Diplomarbeit. Business Intelligence im Mittelstand

Größe: px
Ab Seite anzeigen:

Download "Diplomarbeit. Business Intelligence im Mittelstand"

Transkript

1 Diplomarbeit zur Erlangung des akademischen Grades Diplom-Informatiker an der Fachhochschule Dortmund im Fachbereich Informatik im Studiengang Wirtschaftsinformatik Business Intelligence im Mittelstand Implementierung eines BI-Gesamtansatzes in einem mittelständischen Unternehmen mit dem Microsoft SQL Server. Autor: David Claßen Matrikel-Nr: Erstprüfer: Prof. Dr. Christoph Engels Abgabe am:

2

3 Markenrechtlicher Hinweis III Markenrechtlicher Hinweis Die in dieser Arbeit wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenzeichen usw. können auch ohne besondere Kennzeichnung geschützte Marken sein und als solche den gesetzlichen Bestimmungen unterliegen. Sämtliche in dieser Arbeit abgedruckten Bildschirmabzüge unterliegen dem Urheberrecht des jeweiligen Herstellers. Excel, SQL Server 2005 und Windows sind Marken oder eingetragene Marken der Microsoft Corporation, Redmond. MegaWWS ist eine eingetragene Marke der Mega Software GmbH, Dortmund. V_Olga ist eine eingetragene Marke der Voigt Software und Unternehmensberatung GmbH, Murr.

4

5 Kurzfassung V Kurzfassung Die richtige Information, zur richtigen Zeit, richtig aufbereitet und in den richtigen Kontext eingebettet wird heute immer öfter als wesentlicher Faktor zur Erlangung von Wettbewerbsvorteilen im Markt angesehen. Für eine Umsetzung solcher Analysesysteme, die basierend auf riesigen Datenmengen innerhalb kurzer Zeit auch komplexe Fragestellungen beantworten und zielgerichtet darstellen können werden immer häufiger Business Intelligence-Gesamtansätze verwendet. Diese beschreiben in einem mehrstufigen Aufbau den gesamten Wertschöpfungsprozess von Daten innerhalb einer Unternehmung. Die vorliegende Diplomarbeit beschreibt die Implementierung eines solchen BI-Gesamtansatzes bei der WESTFA GmbH. Der Schwerpunkt dieser liegt auf der Entwicklung eines ETL-Prozesses zur Generierung und Bereitstellung von dispositiven Daten in einem Data Warehouse. Im Weiteren Verlauf soll das Data Warehouse als Datenbasis eines auf OLAP basierendem, multidimensionalem Analysesystems dienen, das die Anforderungen an ein komplexes, unternehmensweites Reporting erfüllt. Für die Implementierung dieses BI-Gesamtansatzes bei der WESTFA GmbH wurde der Microsoft SQL Server 2005 mit seinen mit seinen, speziell für die Anforderungen von Business-Intelligence bereitgestellten Komponenten Integration Services und Analysis Services verwendet.

6 VI Abstract Abstract The right information, at the right time, correctly formatted and in the proper context is now increasingly seen as an essential factor for obtaining competitive advantage in the market. For the implementation of such an analytical system that is based on large amounts of data within a short time to respond to complex issues supplies are becoming more business-intelligence approaches used. These describe a multi-structure the entire value chain of data within a company. This thesis describes the implementation of such a BI-approach in the WESTFA GmbH focuses on the development of an ETL process for the generation and provision of dispositive data in a data warehouse. Moreover, the data warehouse serves as a data base for OLAP-based, multidimensional analytical system to meet the requirements of a complex, enterprise-wide reporting fulfilled. For the implementation of a BI approach in the WESTFA GmbH was the Microsoft SQL Server 2005 with it s specifically for the demands of business intelligence provided components Integration Services and Analysis Services uses.

7 Inhalt VII Inhalt 1 Einleitung Beschreibung der Thematik Zielsetzung der Arbeit Vorgehensweise und Gliederung Werkzeugauswahl Der BI-Markt Entscheidung SQL Server Integration Services Datenbankmodul Analysis Services Reporting Services Data Preparation Unterschiedliche Strategien Extraktion von ausgewählten Daten Persistent Staging Area Extraktion aus PivotalCRM Extraktion aus megawws Extraktion aus V_Olga Fehlerbehandlung während des Extraktionsprozesses Automatisierung der Extraktionen Transformation der Daten Filterung Selektion Datenbereinigung Unterschiede der Filterung für Fakten und Dimensionen Inkrementelle Selektion von Fakten Vollständige Selektion von Fakten Harmonisierung... 25

8 VIII Inhalt Aggregation & Anreicherung Aggregation Anreicherung Konstruktion und Laden des Data Warehouse Laden der Dimensionstabellen Slowly Changing Dimensions Typ Typ Typ Implementierung bei WESTFA Surrogatschlüssel Laden der Fakten Lookup-Transformation Lookup von Surrogatschlüsseln einer SCD vom Typ Fremdschlüsselbeziehungen im Data Warehouse Automatisierung der Aktualisierung des Data Warehouse Modeling Definition einer Datenquellensicht Erstellen eines Cubes Cube-Assistent Dimensionen Hierarchien Measures Berechnete Werte Kennzahlen (KPIs) Bereitstellung und Verarbeitung des Cubes MOLAP ROLAP HOLAP Evaluation Evaluation der Funktionen und Daten Evaluation Informationsbeschaffung... 76

9 Inhalt IX 6 Deployment Analysen mit MS Excel Separate Frontendwerkzeuge Reporting Services des SQL Servers Abschluss Zusammenfassung Fazit Ausblick Eidesstattliche Erklärung Abbildungsverzeichnis Tabellenverzeichnis... 87

10

11 1 Einleitung 1 1 Einleitung 1.1 Beschreibung der Thematik Durch sich immer schneller verändernde Marktsituationen werden alle Marktteilnehmer vor neue Herausforderungen gestellt. Die Fähigkeit einer Unternehmung, in dieser Situation schnell und richtig zu entscheiden, trägt dabei wesentlich zur Wettbewerbsfähigkeit und zum Aufbau von Wettbewerbsvorteilen bei. Grundlage einer Entscheidungsfindung sind verdichtete, zielgerichtet aufbereitete Daten, die mit Hilfe von Informationssystemen erstellt und bereitgestellt werden können. Durch den rasanten technologischen Fortschritt der letzten Jahrzehnte haben sich die Möglichkeiten, aber auch die Zielsetzungen von Informationssystemen verändert. Business Intelligence ist ein Schlagwort, das sich in den letzten Jahren im IT-Markt etabliert hat und als eine moderne Ausprägung der klassischen Management Support Systeme beschrieben werden kann. Dabei beschreiben Business Intelligence Ansätze das Sammeln, Aufbereiten, Analysieren und Präsentieren von Unternehmensdaten. Wurden Business Intelligence Projekte bisher vor allem bei Großunternehmen und Konzernen initiiert, findet aktuell eine Neuausrichtung der Anbieter von BI- Werkzeugen auf den Mittelstand statt. Denn auch dort hat man entdeckt, welches Potenzial sich mit Business Intelligence erschließen lässt. 1.2 Zielsetzung der Arbeit Im Rahmen des dieser Arbeit vorangegangenen Projektverlaufes wurden die ersten beiden Prozessphasen des CRISP-Prozesses, das Business Understanding und das Data Understanding bei der WESTFA GmbH durchgeführt. Es wurde ein Verständnis für die grundlegenden Geschäftsprozesse sowohl aus Datensicht, als auch aus organisatorischer Sicht erarbeitet. Darauf aufbauend wurde der Informationsbedarf in Bezug auf einen zu implementierenden BI-Gesamtansatz durch Interviews der späteren Anwender ermittelt und strukturiert. Mit dem Abschluss der zweiten Prozessphase wurde ein horizontaler Prototyp in Form eines nach der ADAPT-Methode entwickelten Datenmodells entworfen, der die multidimensionale Datenstruktur eines möglichen Zielsystems auf einer semantischen Ebene beschreibt. Ziel der vorliegenden Arbeit ist es, anhand der gewonnenen Erkenntnisse, der gefundenen Voraussetzungen und der ermittelten Anforderungen einen BI-Gesamtansatz bei der WESTFA GmbH zu implementieren. Im Vordergrund stehen

12 2 1.3 Vorgehensweise und Gliederung dabei die Implementierung eines Data Warehouse, eines ETL-Prozesses der das Data Warehouse regelmäßig mit aktuellen Daten aus den operativen Systemen füllt und eines auf dem Data Warehouse aufbauenden Analysesystems. Mit Abschluss der vorliegenden Arbeit soll die WESTFA GmbH in die Lage versetzt werden, mit Hilfe eines OLAP-Systems unternehmensweite Analysen beruhend auf tagesaktuellen Daten durchführen zu können. 1.3 Vorgehensweise und Gliederung Zunächst soll dem Leser ein kurzer Einblick in den BI-Markt gegeben werden. Nach der Entscheidung für den Microsoft SQL Server 2005 als ein geeignetes Werkzeug zur Realisierung des BI-Gesamtansatzes bei der WESTFA GmbH wird der CRISP-Prozess zu Beginn der dritten Phase aufgenommen und die Bearbeitung der einzelnen Prozessphasen in separaten Kapiteln beschrieben. Die Phase Data Preparation beschreibt in Kapitel 3 die Implementierung eines ETL-Prozesses und damit einhergehend auch die des Data Warehouse. Darauf aufbauend erfolgt in Kapitel 4 die Phase Modeling, in welcher das auf OLAP basierende Analysesystem in Form einer multidimensionalen Datenstruktur definiert und anschließend als Cube bereitgestellt und verarbeitet wird. Anschließend erfolgt eine Evaluation der erarbeiteten Ergebnisse in Bezug auf die gestellten Anforderungen und den Informationsbedarf der Anwender in Kapitel 5. Die Produktivsetzung des implementierten BI-Gesamtansatzes erfolgt schließlich in Kapitel 6.

13 2 Werkzeugauswahl 3 2 Werkzeugauswahl Bevor mit der Implementierung eines BI-Gesamtansatzes bei der WESTFA GmbH, im folgenden WESTFA genannt, begonnen werden kann, muss darüber entschieden werden, welche Werkzeuge für eine Implementierung verwendet werden sollen. 2.1 Der BI-Markt Der BI-Softwaremarkt macht bei einer groben Betrachtung durch sein vielfältiges Angebot einen zunächst unübersichtlichen und nur schwer zu strukturierenden Eindruck. Als Strukturierungshilfe lässt sich der dieser Arbeit zugrundeliegende und in der vorhergegangenen Projektarbeit 1 erläuterte BI-Gesamtansatz heranziehen. Dieser lässt sich in vier unterschiedliche und separat betrachtbare Teilbereiche mit jeweils andersgearteten Funktionsanforderungen unterscheiden. ETL-Prozess Datenbereitstellung Informationsgenerierung/ -speicherung/ -distribution Informationszugriff Im Hinblick auf den gegebenen Funktionsumfang und die Einsetzbarkeit der am BI- Markt verfügbaren Werkzeuge in den unterschiedenen Teilbereichen des BI- Gesamtansatzes, lässt sich eine grobe Unterscheidung der angebotenen Software in zwei Gruppen vornehmen: Einzelne Spezialwerkzeuge Modulbasierte Gesamtlösungen In die Kategorie der einzelnen Spezialwerkzeuge fallen Werkzeuge, die speziell für die Realisierung eines bestimmten Teilbereiches des BI-Gesamtansatzes entwickelt wurden. Beispielhaft lassen sich Werkzeuge nennen, die sich auf die Modellierung von ETL-Prozessen, oder noch spezieller sogar nur auf die Bereinigung von Daten innerhalb eines ETL-Prozesses konzentrieren. In den letzten Jahren hat auf dem BI-Markt eine starke Konsolidierung stattgefunden, die bis heute noch kein Ende gefunden hat. Die zahlreichen Anbieter von Spezialwerkzeugen werden dabei von großen namhaften Unternehmen 1 (Claßen, 2008 S. 13)

14 4 2.1 Der BI-Markt aufgekauft, wodurch die Anzahl von unterschiedlichen BI-Software-Anbietern rückläufig ist. Ein Resultat dieser Konsolidierung ist, dass am BI-Markt weniger Werkzeuge zu finden sind, die lediglich einen Teilbereich des BI-Gesamtansatzes unterstützen. Anbieter solcher Werkzeuge finden sich heute in Marktnischen oder bieten ein sehr weit entwickeltes und auf eine bestimmte Kundengruppe bzw. Branche angepasstes Produkt an. Mit der Konsolidierung stehen die am Markt angebotenen, modulbasierten Gesamtlösungen, die eine Unterstützung von allen Teilbereichen des BI-Gesamtansatzes anbieten, stärker im Fokus. Abbildung 2-1 zeigt eine Übersicht verschiedener Anbieter von BI-Anwendungen und deren Einordnung in den Magic Quadrant for Business Intelligence Platforms. Abbildung 2-1: Magic Quadrant for Business Intelligence Platforms, (Richardson, et al., 2008)

15 2 Werkzeugauswahl Entscheidung Gemäß der vorgenommenen Abgrenzung von BI-Software in Einzellösungen und den so genannten BI-Suiten wurde für die Verwendung bei WESTFA eine erste richtungsweisende Entscheidung für den Einsatz einer BI-Suite getroffen. Der Nachteil einer Entscheidung für separate Einzelwerkzeuge wurde darin vermutet, dass die Integration der einzelnen Werkzeuge, aber auch der damit erstellten Lösungen, die Realisierung des BI-Gesamtansatzes schwieriger gestalten können. Außerdem ist gegebenenfalls das Einarbeiten in die unterschiedlichen Handhabungen der einzelnen Werkzeuge zusätzlicher Zeit- und Arbeitsaufwand. Die beispielhaft genannten Nachteile der Einzellösungen beschreiben zugleich die Stärken der großen Gesamtlösungen. Die einzelnen Module zur Bearbeitung der unterschiedlichen Komponenten des BI-Gesamtansatzes sind bereits integriert und auch die damit erstellten Lösungen harmonisieren untereinander. In der Kategorie von BI-Gesamtlösungen dominieren derzeit vier Anbieter mit ihren Produkten zwei Drittel des gesamten BI-Marktes: Microsoft Microsoft SQL Server 3 IBM - IBM Cognos 8 Business Intelligence 4 SAP - SAP NetWeaver BI 5 Oracle - Oracle Business Intelligence Suite 6 Da bei WESTFA bereits Lizenzen für den Microsoft SQL Server 2005 vorhanden waren und auch im Hinblick auf die Integration des MS SQL Servers in die bereits vorhandene, auf weitere Microsoftprodukte basierende Systemlandschaft wurde beschlossen, den Microsoft SQL Server 2005 für die Implementierung eines BI- Gesamtansatzes zu einzusetzen. 2.3 SQL Server 2005 Der SQL Server 2005 wurde vor allem durch die Integration von neuen umfangreichen analytischen Funktionen gegenüber seiner Vorgängerversion noch stärker auf die Anforderungen von BI-Projekten ausgerichtet. Durch seinen komponentenbasierten Aufbau bietet er zu jedem der aus dem BI-Gesamtansatz bekannten Teilbereiche Unterstützung. Abbildung 2-2 zeigt den groben Aufbau des SQL Server 2005 mit seinen unterschiedlichen Komponenten. 3 (Microsoft Corporation) 4 (IBM Corporation ) 5 (SAP Deutschland AG & Co. KG) 6 (Oracle Corporation)

16 6 2.3 SQL Server 2005 Für eine Implementierung eines BI-Gesamtansatzes bei WESTFA wird der Schwerpunkt auf den Kernkomponenten Datenbankmodul, Analysis Services, Reporting Services und Integration Services liegen, die in den folgenden Kapiteln kurz erläutert werden. Der SQL Server 2005 bringt eine eigene Entwicklungsumgebung, das Business Intelligence Development Studio mit sich, mit welcher Lösungen auf Basis der Analysis Services, Integration Services und Reporting Services entwickelt werden können. Das SQL Server Management Studio bietet Möglichkeiten zur Verwaltung des Datenbankmoduls und dem Zugriff auf die mit den Hauptkomponenten erstellten Lösungen. Abbildung 2-2: Beziehungen zwischen den Komponenten des SQL Server Integration Services Die SQL Server 2005 Integration Services (SSIS) bieten eine Plattform zum Erstellen leistungsfähiger Datenintegrations- und Workflowlösungen, einschließlich ETL- Vorgängen (Extrahieren, Transformieren und Laden) für das Data Warehousing. 8 Für die Extraktion von Daten aus unterschiedlichen und verteilten Datenquellen steht genau so wie für das Verarbeiten von unterschiedlichen Datenflüssen und das anschließende Speichern in verschiedenen Datenzielen eine Vielzahl von Tasks zur Verfügung. Die Modellierung solcher Prozesse erfolgt mit Hilfe einer grafischen Oberfläche, ohne dass Kenntnisse einer Programmiersprache erforderlich sind. Modellierte Prozesse können in einem oder in mehreren Paketen gespeichert und einzeln oder in definierter Reihenfolge einmalig oder wiederholt ausgeführt werden. 7 (Corporation, 2008 S. SQL Server (Übersicht)) 8 (Corporation, 2008 S. SQL Server Integration Services (Übersicht))

17 2 Werkzeugauswahl 7 Die SSIS sind außerdem auf die speziellen Anforderungen von BI-Lösungen ausgerichtet. Sie bieten spezielle Tasks, die auf die Verarbeitung von großen Datenmengen und spezielle Anforderungen beim Befüllen eines Data Warehouse ausgelegt sind Datenbankmodul Microsoft SQL Server 2005-Datenbankmodul ist ein Dienst zum Speichern und Verarbeiten von Daten, die entweder in einem relationalen (tabellarischen) Format oder als XML-Dokumente vorliegen. 9 Innerhalb des Datenbankmoduls angelegte, in Datenbanken gespeicherte Tabellen oder Views lassen sich durch die Integration Services mit Daten aus unterschiedlichsten Quellen füllen. Zusätzlich verfügt das Datenbankmodul über ein eigenes Berechtigungskonzept, das sich in bereits bestehende Windows-Systemlandschaften integriert und bereits definierte Benutzerrichtlinien übernehmen kann Analysis Services Microsoft SQL Server 2005 Analysis Services (SSAS) stellt Online Analytical Processing (OLAP, Analytische Onlineverarbeitung) und Data Mining-Funktionalität mithilfe einer Kombination aus Server- und Clienttechnologien bereit. 10 Durch die Clienttechnologie der SSAS lassen sich Daten aus einer relationalen Datenquelle, meist einem Data Warehouse, in einer multidimensionalen Datenstruktur organisieren und in Form von Cubes mit Hilfe der Servertechnologie für OLTP-Anfragen von Client-Anwendungen wie MS Excel oder verschiedenen Frontend-Werkzeugen bereitstellen. Die Entwicklung von Data-Mining Modellen auf Basis von multidimensionalen wie auch von relationalen Daten und deren Bereitstellung wird ebenfalls durch die SSAS ermöglicht. 9 (Corporation, 2008 S. SQL Server-Datenbankmodul) 10 (Corporation, 2008 S. SQL Server Analysis Services)

18 8 2.3 SQL Server Reporting Services Die SQL Server Reporting Services (SSRS) bilden eine serverbasierte Berichtsplattform zur Erstellung und Verwaltung von Berichten in tabellarischer, grafischer und freier Form [ ] 11. Grundlage für die erstellten Berichte können Daten aus multidimensionalen aber auch relationalen Datenquellen sein. Die Bereitstellung der Berichte erfolgt über Web-Frontend, welches neben dem einfachen Aufruf auch die Verwaltung von Berichten, Datenquellen und Zugriffsberechtigungen ermöglicht. 11 (Schrödl, 2006 S. 43)

19 3 Data Preparation 9 3 Data Preparation Data Preparation, die dritte Phase des CRISP-Prozesses, beschreibt die Aktivitäten, die erforderlich sind, um aus vorhandenen operativen Daten dispositive Daten zu erzeugen. Die in dieser Phase erstellte Datenbasis bildet nach dem CRISP-Prozess die Grundlage für die Entwicklung von Data Mining Modellen. Auch wenn bei WESTFA nicht die Entwicklung von Data-Mining-Modellen, sondern die eines auf OLAP basierenden Analysesystems im Vordergrund steht, sind die einzelnen Aktivitäten dieser Phase sehr ähnlich. Die im CRISP-Prozess vorgesehenen Aktivitäten Select Data, Clean Data, Construct Data, Integrate Data und Format Data entsprechen den Aktivitäten eines ETL-Prozesses. Lediglich die abschließende Aktivität des Ladens der transformierten Daten in eine Zieldatenbank, in der Regel ein Data Warehouse, wird durch den CRISP-Prozess nicht beschrieben. Eine Gegenüberstellung der Aktivitäten eines ETL-Prozesses und denen der Data Preparation Phase zeigt Abbildung 3-1. Abbildung 3-1: Aktivitäten eines ETL-Prozesses und der Phase Data Preparation 3.1 Unterschiedliche Strategien Das Ziel der Data Preparation Phase ist es, aus einem Datenbestand Daten zu extrahieren und diese für die Analyse in dispositiver Form bereitzustellen. Dieses Ziel lässt sich auf unterschiedliche Arten erreichen, welche im Folgenden kurz erläutert werden.

20 Unterschiedliche Strategien Die einfachste Möglichkeit lässt sich mit speziellen Frontendwerkzeugen realisieren. Neben dem Erstellen von Auswertungen erlauben es diese Werkzeuge, heterogene Datenbanksysteme als Datenlieferanten für die zu erstellende Auswertung zu nutzen. Dieses hat den Vorteil, dass Berichtssysteme direkt auf den operativen Datenbestand zugreifen und keine separate Datenhaltungsschicht benötigt wird. Vergleichbar ist dieser Aufbau mit einer aus der Softwaretechnik bekannten, zweischichtigen Client-Server-Architektur. Der Nachteil dieser Architektur besteht jedoch darin, dass aufwendige Analysen direkt auf dem operativen Datenbestand ausgeführt werden. Dadurch kann es zu negativen Auswirkungen zum Beispiel durch gesperrte Datensätze oder zu zeitlichen Verzögerungen in den operativen Systemen kommen. Diese negativen Auswirkungen lassen sich durch eine separate Datenhaltungsschicht beseitigen. Diese bildet eine vollständige Kopie der Daten aus den operativen Systemen und stellt diese dem Frontendwerkzeug für die Analyse zur Verfügung. Dadurch sind die operativen Systeme auch bei aufwendigen Auswertungen nicht negativ betroffen. Eine Erweiterung dieser Architektur besteht darin, zwischen dem Frontend und den operativen Systemen nicht nur ein vollständiges Abbild der operativen Systeme zu erstellen, sondern stattdessen ein Data Warehouse zu pflegen. Dieses wird regelmäßig mit neuen operativen Daten versorgt und bildet diese durch implementierte Logiken in dispositiver Form ab. Dieser Aufbau ist vergleichbar mit der Drei-Schichten-Architektur, ebenfalls bekannt aus der Softwaretechnik. Bei der Überführung der operativen Daten in das Data Warehouse übernimmt der ETL-Prozess die Verarbeitungslogik. Frontendwerkzeuge mit einem Data Warehouse als Datenbasis müssen daher lediglich Funktionalitäten zur optischen Aufbereitung der darzustellenden Informationen bieten. Abhängig von der Größe eines Data Warehouse und der angestrebten Komplexität von Analysemöglichkeiten werden für die Analyse separate Cubes erstellt. Sie bilden eine weitere Datenschicht zwischen dem Data Warehouse und dem Frontend, welche durch vorberechnete und aggregierte Werte in einer multidimensionalen Datenstruktur speziell auf die Anforderungen der Analyse ausgerichtet sind. Die Realisierung der Data Preparation Phase erfolgt bei WESTFA nach oben beschriebenem Vorgehen des BI-Gesamtansatzes, sodass der vollständige ETL- Prozess zum Befüllen eines ebenfalls in dieser Phase zu entwickelnden Data Warehouse gegeben ist. In den folgenden Kapiteln werden die einzelnen Aktivitäten zur Implementierung eines ETL-Prozesses bei WESTFA, auftretende Probleme und Schwierigkeiten und deren Lösung beschrieben. Dabei erfolgt die Bearbeitung der Aktivitäten der Data

21 3 Data Preparation 11 Preparation Phase eingebettet in die drei Teilbereiche Extraktion, Transformation und Laden des ETL-Prozesses. 3.2 Extraktion von ausgewählten Daten In der vorhergehenden CRISP-Prozessphase des Business Understanding 12 wurden die drei bei WESTFA eingesetzten operativen Systeme (megawws, V_Olga und PivotalCRM) 13, genauer deren Datenbasen, betrachtet und bereits Tabellen mit relevanten Inhalten identifiziert. Als relevante Inhalte wurden dabei Daten verstanden, die für die Entwicklung eines grundlegenden Analysesystems bei WESTFA nötig sind. Als einer der Hauptgründe, warum Analysen bei WESTFA bisher häufig nur auf Geschäftsbereichsebene oder nur mit viel Zeit- und Arbeitsaufwand unternehmensweit angestellt werden konnten, wurde in der vorhergehenden Projektarbeit der Einsatz von drei unterschiedlichen operativen Systemen mit dem daraus resultierenden getrennten und verteilten operativen Datenbestand ermittelt Persistent Staging Area Aufgrund der heterogenen und verteilten Systemlandschaft bei WESTFA wurde auf dem MS SQL Server ein Speicherbereich geschaffen, der als Persistent Staging Area (PSA) genutzt wird. Dieser dient zur [ ] Zwischenspeicherung der Daten aus den Vorsystemen vor deren Weiterverarbeitung. Ohne Modifikationen hinsichtlich Format oder Inhalt werden die gelieferten Informationsobjekte in relationalen Tabellen deponiert [ ] 14 Für die Abbildung der PSA wurden innerhalb der Datenbank die drei Schemata olga, wws und kol erstellt. Sie stehen jeweils für die operativen Systeme bei WESTFA und sollen helfen, innerhalb der PSA die Tabellen dem jeweiligen Quellsystem zuzuordnen. Die PSA dient als Datenquelle für die weiteren Transformationen innerhalb des ETL-Prozesses, wobei die operativen Systeme nicht weiter durch diese belastet werden. Die Extraktion der Daten aus den operativen Systemen, das automatisierte Füllen der entsprechenden Tabellen sowie deren einmaliges Erstellen in der PSA wurde mit Hilfe der SQL Server Integration Services realisiert. Als Entwicklungswerkzeug diente dafür das SQL Server Business Intelligence Development Studio (kurz BI-Studio), das nach der Installation des MS SQL Servers zur Verfügung stand. 12 (Claßen, 2008) 13 (Claßen, 2008 S. 38 f.) 14 (Chamoni, et al., 2005 S. 49)

22 Extraktion von ausgewählten Daten Zunächst wurde ein neues Integration Services-Projekt erstellt, in welchem dann beliebig viele SSIS-Pakete erstellt werden können. Jedes SSIS-Paket besteht aus einer Ablaufsteuerung. Die Verarbeitung von Daten erfolgt auf der Ebene der Ablaufsteuerung durch die Verwendung eines Datenflusstask. Dieser bietet auf der Ebene Datenfluss weitere Tasks wie Datenflussquellen, Datenflusstransformationen und Datenflussziele. Die einfachste Möglichkeit, Daten zu extrahieren und anschließend in die Zieldatenbank zu laden, lässt sich über die Verwendung eines Ole DB Quelle und eines Ole DB Ziel Task realisieren. In so genannten Verbindungsmanagern lassen sich die Verbindungsdaten zu einer Datenbank speichern und anschließend in Quelloder Ziel-Tasks verwenden. Nach der Auswahl eines Verbindungsmanagers in dem Quell-Task lassen sich die zu ladende Tabelle und deren Attribute einzeln auswählen oder sie können über eine manuell einzugebende SELECT-Anweisung bestimmt werden. Nach dem Verbinden eines Quell-Tasks mit einem Ziel-Task kann in diesem nach Auswahl eines Verbindungsmanagers für die Zieldatenbank eine bestehende Tabelle als Ziel ausgewählt werden oder basierend auf den durch den Quell-Task übergebenen Meta-Daten eine neue Tabelle in der Datenbank angelegt werden. Wird dieses SSIS-Paket ausgeführt, werden alle Datensätze mit den ausgewählten Attributen aus der Quelle extrahiert und unverändert in das angegebene Ziel geladen. Für den Prozess der Extraktion der Daten aus den operativen Systemen und dem Befüllen der PSA wurde bei WESTFA zunächst in dem SQL Server Business Intelligence Development Studio ein neues Integration Services-Projekt mit dem Namen ExtractLoad StagingArea erstellt. In diesem Projekt wurden dann die drei SSIS-Pakete ExtractLoad megawws, ExtractLoad Kolumbus, und ExtractLoad V_Olga erzeugt. In diesen Paketen wurden die jeweiligen Ablaufsteuerungen zur Extraktion des operativen Datenbestandes für das jeweilige operative System realisiert. Zur Wahrung der Übersichtlichkeit innerhalb der SSIS-Pakete wurden auf der Ebene der Ablaufsteuerung mehrere Datenflusstasks erstellt, in denen nach Informationsobjekten getrennt die einzelnen Datenflüsse mit Quelle und Ziel definiert wurden. Während der Ausführung eines Paketes werden die einzelnen Datenflusstasks sequentiell ausgeführt. Im Folgenden werden die Besonderheiten der Extraktion von Daten aus den einzelnen Systemen bei WESTFA beschrieben.

23 3 Data Preparation Extraktion aus PivotalCRM Die Extraktion der Daten aus dem PivotalCRM System, im folgenden Kolumbus genannt, hat sich am einfachsten gestaltet, da die Datenbasis von Kolumbus durch einen MS SQL Server 2005 gebildet wird und dadurch die größtmögliche Kompatibilität gegeben ist. In diesem Fall kann die bereits weiter oben beschriebene, einfachste Möglichkeit mit der ausschließlichen Verwendung von Quell- und Ziel-Tasks verwendet werden (siehe Abbildung 3-2). Den Datenfluss zeigt Abbildung 3-2 beispielhaft für das Extrahieren und Laden von Daten aus der Kundentabelle Company von Kolumbus. Dieses ist vor allem dadurch möglich, da der Quell-Task die Datentypen der Attribute von Tabellen richtig aus der SQL-Server-Quelle lesen kann und somit keine weitere Verarbeitung nötig ist. Die extrahierten Daten können direkt in die Zieltabelle geschrieben werden. Abbildung 3-2: Datenfluss zur Extraktion von Daten aus Kolumbus

24 Extraktion von ausgewählten Daten Extraktion aus megawws Mit der aus dem Data Understanding gewonnenen Information, dass megawws trotz der Verwendung einer Informix Datenbank über eine ODBC Schnittstelle erreichbar ist, gestaltet sich das reine Extrahieren der Daten aus megawws ähnlich zu dem bereits bekannten Vorgehen von Kolumbus. Lediglich die Parameter bei der Definition des entsprechenden Verbindungsmanagers für die Informix-Datenbank unterscheiden sich (siehe Abbildung 3-3). Abbildung 3-3: Verbindungsmanager zur Informix-Datenbank von megawws Die Definition des Ziel-Tasks kann wiederum analog zu der bereits beschriebenen Vorgehensweise erfolgen. Aufgrund der Informix-Datenbank als Quelle können die Datentypen der Tabellen zwar durch den Quell-Task erkannt werden, jedoch werden die Inhalte nicht richtig ausgelesen. Bei allen Tabellenattributen mit dem Datentyp CHARACTER werden die Inhalte bis auf die maximale Attributgröße mit Leerzeichen aufgefüllt. Dieses erfordert vor dem Laden in die Zieltabelle eine Bearbeitung der betroffenen Attribute durch einen separaten Task (Abbildung 3-4, Seite 15), in der die vorhandenen Leerzeichen ausschließlich am Ende des ursprünglichen Attributwertes entfernt werden (Abbildung 3-5, Seite 15). Das wurde durch den Task Abgeleitete Spalte und der Funktion rtrim() erreicht, die nachfolgende Leerzeichen eines Textes entfernt.

25 3 Data Preparation 15 Abbildung 3-4: Datenfluss zur Extraktion von Daten aus megawws Abbildung 3-5: Entfernen von Leerzeichen in einem separaten Task des Datenflusses Extraktion aus V_Olga Bereits aus der dieser Arbeit vorausgegangenen Analyse potentieller Datenquellen bei WESTFA ist bekannt, dass der direkte Datenbankzugriff auf die V_Olga technisch nicht möglich ist. Alternativ wurden bereits während der Analyse die nachts erstellten Sicherungsdateien der V_Olga als alternative Datenquellen identifiziert 15. Für die Extraktion der Daten bedeutet dieses, dass zunächst ein genaues Abbild von den Tabellen der V_Olga in der PSA erstellt werden muss, da in den Sicherungsdateien lediglich der Tabelleninhalt gespeichert wird und keine Informationen über die Struktur der Tabelle. Um ein genaues Abbild der Tabellenstrukturen erstellen zu können,wird eine weitere Sicherungsdatei der V_Olga herangezogen. In dieser Datei werden die SQL-Anweisungen zum Erstellen jeder einzelnen Tabelle abgelegt. 15 Siehe (Claßen, 2008 S. 54)

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

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

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 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

Integration Services - Dienstarchitektur

Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Dieser Artikel solle dabei unterstützen, Integration Services in Microsoft SQL Server be sser zu verstehen und damit die

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

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

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

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

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

Mehr

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

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

Mehr

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

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

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

WhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com

WhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com WhitePaper BIA Business Intelligence Accelerator Mai 2012 Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com BIA Business Intelligence Accelerator GmbH Softwarepark 26 A-4232 Hagenberg Mail:

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

Integration Services Übersicht

Integration Services Übersicht Integration Services Übersicht Integration Services Übersicht Integration Services stellt umfangreiche integrierte Tasks, Container, Transformationen und Datenadapter für die En t- wicklung von Geschäftsanwendungen

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

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

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

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

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere

Mehr

Verschiedene Arten des Datenbankeinsatzes

Verschiedene Arten des Datenbankeinsatzes 1 Beispiele kommerzieller DBMS: Kapitelinhalt Was charakterisiert und unterscheidet verschiedene Einsatzbereiche für. Welche prinzipiell unterschiedlichen Anforderungen ergeben sich für das DBMS bei Ein-

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

Solution for Business Intelligence. MID Insight 2013

Solution for Business Intelligence. MID Insight 2013 Solution for Business Intelligence MID Insight 2013 A G E N D A 1. Solution für Business Intelligence (BI) 2. Die Gründe und Hintergründe 3. Die Methode 4. Vorteile MID GmbH 2013 2 Solution für Business

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

//einfach und mittelstandsgerecht. aruba //Enterprise Query. Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner.

//einfach und mittelstandsgerecht. aruba //Enterprise Query. Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner. Enterprise Query //einfach und mittelstandsgerecht aruba //Enterprise Query Datenextraktion und Datenbereitstellung Ad-hoc Analyse Taskplaner aruba //Enterprise Query einfach Daten abfragen und veröffentlichen

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

ERP-Connector für MHS

ERP-Connector für MHS Whitepaper ERP-Connector für MHS VERSION 2.0 ERSTELLT AM 10.01.2013 Zusammenfassung Der ERP-Connector für MHS ist ein innovatives Werkzeug, dass es IT-Abteilungen und BI- Administratoren auf einfache und

Mehr

Unlimited Controlling

Unlimited Controlling smcolap Unlimited Controlling Heute müssen beliebige Bereiche eines Unternehmens schnell und effizient analysiert werden. Dabei darf es keine Rolle spielen, wo die Daten liegen und in welcher Relation

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

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

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

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

Mehr

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

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

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

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

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Anforderungen von BI an Software- Entwicklungsprozesse

Mehr

Umsetzung der Anforderungen - analytisch

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

Mehr

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

Welche Daten gehören ins Data Warehouse?

Welche Daten gehören ins Data Warehouse? Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang

Mehr

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Hochschulstudium (Wirtschaftsinformatik oder ein vergleichbarer Studiengang) Fachliche und technische Kenntnisse im Bereich Business

Mehr

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1

Inhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 sverzeichnis Holger Schrödl Business Intelligence mit Microsoft SQL Server 2008 BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41210-1

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

Qualifikationsprofil:

Qualifikationsprofil: Qualifikationsprofil: STEG Jahrgang 1974 Nationalität Deutsch Fremdsprachen Englisch Ausbildung Datenverarbeitungskaufmann Technische Kenntnisse: D B S C R u b a n G m b H D - 7 1 0 3 4 B ö b l i n g e

Mehr

Softwaretool Data Delivery Designer

Softwaretool Data Delivery Designer Softwaretool Data Delivery Designer 1. Einführung 1.1 Ausgangslage In Unternehmen existieren verschiedene und häufig sehr heterogene Informationssysteme die durch unterschiedliche Softwarelösungen verwaltet

Mehr

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP V04 02. Mai 2011, 16.15-17.45 Uhr, ITS-Pool nur zugelassene Teilnehmer Niedersächsisches Hochschulkompetenzzentrum für SAP (CCC) Aktuelles

Mehr

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Corporate Performance Management SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Martin Krejci, Manager CPM Matthias Schmidt, BI Consultant Kristian Rümmelin, Senior BI Consultant Braincourt GmbH

Mehr

SQL Server 2012. Administration, Entwicklung und Business Intelligence. Roland Bauch. 1. Ausgabe, Mai 2012. Der kompakte Einstieg SQL2012A

SQL Server 2012. Administration, Entwicklung und Business Intelligence. Roland Bauch. 1. Ausgabe, Mai 2012. Der kompakte Einstieg SQL2012A SQL Server 2012 Roland Bauch 1. Ausgabe, Mai 2012 Administration, Entwicklung und Business Intelligence Der kompakte Einstieg SQL2012A 2 SQL Server 2012 - Administration, Entwicklung und Business Intelligence

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

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

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

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

Data Flow One Engine V 3.1

Data Flow One Engine V 3.1 Data Flow One Engine V 3.1 Data Flow One Engine V3.1 Für eine gute Performance Data Flow One ist eine Standardsoftware im EAI-Bereich, welche es dem Benutzer ermöglicht, auf einfache, graphisch unterstützte

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

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

Mehr

The integration of business intelligence and knowledge management

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

Mehr

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

Whitepaper ERP-Connector für MHS

Whitepaper ERP-Connector für MHS ERSTELLT AM 01.09.2015 Zusammenfassung Der ERP-Connector für MHS ist ein innovatives Werkzeug, dass es IT-Abteilungen und BI- Administratoren auf einfache und komfortable Art ermöglicht Daten aus der Warenwirtschaft

Mehr

Intelligente Kanzlei

Intelligente Kanzlei Seite 1 von 5 Intelligente Kanzlei Datawarehouse und OLAP in der Steuerkanzlei Notwendigkeit eines Kanzleiinformationssystems Seit einigen Jahren sind enorme Veränderungen am Beratungsmarkt durch einen

Mehr

Information-Design-Tool

Information-Design-Tool Zusatzkapitel Information-Design-Tool zum Buch»HR-Reporting mit SAP «von Richard Haßmann, Anja Marxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo Galileo Press, Bonn 2013 ISBN 978-3-8362-1986-0 Bonn

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

DataManagement. smcdatamanagement - SQL-Tabellen verwalten für jedermann

DataManagement. smcdatamanagement - SQL-Tabellen verwalten für jedermann DataManagement smcdatamanagement ermöglicht Ihnen ohne jegliche SQL- Kenntnisse, Datenbanken und Tabellen zu erstellen und diese im Anschluss zu bearbeiten. Durch den integrierten Verbindungsserver-Manager

Mehr

Microsoft Dynamics NAV Technische Details

Microsoft Dynamics NAV Technische Details Microsoft Dynamics NAV Technische Details INHALT Microsoft Dynamics NAV Technische Details........................................ [3] Infrastruktur.............................................. [3] Systemanforderungen.....................................

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

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

Business and Data Understanding. Business und Data Understanding

Business and Data Understanding. Business und Data Understanding Business und Data Understanding Gliederung 1. Grundlagen 2. Von Data Warehouse zu Data Mining 3. Das CRISP-DM Referenzmodell 4. Die Phasen Business- und Data Understanding 5. Überblick der weiteren Phasen

Mehr

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format.

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format. Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH Gerd Schandert, Neuss den 18.03.2014 Agenda 1. Vorstellung Auftraggeber 2. Förderung allgemein 3. Schichten im Data Warehouse 4.

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

Fachbereich Informatik Praktikum 1

Fachbereich Informatik Praktikum 1 Hochschule Darmstadt DATA WAREHOUSE SS2015 Fachbereich Informatik Praktikum 1 Prof. Dr. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.April.2015 1. Kurzbeschreibung In diesem Praktikum geht

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

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen

Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project

Mehr

Business Intelligence Aufgabenstellung

Business Intelligence Aufgabenstellung Hochschule Darmstadt Business Intelligence (BI) Fachbereich Informatik Praktikum 2 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Sebastian Gobst Änderung: 15.06.2012 Datum: 30.05.2012 1. Einführung

Mehr

Business Intelligence für Controller

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

Mehr

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

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

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

Mehr

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

Sage 200 BI Installationsanleitung Cubes & Datawarehouses Manuelle Installation ohne SRSS/Sage Cockpit. Version 2014.0 11.11.2014

Sage 200 BI Installationsanleitung Cubes & Datawarehouses Manuelle Installation ohne SRSS/Sage Cockpit. Version 2014.0 11.11.2014 Sage 200 BI Installationsanleitung Cubes & Datawarehouses Manuelle Installation ohne SRSS/Sage Cockpit Version 2014.0 11.11.2014 Inhaltsverzeichnis Installationsanleitung Cubes & Datawarehouse Inhaltsverzeichnis

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

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

Integrated Data Repository Toolkit (IDRT)

Integrated Data Repository Toolkit (IDRT) Integrated Data Repository Toolkit (IDRT) TMF-Projekt V091-MI_03 AP5.2: Realisierung USE CASE Clinical DWH Report Igor Engel Sebastian Mate Jan Christoph Prof. Dr. Hans-Ulrich Prokosch Dr. Thomas Ganslandt

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

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

FAGUS Paper Data Cubes

FAGUS Paper Data Cubes FAGUS Paper Data Cubes v5 Dynamische Datenanalyse auf Basis von FAGUS Paper.v5 und Microsoft Analysis Services 2 FAGUS Paper Data Cubes Data Mining Nutzen Sie den Mehrwert Ihrer IT Jeden Tag werden in

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

eevolution Business Intelligence

eevolution Business Intelligence eevolution Business Intelligence Haben Sie sich schon häufig gefragt, warum Ihr Berichtswesen so kompliziert sein muss? Warum Sie nicht einfach mit wenigen Handgriffen Ihr Berichtswesen einrichten und

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

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting und Analyse mit SAP Business Objects Auf Basis von SAP BW oder relationalen DBMS Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting Automatisiert generierte

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum

Mehr

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch

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

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr

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

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

A-Plan 12.0. Zeiterfassung 2.0. Ausgabe 1.1. Copyright. Warenzeichenhinweise

A-Plan 12.0. Zeiterfassung 2.0. Ausgabe 1.1. Copyright. Warenzeichenhinweise A-Plan 12.0 Zeiterfassung 2.0 Ausgabe 1.1 Copyright Copyright 1996-2014 braintool software gmbh Kein Teil dieses Handbuches darf ohne ausdrückliche Genehmigung von braintool software gmbh auf mechanischem

Mehr

Cubeware Importer Power-Tool für OLAP-ETL. Mapping Total mit dem Cubeware Importer Release 6.0

Cubeware Importer Power-Tool für OLAP-ETL. Mapping Total mit dem Cubeware Importer Release 6.0 Cubeware Importer Power-Tool für OLAP-ETL Offen, flexibel, für den Anwender gemacht Der Cubeware Importer ist ein mächtiges ETL-Tool für die automatisierte Extraktion, Zusammenführung, Prüfung und den

Mehr

Business Intelligence Funktionsweise und technische Grundlagen

Business Intelligence Funktionsweise und technische Grundlagen Business Intelligence Funktionsweise und technische Grundlagen Whitepaper 1/5 HINTERGRUND Die richtige Information zur richtigen Zeit abrufen zu können kann für ein Unternehmen entscheidend sein. Doch

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

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

CRM Architektur. New Economy CRM Architektur Page 1

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

Mehr