Wege aus dem Datenlabyrinth

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Wege aus dem Datenlabyrinth"

Transkript

1 Wege aus dem Datenlabyrinth - Datenqualität auf dem Prüfstand November 2009 CEA v6.4 Studie IT-Trends 2009 in Deutschland: Das BI-Top-Thema ist Datenqualität Business Intelligence: Bedeutung einzelner Themen [%] Wie wichtig werden die folgenden Themen im Zusammenhang mit Business Intelligence in den nächsten 12 Monaten für Sie sein? Mittelwert Datenqualität Corporate Performance Management Operational BI BI-Architekturen Governance, Risk, Compliance Predictive Intelligence Metadaten-Management BI Competence Centers ,9 1,9 2,2 2,8 2,7 2,6 2,5 3,1 2,9 3,5 2,8 2,8 3,2 3,1 3,2 Business Information Management 38 3,0 Analytisches CRM Serviceorientierte BI ,2 2,7 4,2 2, Quelle: Capgemini IT-Trends 2009; Basis: Befragte, die Business Intelligence für eines der 3 wichtigsten Themen halten (n = 35) TDWI 1

2 AGENDA Datenintegrationsprozess und von Adressen Datenanreicherung DQ-Monitoring Fazit 3 Bausteine eines erfolgreichen Datenqualitätsmanagements Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse TDWI 2

3 automatisiert den Prozess der Analyse von Dateninhalten Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse 5 Nur die richtige Kombination der --Verfahren führt zum Erfolg Attribut-Analyse --Verfahren Datensatz-Analyse Tabellen-Analyse TDWI 3

4 Die Standardverfahren zur Attribut-Analyse entdecken formale Datenfehler Standardanalysen Attributnamen Datentyp Wertebereich Muster Domänen Eindeutigkeit Null-Wert 7 Mit der Datensatz-Analyse werden funktionale Abhängigkeiten identifiziert Standardanalysen Schlüsselattribute Abgeleitete Attribute Geschäftsregeln funktionale Abhängigkeiten Eindeutiger Schlüssel Dokumentiert? Ermittelt? Lokales Attribut % Rows UK_434 Nein Ja KUNDENNAME, 99,5 GEBURTSDATUM Nicht eindeutige Datensätze: KUNDENNAME GEBURTSDATUM # Rows % Rows Karl Müller ,2 % Tabea Schmidt ,3 % Nicht eindeutige Datensätze zum Kunden Karl Müller und Geburtsdatum: : KUNDENNAME GEB_DATUM ADRESSE ORT Karl Müller Im Mühlengarten 3 Mechernich Karl Müller Kommerner Straße 8 Euskirchen TDWI 4

5 Die referenziellen Abhängigkeiten zwischen Tabellen werden zur Fehlersuche genutzt (Tabellen-Analyse) Standardanalysen referenzielle Abhängigkeiten Kardinalitäten redundante Attribute Anzahl Datensätze Gruppierung Wert? # Zeilen Zeilen Monat Januar Monat Februar Monat März Monat April Monat Mai Monat Juni Monat Juli Bei der Durchführung des Projekts sollten die vier wichtigsten Faktoren für ein effizientes und erfolgreiches beachtet werden Erfolgsfaktoren methodisches Vorgehen fundierte Kenntnisse über die Fachlichkeit und die zugehörigen Prozesse optimale Zusammensetzung und Erfahrung des Teams richtige Kombination und Einsatz der verschiedenen Verfahren TDWI 5

6 Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse 11 Verfahren zur Abweisung Zurückhaltung Verarbeitung mit Quelle Quelle Quelle Valide? Nein Valide? Nein Valide? Nein Ja Verarbeitung Bericht (optional) Ja Verarbeitung Speicher Ja Verarbeitung Bericht (optional) Ziel Ziel Ziel TDWI 6

7 und von Adressen Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Stan- Bereinigundardisierung Anreicherung Datenhaltung Warehouse 13 Am besten lassen sich standardisierte Adressen bereinigen Strukturierung Normierung TDWI 7

8 Am besten lassen sich standardisierte Adressen bereinigen Strukturierung Normierung 15 Der Prozess zur Entfernung von Duplikaten gliedert sich in vier Schritte Duplikate entfernen () Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung TDWI 8

9 Die Vorverarbeitung legt den Grundstein für den Erfolg Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung Hôtel zum Roß einheitliche Groß- /Kleinschreibung Entfernung von Leerzeichen Entfernung von Füllwörtern Auflösung von Umlauten und & Reduktion diakritischer Zeichen hôtel zum roß hôtelzumroß hôtelroß hôtelross hotelross 17 Die Partionierung steigert die Performance, birgt aber Risiken Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung Partitionierungsschlüssel = 1. Ziffer PLZ Die Duplikate zu Meier werden durch die Aufteilung in verschiedene Partitionen nicht erkannt! TDWI 9

10 Zur Erkennung von Duplikaten werden die Adressen miteinander verglichen Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung Vorname Name Strasse Ulrich Meier Mülheimer Straße Ullrich Mayer Mülheimer Straße PLZ Vergleichsfunktion Der Vorname ist an weniger als drei Stellen unterschiedlich. Der Nachname ist phonetisch ähnlich" Die ersten zwei Ziffern der PLZ sind gleich" Entscheidungsfunktion Duplikate Vorname Name Strasse Ulrich Meier Mülheimer Straße Ullrich Mayer Mülheimer Straße PLZ Nicht-Duplikate 19 Mit der passenden Metrik lässt sich die Ähnlichkeit messen Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung Textuelle Werte Phonetik Soundex Kölner Phonetik Editierabstand Levenshtein-Distanz n-gramme Rekursiver Feldabgleich WHIRL Ontologien Numerische Werte Differenzbildung Hamming-Abstand Ontologien Konvertierung in textuelle Werte Bi-Gramme (n =2) Hamming-Abstand binäre Codierung bitweiser Vergleich Auszählen der Unterschiede TDWI 10

11 Aus den Duplikaten entsteht ein konsolidierter Goldener Datensatz Vorverarbeitung Partionierung Duplikaterkennung Konsolidierung Konsolidierung identischer Duplikate Maßnahmen Löschung der überzähligen Datensätze Artikel_ID Bezeichnung Lieferant_ID Artikel_ID Bezeichnung Lieferant_ID 100 Schlüssel, 13 mm Nuss, VK, 13 mm Schlüssel, 15 mm Schlüssel, 15 mm 243 = Artikel_ID Bezeichnung Lieferant_ID 100 Schlüssel, 13 mm Schlüssel, 15 mm Nuss, VK, 13 mm 649 ergänzender Duplikate Zusammenführung der Datensätze Artikel_ID Grp_ID Bezeichnung Preis_Netto Artikel_ID Bezeichnung Lieferant_ID Schlüssel, 13 mm 4, Schlüssel, 13 mm Schlüssel, 15 mm 4, Schlüssel, 15 mm Nuss, VK, 13 mm 3, Nuss, VK, 13 mm 649 = Artikel_ID Grp_ID Bezeichnung Preis_Netto Schlüssel, 13 mm 4, Schlüssel, 15 mm 4, Nuss, VK, 13 mm 3,67 Lieferant_ID widersprechender Duplikate Konfliktvermeidende Verfahren Konfliktlösende Verfahren Artikel_ID Grp_ID Bezeichnung Preis_Netto Schlüssel, 13 mm 4, Schlüssel, 15 mm 4, Nuss, VK, 13 mm 3,67 + Artikel_ID Bezeichnung Preis_Netto 100 Schlüssel, 13 mm 3, Schlüssel, 15 mm 4, Nuss, VK, 13 mm 3,56 21 Datenanreicherung Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse TDWI 11

12 Daten werden angereichert um ihren Informationswert zu steigern Wirtschaftsinformationen Geografische Informationen Soziodemografische 3 Imageverlust Informationen Standardisierte und bereinigte Daten Standards Zunehmende zur Klassifizierung Integration von Anwendungen von Waren und und Prozessen Dienstleistungen Vertrauen in BI wird hinfällig, wenn DQ nicht stimmt Branchen-Klassifizierung Rasch ändernde Märkte, Gesetze etc. 23 Fortlaufendes Monitoring der Datenqualität sichert den nachhaltigen Erfolg des Datenqualitätsmanagements Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse TDWI 12

13 Voraussetzung für die Erhaltung der erreichten Datenqualität ist fortlaufendes Monitoring Datenqualitäts-Lifecycle (ohne Monitoring) Datenqualitäts-Lifecycle (mit Monitoring) Qualität Datenänderungen Qualität Datenänderungen Qualitätsänderungen Qualitätsänderungen Zeit Regelaktualisierung Monitoring Zeit Das Monitoring im Betrieb muss automatisiert erfolgen. 25 DQ-Kennzahlen aus dem Monitoring werden den DQ-Kriterien zugeordnet Darstellungsformen der Ergebnisse aus dem Monitoring Ampeldarstellung Zeitreihenbetrachtung SOLL IST AMPEL Kriterium Zeitnähe Prozent 100 Soll Korrektheit 95% 96% 80 Ist Vollständigkeit 90% 88% Zuverlässigkeit 95% 75% 20 0 Jan Feb Mär Apr Mai Jun Jul Aug Sep Okt Nov Dez Zeit DQ-Kennzahlen/-Kriterien werden in Bezug auf Schwellwerte betrachtet analog zu Dashboards im Umfeld von Business Intelligence. Die zeitliche Entwicklung von DQ-Kennzahlen/- Kriterien wird betrachtet, häufig mit Angabe einer Ziellinie oder eines Toleranzbereichs TDWI 13

14 Bausteine eines erfolgreichen Datenqualitätsmanagements Metadaten Management Manuelle Datenerfassung Datenintegration Informationsbereitstellung Anwendung Datenschnittstelle DQ-Monitoring Anreicherung Datenhaltung Warehouse 27 Produktauswahl Kategorie Anbieter Datenbereinigung Datenvalidierung Name & Adresse Dubletten DQ- Monitoring Oracle (OEM Trillium) IBM Informatica SAP Flux Human Inference Trillium Uniserv Innovative Systems Pitney Bowes (Group 1) TDWI 14

15 Fazit Die Hoffnung vieler Unternehmen auf Lösung dieses Problems durch die bloße Einführung neuer Systeme oder standhaftem Ignorieren der Problematik schwindet und macht endlich Platz für wirksame Maßnahmen. Der Schlüssel zum Erfolg ist ein proaktives Datenqualitätsmanagement. Insbesondere das erkennt viele Schwachstellen in den Quelldaten und sollte zu Beginn eines Projektes eingesetzt werden. Durch, und Anreicherung der Daten kann deren Wert für ein Unternehmen sehr stark erhöht werden. Das Quality Monitoring bietet im produktiven Betrieb die Sicherheit, dass Veränderungen und neue Qualitätsprobleme in den Daten rechtzeitig erkannt werden. Es gibt keine Ausreden mehr für schlechte Daten fangen Sie an! 29 Die Expertise zum Datenqualitätsmanagement in BI-Projekten wurde in einem Fachbuch gebündelt Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi Datenqualität erfolgreich steuern Buchteil: Theorie Technische Umsetzung Projektpraxis Inhalte: Datenqualität Ursachen und Ausprägungen schlechter Datenqualität Auswirkungen schlechter Datenqualität Organisation Referenzarchitektur für Business-Intelligence- Anwendungen Kennzahlen zur Messung der Datenqualität Verbesserung der Datenqualität im Quellsystem Erfolgreiche Datenvalidierung und -filterung und Datenanreicherung Verbesserung der Datenqualität in der Bereitstellung und Präsentation Metadaten Management Quality Monitoring Produktauswahl/-integration Datenqualitätsmanagement in einer Studie Datenqualitätsmanagement in der Spezifikation Datenqualitätsmaßnahmen in der Konstruktionsphase Steuerung der Datenqualität in der Realisierung Steuerung der Datenqualität im Betrieb TDWI 15

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI Detlef Apel Wolfgang Behme Rüdiger Eberlein Christian Merighi Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte 3., überarbeitete und erweiterte Auflage Edition TDWI rä

Mehr

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Edition TDWI Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte von Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi 3., überarbeitete und erweiterte Auflage

Mehr

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM Datenreorganisation > Effiziente und performante Stammdatenreorganisation mit SAP Data Services < Simon Hartstein / T-Systems Data Migration Consulting AG / Harmonization & Consolidation Mai 21, 2014 Agenda

Mehr

M1A. Datenqualitätsmanagement im Kontext von BI-Vorhaben Erfahrungen mit der Umsetzung von DQ-Maßnahmen in BI-Projekten. Detlef Apel Rüdiger Eberlein

M1A. Datenqualitätsmanagement im Kontext von BI-Vorhaben Erfahrungen mit der Umsetzung von DQ-Maßnahmen in BI-Projekten. Detlef Apel Rüdiger Eberlein M1A 7. Europäische TDWI Konferenz 2. 4. Juni 2008 Forum am Deutschen Museum, München Datenqualitätsmanagement im Kontext von BI-Vorhaben Erfahrungen mit der Umsetzung von DQ-Maßnahmen in BI-Projekten Detlef

Mehr

Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor

Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor Prozessorientiertes Management Cockpit und Frühwarnsystem mit dem Income Monitor Gaston Russi, Business Development, Get Process AG e-business-akademie Lörrach Unternehmenssteuerung und Controlling im

Mehr

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009 Datenqualität: allgemeiner Überblick Waldemar Braun Seminar Datenqualität OvGU Magdeburg Gliederung 1. Einleitung 2. Motivation 3. Definition 4. DQ-Probleme 5. DQ-Dimensionen 6. DQ-Modelle 7. Messen der

Mehr

Information Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends. Dr. Wolfgang Martin Analyst

Information Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends. Dr. Wolfgang Martin Analyst Information Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends Dr. Wolfgang Martin Analyst Governance Begriffsbestimmung Governance bezeichnet die verantwortungsvolle, nachhaltige und

Mehr

Prozessorientierte Applikationsund Datenintegration mit SOA

Prozessorientierte Applikationsund Datenintegration mit SOA Prozessorientierte Applikationsund Datenintegration mit SOA Forum Business Integration 2008, Wiesbaden Dr. Wolfgang Martin unabhängiger Analyst und ibond Partner Business Integration 1998 2008 Agenda Business

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

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

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

Mehr

Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse

Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse DGIQ-Roadshow, 1.-3. März 2011 Jan Hüfner, Geschäftsführer TIQ Solutions GmbH 2011 TIQ Solutions GmbH All Rights

Mehr

Neues aus dem TDWI Germany e.v.

Neues aus dem TDWI Germany e.v. Neues aus dem TDWI Germany e.v. Prof. Dr. Peter Chamoni Vorsitzender des Vorstands TDWI Germany e.v. TDWI-D-A-CH: die neutrale BI- Forscher neutral Berater non-profit unabhängig Anwender Hersteller Einzel-

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT Enterprise Architecture Management für Krankenhäuser Transparenz über die Abhängigkeiten von Business und IT HERAUSFORDERUNG Gestiegener Wettbewerbsdruck, höhere Differenzierung im Markt, die konsequente

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad Datenqualität mit dem DataFlux dfpower Studio 8.1 Tobias Jansen Zaferna-Hütte, 4. Januar 2009 Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter Nasa Marssonde Mars Climate Orbiter

Mehr

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart

Self-Service Business Intelligence. Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Self-Service Business Intelligence Barthel, Björn, Key Account Manager Enterprise Information Management, Stuttgart Agenda Einleitung Self-Service Business Intelligence Definition(en) und Grundlage(n)

Mehr

Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege

Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege Jena, 07.07.2015 Markus Enderlein, Infomotion GmbH Michael Leifeld, Informatica Informatik-Kolloquium

Mehr

Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze

Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze INAUGURALDISSERTATION zur Erlangung des akademischen Grades eines Doktors der Wirtschaftswissenschaften an der Wirtschaftswissenschaftlichen

Mehr

Apps. Connecting the Enterprise

Apps. Connecting the Enterprise Connect Talents Oracle Fusion HCM und Oracle Network@Work vernetzt das Unternehmen Facebook und Twitter wird für die Gewinnung neuer Mitarbeiter ein immer zentraleres Medium. Doch während die Außendarstellung

Mehr

Intelligente Prozesse für das Kundenbeziehungsmanagement. Rainer Wendt, in der IHK Aachen, 23.02.2011

Intelligente Prozesse für das Kundenbeziehungsmanagement. Rainer Wendt, in der IHK Aachen, 23.02.2011 CRM Process Performance Intelligence Intelligente Prozesse für das Kundenbeziehungsmanagement Rainer Wendt, in der IHK Aachen, 23.02.2011 masventa Business GmbH Von-Blanckart-Str. 9 52477 Alsdorf Tel.

Mehr

System Landscape Optimization. Karl Nagel, Patrick Müller

System Landscape Optimization. Karl Nagel, Patrick Müller System Landscape Optimization Karl Nagel, by CaRD / CaRD PLM 2008 Schritte > Voraussetzung: Prozessharmonisierung und Systemintegration > 1. Erstellung eines neuen Meta-Datenmodells/Vereinbarung der gültigen

Mehr

Liegenschaften effizient verwalten und betreuen mit SAP

Liegenschaften effizient verwalten und betreuen mit SAP Liegenschaften effizient verwalten und betreuen mit SAP Archive an verschiedenen Orten, Excel-Listen mit unterschiedlich gepflegten Datenständen, hoher manueller Aufwand für das Berichtswesen so oder ähnlich

Mehr

xiii Inhaltsverzeichnis 1 Einführung 1

xiii Inhaltsverzeichnis 1 Einführung 1 xiii 1 Einführung 1 1.1 Gründe für eine BI-Strategie und ein BICC..................... 1 1.1.1 Systemvielfalt und Konsolidierungsbedarf.............. 2 1.1.2 Taktisches Vorgehen..............................

Mehr

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

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

Mehr

Dauer Richtung Bemerkung ca. 0:03 Adlershof, Karl-Ziegler-Str. barrierefrei Fahrradmitnahme möglich

Dauer Richtung Bemerkung ca. 0:03 Adlershof, Karl-Ziegler-Str. barrierefrei Fahrradmitnahme möglich t 61 ca. 0:03 Adlershof, Karl-Ziegler-Str. barrierefrei Fahrradmitnahme möglich v Montag - Freitag Samstag Sonntag* 05 30 50 06 10 30 51 07 11 31 51 08 11 31 51 49 49 09 11 31 51 09 29 50 09 29 49 10 11

Mehr

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Detlef Apel Wolfgang Behme Rüdiger Eberlein Christian Merighi Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte 3., überarbeitete und erweiterte Auflage Edition TDWI Detlef

Mehr

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB Agenda Einführung MS SQL Server Integration Services () Oracle Data Warehouse Builder () Quellen 10.12.2009 Martin Tobies - DQ Tools 2 Agenda Einführung MS SQL Server Integration Services () Oracle Data

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

Mehr

IT-Projekte effektiv steuern durch Integration von Modellierung und ALM bzw. Änderungsmanagement

IT-Projekte effektiv steuern durch Integration von Modellierung und ALM bzw. Änderungsmanagement IT-Projekte effektiv steuern durch Integration von Modellierung und ALM bzw. Änderungsmanagement Basierend auf einem zentralen SOA-Projekt wird die Integration von Änderungsmanagement aus dem ApplicationLifeCycle

Mehr

Raus aus der Bl-Falle

Raus aus der Bl-Falle Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur

Mehr

ER-Modell. Entity-Relationship-Model

ER-Modell. Entity-Relationship-Model + ER-Modell Entity-Relationship-Model + Was ist ein Modell? Worte/Zitat aus einem Physikbuch: "Modelle sind also Vorstellungshilfen und Wirklichkeitshilfen, nicht die Wirklichkeit selbst." (Metzler Physik).

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

DSC-Stammdatenmanagement

DSC-Stammdatenmanagement unternehmensberatung und software gmbh Ihre Daten im Fokus DSC-Stammdatenmanagement Effiziente und wirtschaftliche Prozesse durch qualitativ hochwertige und eindeutige Stammdaten Analyse Zusammenführung

Mehr

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management)

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management) EXZELLENTES MASTERDATENMANAGEMENT Creactives-TAM (Technical Attribute Management) Datenqualität durch Stammdatenmanagement Stammdaten sind eine wichtige Grundlage für Unternehmen. Oft können diese, gerade

Mehr

Die Bestellungen eines Schreibwarengeschäftes sollen auf eine aktuelle Form mit Hilfe einer zeitgemäßen Datenbank umgestellt werden.

Die Bestellungen eines Schreibwarengeschäftes sollen auf eine aktuelle Form mit Hilfe einer zeitgemäßen Datenbank umgestellt werden. Die Bestellungen eines Schreibwarengeschäftes sollen auf eine aktuelle Form mit Hilfe einer zeitgemäßen Datenbank umgestellt werden. Die nachfolgende Tabellenform, eine sogenannte Nullform muss in eine

Mehr

Inhalt. I. Theorie. Seite Vorwort...9 Abkürzungen...11 Einleitung...13

Inhalt. I. Theorie. Seite Vorwort...9 Abkürzungen...11 Einleitung...13 005 Inhalt I. Theorie Seite Vorwort...9 Abkürzungen...11 Einleitung...13 I.1 Datenqualität...18 I.1.1 Daten...18 I.1.2 Qualität...19 I.1.3 Datenqualität...21 I.1.4 Datenqualitätsmanagement...25 I.1.5 Zusammenfassung...30

Mehr

Governance, Risk & Compliance für den Mittelstand

Governance, Risk & Compliance für den Mittelstand Governance, Risk & Compliance für den Mittelstand Die Bedeutung von Steuerungs- und Kontrollsystemen nimmt auch für Unternehmen aus dem Mittelstand ständig zu. Der Aufwand für eine effiziente und effektive

Mehr

Ergebnisse der BARC-Studie Datenintegration

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

Mehr

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung

Mehr

Zeitgemäße Verfahren für ganzheitliche Auswertungen

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

Mehr

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

Business Intelligence Governance

Business Intelligence Governance Business Intelligence Governance von der Vision zur Realität im Unternehmensalltag Webinar September 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das intelligente Unternehmen

Mehr

hybris Marketing mit SAP HANA Projekterfahrungen

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

Mehr

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com

mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com mayato Unternehmenspräsentation mayato GmbH Am Borsigturm 9 13507 Berlin Germany www.mayato.com Wer sind wir? Wir sind ein unabhängiges Beratungs- und Analystenhaus für Business Intelligence Beratungs-

Mehr

Interview zum Thema Management Reporting &Business Intelligence

Interview zum Thema Management Reporting &Business Intelligence Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit

Mehr

Software-Engineering Einführung

Software-Engineering Einführung Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab

Mehr

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

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

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte von Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi 1. Auflage Hanser München 2009 Verlag C.H. Beck

Mehr

DATENQUALITÄT ERFOLGREICH STEUERN. detlef APEL wolfgang BEHME rüdiger EBERLEIN christian MERIGHI

DATENQUALITÄT ERFOLGREICH STEUERN. detlef APEL wolfgang BEHME rüdiger EBERLEIN christian MERIGHI DATENQUALITÄT ERFOLGREICH STEUERN detlef APEL wolfgang BEHME rüdiger EBERLEIN christian MERIGHI DATENQUALITÄT ERFOLGREICH STEUERN PRAXISLÖSUNGEN FÜR BUSINESS-INTELLIGENCE- PROJEKTE detlef APEL wolfgang

Mehr

ALLES ÜBER IHRE KUNDEN

ALLES ÜBER IHRE KUNDEN ALLES ÜBER IHRE KUNDEN Data Quality: Die besten und aktuellsten Daten für Ihren Unternehmenserfolg Ansprechpartner bedirect GmbH & Co. KG Ariane Eggers Telefon +49 5241 80-45614 ariane.eggers@bedirect.de

Mehr

Forschen mit der HS-Ansbach!

Forschen mit der HS-Ansbach! Forschen mit der HS-Ansbach! Vorstellung des Forschungsschwerpunktes Strategic Business Intelligence an der Hochschule Ansbach www.strategicbusinessintelligence.de Folie 1 1 Agenda 1. Zielsetzung des Forschungsschwerpunkts

Mehr

Steuerung und Berichtswesen für die öffentliche Verwaltung mit BI. Analyse- und Steuerungssystem

Steuerung und Berichtswesen für die öffentliche Verwaltung mit BI. Analyse- und Steuerungssystem Ihre Praxis. Unsere Kompetenz. Sichere Zukunft. Steuerung und Berichtswesen für die öffentliche Verwaltung mit BI Analyse- und Steuerungssystem Jürgen Scherer Part of Auszug Beauftragungen Analyse- und

Mehr

Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1

Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Sven Bosinger solution architect BI Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze

Mehr

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende

Mehr

BETTER.SECURITY AWARENESS FÜR INFORMATIONSSICHERHEIT

BETTER.SECURITY AWARENESS FÜR INFORMATIONSSICHERHEIT FÜR INFORMATIONSSICHERHEIT FÜR INFORMATIONSSICHERHEIT Informationssicherheit bedingt höhere Anforderungen und mehr Verantwortung für Mitarbeiter und Management in Unternehmen und Organisationen. Awareness-Trainings

Mehr

Data Governance als Teil von IT Governance. Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007

Data Governance als Teil von IT Governance. Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007 1 Data Governance als Teil von IT Governance Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007 2 Agenda Informatica - Allgemeiner Überblick Die Informatica Data Quality Lösungen im Überblick

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

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie

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

ISIS. Das Navigationssystem für angemessene Qualität und hohe Effizienz

ISIS. Das Navigationssystem für angemessene Qualität und hohe Effizienz ISIS Das Navigationssystem für angemessene Qualität und hohe Effizienz Inhalt Softwarequalität und Prozessqualität ISIS: das Ziel Messen der Prozessqualität Der Werkzeugzoo Die Wirkung Maßnahmen zur Prozessoptimierung

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende

Mehr

C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl

C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl

Mehr

Modellbasiertes Anforderungsmanagement für Change Requests Ein Praxisbericht. München, 11.03.2014

Modellbasiertes Anforderungsmanagement für Change Requests Ein Praxisbericht. München, 11.03.2014 Modellbasiertes Anforderungsmanagement für Change Requests Ein Praxisbericht München, 11.03.2014 Vorstellung Ihr Referent Ralf Nagel Senior Consultant für modellbasierte Anforderungsanalyse MID GmbH Kressengartenstraße

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

TPAV. Dubletten- und Adressprüfung direkt im SAP CRM

TPAV. Dubletten- und Adressprüfung direkt im SAP CRM TPAV Dubletten- und Adressprüfung direkt im SAP CRM 2 Ihr Kapital im SAP CRM: die Geschäftspartnerdaten. Trusted Partner Address Validation (TPAV) Das von der C4RM entwickelte TPAV AddOn sucht Geschäftspartner-Dubletten

Mehr

Programmstelle Bildungsprämie

Programmstelle Bildungsprämie Leitung Programmstelle Bildungsprämie Bundesinstitut für Berufsbildung Monitoring und Evaluation Onlinetools für Beratungsstellen, Anbieter und BVA Monitoringdaten der Hotline Internetstatistik Onlinebefragungen

Mehr

1 Ihre BI-Galaxie von BITMARCK!

1 Ihre BI-Galaxie von BITMARCK! 1 Ihre BI-Galaxie von BITMARCK! Die Summe aller Sterne ist die Galaxie Ihre BI-Galaxie von BITMARCK! Michael Heutmann, Peter Hernold, Markus Jankowski Neuss, 4. November 2013 Sie haben uns mit auf den

Mehr

Ontologiebasiertes Kennzahlenmanagement

Ontologiebasiertes Kennzahlenmanagement Ontologiebasiertes Kennzahlenmanagement Dan Garconita Competence Center Information Management Bundesrechenzentrum GmbH www.brz.gv.at Der IT-Dienstleister des Bundes Kennzahlensysteme No doubt companies

Mehr

Werkstattbericht: Doktorandenerfassung und -berichtswesen an der Universität Konstanz

Werkstattbericht: Doktorandenerfassung und -berichtswesen an der Universität Konstanz Werkstattbericht: Doktorandenerfassung und -berichtswesen an der Sebastian Vogt Mannheim, 26. März 2015 Struktur des Vortrags Erfassungsmanagement Registrierungsverfahren für DoktorandInnen und Verwaltungsworkflow

Mehr

Brennpunkt Datenqualität

Brennpunkt Datenqualität Business t Brennpunkt Datenqualität Konzeption eines Datenqualitätsmanagements für ETL-Prozesse Seit Jahren genießt das Thema Datenqualität in IT-Abteilungen sowie auf Managementebene steigende Aufmerksamkeit.

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

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is. ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der

Mehr

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

Mehr

BI - Der strategische Erfolgsfaktor im Unternehmen

BI - Der strategische Erfolgsfaktor im Unternehmen BI - Der strategische Erfolgsfaktor im Unternehmen Kunde: Universität Oldenburg, Department für Informatik Ort: Oldenburg, 26.09.2008 Referent: Dirk Vahlkamp Gedruckt: 28.09.2008, [Version 0.1] 2007-2008

Mehr

Pricing-Intelligence-Studie 2012

Pricing-Intelligence-Studie 2012 Christian Schieder, Kerstin Lorenz Technische Universität Chemnitz Professur Wirtschaftsinformatik II insb. Anwendungssysteme und Systementwicklung Pricing-Intelligence-Studie 2012 Vorwort Technische Universität

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

Effizienzsteigerung durch Datentransparenz und Digitalisierung im Corporate Real Estate Management

Effizienzsteigerung durch Datentransparenz und Digitalisierung im Corporate Real Estate Management Siemens Division Building Technologies Effizienzsteigerung durch Datentransparenz und Digitalisierung im Corporate Real Estate Management buildingtechnologies.siemens.com Zahlreiche Einflussfaktoren stellen

Mehr

Neue Funktionen im. CRM Stammtisch 15. Juli 2008

Neue Funktionen im. CRM Stammtisch 15. Juli 2008 Neue Funktionen im CRM Stammtisch 15. Juli 2008 Neue Funktionen im ITML>CRM Agenda Die Highlights zu Release 5.10 Zusätzliche Funktionen zu Release 5.10 Ausblick Release BOSTON Quo vadis ITML > CRM 23.07.2008/

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

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand

Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand Business Intelligence Entscheidungsinformationen für eine erfolgreiche Unternehmensentwicklung im Mittelstand 2. Fachtagung Dynamisierung des Mittelstandes durch IT, 09.09.2008 Was ist Business Intelligence

Mehr

6. Oracle DWH Community Mainz 2011. Koexistenz SAP BW und mit unternehmensweitem zentralen DWH

6. Oracle DWH Community Mainz 2011. Koexistenz SAP BW und mit unternehmensweitem zentralen DWH 6. Oracle DWH Community Mainz 2011 Koexistenz SAP BW und mit unternehmensweitem zentralen DWH 2 6. Oracle DWH Community Mainz 2011 Agenda Vorstellung Globus Historische Entwicklung des DWH-Systems Globus

Mehr

Traffic IQ: Pilotprojekt zur Informationsqualität im Verkehrswesen Überblick und ausgewählte Ergebnisse

Traffic IQ: Pilotprojekt zur Informationsqualität im Verkehrswesen Überblick und ausgewählte Ergebnisse Traffic IQ: Pilotprojekt zur Informationsqualität im Verkehrswesen Überblick und ausgewählte Ergebnisse Stefan von der Ruhren, momatec GmbH Ina Partzsch, Fraunhofer IVI Gliederung Gliederung 1. Überblick

Mehr

Externer Meilenstein. Manueller Sammelrollup Unterbrechung. Inaktiver Vorgang. Inaktiver Meilenstein Inaktiver Sammelvorgang

Externer Meilenstein. Manueller Sammelrollup Unterbrechung. Inaktiver Vorgang. Inaktiver Meilenstein Inaktiver Sammelvorgang Nr. Vorgasname Dauer Anfang Fertig stellen VorgWer 1 Kick Off 0 Tage Di 05.02.13 Di 05.02.13 Alle 2 Grobkonzept erstellen 20 Tage Di 05.02.13 Mo 04.03.131 CN 3 Vorauswahl Shopsysteme 21 Tage Di 05.02.13

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA Agenda VORSTELLUNG B.TELLIGENT WIE ENTSTEHT EINE KENNZAHL? WAS SIND METADATEN? AUFBAU UND FUNKTIONSWEISE DES BI WIKI LIVE DEMO ZUSAMMENFASSUNG

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

your IT in line with your Business Geschäftsprozessmanagement (GPM)

your IT in line with your Business Geschäftsprozessmanagement (GPM) your IT in line with your Business Geschäftsprozessmanagement (GPM) Transparenz schaffen und Unternehmensziele effizient erreichen Transparente Prozesse für mehr Entscheidungssicherheit Konsequente Ausrichtung

Mehr

Gut gelöst. Gut qualifiziert. Gut aufgehoben. Kristall. Klarer sehen, besser steuern

Gut gelöst. Gut qualifiziert. Gut aufgehoben. Kristall. Klarer sehen, besser steuern Gut gelöst. Gut beraten. Gut qualifiziert. Gut aufgehoben. Kristall Klarer sehen, besser steuern Referenten Ronny Zey Leitung Fachvertrieb Raimund Nitschke Regionalvertriebsleitung PROSOZ Herten 2 von

Mehr

SOA Check 2009 Ergebnisse einer empirischen Studie

SOA Check 2009 Ergebnisse einer empirischen Studie SOA Check 2009 Ergebnisse einer empirischen Studie Dr. Wolfgang Martin Analyst Dipl.-Wirtsch.-Ing. Julian Eckert Stellv. Leiter Forschungsgruppe IT-Architekturen, FG Multimedia Kommunikation, Technische

Mehr

CENIT EIM Innovations-Tag, 09. Juni 2015 Empower Your Digital Business! Migrationslösungen der CENIT AG

CENIT EIM Innovations-Tag, 09. Juni 2015 Empower Your Digital Business! Migrationslösungen der CENIT AG CENIT EIM Innovations-Tag, 09. Juni 2015 Empower Your Digital Business! Migrationslösungen der CENIT AG Goran Jovanovic, Consultant ECM, Stuttgart, 9. Juni 2015 Agenda Auslöser und Motivation Herausforderungen

Mehr

Automotive. Competence Center Automotive. IT-Know-how. IT-Dienstleistungen. IT-Personal. www.ipsways.com

Automotive. Competence Center Automotive. IT-Know-how. IT-Dienstleistungen. IT-Personal. www.ipsways.com Automotive Competence Center Automotive. IT-Know-how. IT-Dienstleistungen. IT-Personal. www.ipsways.com Fakten zur IPSWAYS Gruppe > Gründung 1988 als Softwarehaus > Hauptsitz in Mainz > Niederlassungen

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

Klassifikation von Integrationskonflikten

Klassifikation von Integrationskonflikten Klassifikation von Integrationskonflikten Christiane Telöken 1 Inhaltsverzeichnis 1. Was bedeutet Integration? 2. Strukturelle Heterogenitätskonflikte 2.1 Konflikte bei bilateralen Korrespondenzen 2.2

Mehr