Business-Intelligence-Architektur

Größe: px
Ab Seite anzeigen:

Download "Business-Intelligence-Architektur"

Transkript

1 LEITFADEN Abb. NAN - Fotolia.com Business-Intelligence-Architektur Eine Basis zur erfolgreichen Datensammlung und -auswertung

2 Lorem ipsum dolor sit amet, consetetur sadipscing elitr Träger Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm Partner c/o Hochschule Ravensburg-Weingarten Doggenriedstraße Weingarten Telefon: +49 (0) Verantwortlicher Redakteur Prof. Dr. Wolfram Höpken Doggenriedstraße Weingarten Telefon: +49 (0) Redaktionelle Bearbeitung Thomas Menner Autor Bärbel Häußler Stand Januar

3 Lorem ipsum dolor sit amet, consetetur sadipscing elitr Inhalt 1 Einleitung Architektur eines BI-Systems Quellsysteme Datenintegration - Extraktion, Transformation und Laden (ETL) Data Warehouse Analyse...10 Reporting...10 OLAP (Online Analytial Processing)...11 Performance Management...13 Data Mining...14 Planung und Simulation Zusammenfassung Glossar ebusiness-lotse Oberschwaben-Ulm

4 1. Einleitung Für Unternehmen ist die Bewältigung der täglichen Informationsflut zur Herausforderung geworden. Ohne technische Hilfsmittel sind die immer größer werdenden Datenmengen kaum noch zu beherrschen. Business-Intelligence- Systeme (BI-Systeme) können dabei helfen, die Informationsflut in den Griff zu bekommen. Mit ihnen können Daten sinnvoll zusammengeführt, ausgewertet und zur Entscheidungsunterstützung aufbereitet werden. Damit werden sie unverzichtbar für die Steuerung des Unternehmens und schaffen so eine Basis für Wettbewerbsvorteile. Aus technischer Sicht umfassen BI-Systeme die Komponenten Datenhaltung, Datenintegration, Reporting, Data Mining, tiefgreifende Analysen und Planung. In diesem Leitfaden werden die technischen Aspekte vertieft und die Architektur von BI-Systemen erläutert. Das Werk ist für erfahrene Leser gedacht, die sich mit IT-Architekturen im weitesten Sinne auskennen und sich speziell mit der Architektur von BI-Systemen befassen wollen. Aber auch Interessierte, die mit Business Intelligence allgemein vertraut sind und mehr über technische Details sowie die Einordnung spezieller Tools in eine BI-Architektur wissen wollen, erhalten hier einen nützlichen Überblick. Im Anschluss finden Sie ein Glossar mit zusammenfassenden Informationen zu wichtigen Fachbegriffen. 4 Abb: stockwerk - Fotolia.com

5 2. Architektur eines BI-Systems Technisch gesehen verwenden BI-Systeme bereits vorhandene Technologien und Werkzeuge. BI-Komponenten wie ein Data Warehouse, grafi sche Tools für das Reporting oder ETL-Tools werden kombiniert und müssen deshalb nicht zwangsweise von einem einzigen Software-Hersteller stammen. Um die unterschiedlichen Komponenten gemäß ihren Aufgaben und Funktionalitäten zu ordnen, hilft eine BI-Architektur. Diese ist in der Regel in vier Schichten unterteilt, wovon jede Schicht jeweils eine bestimmte Rolle bei der Aufgabenbewältigung zugesprochen bekommt. Die Schichten sind dabei allgemeingültig defi niert, sodass eine Realisierung auch mithilfe von Standardtechnologien ermöglicht wird. BI-Architektur Abb: ebusiness-lotse Oberschwaben-Ulm 5

6 Architektur eines BI-Systems Business Intelligence beinhaltet viele Methoden und Werkzeuge, um Daten zu sammeln, zu speichern, zu analysieren und zu visualisieren. Diese Aufgaben spiegeln sich auch in der Architektur eines BI-Systems wieder. Das Ziel von BI ist es, aus geschäftsrelevanten Informationen Erkenntnisse zu gewinnen und diese als Grundlage für den betrieblichen Entscheidungsprozess zu verwenden, sodass die richtigen operativen und strategischen Entscheidungen getroffen werden können. Die unterste Schicht, die als Quellsysteme bezeichnet wird, gehört nicht direkt zum BI- System. Sie enthält vielmehr die operativen und transaktionalen Systeme wie z. B. ein Enterprise Resource Planning System (ERP-System), ein Customer Relationship Management System (CRM-System) oder andere Datenquellen wie Dateien, gescannte Dokumente oder historische Daten. Aber auch externe Datenquellen wie Adressdatenbanken oder eine Aktienkursdatenbank zählen zu den Quellsystemen. Innerhalb der Datenintegration werden die Daten aus den unterschiedlichen Vorsystemen extrahiert und evtl. mit weiteren Informationen angereichert. Anschließend werden sie in eine einheitliche Form transformiert und in das Data Warehouse geladen. Während dieses sog. ETL- Prozesses (Extraktion, Transformation und Laden) findet eine Homogenisierung der Daten aus den unterschiedlichen Systemen statt, bei der besonders auf die Datenqualität geachtet werden sollte. Das Data Warehouse ist eine Datensammlung, in der Daten aus den unterschiedlichsten Quellen integriert und gespeichert werden. Die Integration der Daten kann durch einen geeigneten Modellierungsansatz wie z. B. das multidimensionale Datenmodell (Sternschema) erreicht werden. Die oberste Schicht der Analyse beinhaltet unterschiedliche Tools für die Visualisierung und Analyse der Daten wie Reporting, Planung oder Data Mining. Ziel ist es hierbei, mithilfe dieser Tools entscheidungsrelevante Informationen aus dem Data Warehouse heraus bereitzustellen. Aufgrund der Komplexität von BI-Anwendungen und der unterschiedlichen Nutzertypen gibt es eine Vielzahl von Anwenderwerkzeugen. Für die häufig verwendeten, parametrisierbaren Standardberichte können die Daten auf Anforderung oder regelmäßig im Batch aufgerufen werden. Schnelle und interaktive Zugriffe (adhoc) auf Daten können mit Hilfe des Online Analytical Processing (OLAP) stattfinden, mit dem relativ einfach auch durch einen multidimensionalen Datenbestand navigiert werden kann. Mit Data Mining hingegen sollen Datenbestände mit Hilfe von statistischen Verfahren ausgewertet werden, um Muster, Trends, Regeln und Beziehungen zu erkennen. Abb: mybaitshop - Fotolia.com 6

7 3. Quellsysteme Bei den Quellsystemen kann zwischen internen und externen Datenquellen unterschieden werden. Zu den internen Datenquellen gehören hauptsächlich operative Vorsysteme wie ERP- Systeme, Warenwirtschaftssysteme oder CRM- Systeme, die die Durchführung von Geschäftsprozessen unterstützen. Die erzeugten Daten sind meist transaktions- orientiert und haben den Detaillierungsgrad, der typischerweise für die operative Tätigkeit des Unternehmens notwendig ist. Häufig sind diese Daten nicht historisiert, was bedeutet, dass der jeweilige Datensatz (beispielsweise eine laufende Bestellung) immer wieder überschrieben oder auch gelöscht wird. Adressdatenbanken sein. Sie können an die entsprechenden Systeme angebunden werden und bei Bedarf die gewünschten Informationen liefern. Aber auch CDs oder DVDs, beispielsweise mit Produkt- oder Kataloginformationen, können als externe Datenquellen dienen. Operative Systeme unterstützen die Unternehmen im Tagesgeschäft, indem die vorhandenen Geschäftsabläufe als Prozesse im System abgebildet werden. Typische operative Systeme sind ERP-Systeme, mit denen Einkäufe und Verkäufe abgewickelt werden können oder das Rechnungs-, Finanz- und Personalwesen unterstützt werden. CRM-Systeme helfen den Unternehmen, das Kundenmanagement flexibler und effizienter zu gestalten. Externe Datenquellen können beispielsweise Online-Datenbanken für Aktienkurse, Währungen, Geoinformationssysteme oder 4. Datenintegration Extraktion, Transformation und Laden (ETL) Die Aufbereitung und Bereitstellung aller relevanten Daten in einem Data Warehouse ist ein zentraler Prozess innerhalb eines BI-Systems und wird als ETL-Prozess bezeichnet. Ein ETL-Prozess läuft normalerweise in drei Schritten ab: 1. Die relevanten Daten werden ausgewählt und aus den Quellsystemen extrahiert. Für das Extrahieren der Daten werden sog. Konnektoren benötigt, mit denen die Quellsysteme an das ETL-Tool angebunden und die Daten ausgelesen werden können. Die Konnektoren werden normalerweise von den ETL-Tools bereitgestellt und unterstützen die gängigsten Dateiformate oder Quellsysteme wie relationale Datenbanken, XML-Formate, CSV-Dateien usw. 2. Die extrahierten Daten werden in das vorher festgelegte Format transformiert. 3. Die transformierten Daten werden in das Data Warehouse geladen. 7

8 Datenintegration Im nächsten Schritt ist es erforderlich, die ausgelesenen Daten in ein einheitliches Format zu transformieren. So können unterschiedliche Schreibweisen (z.b. amerikanische und deutsche Schreibweise eines Datums) desselben Sachverhaltes vereinheitlicht werden, was einerseits das Verständnis und andererseits die einheitliche Verarbeitung der Daten erheblich vereinfacht. In der Folge ist auch die semantische Bereinigung von inhaltlichen Aspekten der Daten deutlich einfacher. Beispielsweise können fehlerhafte oder leere Datensätzen schnell erkannt und eliminiert werden. Auch die Bereinigung von Duplikaten, die Umrechnung von Maßeinheiten, das Aggregieren von Werten und die Anreicherung von Daten, beispielsweise durch demografische Daten, ist im Nachgang der Homogenisierung leichter zu handhaben. des Data Warehouses müssen zunächst sämtliche Daten geladen werden. Je nach Datenmenge kann dies sehr zeitaufwändig werden. Bei den anschließenden Aktualisierungen werden meist nur die jeweiligen Änderungen in das Data Warehouse übernommen. Der gesamte ETL-Prozess kann periodisch oder ereignisgesteuert stattfinden. Der periodische Anstoß des Prozesses erfolgt dabei nach regelmäßigen Intervallen. Damit die Systeme nicht während des laufenden Betriebs zu sehr belastet werden, bietet sich hierbei eine Durchführung in Ruhezeiten (nachts oder an Wochenenden) an. Die ereignisgesteuerte Durchführung richtet sich hingegen nach bestimmten eintretenden Ereignissen. So wird der ETL- Prozess beispielsweise angestoßen, wenn eine bestimmte Anzahl an neuen Datensätzen in der operativen Datenbank erreicht wurde. Als abschließender Schritt des ETL-Prozesses werden über das Laden die transformierten, bereinigten und aggregierten Daten in das Data Warehouse übertragen. Für das initiale Befüllen ETL-Prozess Abb: ebusiness-lotse Oberschwaben-Ulm 8

9 5. Data Warehouse Ein Data Warehouse ist eine Sammlung von Daten aus unterschiedlichen Quellen, die in einer vordefinierten Struktur abgespeichert werden und so einen einheitlichen Zugriff auf die vorhandenen Daten erlaubt. Für ein Data Warehouse wird hierbei in der Regel eine relationale Datenbank verwendet. Dazu werden die Daten meist in einem sog. Sternschema abgespeichert. Bei diesem Schema können zwei verschiedene Arten von Tabellen unterschieden werden: zum einen die Faktentabelle, die der Speicherung von Kennzahlen wie beispielsweise Umsatz oder Kosten dient, und zum anderen die Dimensionstabellen. Diese enthalten die unternehmerische Sichtweise auf die Fakten. So kann ein Umsatz beispielsweise nach Produkt, Region und Zeit analysiert werden. Dimensionen ermöglichen somit eine multidimensionale Sichtweise auf die vorhandenen Fakten. Im Allgemeinen haben Controller kein Interesse an Detaildaten, wie sie in einzelnen Geschäftsvorfällen vorkommen. Interessanter sind eher Fragestellungen wie beispielsweise: Wie hat sich der Umsatz eines Produktes im Vergleich zum Vorjahr in Region A entwickelt? Auch die Frage nach der Entwicklung in einem bestimmten Land ist diesbezüglich eine oft gestellte Frage für international operierende Unternehmen. Diese Art der Fragestellung setzt Daten voraus, die entlang unterschiedlicher Dimensionen verdichtet werden können. Stern-Schema Abb: ebusiness-lotse Oberschwaben-Ulm 9

10 6 Analyse Reporting Über Reportinganwendungen lassen sich individualisierte Berichte erzeugen und verbreiten. So wird einem Nutzer die Möglichkeit gegeben, bestehende Fragen über eine Analyse jener Kennzahlen zu beantworten, die auch tatsächlich für die Beantwortung nötig sind. Eine Möglichkeit stellen hierbei die Standardberichte dar. Sie werden mit den entsprechenden BI-Reporting-Tools erstellt und den Benutzern regelmäßig (z.b. am Ende jeder Woche) zur Verfügung gestellt. Diese Berichte können von den Usern normalerweise nicht verändert werden und dienen der einheitlichen Sicht auf die Unternehmenskennzahlen. Die Berichte können in Papier- oder elektronischer Form zur Verfügung gestellt werden. Für zeitkritische Entscheidungen außerhalb des regelmäßigen Berichtsintervalls lassen sich auch sog. Ad-Hoc-Berichte erstellen. Ad-hoc-Berichte sind vom Benutzer interaktiv zusammengestellte Auswertungen, die normalerweise nur für einen bestimmten Zweck und aus einer bestimmten Situation heraus erstellt werden. Der User kann dabei den Inhalt und das Aussehen des Berichtes bestimmen. Um schnell auf die Informationen zugreifen zu können und die entsprechenden Details zu erforschen bzw. Analysen zu starten, ist ein Zugriff auf die Datenbasis (beispielsweise ein Data Warehouse) notwendig. Da für diese Art der Berichtserstellung sehr gute Kenntnisse der Daten und auch der Tools benötigt werden, bleibt diese Art der Berichtserstellung häufig nur einer kleinen Anzahl von Spezialisten vorbehalten. Für die Darstellung der Berichtsdaten werden hauptsächlich Tabellen, Listen und Diagramme verwendet, die normalerweise als Templates zur Verfügung stehen und mit Daten aus der Datenbasis befüllt werden. Zusätzliche Elemente wie Firmenlogo oder Anpassung der Berichte an das Corporate Design sind grundsätzlich möglich. Die Ausgabe bzw. Verteilung der erstellten Reports kann in unterschiedlichen Formaten wie beispielsweise PDF, HTML oder Excel erfolgen. Auch die Integration in ein Unternehmensportal ist bei den meisten Lösungen möglich. Abb. 1 auf der nächsten Seite zeigt hierzu einen beispielhaften Bericht, welcher über Microsoft Dynamics erstellt wurde. Abgebildet werden hierbei die wichtigsten Zahlen zu den vertriebenen Produktgruppen. Die Aktualisierung erfolgt wöchentlich, sodass der verantwortliche Mitarbeiter in Bezug auf die Produkte nach jeder Woche stets auf dem aktuellsten Stand ist. Veröffentlicht wurde der Bericht in Form einer HTML-Seite. Der Report kann so von den entsprechenden Mitarbeitern unkompliziert über den Browser abgerufen werden, was die Verteilung und Aktualisierung gegenüber Berichten in Papierform erheblich vereinfacht. 10

11 Analyse Abb. 1: BI-Bericht Abb.: Microsoft. Die Verwendung erfolgt in Übereinstimmung mit den Microsoft-Nutzungsvorgaben OLAP (Online Analytical Processing) Der Nachteil klassischer Berichte besteht hauptsächlich darin, dass Diagramme und Tabellen statisch sind. Der Nutzer kann nach der Zusammenstellung des Berichts keine weiteren Interaktionen mehr durchführen, der Bericht kann quasi nur noch gelesen werden. Mit Hilfe von OLAP-Anwendungen hingegen können multidimensionale Datenstrukturen (beispielsweise eines Data Warehouses) auch interaktiv ausgewertet werden, sodass sie für die betriebliche Entscheidungsunterstützung herangezogen werden können. Dimensionen und Kennzahlen, die zur Beantwortung einer aktuellen Fragestellung notwendig sind, können beliebig selektiert und aggregiert werden. So kann beispielsweise eine Frage nach dem Umsatz eines Produktes in einer bestimmten Region in einem bestimmten Zeitraum relativ einfach und zeitnah beantwortet werden. Die Funktionsweise von OLAP lässt sich auch mithilfe eines Würfels (dem sog. OLAP-Cube) grafisch darstellen. In Abb. 2 (nächste Seite) soll hierzu das oben genannte Beispiel veranschaulicht werden. Bei der Frage nach dem Umsatz eines bestimmten Produkts in einer bestimmten Region zu einer bestimmten Zeit steht der Umsatz als Unternehmenskennzahl im Mittelpunkt der Analyse. Als Fakt ist er bei dieser Analyse deshalb auch im Mittelpunkt des Würfels anzusiedeln

12 Analyse Abb. 2: OLAP-Würfel Abb.: ebusiness-lotse Oberschwaben-Ulm Fakten stehen stets im Würfelkern. Die drei abgefragten Dimensionen Produkt, Region und Zeit stellen die unternehmerische Sichtweise dar, nach der ein Fakt (hier der Umsatz) aufgeschlüsselt werden kann. Die Dimensionen bilden deshalb die Achsen des Würfels. Für die Abfrage der dahinterliegenden Daten gibt es einige typische OLAP-Operatoren, die ein Navigieren, Auswählen und Rotieren der Daten ermöglichen. Beim Navigieren kann interaktiv in eine tiefere oder höhere Detaillierungsebene der Daten gewechselt werden. Der sog. Drill-Down ermöglicht es beispielsweise, von der Landesebene in eine bestimmte Region des Landes zu navigieren. Umgekehrt ermöglicht es ein sog. Drill-Up beispielsweise, von einem Monat auf ein Jahr zu verdichten. In beiden Fällen wird der Umsatz für die entsprechend ausgewählte Detaillierungsebene dargestellt. Für das Auswählen von Daten werden nur Teilmengen eines OLAP-Würfels betrachtet. Beim sog. Slice kann beispielsweise nur der Umsatz eines bestimmten Zeitraumes mit den Regionen und den Produkten angezeigt werden. Grafisch entspricht das einer Scheibe des Würfels. Über einen sog. Dice wird hingegen ein mehrdimensionaler Würfel erzeugt, der einen Teilbereich des Gesamtwürfels enthält. Zum Rotieren der Daten kann eine Technik verwendet werden, mit denen Kennzahlen aus unterschiedlichen Blickwinkeln heraus betrachtet werden können. Beispielsweise kann von der Darstellung des Umsatzes nach Regionen auf die Umsatzansicht im zeitlichen Verlauf oder nach Produkten gewechselt werden. Diese sog. Rotation beschreibt das Drehen eines Würfels und somit das Ändern der Perspektive auf eine Kennzahl. OLAP wird auch als BI im engeren Sinn verstanden, sodass BI-Systeme in der Regel auch OLAP-Techniken unterstützen. Somit ist es für die Anwender eines solchen Systems relativ einfach, Daten auf unterschiedliche Weise zu betrachten und zu analysieren. Ziel ist es, neue oder unbekannte Zusammenhänge zu erforschen und zu erkennen, die letztlich der Entscheidungsunterstützung dienen. Für ein flexibleres Berichtswesen ist auch eine Kombination von Standardberichten und den Analysemöglichkeiten von OLAP-Lösungen denkbar. Ausgehend von Standardberichten können Benutzer so beispielsweise durch die Drill-Down- oder Drill-Up-Möglichkeit in detailliertere oder verdichtete Daten navigieren. Damit bietet diese Art des Berichtswesens auch den weniger technisch versierten Usern die Möglichkeit, in gewissem Rahmen eigene Analysen durchzuführen. 12

13 Analyse Performance Management Performance Management geht über das normale Reporting hinaus. Ziel ist es, komplexe Zusammenhänge und Sachverhalte zu vereinfachen und diese verständlich und übersichtlich auf einen Blick darzustellen. Für diese Darstellung werden deshalb normalerweise keine klassischen Reports gewählt, sondern sog. Dashboards oder Cockpits. Mit diesen können Daten in verdichteter Form präsentiert und visualisiert werden. Häufig werden grafische Elemente wie ein Tachometer, ein Zeitreihenschieber oder eine Ampel zur Visualisierung der Daten und Datenverläufe verwendet. Voraussetzung für ein solches Performance Management ist die Definition von Schlüsselkennzahlen. Diese werden als sogenannte Key Performance Indicators (KPIs) bezeichnet und dienen der Abbildung und Messung von Erfolgen bzw. Misserfolgen. KPIs werden in Relation zu definierten Zielwerten gesetzt und zeigen somit den Erfüllungsgrad bzw. die Abweichung zu einer bestimmten Zielsetzung an. So kann beispielsweise im Vertrieb als Ziel eine Umsatzsteigerung von 20% angestrebt werden. Zur Messung der Zielerreichung wird anschließend der aktuelle Umsatz in Relation zum Umsatz der Vorperiode gesetzt. Der Grad der Zielerreichung kann dem Top-Management dann als Teil eines Dashboards, beispielsweise als Messuhr, angezeigt werden. Abb. 3 veranschaulicht hierbei einen typischen Aufbau eines solchen Dashboards. So lässt sich anhand dieses Dashboards beispielsweise sofort erkennen, wie viel Umsatz in den jeweiligen Vertriebsländern gemacht wurde (Sales) und wie diesbezüglich der bisherige Verlauf war. Auch lässt sich sofort erkennen, ob sich die aktuelle Gewinnmarge in den verschiedenen Ländern im optimalen Bereich (grün), im mittelmäßigen Bereich (gelb) oder im kritischen Bereich (rot) befindet. Anhand dieser verdichteten Übersicht über die KPIs des Unternehmens kann das Management somit zeitnah auf etwaige bedrohliche Situationen reagieren und einen potenziellen Schaden für das Unternehmen dadurch bestenfalls noch abwenden. Abb. 3 BI-Dashboard Abb. Qlik,

14 Analyse Data Mining Das Ziel von Data Mining besteht darin, aus bestehenden Daten interessante und unternehmensrelevante Informationen bzw. neues Wissen zu gewinnen. Dazu werden auf einen Datenbestand (z.b. auf ein Data Warehouse) statistische Methoden oder Verfahren des maschinellen Lernens angewandt und auf Muster, Zusammenhänge und Gesetzmäßigkeiten hin untersucht. Einige wichtige Aufgaben des Data Minings sind die Gruppierung von Objekten (Clustering), die Klassifikation von Objekten sowie die Assoziationsanalyse. Bei einer Clusteranalyse sollen Objekte mit ähnlichen Eigenschaften identifiziert und zu homogenen Gruppen zusammengefasst werden. Dabei soll keine Fokussierung auf bestimmte Merkmale stattfinden, sondern alle Aspekte neutral betrachtet werden. Die Elemente einer Gruppe sollen sich hierbei so ähnlich wie möglich sein, die Elemente unterschiedlicher Gruppe hingegen möglichst unähnlich. Abbildung 4 zeigt hierzu ein klassisches Anwendungsbeispiel, wie es häufig im Marketing zum Einsatz kommt die Kundensegmentierung. Damit die Geldmittel eines Unternehmens nicht in zweckloses Marketing und ein unpas- sendes Produktdesign investiert werden, ist es zwingend notwendig, die eigenen Kunden zu kennen. Diesbezüglich bietet die Clusteranalyse die Möglichkeit, Kunden beispielsweise nach demografischen (Alter, Geschlecht, etc.), soziografischen (Einkommen, Beruf, Wohnverhältnisse, etc.) oder auch regionalen (Wohnort, Wohngegend, etc.) Gesichtspunkten zusammenzufassen. Anhand der daraus resultierenden Segmente lässt sich dann unter anderem das eigene Produktspektrum an die Bedürfnisse der jeweiligen Kundensegmente anpassen. Auch eine kundenspezifischere Ansprache im Marketing lässt sich über das erlangte Wissen über die eigenen Kundengruppen deutlich gezielter gestalten. Beim Verfahren der Klassifizierung hingegen werden die zu untersuchenden Objekte vorgegebenen Gruppen oder Klassen zugeordnet. Ziel ist es dabei, ein Objekt mit seinen Attributen der korrekten Klasse zuzuordnen. Wie beim Clustering können auch hier Kunden beispielsweise als kreditwürdig oder nicht kreditwürdig erkannt werden. Der Unterschied besteht darin, dass die Klassifizierung jedes Objekt einzeln betrachtet und Klassen zuordnet, welche bereits im Vorhinein definiert wurden. Abb. 4 Clusteranalyse Abb.: ebusiness-lotse Oberschwaben-Ulm 14

15 Analyse Beim Clustering werden hingegen viele Objekte anhand der Ähnlichkeit ihrer Eigenschaften zusammengefasst. Die Benennung und Interpretation der Cluster muss dann im Nachgang durch den Anwender stattfinden. Als abschließendes Verfahren sollen mithilfe die Assoziationsanalyse Zusammenhänge und Abhängigkeiten erkannt werden, woraus in der Folge Regeln abgeleitet werden können. Als Beispiel kann hier die Warenkorbanalyse (Produkt A wird oft zusammen mit Produkt B gekauft) genannt werden, wie sie bereits bei vielen einschlägigen Online-Shops eingesetzt wird. Auch bei der Erfolgsanalyse einer Webseite findet eine Assoziationsanalyse in der Regel Anwendung. So kann mithilfe dieser Technik beispielsweise die Frage beantwortet werden, welche Unterseiten der eigenen Webseite häufig zusammen in einer Sitzung aufgerufen werden. Auf Basis der resultierenden Erkenntnisse kann im Nachgang die Webseite genauer an das Surfverhalten der Webseiten-Besucher angepasst werden. Die erhöhte Benutzerfreundlichkeit kann dann schließlich zu einer längerfristigen Bindung des Benutzers führen. Abb. tashatuvango - Fotolia.com Zweck solcher Data-Mining-Verfahren ist somit wiederum die Entscheidungsunterstützung, wobei sich die verschiedenen Techniken aufgabenspezifisch anwenden lassen. Je nach Aufgabenstellung kann ein bestimmtes Verfahren sinnvoller sein und bessere Ergebnisse liefern als ein anderes. Oftmals kann auch eine Kombination zweier Verfahren Sinn machen. So können beispielsweise über eine Clusteranalyse im ersten Schritt unterschiedliche Kundengruppen generiert werden, wohingegen im zweiten Schritt mithilfe einer Klassifikation Neukunden schließlich einem dieser Cluster zugeordnet werden. Bei der konkreten Anwendung solcher Data- Mining-Verfahren bietet sich der Einsatz von spezieller Data-Mining-Software an. Über diese kann der Nutzer sowohl die zu analysierenden Daten, als auch das entsprechende Analyseverfahren wählen. Auch die Darstellung der Ergebnisse in interpretierbarer Form wird letztlich von solcher Software übernommen

16 Analyse Planung und Simulation Planungswerkzeuge innerhalb eines BI- Systems ermöglichen eine integrierte Planung. Das bedeutet, dass die Planung, das Reporting und die abschließende Analyse auf eine einheitliche Datenbasis angewendet werden können. Planung bedeutet an dieser Stelle, dass auf der Basis vorhandener historischer Daten auf Handlungen geschlossen wird, die in der Zukunft ausgeführt werden müssen. So kann beispielsweise von den Materialverbrauchszahlen der vergangenen Perioden auf den Materialverbrauch der kommenden Periode geschlossen werden, sodass die zu bestellende Materialmenge dieser Periode bereits im Vorfeld fixiert (geplant) werden kann. Gleichermaßen kann von vergangenen Absatzzahlen auf die Absatzzahlen zukünftiger Perioden geschlossen werden, sodass in jeder laufenden Periode mit geplanten Werten (Soll-Werten) gerechnet werden kann. Abb. 5 veranschaulicht diesen Sachverhalt anhand der Software BOARD. Solche Planungen stellen hohe Ansprüche an die Software. So ist beispielsweise ein Schreibzugriff auf die Daten notwendig, während die Ist-Daten nicht verändert werden dürfen. Da der Planungsprozess dynamisch ist und viele unterschiedliche Bereiche betrifft, sollte das Planungswerkzeug flexibel, individuell anpassbar und erweiterbar sein. Aus diesem Grund eignet sich die BI- Architektur bestens für Planungsdaten und -werkzeuge. Planungsdaten können über ETL- Transaktionen in das Data Warehouse geladen oder entsprechend den Datenhierarchien direkt im Data Warehouse eingegeben werden. Die Reporting- und Analysefunktionen bieten außerdem die Möglichkeit, Daten zu konsolidieren und auszuwerten. Simulationswerkzeuge ermöglichen im Vergleich zu Planungswerkzeugen noch detailliertere Prognosen. Mit ihnen können ebenfalls auf der Basis vorhandener Daten Szenarien simuliert werden, die mögliche Verläufe verschiedener Planungsszenarien präsentieren. Dies ermöglicht dem Nutzer die Durchführung sog. Was-wäre-wenn-Analysen. So kann beispielsweise schnell erkannt werden, wie sich Veränderungen des Währungskurses auf das aktuelle Geschäft auswirken können, indem die zu erwartende Änderung des Kurses vom Nutzer eingegeben wird und das jeweilige Tool anschließend die Berechnungen auf Basis dieser Eingabe durchführt. Gleichermaßen lassen sich so verschiedene positive oder negative Geschäftsverläufe simulieren wie etwa nach der Einführung eines neuen Produkts. Abb. 5 BI-Planungsbericht Abb: BOARD Deutschland GmbH 16

17 7. Fazit BI-Architekturen umfassen sehr viele Bestandteile mit unterschiedlichen Hard- und Software- Komponenten. Für ein BI-Projekt müssen somit anhand fachlicher Anforderungen und technischer Rahmenbedingungen die benötigten Bausteine individuell identifiziert und zusammengestellt werden. Wissen über grundlegende Komponenten und Schichten einer BI-Architektur ist damit notwendig und wichtig. Vor allem bei der Bewertung von Architekturlösungen, bei der Auswahl von BI-Werkzeugen oder bei der Abbildung von Anwenderanforderungen auf die entsprechenden Technologien ist ein ausgeprägtes Wissen über die Bausteine einer Business Intelligence von großem Vorteil. Gerade für die Auswahl von BI-Werkzeugen bietet der ebusiness-lotse Oberschwaben-Ulm in Form einer Marktübersicht über verschiedene Tools eine Möglichkeit, das eigene Wissen diesbezüglich zu erweitern. Allerdings muss auch berücksichtigt werden, dass BI kein reines IT-Thema ist. Ein technisch funktionierendes System alleine generiert noch keinen Mehrwert. Für ein zielorientiertes BI-System müssen neben technischen auch fachliche und organisatorische Aspekte berücksichtigt werden. Erst durch die Nutzung des BI- Systems und der gewonnenen Entscheidungsgrundlagen kann ein Mehrwert geschaffen werden. Somit ist im Vorfeld des BI-Einsatzes neben der Erweiterung der technischen Wissensbasis auch die Beantwortung der Frage notwendig, wie ein solches BI-System nutzbringend in die eigene Unternehmenslandschaft integriert werden kann. Abb. Yeko Photo Studio - Fotolia.com 17 17

18 Glossar 8 Glossar Data Mining Eine Technik, bei der statistische Methoden und Algorithmen auf einen Datenbestand (Data Warehouse) angewandt werden, um Muster und Zusammenhänge zu erkennen. So können beispielsweise Abhängigkeiten beim Kauf von Produkten ermittelt werden, Klassifizierungen von Kunden mittels einer Bonitätsprüfung vorgenommen werden oder im Rahmen einer Abweichungsanalyse Auffälligkeiten bei der Produktion erkannt werden. Data Warehouse Ein Data Warehouse ist eine Datenbank, in der Daten aus unterschiedlichen Systemen in einem definierten, einheitlichen Format gespeichert werden. Dies ermöglicht einen einheitlichen Zugriff auf Daten, die für Analysen benutzt werden können. ETL (Extraktion, Transformation und Laden) Unter ETL versteht man einen Prozess, bei dem relevante Daten aus einem oder mehreren Systemen in das entsprechende Format und die Struktur einer Zieldatenbank (meist ein Data Warehouse) transformiert und geladen werden. Typische Transformationen können die Datumsformatierung oder die Umrechnung von Maßeinheiten sein. Aber auch die Anreicherung von Daten wie beispielsweise Schufa-Auskunftsdaten fallen in diesen Bereich. OLAP (Online Analytical Processing) Eine Technik, mit der flexible Analysen auf Datenbestände (typischerweise in einem Data Warehouse) durchgeführt werden können. Es bietet die Möglichkeit, Unternehmensdaten aus unterschiedlichen Sichtweisen darzustellen. Beispielsweise können Umsatzzahlen ohne großen Aufwand nach Datum, Kunde, Region, Vertriebsmitarbeiter oder Produkt dargestellt werden. Performance Management (Scorecards) Kennzahlen, die Erfolge oder Misserfolge abbilden, werden als Key Perfomance Indicators (KPIs) bezeichnet und müssen vom Unter- nehmen festgelegt werden. Ziel ist es, komplexe Zusammenhänge und Sachverhalte zu vereinfachen und diese verständlich und übersichtlich auf einen Blick darzustellen. Für die Visualisierung dieser KPIs werden Grafikelemente wie Tachographen, Thermometer oder Zeitreihenschieber verwendet und in einem Dashboards oder Cockpit zusammengefasst. Planung und Simulation Planungsanwendungen unterstützen den Planungsprozess (Erfassung und Freigabe der Planungsdaten, Statusverfolgung) im Unternehmen. Durch die Integration der Planung in ein BI-System können Planung, Reporting und Analyse verbunden werden und die Analysefunktionalität auch für Plan/Ist-Vergleiche genutzt werden. Außerdem kann die umfangreiche einheitliche Datenbasis als Grundlage für Simulationen (Was-wäre-wenn-Analysen) dienen. So kann beispielsweise schnell erkannt werden, wie sich Veränderungen des Währungskurses auf das aktuelle Geschäft auswirken können. Reporting und Analyse Das Standard-Reporting stellt den Anwendern automatisch die Berichte oder Reports in Form von Tabellen, Listen oder Grafiken zur Verfügung. Darüber hinaus sollten Anwender aber auch die Möglichkeit haben, aktuelle Fragestellungen durch eigene Analysen ad-hoc selbst beantworten zu können. Sternschema Das Sternschema beschreibt eine besondere Form eines multidimensionalen Datenmodells. Während das Ziel einer relationalen Datenbank die Normalisierung ist, liegt das Ziel einer multidimensionalen Datenbank darin, die beinhaltenden Fakten in einfacher Art und Weise aus mehreren Dimensionen darzustellen. Wird die Datenbank dann nach dem Sternschema modelliert, so befindet sich bildlich gesehen die Faktentabelle in der Mitte, während die Dimensionstabellen in Sternform um die Faktentabelle herum modelliert werden. 18

19 Notizen 19

20 Lorem ipsum dolor sit amet, consetetur sadipscing elitr Abb. Yuri Arcurs - Fotolia.com ebusiness-lotse Oberschwaben-Ulm Der ebusiness-lotse Oberschwaben-Ulm ist Teil der Förderinitiative ekompetenz-netzwerk für Unternehmen, die im Rahmen des Förderschwerpunkts Mittelstand-Digital IKT-Anwendungen in der Wirtschaft vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird. Der Förderschwerpunkt unterstützt gezielt kleine und mittlere Unternehmen (KMU) sowie das Handwerk bei der Entwicklung und Nutzung moderner Informations- und Kommunikationstechnologien (IKT). Mittelstand-Digital setzt sich zusammen aus den Förderinitiativen ekompetenz-netzwerk für Unternehmen mit 38 ebusiness-lotsen, estandards: Geschäftsprozesse standardisieren, Erfolg sichern mit derzeit 16 Förderprojekten, und Einfach intuitiv Usability für den Mittelstand mit zurzeit 14 Förderprojekten. Für mehr Informationen besuchen Sie bitte Weitere interessante Praxisbeispiele und Leitfäden finden Sie auf den Seiten des ebusiness- Lotsen Oberschwaben-Ulm unter im Menü Publikationen.

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel PRAXISBEISPIEL Gramm GmbH & Co. KG, Friedrichshafen CNC-Maschinenauswertung mit PowerPivot für Excel Was ist Business Intelligence (BI)? Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm www.eloum.net

Mehr

Einführung in Business Intelligence

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

Mehr

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

Geschäftsdaten auswerten

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

Mehr

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 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

Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011

Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011 Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011 Trends, Muster und Korrelationen erkennen und die richtigen Schlüsse daraus ziehen: MACH BI der für öffentliche Einrichtungen passende Zugang zur

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

Business Intelligence Einführung und thematischer Überblick

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

Mehr

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

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

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

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

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

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

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

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. Business Intelligence Seminar, WS 2007/08

Business Intelligence. Business Intelligence Seminar, WS 2007/08 Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung

Mehr

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

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

Mehr

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

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

Vertriebs-Dashboards für das Management

Vertriebs-Dashboards für das Management Vertriebs-Dashboards für das Management Die wichtigsten Vertriebskennzahlen jederzeit und aktuell auf einen Blick. www.schleupen.de Schleupen AG 2 Der Wettbewerb Die Stadtwerke stehen im direkten Wettbewerb

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

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

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

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

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

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

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

Geschäftsdaten auswerten mit PowerPivot für Excel

Geschäftsdaten auswerten mit PowerPivot für Excel ANLEITUNG fotogestoeber - Fotolia.com Geschäftsdaten auswerten mit PowerPivot für Excel Installationsanleitung und Beispielanwendung Träger Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm www.eloum.net

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

Das Wesentliche im Blick.

Das Wesentliche im Blick. Das Wesentliche im Blick. Unternehmen effektiv steuern mit relevanten Daten im Management Dashboard CP-Cockpit ist ein Modul der Corporate Planning Suite. Den Blick auf das Wesentliche lenken. Effektiv

Mehr

Raber+Märcker Business Intelligence Lösungen und Leistungen

Raber+Märcker Business Intelligence Lösungen und Leistungen Business Intelligence Raber+Märcker Business Intelligence Lösungen und Leistungen www.raber-maercker.de 2 LEISTUNGEN Business Intelligence Beratungsleistung Die Raber+Märcker Business Intelligence Beratungsleistung

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

Logistikinformationssystem (LIS)

Logistikinformationssystem (LIS) und steuerung Das Logistikinformationssystem umfasst die folgenden Informationssysteme: Vertriebsinformationssystem Einkaufsinformationssystem Bestandscontrolling Fertigungsinformationssystem Instandhaltungsinformationssystem

Mehr

SAP BI Business Information

SAP BI Business Information Aus der Praxis für die Praxis. SAP BI Business Information Thomas Wieland Berlin, 24. November 2006 SAP BW Architektur Seite 2 Business Intelligence Aufgaben Bereitstellung harmonisierter Daten, Informationen

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

NAVdiscovery. Der Qlik Connector für Microsoft Dynamics NAV. www.nav-discovery.de

NAVdiscovery. Der Qlik Connector für Microsoft Dynamics NAV. www.nav-discovery.de NAVdiscovery Der Qlik Connector für Microsoft Dynamics NAV www.nav-discovery.de PRISMA INFORMATIK HAT SPEZIELL FÜR AN- WENDER VON MICROSOFT DYNAMICS NAV, QLIKVIEW UND QLIK SENSE DIE NAVDISCO- VERY TOOLBOX

Mehr

Business Intelligence (BI) Daten sammeln, aufbereiten und analysieren

Business Intelligence (BI) Daten sammeln, aufbereiten und analysieren LEITFADEN Business Intelligence (BI) Daten sammeln, aufbereiten und analysieren Wertvolle Erkenntnisse durch BI in kleinen und mittelständischen Unternehmen Impressum Träger Herausgeber ebusiness-lotse

Mehr

Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung

Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung Business Intelligence Mit Jet Enterprise erhalten Sie dies und mehr Jet Enterprise ist Business Intelligence und intuitives

Mehr

SENSO Analytics. Analyse und Controlling für Entscheider

SENSO Analytics. Analyse und Controlling für Entscheider SENSO Analytics Analyse und Controlling für Entscheider SENSO Analytics Analyse und Controlling für Entscheider Führungskräfte in sozialen Einrichtungen stehen heute oftmals vor der Herausforderung, eine

Mehr

Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung

Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung Business Intelligence und intuitives Berichtswesen in einer umfassenden Lösung Business Intelligence Unterstützung Ihrer Mitarbeiter Das interaktive Drag-and-Drop Interface in Excel Mit Jet Enterprise

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

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

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

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

Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen

Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen Business Intelligence im praktischen Einsatz bei Verkehrsunternehmen Version 1.3 / JUL-2013 Seite 1 / 5 Wittenberger Weg 103 Fon: +49(0)211 / 580 508 28-0 Datenmanagement in Verkehrsunternehmen Die Anforderungen

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

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

Seminar C02 - Praxisvergleich OLAP Tools

Seminar C02 - Praxisvergleich OLAP Tools C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien

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

Zuverlässige und einfach zugängliche Informationen in Echtzeit für alle Beteiligten

Zuverlässige und einfach zugängliche Informationen in Echtzeit für alle Beteiligten PLANON Managementinformationen Zuverlässige und einfach zugängliche Informationen in Echtzeit für alle Beteiligten Mit dem steigenden Bedarf hin zu mehr Kosteneffizienz und Agilität bei Immobilien- und

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

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

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

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

Mehr

Business Intelligence 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

AGM Project & Education GmbH

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

Mehr

mit der neuen Microsoft BI-Plattform

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

Mehr

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011 Roundtable Dashboards und Management Information Rüdiger Felke / Christian Baumgarten 29.11.2011 Agenda Behind the Dashboards Was ist ein Dashboard und was ist es nicht? SAP BusinessObjects Dashboards

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

PRAXISBEISPIEL Abb. victor-zastolskiy - Fotolia.com. Unterstützung der Kundenakquisition durch einen Unternehmensblog. IT-Recht Kanzlei Aalen

PRAXISBEISPIEL Abb. victor-zastolskiy - Fotolia.com. Unterstützung der Kundenakquisition durch einen Unternehmensblog. IT-Recht Kanzlei Aalen PRAXISBEISPIEL Abb. victor-zastolskiy - Fotolia.com Unterstützung der Kundenakquisition durch einen Unternehmensblog IT-Recht Kanzlei Aalen Träger Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm

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

Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense

Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense Heute die Unternehmenszahlen von morgen analysieren. Planung und Analyse unternehmensweit verbinden mit der Standard-Integration von Corporate Planner und QlikView / Qlik Sense Corporate Planner ist ein

Mehr

Best Practice Infor PM 10 auf Infor Blending

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

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

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

Mehr

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

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

Ausarbeitung Projekt. Sven Elvers. Business Intelligence: Analyse. Betreuender Prüfer: Prof. Dr. Olaf Zukunft

Ausarbeitung Projekt. Sven Elvers. Business Intelligence: Analyse. Betreuender Prüfer: Prof. Dr. Olaf Zukunft Hochschule für Angewandte Wissenschaften Hamburg Hamburg University of Applied Sciences Ausarbeitung Projekt Sven Elvers Business Intelligence: Analyse Betreuender Prüfer: Prof. Dr. Olaf Zukunft Fakultät

Mehr

Data Warehousing mit Oracle

Data Warehousing mit Oracle Data Warehousing mit Oracle Business Intelligence in der Praxis von Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker 1. Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

Business Intelligence was macht Unternehmen intelligent? White Paper

Business Intelligence was macht Unternehmen intelligent? White Paper Business Intelligence was macht Unternehmen intelligent? White Paper Autor: Jens Blank Juli 2012 Wassermann AG Westendstraße 195 80686 München www.wassermann.de Zusammenfassung Über traditionelle Ansätze

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

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

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

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst Durchblick im Self-Service-Dschungel Hannover, 16.03.2015 Patrick Keller, Senior Analyst Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software

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

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

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

OrangeBI Report Templates schnell zum optimalen Bericht

OrangeBI Report Templates schnell zum optimalen Bericht OrangeBI Report Templates schnell zum optimalen Bericht INHALT 1 Einstieg - Möglichkeiten der Datenanalyse mit Reporting Services und Excel bestmöglich nutzen... 1 2 Anwendung - Beispiele für die Nutzung

Mehr

Reporting mit SAP BusinessObjects

Reporting mit SAP BusinessObjects Reporting mit SAP BusinessObjects Ali Sayar Professional Consultant 21. Juni 2011 Agenda Vorstellung Infomotion Unternehmen Software-Partner Referent SAP BusinessObjects Allgemeine Informationen Überblick

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

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

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

Was kann ein ERP System wirklich? Auf der Suche nach einem Mittel zur Steigerung der Unternehmenseffizienz. www.dreher-consulting.

Was kann ein ERP System wirklich? Auf der Suche nach einem Mittel zur Steigerung der Unternehmenseffizienz. www.dreher-consulting. Was kann ein ERP System wirklich? Auf der Suche nach einem Mittel zur Steigerung der Unternehmenseffizienz. www.dreher-consulting.com Auf der Suche nach einem Mittel zur Steigerung der Unternehmenseffizienz.

Mehr

Business Intelligence - Wie passt das zum Mainframe?

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

Mehr

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

Mit Business Intelligence zum echten Mehrwert für Unternehmen

Mit Business Intelligence zum echten Mehrwert für Unternehmen Mit Business Intelligence zum echten Mehrwert für Unternehmen Erschienen in der E3 06/2007 Von Dr. Armin Elbert, REALTECH AG Zukunftsorientierte Unternehmen betrachten Informationen über die eigenen wirtschaftlichen

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

Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen

Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen Data Warehouse und Business Intelligence: Mehrwert eines analytischen Informationssystems für Entscheider an Hochschulen Sonja Schulze Zentrales Berichtswesen (ZBW) Stiliana Lüttecke Zentrum für Informationsmanagement

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

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

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 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

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011 Business Intelligence und Geovisualisierung Innovative Ansätze für den Gesundheitsmarkt Mainz, 10. Mai 2011 Prof. Dr. Anett Mehler-Bicher Prof. Dr. Klaus Böhm Inhalt Ausgangssituation und Motivation Motivation

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

Menschen entscheiden über Geschäftserfolg

Menschen entscheiden über Geschäftserfolg 1C01 Die Microsoft Business Intelligence- Plattform: SQL Server 2005, das 2007 Office System und Office Business Applications Steffen Krause Technologieberater Microsoft Deutschland GmbH http://blogs.technet.com/steffenk

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Data Warehouse und Data Mining Seminararbeit von Christian Hägele im Februar 2004 Betreuer: Dr. M. Grabert Inhaltsverzeichnis 1 Einführung 1 2 Data Warehouse 3 2.1 Warum Data Warehouse?........................

Mehr

PRESSE-INFORMATION NEU: LÜNENDONK -MARKTSTICHPROBE 2012 BUSINESS INTELLIGENCE ALS KERNKOMPETENZ

PRESSE-INFORMATION NEU: LÜNENDONK -MARKTSTICHPROBE 2012 BUSINESS INTELLIGENCE ALS KERNKOMPETENZ PRESSE-INFORMATION BI-22-08-12 NEU: LÜNENDONK -MARKTSTICHPROBE 2012 BUSINESS INTELLIGENCE ALS KERNKOMPETENZ Spezialisierte BI-Anbieter wachsen um 19,3 Prozent Datenintegration ist das Top-Thema Anbieter

Mehr

SAP Business Analytics. Kennzahlen, Analysen und Reports im Personalwesen

SAP Business Analytics. Kennzahlen, Analysen und Reports im Personalwesen SAP Business Analytics Kennzahlen, Analysen und Reports im Personalwesen Unser Angebot IHRE FRAGEN - DAS WOLLEN SIE WISSEN: Wie verteilen sich meine definierten Personengruppen auf die Organisationsschlüssel?

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