Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg,

Größe: px
Ab Seite anzeigen:

Download "Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch"

Transkript

1 Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg,

2 In dieser Session wird IDAREF, ein Framework, dass auf logischer Ebene eine analytische Datenplattform der nächsten Generation beschreibt, vorgestellt. Die Vorteile von IDAREF werden erläutert und schliesslich die Brücke zum Thema Big Data Architekturen geschlagen. «AGENDA» Einleitung/Hintergrund Probleme der schwachen Standardisierung Konsequenzen Herausforderungen durch erweiterte Anforderungen Konsequenzen Antwort: IDAREF IDAREF-Würfel Fazit Slide 2 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

3 EINLEITUNG/HINTERGRUND

4 Die Themen BI, DWH, Reporting etc. (Analytics) und Datenintegration gibt es seit Jahrzehnten, jedoch gibt es in der Industrie noch immer wenig einheitliche Standards. EINLEITUNG/HINTERGRUND Seit Jahrzehnten sind BI, DWH, Reporting, Dashboarding, Analytics, Data Mining ein Thema, welches ganze Organisationen beschäftigt. Diverse Persönlichkeiten haben diese Epoche geprägt. Ralph Kimball (dimensional DWH / Stammdatenbus) Bill Inmon (CIF / 3NF Core DWH) Dan Linstedt (Data Vault) Diverse Implementationen / Frameworks von Hardware- und Softwareherstellern sind entstanden. SAP BW Teradata Solution Methodology Wherescape 3D, etc Slide 4 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

5 PROBLEME DER SCHWACHEN STANDARDISIERUNG

6 Da die Industrie wenig standardisiert ist, gibt es in der Praxis immer wieder schwerwiegende Mängel beim Aufbau von analytischen und datenintegrativen Systemen. PROBLEME DER SCHWACHEN STANDARDISIERUNG Keine standardisierte Vorgehens- und Modellierungsmethodik Schwaches Daten-, ETL- und Infrastrukturarchitekturmanagement Organisationen sowohl auf IT- wie auch auf Businessseite sind nicht adäquat/effizient aufgestellt. Anforderungen sind oft unvollständig definiert. Shortcut- bzw. Quick&Dirty-Implementationen Mehrere historisch gewachsene DWH s im gleichen Unternehmen Slide 6 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

7 KONSEQUENZEN DER SCHWACHEN STANDARDISIERUNG

8 Das Resultat ist, dass zu oft über das WIE diskutiert wird und zu wenig über das WAS (Inhalt). Die führt zu überdurchschnittlichen hohem TCO. KONSEQUENZEN DER SCHWACHEN STANDARDISIERUNG Viele Diskussionen um das WIE und zu wenig Zeit für Diskussionen um das WAS (Inhalt). Schwierigkeiten in den Bereichen: Projektlaufzeiten Performance Akzeptanz Erweiterbarkeit / Skalierbarkeit Nachhaltigkeit Wartung und Betrieb Slide 8 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

9 HERAUSFORDERUNGEN DURCH ERWEITERTE ANFORDERUNGEN

10 In den letzten paar Jahren wurden weitere Anforderungen an die analytischen Systeme herangetragen. Speziell die Thematik um Big Data hat verschiedene Systemschocks ausgelöst. HERAUSFORDERUNGEN DURCH ERWEITERTE ANFORDERUNGEN Erweiterte Funktionalitäten eines DWH als Integrationsplattform / Data Hub / Datenqualitätssicherung Neue Anforderungen an das DWH und Trends der letzten Jahre: Big Data / Unstrukturierte Daten Systemschock 1: RDBMS können Big Data nicht speichern Systemschock 2: Fokusverschiebung von Slice-and-Dice-Reporting zu Advanced Analytics Systemschock 3: Nutzen von Big Data steigert sich mit abnehmender Latenzzeit Data Scientists (Datenwissenschaftler) Immer höhere analytische Anforderungen (Tausende statt wenige Szenarienberechnungen pro Tag) Hohe Agilität und rasches Time2Delivery Real-Time Analytics und Data Streaming Analytics Slide 10 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

11 KONSEQUENZEN AUS DEN ERWEITERTEN ANFORDERUNGEN

12 Die erweiterten Trends stellen die bestehenden Architekturen auf massive Bewährungsproben. Man muss sich die Frage stellen, ob die Paradigmen der letzten Dekade noch gültig sind. KONSEQUENZEN AUS DEN ERWEITERTEN ANFORDERUNGEN Trends stellen bestehende BI/DWH Architekturen auf eine massive Bewährungsprobe Slide 12 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

13 ANTWORT: IDAREF

14 Die Antwort auf die schwache Standardisierung und die erweiterten Anforderungen ist das IDAREF (IT-Logix Data & Analytics Reference Architecture Framework). ANTWORT: IDAREF IDAREF ist die Antwort auf die aktuellen Trends. IDAREF ist eine Beschreibung einer SOLL «Data and Analytics (Big Data)» Plattform der nächsten Generation auf logischer Ebene. IDAREF ist herstellerneutral und "tailorbar" auf eine Vielzahl von analytischen und datenintegrativen Use Cases. IDAREF kann für folgende Themen eingesetzt werden: Anforderungsgesteuerte und standardisierte Auswahl des richtigen Architekturszenarios basierend auf vordefinierten Service- und Skillkriterien. Definition einer SOLL-Architektur mit dem Ziel einer Roadmap für den Aufbau einer Big Data Architektur. Unterstützung bei der Plattform- und Produktselektion. Grundlage für eine Standardisierungsinitiative mit dem Ziel agiler zu werden. Benchmark für Audit / Review bestehender Architekturen. Basis für ein Servicelevel Management im Bereich von analytischen und datenintegrativen Lösungen. Vorlage für ein Ausbildungsframework Slide 14 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

15 Niveau der Integration & Wiederverwendbarkeit der Businesslogik Niveau der Datenqualität, Vertrauen und Governance Niveau der Datenmodellierungs- und integrationsaufwände Echtzeit-Min. Data Management / Integration (z.b. ETL, EAI, Sync, CEP) Min.- Stunden Datenvolumen Stunden- Tage Tage- Monate Das IDAREF beschreibt auf logischer Ebene eine analytische Datenplattform der nächsten Generation. IDAREF: BASISARCHITEKTUR BIGDATA Integration BI & Analytische Tools (z.b. SAP WebI, SAP Lumira, Microsoft SSRS, IBM SPSS, SAS, SQL, R, Python, MapReduce etc.) Governed Data Marts (z.b. OLAP, KPI Marts, GL etc.) Modellierungsmethode: Dimensional Governed Data Repository (+ Transaktionsdaten, comformed facts, datenqualitätsgesichert, etc.) Modellierungsmethode: Dimensional ODS Layer / Corporate IT Memory (zum Teil Datenaggregation durch hadoop) Modellierungsmethode: quellnahe (und historisiert), data vault Quellsysteme (Atomic data) Conformed Masterdatabus (standardisiert, integriert, qualitätsgesichert, etc.) Modellierungsmethode: Dimensional oder 3NF Analytics Business Closed Loop Taktisch Betrieblich Niveau der Datenanalyseskills (z.b. SQL, MapReduce) Niveau der Agilität und der time2delivery Niveau des Entwicklungs- und Wartungsaufwandes Data Scientist Power User Business Analysts Standard Users Strukturiert Semi-Strukturiert Unstrukturiert Service Level Anwendertyp Internal Daten Strategisch Externe Daten Slide 15 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

16 Niveau der Integration & Wiederverwendbarkeit der Businesslogik Niveau der Datenqualität, Vertrauen und Governance Niveau der Datenmodellierungs- und Integrationsaufwände Data Management / Integration SAP Data Services / SAP SLT / SAP Sybase Replication Server / SAP BW ETL / SAP Information Steward Echtzeit-Min. Min.- Stunden Datenvolumen Stunden- Tage Tage- Monate Architekturvariante ausgestaltet mit SAP Standard Hard- und Software. BASISARCHITEKTUR BIGDATA IM FALLE VON SAP Integration Analytische Frontend Tools SAP BI Platform + Frontends (Web Intelligence, Lumira, Analysis, Crystal, Design Studio, Explorer) Governed Data Marts SAP BW powered by SAP HANA Governed Data Repository SAP BW powered by SAP HANA Near-line storage Sybase IQ ODS Layer / Corporate IT Memory SAP HANA Standalone Near-line storage Sybase IQ Quellsysteme Conformed Masterdatabus SAP HANA standalone Modellierung: SAP Sybase Powerdesigner Analytics Business Closed Loop Strategisch Taktisch Betrieblich Niveau der Datenanalyseskills (z.b. SQL, MapReduce) Niveau der Agilität und der time2delivery Niveau des Entwicklungs- und Wartungsaufwandes Strukturiert Semi-Strukturiert Unstrukturiert Service Level Interne Daten Externe Daten Slide 16 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

17 DER IDAREF-WÜRFEL

18 Der IDAREF-Würfel ergibt eine Übersicht aller im Architekturkonzept zu beschreibenden Pakete. IDAREF WÜRFEL Der IDAREF-Würfel besteht aus den 3 Dimensionen: BI-Layer: Source, ODS, Core Data Repository, Data Marts Arbeitsbereich: Datenmodellierung, semantischer Layer, ETL, Frontend Arbeitsebene: Fachlich, Konzeptionell, Logisch, Physisch Data Marts Core Data Repository ODS Jede Kombination dieser 3 Dimensionen ergibt ein zu beschreibendes Dokumentationspaket (z.b. Data Mart / ETL / Logisch) Source Slide 18 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

19 IDAREF ist ein universell einsetzbare Methodik im Bereich BI-Architektur. FAZIT BI-Architektur ist als einer der kritischen Erfolgsfaktoren von BI-Projekte anzusehen und dementsprechend zu behandeln. IDAREF ist als Framework für eine BI-Referenzarchitektur, die auch den Big Data Bereich umfasst, etabliert und ersetzt die fehlenden Standards. Der IDAREF-Würfel gibt einen Gesamtüberblick über alle möglichen Punkte, die architekturrelevant sind und in einem Architekturkonzept zu beschreiben sind Slide 19 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

20 In der Big Data Welt sind wir alle noch Pioniere. Testen Sie, machen Sie PoC's und seriöse Evaluationen und starten Sie mit einfachen Use Cases. EMPFEHLUNGEN IM AUFBAU VON BIG DATA ARCHITEKTUREN Starten Sie mit einfachen Big Data Use Cases (z.b. Sammlung von Daten, Archivierung, Datensicherung etc.). Testen Sie die verschiedene Technologien mittels eines PoC's. Allenfalls unter Verwendung von Cloud Angeboten (z.b. Cloudshare, SAP HANA Cloud, Amazon AWS, Cloudera, Hortonworks etc.). Stellen Sie die nötige Infrastruktur (z.b. Hadoop Cluster) zur Verfügung, um noch nicht bekannte Fragen des WAS agil beantworten zu können. Evaluieren Sie genau, wo die Technologieunterschiede im Detail liegen und welche Vor- und Nachteile daraus entstehen. Verwenden Sie Metadaten gesteuerte Entwicklungsumgebungen, welche den Infrastrukturlayer abstrahieren, da die technische Entwicklung sich so schnell verändert (z.b. unter Verwendung von SAP Data Services oder SAP multi-source Universen) Slide 20 Business Intelligence Architektur im Umfeld von Big Data (IDAREF)

21 Bitte beachten Sie die Thementische während dem Mittagessen! Wir freuen uns auf angeregte Gespräche mit Ihnen Bernd Meister Senior Business Intelligence Consultant Follow

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

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 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

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch

B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch B1 - Big Data Science: Tornado oder laues Lüftchen? Uetliberg, 15.09.2015 www.boak.ch WANN REDEN WIR VON BIG DATA SCIENCE? Big Data ist der technische Teil von Big Data Science. Mehr Daten! Mehr Datenquellen(-änderungen)!

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

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

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

Mehr

ETL in den Zeiten von Big Data

ETL in den Zeiten von Big Data ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse

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

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

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

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

Mehr

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB

Mehr

Hadoop Projekte Besonderheiten & Vorgehensweise. Oracle/metafinanz Roadshow Februar 2014

Hadoop Projekte Besonderheiten & Vorgehensweise. Oracle/metafinanz Roadshow Februar 2014 Hadoop Projekte Besonderheiten & Vorgehensweise Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

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

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

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

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren BI, Big Data, CRM Forum @ CeBIT 2015, Hannover, 19.03.2015 Patrick Keller, Senior Analyst Status Quo Business Intelligence

Mehr

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

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

Mehr

Big Data und Social Media Analyse. Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales

Big Data und Social Media Analyse. Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales Big Data und Social Media Analyse Baden, 11.06.2013 Arne Weitzel, Senior Solution Architect Samuel Rentsch, CEO Julian Götz, Head of Sales Big Data & Social Media Analyse werden in Zukunft zentrale Business

Mehr

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers.

IT-Services. Business und IT. Ein Team. Aus Sicht eines Retailers. Business und IT. Ein Team. Aus Sicht eines Retailers. Hier steht ein Bild randabfallend. Wenn kein Bild vorhanden ist, bitte Folie 2 benutzen. IT-Services Club of Excellence. Das CIO Forum der IBM vom

Mehr

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014 Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig

Mehr

R im Enterprise-Modus

R im Enterprise-Modus R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org

Mehr

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

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

Mehr

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

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

Mehr

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

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Martina Schnelle, PreSales Senior Specialist BI 21. Mai 2015 Public Haftungsausschluss In dieser Präsentation wird nur eine allgemeine

Mehr

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault

Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Herbert Rossgoderer Geschäftsführer Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH ISE

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

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

Mehr

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

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

Mehr

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

Vom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05.

Vom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05. Vom Single Point of Truth zur Single Version of the Facts Data Warehousing zu Beginn des BigData-Zeitalters inspire IT - Frankfurt 11. 12.05.2015 Fahmi Ouled-Ali Kabel Deutschland Marian Strüby OPITZ CONSULTING

Mehr

Digitalisierung wie aus einer Strategie Realität wird.

Digitalisierung wie aus einer Strategie Realität wird. Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,

Mehr

Analytics in der Cloud. Das Beispiel Microsoft Azure

Analytics in der Cloud. Das Beispiel Microsoft Azure Analytics in der Cloud Das Beispiel Microsoft Azure Warum überhaupt Cloud Computing? Ein kleiner Blick in den Markt Microsoft : hat sein Geschäftsmodell komplett umgestellt vom Lizenzgeschäft auf Devices

Mehr

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT DIE DATEN IM ZENTRUM: SAS DATA RAINER STERNECKER SOLUTIONS ARCHITECT SAS INSTITUTE SOFTWARE GMBH Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. NEUE WEGE GEHEN SAS DATA GOVERNANCE & QUALITY

Mehr

Advanced Banking Platform

Advanced Banking Platform Advanced Banking Platform Von der Evaluation zum Cloud Computing Ralph Heck Zenos Forum, 22.09.2011 Hamburg Der Anfang der ABP Ablösung host-basierter Kernbanksysteme als Anforderung" Einbindung SAP Banking

Mehr

zooplus Europas führender Internet-Händler für Heimtierprodukte

zooplus Europas führender Internet-Händler für Heimtierprodukte Fasttrack-BI zooplus Europas führender Internet-Händler für Heimtierprodukte 2 Marken mehr als 3 Mio aktive Kunden mehr als 60 Desktop, Mobile und Tablet Shops 28 Länder 6 Fulfillment Center mehr als 8000

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

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

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

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

Living Lab Big Data Konzeption einer Experimentierplattform

Living Lab Big Data Konzeption einer Experimentierplattform Living Lab Big Data Konzeption einer Experimentierplattform Dr. Michael May Berlin, 10.12.2012 Fraunhofer-Institut für Intelligente Analyseund Informationssysteme IAIS www.iais.fraunhofer.de Agenda n Ziele

Mehr

SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck

SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck SAP BusinessObjects Business Intelligence Welches Analysewerkzeug für welchen Zweck Horst Meiser, PreSales Principal BI SAP-Forum für die Versorgungswirtschaft, 4. 5. November 2014, Essen Public Agenda

Mehr

Design Studio & Analysis Agenda

Design Studio & Analysis Agenda Agenda Übersicht der SAP BI Tools Übersicht der Analysis-Werkzeuge Installationsszenarien für Design Studio Live-Demo Roadmap und Neuerungen im Design Studio 1.3 Fragen und Antworten Folie 2 Agenda Übersicht

Mehr

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis Business Apéro Exasol / SHS VIVEON, Zürich Zürich, 15. November 2011 Dr. Jörg Westermayer

Mehr

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP

Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP AGENDA HADOOP 9:00 09:15 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT und Fachbereiche Big

Mehr

DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA

DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA EINLEITUNG Quellen Datenquadrant von R.D. Damhof Mai 2014 DWH Automation Whitepaper Building A Data-Centric

Mehr

Modellgetriebene agile BI-Vorgehensweise

Modellgetriebene agile BI-Vorgehensweise Modellgetriebene agile BI-Vorgehensweise Thomas Neuböck Konrad Linner 12.11.2013 Inhalt Anforderungen und Lösungsansatz Agile Vorgehensweise Orientierung nach Fachthemen Architekturrahmen Modellorientierung

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

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

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Data Vault. Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode. Dr. Bodo Hüsemann Informationsfabrik GmbH

Data Vault. Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode. Dr. Bodo Hüsemann Informationsfabrik GmbH Data Vault Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode Dr. Bodo Hüsemann Informationsfabrik GmbH Konzeption und Architektur Implementierung [ETL, Reporting, OLAP, Planung]

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Modellierung und Implementierung einer End-to-End BI Lösung

Modellierung und Implementierung einer End-to-End BI Lösung IBM Software Group Modellierung und Implementierung einer End-to-End BI Lösung DB2 Information Management Software Martin Clement, mclement@de.ibm.com Otto Görlich, ogoerlich@de.ibm.com Stefan Sander,

Mehr

Menschen entscheiden über Geschäftserfolg

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

Mehr

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

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

Mehr

Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg, 16.09.2014 www.boak.ch

Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg, 16.09.2014 www.boak.ch Predictive Analysis und Data Mining die Kristallkugel und Ihr Business Value [Session C2] Uetliberg, 16.09.2014 www.boak.ch it Diese Session gibt einen Überblick über Predictive und Data Mining, die Value-Proposition

Mehr

WEBINAR@LUNCHTIME THEMA: SAS TOOLS FÜR DIE DATENVERARBEITUNG IN HADOOP ODER WIE REITET MAN ELEFANTEN?" HANS-JOACHIM EDERT

WEBINAR@LUNCHTIME THEMA: SAS TOOLS FÜR DIE DATENVERARBEITUNG IN HADOOP ODER WIE REITET MAN ELEFANTEN? HANS-JOACHIM EDERT WEBINAR@LUNCHTIME THEMA: SAS TOOLS FÜR DIE DATENVERARBEITUNG IN HADOOP ODER WIE REITET MAN ELEFANTEN?" Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. HANS-JOACHIM EDERT EBINAR@LUNCHTIME

Mehr

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

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

Mehr

SAP HANA -Umgebungen. Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013

SAP HANA -Umgebungen. Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013 Information Lifecycle Management in SAP HANA -Umgebungen Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013 Agenda Einführung Business Case Information Lifecycle Management (ILM) ILM und Migration nach

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

Best Practice für die Erstellung von Dashboards mit Web Intelligence A1. Uetliberg, 15.09.2015 www.boak.ch

Best Practice für die Erstellung von Dashboards mit Web Intelligence A1. Uetliberg, 15.09.2015 www.boak.ch Best Practice für die Erstellung von Dashboards mit Web Intelligence A1 Uetliberg, 15.09.2015 www.boak.ch AGENDA Einblick in IBCS (International Business Communication Standards) Erfassen der echten Anforderungen

Mehr

FREUDENBERG IT. Mobile Business Intelligence

FREUDENBERG IT. Mobile Business Intelligence FREUDENBERG IT Mobile Business Intelligence Mobile Business Intelligence AGENDA Herausforderung mobiler Lösungen Vorstellung der Produkte Freudenberg ITs Lösungen Warum SAP? Herausforderung mobiler Lösungen

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

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

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

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben! Take aways Mit Power BI wird Excel zum zentralen Tool für Self- Service BI End-End Self-Service Lösungsszenarien werden erstmals möglich Der Information Worker erhält ein flexibles Toolset aus bekannten

Mehr

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions Vom OLAP-Tool zur einheitlichen BPM Lösung BI orientiert sich am Business

Mehr

Operational Intelligence

Operational Intelligence Operational Intelligence Eric Müller Wenn Sie diesen Text lesen können, müssen Sie die Folie im Post-Menü mit der Funktion «Folie einfügen» erneut einfügen. Sonst kann kein Bild hinter die Fläche gelegt

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public SAP Finanz- und Risikolösungen Volker Mohr, SAP SE 20. Mai 2015 Public Agenda Überblick Integrierte Finanz- und Risikoarchitektur Relevanz eines integrierten Ansatzes Innovationen und Roadmap Zusammenfassung

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

Markttrends im Data Warehousing Bereich. Aktuelle Tendenzen und Technologien. CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC

Markttrends im Data Warehousing Bereich. Aktuelle Tendenzen und Technologien. CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC Markttrends im Data Warehousing Bereich Aktuelle Tendenzen und Technologien CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC Was sind die Hauptprobleme in BI-Projekten? Top 5 Probleme beim Einsatz

Mehr

Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014

Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014 Predictive Analysis für eine intelligente Produktionsplanung Dr. Andreas Cardeneo, SAP Data Science 20. Mai 2014 Agenda Vorstellung Kundenbeispiel Absatzprognose SAP Predictive Analysis Anwendung SAP Predictive

Mehr

Sybase IQ im SAP-Portfolio. Frank Irnich Business Development Manager Sybase, An SAP Company

Sybase IQ im SAP-Portfolio. Frank Irnich Business Development Manager Sybase, An SAP Company Sybase IQ im SAP-Portfolio Frank Irnich Business Development Manager Sybase, An SAP Company UNSERE VISION: DAS UNWIRED ENTERPRISE Data Expands Jede Anwendung INFORMATIONS- MANAGEMENT Wertschöpfung am Entscheidungspunkt

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

Zend PHP Cloud Application Platform

Zend PHP Cloud Application Platform Zend PHP Cloud Application Platform Jan Burkl System Engineer All rights reserved. Zend Technologies, Inc. Zend PHP Cloud App Platform Ist das ein neues Produkt? Nein! Es ist eine neue(re) Art des Arbeitens.

Mehr

Copyright 2014, Oracle and/or its affiliates. All rights reserved.

Copyright 2014, Oracle and/or its affiliates. All rights reserved. 1 Integrierte Systeme für SIs und VARs Matthias Weiss Direktor Mittelstand Technologie ORACLE Deutschland B.V. & Co. KG 2 Agenda Engineered Systems Oracle s Strategie Engineered Systems Big Data einmal

Mehr

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe 4. WORKSHOP - OSBI Big Data und Datenvirtualisierung Dr. Sebastian Streit & Maxim Zehe F. Hoffmann-La Roche AG Gegründet 1896 in Basel Über 80.000 Mitarbeitende Führende Position in Pharma Fokussierung

Mehr

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

Mehr

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

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

Mehr

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

Mehr

MHP Real-Time Business Solution Ihre Lösung zur Harmonisierung und Analyse polytechnischer Messdaten

MHP Real-Time Business Solution Ihre Lösung zur Harmonisierung und Analyse polytechnischer Messdaten MHP Real-Time Business Solution Ihre Lösung zur Harmonisierung und Analyse polytechnischer Messdaten Christian Hartmann Präsentation Business Solutions 2014 Mieschke Hofmann und Partner Gesellschaft für

Mehr

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

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

Mehr

Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm.

Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm. Data Warehousing Architektur Frühlingssemester 2012 Dr. Andreas Geppert Platform Architecture Technology Infrastructure Services Credit Suisse geppert@acm.org Frühlingssemester 2012 Slide 1 Gliederung

Mehr

Willkommen im Haifischbecken:

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

Mehr

SAP BI/BO Roadmap SAP BI Verteilung

SAP BI/BO Roadmap SAP BI Verteilung SAP BI/BO Roadmap SAP BI Verteilung Jörg Telle Martin Ruis Harald Giritzer SAP Österreich Agenda SAP BI BusinessObjects aktuelle Roadmap Investitionsschutz SAP BI Österreich-Erweiterungspaket II Verteilung

Mehr

PBS Ergänzungslösungen

PBS Ergänzungslösungen PBS Ergänzungslösungen Von der klassischen Archivierung bis zum Information Lifecycle Management mit SAP HANA Prof. Dr. Detlev Steinbinder Agenda Wo geht die Reise hin? Informationen im SAP-Umfeld Big

Mehr

Seminar C16 - Datenmodellierung für SAP BW

Seminar C16 - Datenmodellierung für SAP BW C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Michael Bauer Niederlassungsleiter Köln

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

Mehr

IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data

IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data IN-MEMORY COMPUTING SAP HANA BASICS Werkzeug für Big Data PROFI Webcast Darmstadt, 12. Juni 2012 Christian Lenz SAP HANA IN MEMORY COMPUTING DATENWACHSTUM HEUTE UND IN DER ZUKUNFT Daten wachsen nicht linear,

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

Information Integration in Zeiten von BigData mit IBM Information Server 9.1. Christian Lenke IBM Software Group InfoSphere Specialist

Information Integration in Zeiten von BigData mit IBM Information Server 9.1. Christian Lenke IBM Software Group InfoSphere Specialist Information Integration in Zeiten von BigData mit IBM Information Server 9.1 Christian Lenke IBM Software Group InfoSphere Specialist Trusted Data Bereitstellung zuverlässiger Informationen transaktionale

Mehr

Business Intelligence Center of Excellence

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

Mehr