Lehrstuhl für Wirtschaftsinformatik II. Gliederung

Größe: px
Ab Seite anzeigen:

Download "Lehrstuhl für Wirtschaftsinformatik II. Gliederung"

Transkript

1 Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing 6. Datenanalyse: On-Line Analytical Processing und Data Mining 7. Betriebliches Berichtswesen 8. Analyseorientierte Anwendungssysteme mit speziellem betriebswirtschaftlichen Schwerpunkt 9. Gestaltung und Betrieb von BI-Lösungen 10. Aktuelle Tendenzen bei Business Intelligence-Systemen Folie 37

2 Business Intelligence Gesamtheit aller Werkzeuge und Anwendungen mit entscheidungsunterstützendem Charakter, die zur besseren Einsicht in das eigene Geschäft und damit zum besseren Verständnis in die Mechanismen relevanter Wirkungsketten Begriffliche Klammer, die eine Vielzahl unterschiedlicher Ansätze zur Analyse geschäftsrelevanter Daten zu bündeln versucht (kein neues Konzept / Produkt) Folie 38

3 Begriffsverständnis BI Weites BI- Verständnis Datenbereitstellung Datenauswertung ETL Data Warehouse Standard- Reporting Ad-Hoc- Reporting OLAP Data / Text Mining MIS / EIS / DSS Portale Kennzahlen / Balances Scorecards Planung / Konsolidierung Analytisches CRM Analyseorientiertes BI-Verständnis Enges BI- Verständnis Technik Anwendung Prozessschwerpunkt Orientierung Folie 39

4 Aufgaben- und Anwendungsgebiete Controlling- und Führungs- Informationssysteme Vertriebs- und Kostencontrolling Finanzplanung strategische Produktplanung Personalbedarfsplanung Marktanalyse Prozesskostenrechnung Kapitalflussrechnung Währungsumrechnungen Liquiditätsplanung innerbetriebliche Leistungsverrechnung Investitionsrechnung Bilanzanalyse Kostenartenplanung Betriebsergebnisrechnung Kundenergebnisrechnung Kennzahlenberechnung Berichtswesen Konsolidierung Folie 40

5 Einsatzgebiete für BI-Systeme Controlling 88,1% Management/Geschäftsführung 76,8% 13,2% 10,0% Sales/Vertrieb 75,9% 15,1% Rechnungswesen/Buchhaltung 63,2% 26,2% 10,5% Logistik 44,3% 44,3% 11,4% Einkauf 43,5% 41,9% 14,6% Produktion 43,0% 46,2% 10,8% Personalwesen (HR) 36,8% 49,2% 14,1% Kundendienst/Service 34,3% 56,8% Marketing/Werbung 32,2% 55,9% 11,9% Forschung & Entwicklung 15,7% 75,9% im Einsatz nicht im Einsatz Einsatz geplant Quelle: eigene empirische Erhebung, Dezember 2009 Januar 2010 Folie 41

6 Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing 6. Datenanalyse: On-Line Analytical Processing und Data Mining 7. Betriebliches Berichtswesen 8. Gestaltung und Betrieb von BI-Lösungen 9. Aktuelle Tendenzen bei Business Intelligence-Systemen Folie 42

7 Data Warehouse-Konzept Data Warehouse (DW) = A subject oriented, integrated, nonvolatile, time variant collection of data organized to support management needs W. H. Inmon, Building the Data Warehouse, New York u. a. 1993, S. 29. subject oriented integrated nonvolatile time variant management needs Themenorientierung Vereinheitlichung Dauerhaftigkeit, Stabilität Zeitorientierung der Informationen Analyse und Entscheidungsunterstützung Folie 43

8 Data Warehouse MSS Data Warehouse Operative Unternehmensdaten Operative Informationssysteme umfasst die Serverkomponenten einer Systemlösung, die für die unternehmensweite Datenversorgung der Front-End-Systeme zur Informationsbereitstellung und Entscheidungsunterstützung betrieblicher Fach- und Führungskräfte zuständig sind, ist physikalisch von den operativen Vorsystemen getrennt und baut lediglich zum Zweck der periodischen Datenaktualisierung bzw. -ergänzung Verbindungen zu den operativen DV-Systemen auf. Folie 44

9 Architekturvarianten (Durchgriff auf operative Systeme) Endbenutzer ABAP, Berichtsgeneratoren, Excel,... Probleme: zahlreiche Schnittstellen Belastung der operativen Systeme inkonsistente und starre Berichte keine Historie kaum Interaktion lange Laufzeiten SAP, Baan,.. PAISY,... Operative Vorsysteme Folie 45

10 Architekturvarianten (Unternehmensweites Data Warehouse) Endbenutzer... Data Warehouse Import-Schnittstelle SAP, Baan,.. PAISY,... Operative Vorsysteme Probleme: komplexe Import- Schnittstelle Administrationsaufwand für DB umfangreiche Berichtsdatenbank (Laufzeiten) kaum Interaktion interaktive Nutzung durch den Endanwender z.b. für neue Berichte kaum möglich Folie 46

11 Architekturvarianten (Data Marts ohne Data Warehouse) Endbenutzer... Probleme: Anzahl der Schnittstellen viele DBs Konsistenz der Daten Import Abteilungsdatenbank Abteilungsdatenbank Import SAP, Baan,.. PAISY,... Operative Vorsysteme Folie 47

12 Architekturvarianten (Data Marts mit Data Warehouse) Endbenutzer Data Mart Data Mart Data Warehouse Probleme: komplexe Lösung lange Projektlaufzeit bis zu ersten Ergebnissen viele Einzelkomponenten Import-Schnittstelle SAP, Baan,.. PAISY,... Operative Vorsysteme Folie 48

13 Referenzarchitektur Endbenutzer Externe Daten Data Marts MDB ROLAP Zentrales Data Warehouse Data Warehouse Data Mining Operative Vorsysteme Folie 49

14 Speichersegmente des Data Warehouse Data Warehouse Enterprise Data Warehouse Zentrale Staging Area Datenbasi s ETL-System Operational Data Store Externe Daten Operative Vorsysteme Folie 50

15 Staging Area Temporäre Zwischenspeicherung extrahierter Rohdaten vor der Integration Kein direkter Zugriff für Endbenutzer für Analysen Staging Area Plattform für Datentransformationen zur Entlastung von Quelldatenbanken und Data Warehouse Folie 51

16 Operational Data Store Integrierte Detaildaten ggf. bis auf Belegebene für operatives Reporting I. d. R. keine allzu lange Historie Datenquelle für das Enterprise Data Warehouse Klassische relationale Datenablage (3. Normalform) Operational Data Store Folie 52

17 Enterprise Data Warehouse Verdichtete Daten (z. B. Tagesbasis) Lange Historie (> 5 Jahre) Großes Datenvolumen (u. U. > 100 TB) Unternehmens- bzw. konzernweit ausgerichtet Denormalisiert Single Point of the Truth Enterprise Data Warehouse Folie 53

18 DW-Architektur - Telekommunikationsunternehmen Business Layer DWH Layer Data Stores Layer Data Mart Layer Atomic Layer Denormalisiert, angereichert, verdichtet 3. Normalform, historisiert Data Integration Layer File Landing Zone Source Systems 54 Folie 54

19 DW-Architektur - Analysten Quelle: Gartner, Januar 2013 Folie 55 55

20 DW-Datenbankmanagement Systeme Quelle: Gartner, Januar 2013 Folie 56 56

21 ETL-Prozesse Initiale Befüllung vs. periodische Aktualisierung Zeitfenster Full Copy vs. Inkremental Load Indexbildung, Aggregationen Aktualisierungshäufigkeit Tages-, Wochen-, Monatsabstände Untertägige und Right-/Real Time Aktualisierung Folie 57

22 ETL-Prozesse Initiale Befüllung vs. periodische Aktualisierung Zeitfenster Full Copy vs. Inkremental Load Indexbildung, Aggregationen Aktualisierungshäufigkeit Tages-, Wochen-, Monatsabstände Untertägige und Right-/Real Time Aktualisierung Folie 58

23 Quelldaten ETL-Prozess Transformieren i.e.s. Harmonisieren Data Warehouse/ODS Extrahieren Bereinigen Laden Zuordnen Folie 59

24 Incremental Load Problem der Identifikation geänderter bzw. neuer Quelldatensätze Lösungsalternativen: Modifikation der Quellsysteme Änderungsdokumentation mit Triggermechanismen Analyse von Datenbank-Log-Dateien Schnappschuss-Vergleichsverfahren Extrahieren Folie 60

25 Transformation i. e. S. Verknüpfung der Datensätze aus unterschiedlichen Vorsystemen Problem: verschieden Schlüsselungsverfahren Lösung: Lookup-Tabellen Harmonisierung der Datenbestände Syntaktische Vereinheitlichung: Formatangleichung Semantische Vereinheitlichung: Begriffsverständnisse und Berechnungsmethoden Transformieren i.e.s. Harmonisieren Bereinigen Zuordnen Folie 61

26 Transformation i. e. S. Bereinigung der Daten Elimination semantischer und/oder syntaktischer Fehler aufgrund unzureichender Integritätsprüfungen in den Vorsystemen Datentypsverletzungen (Buchstaben in numerischen Feldern) Wertebereichsverletzungen (negative Lagerbestände) Inhaltliche Fehler bei korrekter Syntax (Mussfelder) Fehlende Werte (nicht existent, nicht bekannt) Dublettenerkennung Transformieren i.e.s. Harmonisieren Bereinigen Zuordnen Zuordnung von Quell- zu Zieldatenobjekten (Mapping) Folie 62

27 Laden in die Zielumgebung Berechnungen durchführen Zusätzliche Kenngrößen Ohne Einbeziehung bereits abgelegter Daten Mit Einbeziehung bereits abgelegter Daten Aggregationen Performanceverbesserung Abschalten der Transaktionskontrolle Sperrung für Online-Zugriffe Laden Folie 63

28 Cubeware Importer Folie 64

29 ETL-Werkzeuge Folie 65 Segment Hersteller Produktbezeichnung Spezialwerkzeug Ab Initio Co>Operating System Embarcadero DT/Studio Group 1 Software Sagent Data Flow Solution IBM InfoSphere Information Server Informatica PowerCenter iway Data Migrator Open Text Integration Center Pentaho Data Integration (Kettle) SAP Business Objects Data Integrator SAS Enterprise Data Integration Server Sybase Data Integration Studio Syncsort DMExpress Talend OpenStudio Teil einer Business Cubeware Importer Intelligence Suite Oracle Hyperion Data Integration Management iq4bis DataServer Jaspersoft JasperETL Microsoft SQL Server Integration Services Tonbeller Siron Datenbank-Ergänzung IBM SQL Warehousing Tool Jedox Palo ETL Server Oracle Warehouse Builder, Data Integrator Pervasive Data Integrator Quelle: Bange: Werkzeuge für analytische Informationssysteme, in: Chamoni/Gluchowski Analytische Informationssysteme, 4. Aufl., Berlin u. a. 2010, S

30 Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing 6. Datenanalyse: On-Line Analytical Processing und Data Mining 7. Betriebliches Berichtswesen 8. Analyseorientierte Anwendungssysteme mit speziellem betriebswirtschaftlichen Schwerpunkt 9. Gestaltung und Betrieb von BI-Lösungen 10. Aktuelle Tendenzen bei Business Intelligence-Systemen Folie 66

31 On-Line Analytical Processing (OLAP) Software-Technologie, die Managern schnelle, interaktive und vielfältige Zugriffe auf relevante und konsistente Informationen ermöglicht dynamische, multidimensionale Analysen auf konsolidierten Unternehmensdatenbeständen zwölf Evaluationsregeln nach Codd/Codd/Salley Mehr- / Multidimensionalität: Anordnung betriebswirtschaftlicher Variablen (z.b. Kennzahlen) entlang mehrerer, unterschiedlicher Dimensionen (z.b. Region, Artikel, Produkte, Zeit, Kunden) PRODUKT REGION Folie 67

32 Dimensionen von Tabellen Eindimensionale Tabelle Relationale DBS On-Line Transaction Processing (OLTP) Zweidimensionale Tabelle Multidimensionale DBS On-Line Analytical Processing (OLAP) Datenzelle Datensatz Folie 68

33 Multidimensionale Datensichten (On-Line Analytical Processing) Datenwürfel Mehr- / Multidimensionalität Kunde Kunde 3 Kunde 2 Kunde 1 Produkt 1 Produkt 2 Produkt Monat Anordnung quantitativer betriebswirtschaftlicher Variablen (z. B. Kennzahlen) simultan entlang unterschiedlicher Dimensionen (z. B. Region, Artikel, Produkte, Zeit, Kunden) Produkt Absatzmenge Folie 69

34 Navigation in multidimensionalen Datenstrukturen Slice Rotation (Pivotisierung) Drill-Down Roll-Up PRODUKT REGION Folie 70

35 Slice Herausschneiden einzelner Scheiben, Schichten oder kleiner Würfel aus dem Datenraum Produktsicht z.b. Produktmanager Regionale Sicht z.b. Gebietsleiter Ad-hoc-Sicht z.b. Analyst Ranging (Dicing) Region Region Region Folie 71 Produkt 4alle Regionen 4gesamter Zeitraum 4ein Produkt (Filter) Produkt 4alle Produkte 4gesamter Zeitraum 4eine Region (Filter) Produkt 4Produkte einer Produktgruppe (Filter) 4ein Quartal (Filter) 4eine Teilegion (Filter)

36 Rotation (Pivoting) Region Rotation des Datenwürfels durch Drehen oder Kippen, um eine andere Perspektive auf die Daten zu ermöglichen. Produkt Produkt Zeit Folie 72

37 Rotation (Pivoting) Folie 73

38 Drill-Down Folie 74

39 Darstellung multidimensionaler Strukturen im Relationenmodell Würfel Absatz Relation Absatz Artikel 03/98 02/98 01/ Artikel Region Periode Absatzmenge 4711 Nord 01/ Nord 01/ Nord 01/ Ost 01/ Nord Ost Süd Region Folie 75

40 Übergang vom Würfel zur Relation Artikel Periode Absatzmenge Relation Absatz 02/05 01/05 Artikel Region Periode Absatzmenge Ost Ost Ost Süd... 01/05 01/05 01/05 01/ Nord Ost Süd West Region Folie 76

41 Übergang vom Würfel zur Relation Artikel Periode Absatzmenge Relation Absatz 02/05 01/05 Artikel Region Periode Absatzmenge Ost Ost Ost Süd... 01/05 01/05 01/05 01/ Nord Ost Süd West Region Folie 77

42 Übergang vom Würfel zur Relation Artikel Periode Absatzmenge Relation Absatz 02/05 01/05 Artikel Region Periode Absatzmenge Ost Ost Ost Süd... 01/05 01/05 01/05 01/ Nord Ost Süd West Region Folie 78

43 Darstellung multidimensionaler Strukturen im Relationenmodell Star-Schema Artikel Artikel-ID Bezeichnung Maßeinheit Packung Farbe Region Region-ID Bezeichnung Fläche in qkm Bevölkerung 1 1 n n Vertrieb Artikel-ID Perioden-ID Regionen-ID Absatzmenge Faktentabelle n 1 Periode Perioden-ID Bezeichnung Dimensionstabellen Folie 79

44 DV-Speicherungskonzept mit relationalen Datenbanken Abbildung von Hierarchien in Dimensionstabellen Folie 81

45 DV-Speicherungskonzept mit relationalen Datenbanken Snowflake-Schema Folie 82

46 DV-Speicherungskonzept mit relationalen Datenbanken Fact-Constellation-Schema Folie 83

47 DV-Speicherungskonzept mit relationalen Datenbanken Folie 84 Artikel Artikel-ID Bezeichnung Region Region-ID Bezeichnung Fläche in qkm Bevölkerung n n Galaxien Faktentabellen Vertrieb Artikel-ID Perioden-ID Region-ID Absatzmenge n 1 n Dimensionstabellen Preis Artikel-ID Perioden-ID Verkaufspreis Einkaufspreis Periode Perioden-ID Bezeichnung n 1

48 Gegenüberstellung von Fakten- und Dimensionstabellen Faktentabellen Numerische Meßgrößen (Kennzahlen, Fakten) Zusammengesetzter Primärschlüssel - verweist auf Dimensionstabellen Relativ wenig Spalten mit geringer Zeichenzahl Viele Zeilen Großer Speicherbedarf Dimensionstabellen Beschreibende Angaben zu Dimensionselementen Einzelner, kurzer Primärschlüssel, der auf die Faktentabellen verweist Viele Spalten mit unterschiedlichsten Attributen und Hierarchieinformationen Relativ wenig Zeilen Denormalisierung aus Performancegründen erlaubt Folie 85

49 Lokale Data Mart-Lösungen mit Fat Clients (Desktop-OLAP) Relationaler Daten-Server Relationale Datenbank Mehrdimensionale Präsentations- und Transformationswerkzeuge Ad-hoc- Transformation Anbieter: IBM, vormals Cognos (Powerplay, heute jedoch meist server-basiert)) Arcplan (DynaSight) Folie 86 Lokale, mehrdimensionale Datenbasis (Data Mart)

50 Relationale OLAP-Lösungen mit zentraler Engine Relationaler Daten-Server ROLAP Engine OLAP Client Relationale Datenbank Datenbank-Schicht Anbieter: MicroStrategy (Intelligence Server) Transformations- und Berechnungs-Schicht Präsentations-Schicht Folie 87

51 OLAP-Lösungen mit multidimensionaler Datenbank Anbieter: IBM, vormals Cognos, vormals Applix (TM/1) Oracle, vormals Hyperion Solutions (Essbase) Infor, vormals MIS (ALEA) Multidimensionale Datenbank Multidimensionale Datenbasis?! Metadaten (Data Dictionary) Abfrageschnittstelle Datenbankverwaltung Importschnittstelle Administrationsschnittstelle Folie 88

52 OLAP-Gestaltungsvarianten Repräsentationsschicht ROLAP MOLAP Applikations- Schicht Datenbank- Schicht Relationale Datenbank Relationale Datenbank Multidimensionale Datenbank 2-Tier-Architektur mit Fat-Clients 3-Tier-Architektur mit OLAP-Engine 2-Tier-Architektur mit MDB Folie 89

53 OLAP-Lösungen mit heterogenen Datenbanktechnologien Anbieter: Oracle/Hyperion (Essbase + rel. DB) Microsoft (SQL Server + Analysis Services)... HOLAP= hybrides OLAP Engine OLAP Client Relationale Datenbank Multidim. Datenbank Datenbank-Schicht Integrations-Schicht Präsentations-Schicht Folie 90

54 Vergleich relationales und multidimensionales Speicherkonzept Relationales Speicherkonzept Skalierbarkeit Häufig Read-Only-Lösungen Beliebige Datenmengen Zahlreiche Attribute in jeder Dimension möglich Mäßige Performance Zusatzoptionen (Spezielle Indextechniken) Multidimensionales Speicherkonzept Plattformabhängig Datenmodifikation möglich (What If) Aufblähung des Datenbestandes Eingeschränkte Attributanzahl je Dimension Gute Performance Black Box Folie 91

55 Folie 92 Speicherkonzepte der Anbieter Speicherkonzept Multidimensional relational ROLAP- Engine hybrid Hersteller Relationale Datenbank Multidimensionale Datenbank Applix - itm1 Cognos - PowerCubes* MIK - MIK-OLAP MIS - Alea Orenburg - Board M.I.T. Thinking Networks - TN Planning IBM DB2 (Metadaten-intgration über CubeViews ) NCR Teradata - Sand Nucleus - Sybase Adaptive Server IQ - SAP diverse (z. B. IBM, Microsoft, Oracle) - MicroStrategy diverse (z. B. IBM, Microsoft, NCR - Teradata, Oracle) Hyperion diverse (über Application Link) Essbase Microsoft SQL Server Analysis Services Oracle 10g 10g OLAP SAS SAS System, SPDS OLAP Server Quelle: Bange: Werkzeuge für analytische Informationssysteme, in: Chamoni/Gluchowski Analytische Informationssysteme, Berlin u. a. 2006, S

56 Erweiterungen handelsüblicher Standardsoftwarepakete Spreadsheet-Add-Ons (Lotus-123- oder Excel-Erweiterungen) Unwesentliche Veränderung der Standard-Oberfläche durch zusätzliche Menüoptionen und Buttonleisten simultane Nutzung der Features beider Werkzeuge Folie 93

57 oder als Pivot-Tabelle Folie 94

58 WWW-Browser als OLAP-Front-End nahtlose Integration in die vertraute WWW-Umgebung transparenter Durchgriff für den Endanwender Erweiterung von HTML um multidimensionale Komponenten Folie 95

59 Exkurs: SAP-BW Architektur und Komponenten des SAP BW 3.0 Folie 96 SAP AG

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'

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

Mehr

Management Support Systeme

Management Support Systeme Management Support Systeme WS 2004-2005 14.00-16.00 Uhr PD Dr. Peter Gluchowski Folie 1 Gliederung MSS WS 04/05 1. Einführung Management Support Systeme: Informationssysteme zur Unterstützung betrieblicher

Mehr

Lehrstuhl für Wirtschaftsinformatik II. Gliederung

Lehrstuhl für Wirtschaftsinformatik II. Gliederung Gliederung 1. Einführung 2. Arbeitsaufgaben und -prozesse der Fach- und Führungskräfte 3. Klassische Ausprägungen der Management Support Systeme 4. Business Intelligence 5. Datenbereitstellung: Data Warehousing

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

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

Business Intelligence im Krankenhaus

Business Intelligence im Krankenhaus Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence

Mehr

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

T1P. Grundlagen des Data Warehousing Von der operativen Datenquelle bis zur Managementinformation. Prof. Dr. Peter Gluchowski Prof. Dr.

T1P. Grundlagen des Data Warehousing Von der operativen Datenquelle bis zur Managementinformation. Prof. Dr. Peter Gluchowski Prof. Dr. T1P 7. Europäische TDWI Konferenz 2. 4. Juni 2008 Forum am Deutschen Museum, München Grundlagen des Data Warehousing Von der operativen Datenquelle bis zur Managementinformation Prof. Dr. Peter Gluchowski

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

Mala Bachmann September 2000

Mala Bachmann September 2000 Mala Bachmann September 2000 Wein-Shop (1) Umsatz pro Zeit und Produkt Umsatz Jan Feb Mrz Q1 Apr 2000 Merlot 33 55 56 144 18 760 Cabernet-S. 72 136 117 325 74 1338 Shiraz 85 128 99 312 92 1662 Rotweine

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

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

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

Mehr

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

Business Intelligenceein Überblick

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

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

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

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

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

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

Einsatz von Anwendungssystemen

Einsatz von Anwendungssystemen Einsatz von Anwendungssystemen WS 2013/14 7 Führungssysteme 7.1 Data Warehouse 7.2 Planungssysteme 7.3 Balanced Scorecard (BSC) 7.4 Business Intelligence 7 Führungssysteme 7.1 Data Warehouse Ein Data Warehouse

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

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

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

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen

Komponenten und Architekturen von Analytischen Informationssystemen Komponenten und Architekturen von Analytischen Informationssystemen Sommersemester 2013 Prof Dr. Peter Gluchowski Literatur zur Vorlesung AIS/BIS Gluchowski, Peter; Gabriel, Roland; Dittmar, Carsten: Management

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Data Warehouse und Data Mining Marktführende Produkte im Vergleich von Dr. Heiko Schinzer, Carsten Bange und Holger Mertens 2., völlig überarbeitete und erweiterte Auflage -. - Verlag Franz Vahlen München

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

good. better. outperform.

good. better. outperform. good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

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

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition BI für Jedermann Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition Wolfgang Rütter Bereichsleiter Informationssysteme OPITZ CONSULTING Gummersbach GmbH 1 Warum BI für Jedermann? 1. Historie

Mehr

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

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

Mehr

Objektorientierte Datenbanken

Objektorientierte Datenbanken OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 vom 01.07.2004 Dr. Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Inhalt heute: Datenbanken in betriebswirtschaftlichen Anwendungen OTLP (SAP) Data

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

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

Mehr

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

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

Mehr

Historie der analyseorientierten Informationssysteme

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

Mehr

Ergebnisse der BARC-Studie Datenintegration

Ergebnisse der BARC-Studie Datenintegration Ergebnisse der BARC-Studie Datenintegration Patrick Keller BARC-Studie Data Warehousing und Datenintegration Data-Warehouse- und Datenintegrations- Werkzeuge im direkten Vergleich 1 Jahr Zugriff auf Studie

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

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004

BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick

Mehr

Data Warehousing und Data Mining

Data Warehousing und Data Mining 2 Data Warehousing und Data Mining Kapitel 1: Data-Warehousing-Architektur von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich zum letzten Jahr? In welchen Regionen

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

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825 Folien zum Textbuch Kapitel 6: Managementunterstützungssysteme Teil 2: Managementunterstützung auf strategischer Ebene Datenverwaltung und -auswertung Textbuch-Seiten 794-825 WI 1 MUS MUS auf strategischer

Mehr

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN OPEN SOURCE BUSINESS INTELLIGENCE MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN uwehaneke Stephan TRAHASCH tobias HAGEN tobias LAUER (Hrsg.)' tdwi E U R D P E HANSER Vorwort 9 Einführung

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

Cubeware Connectivity for SAP Solutions

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

Mehr

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele Agenda Definition Ziele Methoden Werkzeuge Herausforderungen Kosten Nutzen Hype oder Mehrwert Definition / Ziele Google Suche: define:business Intelligence Mit Business Intelligence können alle informationstechnischen

Mehr

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT Meik Truschkowski Architekt für Business Intelligence und Data Warehousing nobilia-werke J. Stickling GmbH & Co. KG Verl, den 31. Oktober 2011 UNTERNEHMENSPROFIL

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

Management Support Systeme

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

Mehr

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

good. better. outperform.

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

Mehr

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011

arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan Edge V.2.7 in 30 min von 0 auf 100 Stefan Koch VP Product Management 31. März 2011 arcplan 2011 Agenda Was ist arcplan Edge? Komponenten von arcplan Edge arcplan Edge Roadmap Live Demo arcplan

Mehr

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste

Mehr

Multidimensionales Datenmodell, Cognos

Multidimensionales Datenmodell, Cognos Data Warehousing (II): Multidimensionales Datenmodell, Cognos Praktikum: Data Warehousing und Mining Praktikum Data Warehousing und Mining, Sommersemester 2010 Vereinfachte Sicht auf die Referenzarchitektur

Mehr

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel Data Warehousing Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 Analyse von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich

Mehr

Das Multidimensionale Datenmodell

Das Multidimensionale Datenmodell Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension

Mehr

Der direkte Weg zum Real Time Enterprise- Effizientes Web-Reporting mit dynasight. Axel Burmester. Key Account Manager

Der direkte Weg zum Real Time Enterprise- Effizientes Web-Reporting mit dynasight. Axel Burmester. Key Account Manager dynasight Der direkte Weg zum Real Time Enterprise- Effizientes Web-Reporting mit dynasight Axel Burmester Key Account Manager arcplan Information Services AG International tätiges Softwarehaus Zentrale

Mehr

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

Business Intelligence Anwendungssysteme

Business Intelligence Anwendungssysteme Business Intelligence Anwendungssysteme Fakultät für Wirtschaftswissenschaften Professur Wirtschaftsinformatik II Prof. Dr. Peter Gluchowski Folie 1 Literatur zur Vorlesung BI- Anwendungssysteme Gluchowski,

Mehr

10. Vorlesung: Datenorganisation SS 2007

10. Vorlesung: Datenorganisation SS 2007 10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das

Mehr

Essbase und Oracle Database OLAP Option zwei OLAP-Lösungen von Oracle. Andreas Wegehaupt Principal Solution Consultant BI Oracle Deutschland GmbH

Essbase und Oracle Database OLAP Option zwei OLAP-Lösungen von Oracle. Andreas Wegehaupt Principal Solution Consultant BI Oracle Deutschland GmbH Essbase und Oracle Database OLAP Option zwei OLAP-Lösungen von Oracle Andreas Wegehaupt Principal Solution Consultant BI Oracle Deutschland GmbH Agenda Business Intelligence und die

Mehr

Informationssysteme: Neuere Konzepte Teil II

Informationssysteme: Neuere Konzepte Teil II Informationssysteme: Neuere Konzepte Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser

Mehr

Michael Bauer Niederlassungsleiter Köln

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

Mehr

Kapitel 6 Einführung in Data Warehouses

Kapitel 6 Einführung in Data Warehouses Kapitel 6 Einführung in Data Warehouses Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2008, LMU München 2008 Dr. Peer Kröger Dieses Skript basiert zu einem Teil auf dem Skript zur Vorlesung

Mehr

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

Mehr

Von der spezialisierten Eigenentwicklung zum universellen Analysetool. Das Controlling-Informationssystem der WestLB Systems

Von der spezialisierten Eigenentwicklung zum universellen Analysetool. Das Controlling-Informationssystem der WestLB Systems Von der spezialisierten Eigenentwicklung zum universellen Analysetool Das Controlling-Informationssystem der WestLB Systems Begriffe und Definitionen Data Warehouse - Datensammlung oder Konzept?! Data

Mehr

Business Intelligence

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

Mehr

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und

Mehr

Business Intelligence: Markt, Trends und Technologien. Dr. Carsten Bange Darmstadt, 22.1.2008

Business Intelligence: Markt, Trends und Technologien. Dr. Carsten Bange Darmstadt, 22.1.2008 Business Intelligence: Markt, Trends und Technologien Dr. Carsten Bange Darmstadt, 22.1.2008 Business Intelligence & Corporate Performance Management Entwicklung des BI-Softwaremarktes Seit Jahren robustes

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

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

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

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

Mehr

Anwendertage WDV2012

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

Mehr

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

Berater-Profil 3491. Cognos-Berater. Ausbildung Diplom Kaufmann. EDV-Erfahrung seit 1990. Verfügbar ab auf Anfrage.

Berater-Profil 3491. Cognos-Berater. Ausbildung Diplom Kaufmann. EDV-Erfahrung seit 1990. Verfügbar ab auf Anfrage. Berater-Profil 3491 Cognos-Berater Schwerpunkte: - Cognos Softwaresuite, OLAP, Reporting, Analyse, ScorecardingBusiness Intelligence, Corporate Performance Management, Management Informations Systeme,

Mehr

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

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

Mehr

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

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

Mehr

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

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

Mehr

Themenblock: Erstellung eines Cube

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

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können

Mehr

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services COGNOS PERFORMANCE MANAGEMENT Jörg Fuchslueger, COGNOS Austria Manager Professional Services Agenda Cognos Performance Management Unternehmensweites Berichtswesen AdHoc Analysen Überwachung und Steuerung

Mehr

Willkommen im Haifischbecken:

Willkommen im Haifischbecken: Willkommen im Haifischbecken: Strategien der vier Megavendoren Zürich 18. November 2009 Wolf K. Müller Scholz Business Intelligence Magazine wms@bi-magazine.net 1 Business Intelligence: Tastsinn Lehre

Mehr

Modellierung von OLAP- und Data- Warehouse-Systemen

Modellierung von OLAP- und Data- Warehouse-Systemen Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis

Mehr

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Thema: David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Autor: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant PRAXIS EDV- Betriebswirtschaft- und

Mehr

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse.

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse. 1 Einführung mysap Business Intelligence stellt mit Hilfe von Knowledge Management die Verbindung zwischen denen, die etwas wissen und denen, die etwas wissen müssen her. mysap Business Intelligence integriert

Mehr

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.

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

Mehr

Kompaktveranstaltung Praktikum "Analyseorientierte Informationssysteme"

Kompaktveranstaltung Praktikum Analyseorientierte Informationssysteme Kompaktveranstaltung Praktikum "Analyseorientierte Informationssysteme" 1. Teil: Datenbank MIS ALEA & MIS ALEA Excel-Integration Agenda 1. Tag Einführung Analytische Informationssysteme Begriffsabgrenzung

Mehr

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

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

Mehr

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

Data Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Data Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle ??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

Mehr

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

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

Mehr

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

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

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Smarter BI-Connector für SAP SAP zertifiziert Adapter für die SAP Business Suite und SAP Business All-in-One Leistungsstark, einfach und ohne Programmieraufwand

Mehr

Kapitel 2 Terminologie und Definition

Kapitel 2 Terminologie und Definition Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale

Mehr

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

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

Mehr

Data Warehouse und ETL. Einführung und Überblick

Data Warehouse und ETL. Einführung und Überblick Data Warehouse und ETL Einführung und Überblick Data Warehouse Definition I A subject-oriented, integrated, non-volatile, time-variant collection of data organized to support management needs Inmon, Database

Mehr

SAP Business Intelligence

SAP Business Intelligence SAP Business Intelligence Helmut Roos Diplom-Ingenieur Unternehmensberater Grundlagen zu Netweaver 7.0 D-67067 Ludwigshafen +49 (621) 5 29 44 65 Data Acquisition Common Read / Write Interface Open Interface

Mehr