegriffe und Problemstellung

Data Warehousing Grundbegriffe und Problemstellung Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,

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

Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten

Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten Entwurf Data Architect Verwaltung und Umsetzung komplexer Datenmodelle Graphische Darstellung

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

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

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

Mehr

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

AGM Project & Education GmbH

AGM Project & Education GmbH AGM Project & Education GmbH Leipzig Datenschutzkonferenz dtb Kassel November 2011 20.11.2011 Detlev.Sachse@agm-onside.com 1 Zur Person 20.11.2011 Detlev.Sachse@agm-onside.com 2 Thema Data-Mining am Beispiel

Mehr

Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele

Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele Einsatzmöglichkeiten von BI Accelerator anhand konkreter Kundenbeispiele Jürgen Karnstädt Senior Consultant HP SAP Competence Center Hewlett-Packard Development Company, L.P. The information contained

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

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

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen.

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen. FRT Consulting GmbH Projekt KATEGO Komfortable SAP-Datenanalyse Gustav Sperat FRT Consulting GmbH 1 FRT Consulting das Unternehmen Spin off der TU Graz von langjährigen IT Experten Hauptsitz Graz, Büro

Mehr

Max-DB im Hosting-Einsatz bei T-Systems. Gregor Roberts, T-Systems ES ITO CSS GDU SAP Services, September 2007

Max-DB im Hosting-Einsatz bei T-Systems. Gregor Roberts, T-Systems ES ITO CSS GDU SAP Services, September 2007 Max-DB im Hosting-Einsatz bei T-Systems. Gregor Roberts, T-Systems ES ITO CSS GDU SAP Services, September 2007 Inhalt. Einleitung Kurzporträt: T-Systems (SAP Hosting) Erfahrungsberichte: zwei Kunden mit

Mehr

Marketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch

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

Mehr

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

Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen

Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen (Folien von A. Kemper zum Buch 'Datenbanksysteme') Online Transaction Processing Betriebswirtschaftliche Standard- Software (SAP

Mehr

ELO Produktvergleich

ELO Produktvergleich ELO Produktvergleich ELOoffice ELOprofessional ELOenterprise ELO DMS Desktop ELO Produktvergleich Die passende Lösung...... für jeden Anspruch Enterprise-Content-Management(ECM)- sowie Dokumentenmanagement(DMS)-Lösungen

Mehr

Workshop Fit for SAP BW 7.40!

Workshop Fit for SAP BW 7.40! Workshop Fit for SAP BW 7.40! Fit for SAP BW 7.40 Seite 1 von 5 Agendavorschlag - Tag 1 Delta Workshop BW 7.4 09:00 09:15 Vorstellung Ablauf 09:15 09:30 Übersicht Neuerungen BW 7.4 09:30 10:00 Data Staging

Mehr

MaxDB unter Outsourcing- Aspekten

MaxDB unter Outsourcing- Aspekten MaxDB unter Outsourcing- Aspekten Jutta Caldewey ERP-Factory Dortmund EAO Tower HPS Global Delivery ITO 2006 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change

Mehr

Technische Seminarreihe Empowering Business Intelligence

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

Mehr

Built in Function. BIF Compatibility. Eine anonymisierte Kundenpräsentation. von Siegfried Fürst SOFTWARE ENGINEERING GmbH

Built in Function. BIF Compatibility. Eine anonymisierte Kundenpräsentation. von Siegfried Fürst SOFTWARE ENGINEERING GmbH GIVE and TAKE Programme Inspiring experiences Built in Function BIF Compatibility Eine anonymisierte Kundenpräsentation von Siegfried Fürst SOFTWARE ENGINEERING GmbH 2015 SOFTWARE ENGINEERING GMBH and

Mehr

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen Fragen 1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Falsch a) Faktentabellen b) SID- Tabllen c) Dimensionstabellen d) Attribute e) Tete 2. Was muss beim Laden von Bewegungsdaten aus

Mehr

BW powered by HANA. Martin Effinger Month 06, 2013

BW powered by HANA. Martin Effinger Month 06, 2013 BW powered by HANA Martin Effinger Month 06, 2013 winnovation Quick Facts Form Aktiengesellschaft Gründung 28.3.2006 Aktienkapital 200 000 CHF (100% im Besitz des Mgt) Ort Baar (Zug, Schweiz) Mitarbeiter

Mehr

Logische Modellierung von Data Warehouses

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

Mehr

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 24. Juni 2014 Agenda Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen

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

Einsatz des Microsoft SQL-Servers bei der KKH

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

Mehr

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

Data Warehouse. Kapitel 16. Abbildung 16.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen:

Data Warehouse. Kapitel 16. Abbildung 16.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen: Kapitel 16 Data Warehouse OLTP Online Transaction Processing OLAP Online Analytical Processing Decision Support-Anfragen Data Mining operationale DB operationale DB operationale DB Data Warehouse operationale

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

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

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

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

Mehr

IBM Informix Tuning und Monitoring

IBM Informix Tuning und Monitoring Seminarunterlage Version: 11.01 Copyright Version 11.01 vom 25. Juli 2012 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

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

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

Mehr

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

Open Source Datawarehouse für das IT-Management

Open Source Datawarehouse für das IT-Management Open Source Datawarehouse für das IT-Management 09.06.2010 Linuxtag Berlin Referent: Bernd Erk Agenda DESTINATION TIME REMARK KURZVORSTELLUNG ÜBERBLICK DATAWAREHOUSE DATENINTEGRATION DATENHALTUNG DATENORGANISATION

Mehr

Nach Data Warehousing kommt Business Intelligence

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

Mehr

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

Data Warehouse Technologien

Data Warehouse Technologien mitp Professional Data Warehouse Technologien von Veit Köppen, Gunter Saake, Kai-Uwe Sattler 2. Auflage 2014 Data Warehouse Technologien Köppen / Saake / Sattler schnell und portofrei erhältlich bei beck-shop.de

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

Oracle -Datenbankadministration für SAP

Oracle -Datenbankadministration für SAP Andre Faustmann, Michael Höding, Gunnar Klein, Ronny Zimmermann Oracle -Datenbankadministration für SAP Galileo Press Bonn Boston 1 Einleitung 1.1 1.2 1.3 1.4 1.5 Gründe, dieses Buch zu besitzen 16 Aufgaben

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

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25 Inhalt Geleitwort 13 Vorwort 17 Einleitende Hinweise 19 Handhabung des Buches 19 Übergreifendes Beispielszenario 19 Nach der Lektüre 21 Danksagung 21 1 Business-Intelligence-Konzepte - Neuerungen 25 1.1

Mehr

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S T E F A N M A R K 07.07.2015 F O L I E 1 V O N 2 7 F I R M E N P O R T R A I T S. O L I V E R GESCHICHTE F O L I E 2 V O N 2 7 F

Mehr

Data Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube

Data Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube Fragen des Marketingleiters Data Warehousing Wie viele Bestellungen haben wir jeweils im Monat vor Weihnachten, aufgeschlüsselt nach? Aufbau eines DWH OLAP OLTP Datacube Beispiel: : Amazon Technisch

Mehr

1.3 Themen und Aspekte. 1.2.4 Beschränkung auf die ABAP-Programmierung

1.3 Themen und Aspekte. 1.2.4 Beschränkung auf die ABAP-Programmierung 1.3 Themen und Aspekte 5 1.2.4 Beschränkung auf die ABAP-Programmierung In diesem Buch werden nicht alle Themen abgedeckt, sondern das Buch beschränkt sich, wie der Titel schon sagt, auf die ABAP-Programmierung.

Mehr

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH Aktueller Entwicklungsstand der Nearline-Storage-Lösung für SAP BW Dr. Christoph Bedau, Stefan Weickum, Software GmbH Agenda -Lösungen für SAP BW Systemlandschaft SAP HANA Neue SAP Funktionalität unter

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

Inhaltsverzeichnis. Installationsübersicht. A. Installationsübersicht

Inhaltsverzeichnis. Installationsübersicht. A. Installationsübersicht Inhaltsverzeichnis A. Installationsübersicht B. und Optimierungsbereiche B.1 Hardware B.2 OperatingSystem Z/OS B.3 Databasemanagementsystem DB2 B.4 Applikation C. Organisation BSS_Chart-library 1 Installationsübersicht

Mehr

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects Besseres Investitionscontrolling mit Der Investitionsprozess Singuläres Projekt Idee, Planung Bewertung Genehmigung Realisierung Kontrolle 0 Zeit Monate, Jahre Perioden Der Investitionsprozess Singuläres

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

Helmut Stefani (Hrsg.) Datenarchivierung mit SAP

Helmut Stefani (Hrsg.) Datenarchivierung mit SAP 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Helmut Stefani (Hrsg.) Datenarchivierung mit SAP Galileo Press Inhalt

Mehr

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht MultiProvider 243 MultiProvider MultiProvider sind virtuelle InfoProvider ohne eigene Datenhaltung, deren Hauptaufgabe die Grundlage für die Datenanalyse und -planung ist. Dabei nimmt der MultiProvider

Mehr

OLAP mit dem SQL-Server

OLAP mit dem SQL-Server Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1

Mehr