Wege aus dem Datenlabyrinth

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

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

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

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

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

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

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

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

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

Chronologie Jan 02: Otto-Katalog Okt 04: Fingerabdrücke USA Dez 04: EU-Parlament und -Rat Jun 05: epass-kabinettsbeschluß Jul 05: Bundesratsbeschluß Aug 05: BioP2-Studie Nov 05: Einführung epass Forschungsprojekt

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RACE Reporting and Analysis of Communication Efficiency

RACE Reporting and Analysis of Communication Efficiency RACE Reporting and Analysis of Communication Efficiency Niedersächsischen PR Forum Lingen (Ems) / Fachhochschule Osnabrück 17. März 26 Frank Herkenhoff,, M.A. PLEON Kohtes Klewes München Sonnenstrasse

Mehr

Wärmepumpe Stromverbrauch Wärmepumpe. Jahresüberblick Kosten pro Monat [ ] Monatsdurchschnittstemperatur [ C]

Wärmepumpe Stromverbrauch Wärmepumpe. Jahresüberblick Kosten pro Monat [ ] Monatsdurchschnittstemperatur [ C] Wärmepumpe 27 Jahresüberblick 27 25 3, 2 15 157 138 133 149 191 25, 2, 15, 1 92 9 1, 5 58 39 31 34 3 24 5,, Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez Ø -5, Kosten pro Monat [ ] Monatsdurchschnittstemperatur

Mehr

Januar 2016. Deadline und Abrechnungsdetails. Zeichnungen. Rücknahmen. Deadline CET. Deadline CET. Valuta Titellieferung. Valuta Geldüberweisung

Januar 2016. Deadline und Abrechnungsdetails. Zeichnungen. Rücknahmen. Deadline CET. Deadline CET. Valuta Titellieferung. Valuta Geldüberweisung und sdetails Januar 2016 CH0017403509 1'740'350 Reichmuth Himalaja CHF 25. Jan 16 12.00 25. Jan 16 1) 29. Jan 16 17. Feb 16 1. Feb 16 3) CH0017403574 1'740'357 Reichmuth Himalaja EUR 25. Jan 16 12.00 25.

Mehr

Monat Datum Veranstaltung Veranstalter Mietkosten Bestätigung Vertrag Bezahlt

Monat Datum Veranstaltung Veranstalter Mietkosten Bestätigung Vertrag Bezahlt Monat Datum Veranstaltung Veranstalter Mietkosten Bestätigung Vertrag Bezahlt Januar Mi, 01.Jan.14 Do, 02.Jan.14 Fr, 03.Jan.14 Sa, 04.Jan.14 So, 05.Jan.14 Mo, 06.Jan.14 Di, 07.Jan.14 Mi, 08.Jan.14 Do,

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

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

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

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

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

Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand

Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand Name: Michael Welle Funktion/Bereich: Manager Business Intelligence Organisation: Windhoff Software Services Liebe Leserinnen

Mehr

Data Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker

Data Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker 1 Data Preprocessing 1 Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing von Christian Merker 2 Gliederung Motivation Monitore Datenextraktion Schema- und Datenintegration Datenbereinigung

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

>> PERFORMANCE MANAGEMENT & CONTROLLING

>> PERFORMANCE MANAGEMENT & CONTROLLING A S C E NTION I N F O RMATION M A N A G E M E NT >> PERFORMANCE MANAGEMENT & CONTROLLING 04.10.2010 ascention.com 1 Facts INTERNATIONALE STANDORTE >> Wien (A) >> Friedrichshafen (D) >> St. Gallen (CH)

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

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

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

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

Mehr

Madrid oder Mailand Hauptsache Italien Datenqualität & MDM in DWH Projekten

Madrid oder Mailand Hauptsache Italien Datenqualität & MDM in DWH Projekten Madrid oder Mailand Hauptsache Italien! Datenqualität & MDM in DWH Projekten OPITZ CONSULTING GmbH 2014 Seite 1 Mission Wir entwickeln gemeinsam mit allen Branchen Lösungen, die dazu führen, dass sich

Mehr

Metriken für ein ROI-basiertes Datenqualitätsmanagement

Metriken für ein ROI-basiertes Datenqualitätsmanagement Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Metriken für ein ROI-basiertes Datenqualitätsmanagement Prof. Dr. Bernd Heinrich, Prof. Dr. Mathias Klier Institut für Wirtschaftsinformatik

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

Intelligence (BI): Von der. Nürnberg, 29. November 2011

Intelligence (BI): Von der. Nürnberg, 29. November 2011 Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung

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

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

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

Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld. München, 26. Januar 2010

Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld. München, 26. Januar 2010 Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld München, 26. Januar 2010 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen

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

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

Wir bringen HIDDEN CHAMPIONS

Wir bringen HIDDEN CHAMPIONS Wir bringen HIDDEN CHAMPIONS voran. Datenmigration in proalpha Projekten Qualitativ hochwertige Daten aufbereiten am Beispiel eines ERP- Datenübernahmeprojektes bei der MULAG Fahrzeugwerk (Oppenau) Datenübernahme

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

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

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

Das Listen Abgleich Interface wird einfach über Doppelklick auf die Datei Listen-Abgleich-Interface.accde gestartet.

Das Listen Abgleich Interface wird einfach über Doppelklick auf die Datei Listen-Abgleich-Interface.accde gestartet. Anleitung Listen Abgleich Interface Was macht das Listen Abgleich Interface? Das Listen Abgleich Interface importiert und gleicht Excel Listen, welche beispielsweise aus Web Kontaktformularen, Adresszukäufen

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

Datenintegration mit Informatica PowerCenter

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

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

Kleiner Aufwand große Wirkung: Marketing für Unternehmensgründer

Kleiner Aufwand große Wirkung: Marketing für Unternehmensgründer Kleiner Aufwand große Wirkung: Marketing für Unternehmensgründer Gründer- und Nachfolgetag 2014 Dipl.-Kfm. Andreas Gerdau Kaufmännischer Unternehmensberater der Handwerkskammer zu Köln Industrie- und Handelskammer

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

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

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

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

Parameter. Inhalt. Analyse zur Vertriebssteuerung. National. Regionenvergleich. Einzelauswertungen je Region. aus dem biovista Handels-Panel

Parameter. Inhalt. Analyse zur Vertriebssteuerung. National. Regionenvergleich. Einzelauswertungen je Region. aus dem biovista Handels-Panel Analyse zur Vertriebssteuerung aus dem biovista Handels-Panel für die Marke Muster Parameter Regionsart Marke Artikelgruppe Betrachtungszeitraum Vergleichszeitraum Handelsgruppen Ihre Individuellen Vertriebsregionen

Mehr

Das Daten-Dilemma. Daten auf dem neuesten Stand zu halten ist eine der größten Herausforderungen für alle B2B-Vertriebs- und Marketingteams

Das Daten-Dilemma. Daten auf dem neuesten Stand zu halten ist eine der größten Herausforderungen für alle B2B-Vertriebs- und Marketingteams Das Daten-Dilemma Daten auf dem neuesten Stand zu halten ist eine der größten Herausforderungen für alle B2B-Vertriebs- und Marketingteams Lösung des Daten-Dilemmas Der erste Schritt Mit Datenbanken von

Mehr

DATA QUALITY: ALLES ÜBER IHRE KUNDEN

DATA QUALITY: ALLES ÜBER IHRE KUNDEN DATA QUALITY: ALLES ÜBER IHRE KUNDEN Die besten und aktuellsten Daten für Ihren Unternehmenserfolg Data Quality Services becheck Der Datenbank-Check beprofile Die maßgeschneiderte Businesslösung beserve

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

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

SWISS Verkehrszahlen Juli 2007

SWISS Verkehrszahlen Juli 2007 SWISS Verkehrszahlen Juli 2007 SWISS im Juli mit höherer Auslastung SWISS konnte ihre Auslastung im Juli weiter steigern: Der durchschnittliche Sitzladefaktor (SLF) lag bei 85% gegenüber 84.2% im Vorjahr.

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

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

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

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

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

Hamburgisches Krebsregister - das erste und älteste Krebsregister Deutschlands - 81 Jahre (1926-2007) Eine Institution stellt sich vor

Hamburgisches Krebsregister - das erste und älteste Krebsregister Deutschlands - 81 Jahre (1926-2007) Eine Institution stellt sich vor Hamburgisches Krebsregister - das erste und älteste Krebsregister Deutschlands - 81 Jahre (1926-2007) Eine Institution stellt sich vor 1 Ein paar Basiszahlen In der HKR-Datenbank befinden sich zur Zeit:

Mehr

Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010

Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010 Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Information Governance Information Management

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

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

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

10 Jahre Stammdaten-Management-Forum: Rückblick, Ausblick und Trends

10 Jahre Stammdaten-Management-Forum: Rückblick, Ausblick und Trends 10 Jahre Stammdaten-Management-Forum: Rückblick, Ausblick und Trends Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Köln, Juni 2015 10 Jahre Stammdatenmanagement Forum Stammdaten-Management

Mehr

SolarCheck für Campingplätze

SolarCheck für Campingplätze Allgemeine Angaben Name des Campingplatzes Besitzer: Name, Vorname PLZ, Ort Straße, Hausnummer Telefon Telefax E-Mail Homepage Anzahl Touristikstellplätze Anzahl Dauerstellplätze Anzahl Mietunterkünfte

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

HSE24 Gezielte Kundenansprache mit hybris Marketing. Christian Schnetzer, Teamleiter Kundensysteme

HSE24 Gezielte Kundenansprache mit hybris Marketing. Christian Schnetzer, Teamleiter Kundensysteme HSE24 Gezielte Kundenansprache mit hybris Marketing Christian Schnetzer, Teamleiter Kundensysteme 2015 Homeshopping bei HSE24...ein 360 o Einkaufserlebnis HSE24 ist Vorreiter des modernen Homeshoppings

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Generated by Foxit PDF Creator Foxit Software

Generated by Foxit PDF Creator Foxit Software 3.Jan 2011-10.Jul 2011 Dienstag, 11. Januar 2011 Donnerstag, 13. Januar 2011 Dienstag, 18. Januar 2011 Montag, 7. Februar 2011 Montag, 14. Februar 2011 Samstag, 26. Februar 2011 Donnerstag, 3. März 2011

Mehr

Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK

Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK 06.10.2012 Samstag MD 15.02.2013 Freitag MD Vertiefungstag 20.10.2012 Samstag MD 16.02.2013 Samstag MD Vertiefungstag 03.11.2012 Samstag MD 17.02.2013

Mehr

Master Data Management - Wege aus der Datenkrise

Master Data Management - Wege aus der Datenkrise Master Data Management - Wege aus der Datenkrise Conect 2008-04-03 Dr. Siegmund Priglinger Business Application Research Center (BARC) Steinbachtal 2b D-97082 Würzburg +49-931-8806510 www.barc.de Agenda

Mehr

Neue Produkte 2010. Ploetz + Zeller GmbH Truderinger Straße 13 81677 München Tel: +49 (89) 890 635-0 www.p-und-z.de

Neue Produkte 2010. Ploetz + Zeller GmbH Truderinger Straße 13 81677 München Tel: +49 (89) 890 635-0 www.p-und-z.de Neue Produkte 2010 Ploetz + Zeller GmbH Truderinger Straße 13 81677 München Tel: +49 (89) 890 635-0 Ploetz + Zeller GmbH. Symbio ist eine eingetragene Marke der Ploetz + Zeller GmbH. Alle anderen Marken

Mehr