Analyse-Prozess-Designer

Größe: px
Ab Seite anzeigen:

Download "Analyse-Prozess-Designer"

Transkript

1 1 Einleitung Projektarbeit Thema: Analyse-Prozess-Designer Funktionen und Einsatzgebiete im SAP Business Warehouse An der Fachhochschule Dortmund im Fachbereich Informatik erstellte Projekt-/Diplomarbeit im Studiengang Wirtschaftsinformatik in Zusammenarbeit mit der evu.it GmbH, Dortmund Dennis Halboth geboren am (Matr.-Nr.: ) Betreuer: Prof. Dr. Engels Dortmund,

2 Markenrechtlicher Hinweis Markenrechtlicher Hinweis Die in dieser Arbeit wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenzeichen usw. können auch ohne besondere Kennzeichnung geschützte Marken sein und als solche den gesetzlichen Bestimmungen unterliegen. Sämtliche in dieser Arbeit abgedruckten Bildschirmabzüge unterliegen dem Urheberrecht des jeweiligen Herstellers. SAP, R/3, mysap ERP, ABAP, BAPI, SAP Business Warehouse (BW), SAP Customer Relationship Management (CRM), SAP Netweaver und ABAP sind Marken oder eingetragene Marken der SAP AG, Deutschland. Microsoft, Microsoft Windows, Microsoft Office, Visio, Word, Excel sind Marken oder eingetragene Marken der Microsoft Corp., USA

3 Kurzfassung Kurzfassung Die vorliegende Arbeit befasst sich mit den Funktionen und Einsatzgebieten des Analyse-Prozess-Designers (APD) im SAP Business Warehouse (SAP BW). Der APD ist ein vollständig in das SAP BW integriertes Tool, das es ermöglicht, Daten aus verschiedenen internen und externen Quellen zu verknüpfen und zu transformieren. So können aus den vorhandenen Daten neue Informationen gewonnen werden, die von besonderer Bedeutung für ein wirtschaftlich handelndes Unternehmen sein können. Der Analyse-Prozess-Designer stellt die konsequente Weiterentwicklung des Business Warehouse dar, um komplexe Modellierungs- und Analyseprozesse einfach, übersichtlich und transparent erstellen zu können. Darüber hinaus ermöglicht er es, Analysen spezifischer und individueller auszuführen, um bei den stetig steigenden Datenmengen eines Energieversorgungsunternehmens das Reporting, trotz erhöhter Anforderungen, performant zu gestalten. Um die Daten dem Analyseprozess zur Verfügung zu stellen, wird zunächst der ETL-Prozess (Extraktion, Transformation, Laden) der Datenbeschaffung, mit Fokus auf die Stammdaten, näher betrachtet. Dazu wird das Objektkonzept sowie der gesamte Datenfluss vom Quellsystem zum Business Warehouse erläutert. Anschließend erfolgt eine Beschreibung, wie die Funktionen und Möglichkeiten des Analyse-Prozess-Designers genutzt werden können. Dabei wird deutlich, welchen Einfluss der APD auf den eigentlichen ETL-Prozess des BW haben kann. Durch die Abgrenzung der Möglichkeiten des APD von denen des Business Warehouse wird herausgearbeitet, wie der ETL-Prozess durch die Kombination der Funktionen optimiert und erweitert werden kann. Es wird dargestellt, wie der Analyse-Prozess-Designer das Business Warehouse sinnvoll ergänzt und um Funktionalitäten erweitert, die die Datenmodellierung im BW vereinfachen und komplexe Prozesse ermöglichen. Zusätzlich werden die wesentlichen Änderungen in der Entwicklung des APD dargestellt. Mit Hilfe eines Fallbeispiels erfolgt die exemplarische Umsetzung eines Analyseprozesses mit definierten Zielsetzungen anhand realer Daten. Dabei wird offensichtlich, welche Prozesse und Transformationen mit den Möglichkeiten des Business Warehouse und welche mit den Funktionalitäten des Analyse-Prozess- Designers vollzogen werden sollten. In diesem Zusammenhang werden weitere Einsatzgebiete genannt, in denen der APD sinnvoll verwendet werden kann

4 Abstract Abstract The present work deals with the functions and applications of the Analysis Process Designer in SAP Business Warehouse. The APD is a full-fledged SAP BW integrated tool that enables to link-up as well as transform the data between different internal and external data sources. In this way from the existent data, new information can be gained and used for all decision and application processes and thus can be decisive in many respects (strategically, tactically and operatively). The APD represents the consistent further development of Business Warehouse, where complex modelling and analyze processes are made simple, clear and transparent. Moreover, it allows analysis to be specific and individual in order to tackle the steadily increasing data of an energy supplying company despite increasing demands to generate reports. For the availability of the data of the analysis process, initially the ETL process of the data acquisition, having the focus on the master data, is closely observed. In addition to that, the object concept and the complete dataflow from the source system to the Business Warehouse are elucidated. This is followed by a description of how the features and the capabilities of Analysis Process Designer can be used. It makes clear what impact the APD can have on the ETL process of the BW. The separation of the possibilities of the APD with those of Business Warehouse are identified and developed. It describes how the ETL process, by means of the combination of the functions in APD and BW, can be optimized and extended. It is hence made clear how the APD is sensibly supplemented with the Business Warehouse and the functionalities are therefore complimented. This helps the data modelling in BW to be simple and allows complex processes. In addition, the significant changes in the development of the APD are demonstrated. With the help of an example, an analysis process with defined objectives can be successfully implemented for actual data. It would therefore be clear which processes and transformations should be completed with the BW, and which with the functionalities of APD. In this context, further areas are mentioned where the APD can be implemented

5 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einleitung Beschreibung der Thematik evu.it GmbH Zielsetzung der Arbeit Abgrenzung Eingesetzte Software ETL-Prozess der Stammdatenbeschaffung ETL-Prozess Stammdaten im SAP BW Objektkonzept im SAP BW 3.x Business Content ETL-Prozess für Stammdaten im SAP BW 3.x Übertragungsregeln Fortschreibungsregeln Direkte Fortschreibung Flexible Fortschreibung Verbuchungsarten Delta-Verfahren Änderungen im BW Analyse-Prozess-Designer Integration des APD in das SAP BW Prozessphasen Phase 1 - Datenquellen Phase 2 - Transformationen Phase 3 - Datenziele Anwendungen Funktionsweise Versteckte Funktionen Abgrenzung zu den Möglichkeiten im BW Auswirkungen des APD auf den ETL-Prozess Unterschiede zwischen den Versionen des APD Fallbeispiel Anlagen-Analyse Einführung in die Thematik SAP for Utilities IS-U Haus Ablauf der Vertragsabrechnung

6 Inhaltsverzeichnis 4.2 Zielsetzung Konzept Datenauswahl Datenbeschaffung Analyseprozess Grundlegender Ablauf Detaillierte Modellbeschreibung Datenspeicherung Datenauswertung Optimierungen Abschluss Zusammenfassung Fazit Ausblick Anhang Anlagen-Analyse-Prozess A selection of useful ISU-Tables ABAP-Routine des Analyseprozesses Abkürzungsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Listingverzeichnis Quellenverzeichnis Glossar Eidesstattliche Erklärung Stichwortverzeichnis

7 1 Einleitung 1 Einleitung 1.1 Beschreibung der Thematik Mit der Neuregelung des Energiewirtschaftsgesetzes (EnWG) im Jahre 1998 und dem Zweiten Gesetz zur Neuregelung des Energiewirtschaftsrechtes 2005 kam es zu einer Liberalisierung und Öffnung des Energiemarktes. Dies führte zu tiefgreifenden Veränderungen in der Energiebranche, insbesondere in der IT der Versorgungsunternehmen. Die neue Konkurrenzsituation und der daraus resultierende Zwang zum wirtschaftlichen Handeln führten zu einer verstärkten Nutzung der operativen ERP-Systeme und damit auch zu einem enormen Anstieg der vorhandenen Datenmengen. Um diese Datenmengen verarbeiten, vor allem aber auswerten zu können, wurden zunehmend Data Warehouse Lösungen eingesetzt. Der Grundstein zu einer optimierten Analyse der vorhandenen Massendaten ist also gelegt. Nun sollen im nächsten Schritt, durch Verbindung verschiedenster Daten, Auswertungen ermöglicht werden, die es erlauben, die vorhandenen Bestands- und Vorgangsstatistiken abzulösen und zu entlasten, einzelne Statistiken zu erweitern und miteinander zu verknüpfen. Dadurch sollen neue, nicht triviale Zusammenhänge sichtbar gemacht werden, die die Produktivität und Wirtschaftlichkeit von Versorgungsunternehmen weiter erhöhen können. Mit Hilfe des Analyse-Prozess-Designers wurde im SAP Business Warehouse die Basis geschaffen um solche Verknüpfungen und komplexen Transformationen der Daten durchführen zu können. So können verschiedenste interne und externe Datenquellen miteinander kombiniert, transformiert und anschließend analysiert werden evu.it GmbH 1 Die evu.it GmbH ist ein international tätiges Beratungsunternehmen für die Ver- und Entsorgungswirtschaft, die öffentliche Verwaltung sowie dem öffentlichen Personennahverkehr. Mit ihrem Hauptsitz in Dortmund, sowie weiteren Standorten in Kiel, Mannheim, Nürtingen und Rostock, bietet die evu.it GmbH ein breites Angebot an Beratungs- und Entwicklungsleistungen mit Schwerpunkt auf die Produkte SAP sowie Microsoft Dynamics NAV. 1 Vgl. [EVU-IT, 2008] - 7 -

8 1 Einleitung Die Geschäftsbereiche der evu.it GmbH untergliedern sich wie folgt: Enterprise Solution Consulting Billing Business Intelligence Customer Relationship Management Energy Data Management Enterprise Resource Planning Public Sector Development Die evu.it GmbH ist eine 100%ige Tochter der rku.it GmbH in Herne. Das Leistungsangebot der rku.it GmbH umfasst neben der Bereitstellung von Anwendungssystemen und deren individueller Anpassung auch das Hosting von Systemen im rku.it-rechenzentrum. Umfangreiche Schulungsprogramme und umfassender Support runden das Leistungsspektrum ab. 1.2 Zielsetzung der Arbeit Ziel dieser Arbeit ist es, anhand eines Fallbeispiels die Möglichkeiten, Funktionsweisen und Einsatzgebiete des Analyse-Prozess-Designers zu erörtern. Dazu ist es zunächst erforderlich, Daten aus den verschiedenen Datenbanktabellen eines SAP R/3 Quellsystems in das SAP BW zu transferieren, um die Daten dem APD zur Verfügung stellen zu können. Dort werden sie, entsprechend der Zielsetzung der Fallstudie, mit Hilfe der Funktionalitäten des APD verknüpft, aggregiert, eingeschränkt, erweitert, transformiert und zur späteren Auswertung in ein geeignetes Datenziel gespeichert. Darüber hinaus soll deutlich werden, wie der APD in das SAP BW eingebunden ist, welche Auswirkungen der Einsatz des Tools auf den eigentlichen ETL-Prozess (Extraktion, Transformation, Laden) des BW haben kann und wie der Einsatz des APD sinnvoll mit den Funktionalitäten des Business Warehouse kombiniert wird. Zusätzlich gilt es die Entwicklung des APD in Bezug auf dessen Funktionalität zwischen den SAP BW Versionen 3.x und 7.0 festzuhalten

9 1 Einleitung 1.3 Abgrenzung Der Analyse-Prozess-Designer stellt im eigentlichen Sinne die Arbeitsumgebung der SAP Data Mining Lösung dar, in der die Daten für die spezifischen Verfahren des Data Mining vorbereitet werden. Insbesondere ab der BW Version 3.5 ist eine enge Verknüpfung zwischen dem APD und dem Data Mining festzustellen. Die Möglichkeiten des Data Mining sollen jedoch nicht Bestandteil dieser Projektarbeit sein, sondern werden in der darauf aufbauenden Diplomarbeit detailliert betrachtet. Darüber hinaus werden die Grundlagen bezüglich des Data Warehouse Konzeptes, der Ebenen des Data Warehouses sowie der Modellierung multidimensionaler Datenräume (einfaches Star-Schema, Snowflake-Schema usw.) in dieser Arbeit nicht näher erläutert Eingesetzte Software Die offiziellen Produktbezeichnungen der SAP sind recht unübersichtlich. Bis zu der Version 3.3 wird das System als SAP Business Information Warehouse bezeichnet. Die Bezeichnung des Nachfolgers lautet SAP Netweaver Das aktuellste in dieser Arbeit verwendete System trägt die offizielle Bezeichnung SAP Netweaver 7.0 bzw. SAP Neatweaver 2004s. Das neueste derzeit verfügbare System ist SAP Netweaver 7.1. Obwohl SAP den Begriff BW nicht mehr verwenden möchte, haben sich in der Praxis, sowie in einem Großteil der Literatur die inoffiziellen Bezeichnungen BW 3.x bzw. BW 7.0 durchgesetzt. Deshalb werden auch in dieser Arbeit die Begriffe SAP BW 3.x (für die Versionen 3.1.und 3.5) sowie BW 7.0 verwendet. Folgende SAP-Systeme kommen zum Einsatz: SAP Business Warehouse 3.1 Testsystem der evu.it (interne Bezeichnung TB1) SAP BI 7.0 Testsystem der rku.it und evu.it (interne Bezeichnung T7B) SAP R/3 4.6c mit IS-U (Industry Solution for Utilities)-Modul 2 (interne Bezeichnung EE1) SAP GUI 640 mit Business Explorer (BEx Analyzer, BEx Query Designer) Die Umsetzung der Fallstudie erfolgt im Testsystem TB1 (BW 3.1), da dieses an das R/3 Quellsystem (EE1) angeschlossen ist und eine performante Durchführung der 1 Weiterführende Informationen siehe [Kemper et al., 2006] S.17ff, [Egger et al., 2005] S.21ff, [Gómez et al., 2006] S.3ff, [BW310, 2005] S.2ff, [Mehrwald, 2007] S.47ff 2 Siehe auch Abschnitt 4.1.1, SAP for Utilities, auf Seite

10 1 Einleitung Beispielanwendung ermöglicht. Obwohl das System nicht die neueste Version des SAP BW darstellt, haben sich die wesentlichen Konzepte nicht verändert. Die bedeutenden Änderungen im Bereich des Objektkonzepts und des Datenflusses werden jedoch kurz erläutert. Das System EE1 ist eine Kopie eines älteren Kundensystems und stellt daher die ideale Basis für die Datenbeschaffung und Analyse mit realen Daten dar. Das System T7B (BW 7.0) wird genutzt, um die wesentlichen Unterschiede in der Funktionalität des APD im Vergleich zum SAP BW 3.x zu erläutern

11 2 ETL-Prozess der Stammdatenbeschaffung 2 ETL-Prozess der Stammdatenbeschaffung Dieses Kapitel beschreibt den ETL-Prozess für Stammdaten sowie dessen Umsetzung im SAP Business Warehouse. Im weiteren Verlauf wird nicht nur der Prozess der Datenbeschaffung, sondern auch das zugrunde liegende Objektkonzept im BW 3.x detailliert erläutert. Abschließend werden die grundlegenden Änderungen und Neuerungen des Datenflusses im SAP BW 7.0 angesprochen. 2.1 ETL-Prozess»Ein Ziel des ETL-Prozesses [ ] ist es, die Daten der Quellsysteme, die an den operativen Abläufen ausgerichtet sind, in eine für die Entscheidungsunterstützung optimierte Verwendungssicht zu transformieren und schließlich in den [Datenzielen] dauerhaft zu speichern, ein anderes Ziel ist die Konsolidierung von Daten unterschiedlicher Quellsysteme.«1 Der ETL-Prozess ist der wichtigste und zugleich aufwändigste Schritt im Data Warehousing.»Die Vielzahl unterschiedlicher Datenquellen, das unter Umständen beträchtliche Datenvolumen sowie die komplexen Konsolidierungsvorgänge zur kontinuierlichen Datenversorgung des Data Warehouse stellen eine große Herausforderung an die IT-Abteilung, die beteiligten Systeme und die Werkzeuge dar.«2 Der ETL-Prozess wird in die folgenden Phasen unterteilt 3 : Extraktion Auswahl und Replikation der relevanten Daten im Quellsystem Transformation Konsolidierung und Transformation der Daten Laden Übernahme der Daten in das Data Warehouse Der Prozess ist von entscheidender Bedeutung für den weiteren Verlauf des Data Warehousing Prozesses, da nur auf Basis einer hohen Datenqualität aussagekräftige Analysen und Auswertungen durchgeführt werden können. Man spricht in diesem 1 Vgl. [Seemann et al., 2001] S Vgl. [Gómez et al., 2006] S.33 3 Siehe [Egger et al., 2005] S. 44 ff

12 2 ETL-Prozess der Stammdatenbeschaffung Zusammenhang auch vom sogenannten Garbage in, Garbage out -Syndrom. Wenn fehlerhafte, doppelte, inkonsistente oder anderweitig qualitativ minderwertige Daten vorliegen, werden alle nachfolgenden Prozesse der Analyse beeinflusst. Dies führt zu fehlerhaften Aussagen und damit zu falschen operativen oder strategischen Entscheidungen. Abbildung 1: Der ETL-Prozess Der ETL-Prozess wird unterstützt durch das Metadata Repository, das alle Objekte des BW sowie deren Beziehungen zueinander enthält. Metadaten werden oft als Daten über Daten bezeichnet. Das Metadaten Repository verwaltet diese Daten und erlaubt ein konsistentes und homogenes Datenmodell über alle Ebenen des Data Warehouse- und ETL-Prozesses hinweg. Die einzelnen Phasen des ETL-Prozesses werden im Folgenden näher betrachtet

13 2 ETL-Prozess der Stammdatenbeschaffung Extraktion Die Phase der Extraktion dient der Auswahl und Replikation von Daten aus verschiedenen heterogenen und operativen Quellsystemen. Zu diesem Zweck werden Regeln für die Verbindung des Quellsystems mit dem Data Warehouse sowie für die Übertragung der Daten erzeugt. Bei der erstmaligen Ausführung des Datenimports müssen alle Daten geladen werden. Dies hat eine erhöhte Belastung der Quellsysteme zur Folge, weshalb dieser Prozess in einem Zeitraum gestartet werden sollte, in dem die notwendigen Ressourcen zur Verfügung stehen, z.b. nachts oder am Wochenende. Bei Änderungen im Quellsystem, nach dem initialen Extraktionsvorgang, ist es möglich ein Delta-Verfahren (siehe Abschnitt 2.5.6) zu verwenden, um so nur noch die Daten nachladen zu müssen, die seit dem letzten Extraktionsvorgang neu hinzugekommen sind, sich verändert haben oder gelöscht wurden. Um die Datenmenge weiter zu reduzieren ist es möglich, schon vor dem eigentlichen ETL-Transformationsvorgang Abfragen und Transformationen direkt auf den Daten im operativen Quellsystem durchzuführen. So kann die Anzahl der zu übertragenden Datensätze, z.b. mittels View oder durch Änderungen an den Extraktionsstrukturen, auf das Nötigste beschränkt werden, um damit auch die nachgelagerten ETL- Prozesse schon im Vorfeld zu optimieren. Transformation Die Heterogenität der verschiedenen Quellsysteme führt in der Regel zu Problemen bei der Überführung in das Data Warehouse. Dies können beispielsweise folgende sein: fehlende Werte unterschiedliche Datentypen unterschiedliche Formatierungen verschiedene Attribute mit gleichem Attributnamen unterschiedliche Werte für gleiche Attribute Dubletten redundante Datensätze Diese Inkonsistenzen und fehlerhaften Daten gilt es zu beseitigen, um eine möglichst hohe Datenqualität als Basis der nachfolgenden Prozesse zu erreichen. Denn nur durch Datenkonsistenz und -qualität lässt sich das Vertrauen in die Daten steigern. Zudem wird die Möglichkeit der Rückkopplung zu den operativen Systemen geschaffen

14 2 ETL-Prozess der Stammdatenbeschaffung»Der Schlüssel zum Erfolg in der Implementierung und dem Betrieb von Business- Intelligence-Applikationen liegt nicht in der erfolgreichen Implementierung irgendwelcher Datenqualitätswerkzeuge, sondern im Management des Datenqualitätsprozesses, was eine kontinuierliche Aufgabe ist.«1 Laden Die abschließende Phase des ETL-Prozesses befasst sich, nach der Extraktion, Transformation und Bereinigung, mit dem Laden der ausgewählten Daten in das Data Warehouse und den darin spezifizierten Datenzielen. Um Inkonsistenzen zu vermeiden, werden während des Ladevorganges die zu übertragenden Tabellen gesperrt. Das Laden der Daten belastet lediglich das Data Warehouse und nicht, wie beim Extraktionsvorgang, das Quellsystem. 2.2 Stammdaten im SAP BW Als Stammdaten werden im Allgemeinen jene Daten bezeichnet, die über einen längeren Zeitraum unverändert bleiben. Oftmals sind es Informationen, die an verschiedenen Stellen immer wieder benötigt werden. Im SAP BW gibt es verschiedene Arten von Stammdaten 2 : Texte Mit bis zu drei Textbeschreibungen (Kurz-, Mittel- und Langtext) kann ein Stammdatum näher beschrieben werden, wenn dessen Werte alleine nicht ausreichend verständlich sind, z.b. bei Abkürzungen eines Länderschlüssels. Die unterschiedlichen Längen der Texte sind deshalb sinnvoll, da auf der einen Seite kürzere Texte u.a. bei Auswertungen übersichtlicher sind, wohingegen in anderen Situationen längere Texte zum besseren Verständnis beitragen. Sie können sprach- und zeitabhängig gespeichert werden, da auch in Bezug auf Stammdaten Änderungen in einem Unternehmen auftreten können, z.b. beim Materialnamen zu einer Materialnummer. Die Zeitabhängigkeit geht jedoch zu Lasten der Performance und sollte daher nur sinnvoll angewendet werden. Attribute Attribute sind Felder, die Stammdaten mit Hilfe zusätzlicher Informationen näher beschreiben. Beispiel für ein solches Attribut ist die Materialgruppe zu einer Materialnummer. Attribute sind Objekte, die beliebig viele weitere Objekte (und damit Attribute) besitzen können. So beinhaltet das Objekt Kunde als Attribute beispielsweise den Kundennamen und die Kundenadresse. Attribute können, ähnlich wie die Texte, zeitabhängig sein, d.h. sie besitzen einen definierten Gültigkeitszeitraum. 1 Vgl. [Egger et al., 2005] S Siehe [Gómez et al., 2006] S.58 ff

15 2 ETL-Prozess der Stammdatenbeschaffung Hierarchien»Eine Hierarchie bildet eine Zusammenfassung und Gliederung eines Merkmals nach individuellen Ordnungskriterien«1, z.b. die Kostenstellenhierarchie. In Form einer Baumstruktur werden einzelne Knoten in die Hierarchie eingegliedert. Die Bezeichnung und die Hierarchie selbst können zeit- und versionsabhängig abgelegt werden, um so z.b. organisatorischen Änderungen Rechnung zu tragen. 2.3 Objektkonzept im SAP BW 3.x In den folgenden Abschnitten wird das Objektkonzept des SAP Business Warehouse 3.x. näher beschrieben. 2 Dabei werden alle wichtigen Objekte, die für die Übertragung, Fortschreibung und Analyse der Daten notwendig sind, erläutert. Das gesamte Datenmodell des Business Warehouse basiert auf diesen Objekten. Der Datenfluss, also die Verknüpfung der einzelnen Objekte im Datenmodell, wird in Abschnitt 2.5 erläutert. Im Vergleich zum BW 3.x, gibt es im SAP BW 7.0 einige Änderungen bezüglich des Datenflusses und der dafür benötigten Objekte. Auf die wesentlichen Unterschiede wird im Abschnitt 2.6 kurz eingegangen. InfoObject InfoObjects sind die kleinsten Einheiten im SAP Business Warehouse. Sie werden oft auch als betriebswirtschaftliche Auswertungsobjekte bezeichnet und bilden die Basis aller größeren BW-Objekte. Abbildung 2: Verwendung von InfoObjects im SAP BW 3 1 Vgl. [SAPBib3x, 2008] 2 Siehe [SAPBib3x, 2008], [BW310, 2005] S. 45ff, [Gómez et al., 2006] S.63 ff 3 In Anlehnung an [BW310, 2005] S

16 2 ETL-Prozess der Stammdatenbeschaffung Es gibt unterschiedliche Typen von InfoObjects: Kennzahl Merkmal Zeit Einheit Stammdatentragende Merkmale Kennzahl InfoObjects vom Typ Kennzahl enthalten die Werte, die im späteren Verlauf ausgewertet werden sollen, z.b. Menge, Betrag, Umsatz. Diese quantitativen Zahlen müssen immer mit Merkmalen in Verbindung gebracht werden, da sonst ein Bezug der Zahlen zu bestimmten Geschäftsvorfällen nicht möglich ist. Kennzahlen werden in der Analyse mittels arithmetischer Operationen zusammengefasst und ausgewertet. Sie können auch aus anderen Kennzahlen abgeleitet werden, z.b. Bestandskennzahlen mit Hilfe der Bestandsveränderungen. Merkmal Merkmal-InfoObjects dienen dazu, die Kennzahlen zu beschreiben. Beispiele sind Material, Kundengruppe, Produkt oder Lieferant. Ohne einen betriebswirtschaftlichen Bezug der Kennzahlen zu bestimmen Merkmalen kann somit kein sinnvolles Reporting durchgeführt werden. Merkmale werden in den Dimensionen abgelegt und bestimmen damit die Granularität (Feinheitsgrad) der Kennzahlen innerhalb eines multidimensionalen Datenziels. Stammdatentragendes Merkmal Von stammdatentragenden Merkmalen spricht man, wenn Merkmale Attribute, Texte oder Hierarchien besitzen. So ist es möglich, dass Merkmale beliebig viele Attribute (in Form von InfoObjects) enthalten. Beispielsweise kann das Merkmal Kunde ein InfoObject Kundenadresse (Merkmal) und ein InfoObject letzter Umsatz (Kennzahl) enthalten. Stammdatentragende Merkmale können darüber hinaus einerseits Datenziele für die Speicherung von Daten im BW sein, andererseits als Datenquellen für Analysen genutzt werden

17 2 ETL-Prozess der Stammdatenbeschaffung Zeit Zeitmerkmale ermöglichen die Berücksichtigung eines zeitlichen Bezugs bei der Analyse von Daten. Sie haben direkten Einfluss auf die Granularität. Beispiele für zeitliche Merkmale sind Kalendertag, Kalenderjahr, Geschäftsjahr oder Kalenderwoche. Zeitmerkmale können zwar nicht neu definiert, jedoch modifiziert werden und bieten darüber hinaus die Möglichkeit der automatischen Berechnung von Zeiten. So kann z.b. auf Basis der Kalenderwoche, der Kalendermonat berechnet werden. Einheit Einheiten-InfoObjects werden dazu verwendet, Kennzahlen mit Einheiten zu versehen, z.b. Währung oder Mengeneinheit. DataSource DataSources stellen das zentrale Element zur Datenbeschaffung dar.»eine DataSource beschreibt jeweils eine betriebwirtschaftliche Einheit von Stammoder Bewegungsdaten (z.b. Kostenstellenrechnung), die aus einem Quellsystem extrahiert werden kann.«1 In Abhängigkeit von den zu extrahierenden Daten unterscheidet man zwischen DataSources für Bewegungsdaten, Attribute, Texte und Hierarchien. Sie stellen zwei Feldstrukturen für die Extraktion und die Übertragung der Daten aus dem Quellsystem zur Verfügung: Extraktstruktur Durch die sogenannten Extraktoren werden im Quellsystem die Daten in Form einer Tabelle gesammelt. Die Felder dieser Tabelle bilden eine flache Struktur, die sogenannte Extraktstruktur. Alle Daten in der Extraktstruktur sind lediglich temporär gespeichert und werden unverändert an die Transferstruktur weitergereicht. Transferstruktur Die Transferstruktur bildet den Übergang vom Quellsystem zum BW. Sie enthält wahlweise alle oder nur einen ausgewählten Teil der Felder der Extraktstruktur. InfoSource Eine InfoSource beinhaltet alle Daten, die zu einem Geschäftsvorfall oder einer bestimmten Art von betriebswirtschaftlichen Vorgängen gehören. Sie besteht aus einer Vielzahl an InfoObjects, die zusammengefasst die sogenannte Kommunikationsstruktur bilden. Dabei werden einer InfoSource eine oder mehrere DataSources zugewiesen. Entsprechend der Kommunikationsstruktur der InfoSource, können die Daten dann von der DataSource übernommen werden. 1 Vgl. [BW350, 2005] S

18 2 ETL-Prozess der Stammdatenbeschaffung Die InfoSource stellt demnach eine Art Sammelstelle dar, an der die Daten zusammengeführt, strukturiert, gefiltert und ggf. auch schon transformiert werden können. Persistent Staging Area Die Persistent Staging Area (PSA) ist ein temporärer Zwischenspeicher. Beim Übertragungsvorgang der Daten aus dem Quellsystem, werden die Daten unverändert (bis auf technische Konvertierungen) in transparenten Tabellen abgelegt. Auf diese Weise können die Quelldaten, die denen aus der Transferstruktur entsprechen, bezüglich ihrer Qualität überprüft und bei Bedarf modifiziert werden. Obwohl die Daten aus den PSA-Tabellen auch in einem späteren Prozess weiter fortgeschrieben werden können, wird die PSA nicht zur dauerhaften Speicherung verwendet, sondern als Zwischenspeicher verstanden. Die Verwendung der PSA ist eine von zwei möglichen Transfermethoden im SAP BW. Eine Alternative ist die IDOC Interface Technology (Intermediate Document). Hierbei werden die Daten in IDOC-Container verpackt und anschließend verschickt. Auch die PSA verwendet die IDOC-Schnittstelle, jedoch nur um Informationen bezüglich des Quellsystems zu versenden, z.b. die Anzahl der Datensätze oder Monitorinformationen. 1 InfoCube Der InfoCube dient der physischen Speicherung sowie der Bereitstellung der Daten für die Analysen. Er ist das zentrale multidimensionale Objekt der Datenhaltung im SAP BW und besteht aus InfoObjects (Kennzahlen und Merkmale), die nach dem sogenannten erweiterten Sternschema 2 miteinander verknüpft sind (siehe Abbildung 3). Dieses Schema, das auch als SAP BW Sternschema bezeichnet wird, besteht aus der Faktentabelle, den Dimensionstabellen sowie den SID-Tabellen (Surrogat-ID). Die Faktentabelle enthält die Fakten, also die Kennzahlen, die zu einer bestimmten Merkmalkombination gehören. Die Dimensionstabellen werden über eine Schlüsselbeziehung mit der Faktentabelle verknüpft. 1 Weiterführende Informationen siehe [SAPBib3x, 2008] 2 Siehe [BW310, 2005] S.25 ff

19 2 ETL-Prozess der Stammdatenbeschaffung Abbildung 3: erweitertes Sternschema im SAP BW 1 Im Vergleich zum klassischen Sternschema ist das SAP BW Sternschema um die SID-Tabellen erweitert worden, was bedeutet, dass die Dimensionstabellen nicht länger die Stammdaten (Attribute, Texte, Hierarchien) enthalten. Diese befinden sich in den sogenannten Stammdatentabellen und werden über die SID-Tabelle mit den Dimensionstabellen verknüpft. So generiert das System zu jedem Merkmal einen Schlüssel, der anstelle der eigentlichen Ausprägung in die Dimensionstabelle eingefügt wird. Diese Technik erlaubt es die Stammdaten aus dem Cube auszulagern. So sind sie cube-unabhängig und können von verschiedenen InfoCubes gemeinsam verwendet werden. Der normale InfoCube wird oftmals auch als Basis-InfoCube bezeichnet. Daneben existiert der transaktionale InfoCube. Dieser ist für (parallele) Schreibzugriffe optimiert, wohingegen der Basis-InfoCube seine Stärken im Lesen der Daten, also im Bereich der Auswertungen und Analysen, hat. Die beiden genannten InfoCubes stellen eine physische Datenspeicherung im SAP BW dar. Zusätzlich gibt es virtuelle InfoCubes. Diese besitzen selbst keine Daten, sondern greifen direkt auf das Quellsystem zu und bilden damit eine logische Sicht auf das vorhandene Datenmaterial. 1 In Anlehung an [BW310, 2005] S

20 2 ETL-Prozess der Stammdatenbeschaffung Operational Data Store»Ein ODS-Objekt dient der Ablage von konsolidierten und bereinigten Daten (z.b. Bewegungsdaten oder Stammdaten) auf Belegebene (atomarer Ebene).«1 Im Vergleich zu InfoCubes (mit ihren Fakten- und Dimensionstabellen) ist ein ODS- Objekt lediglich durch (eine) flache Tabelle(n) repräsentiert. Es gibt Schlüssel- und Datenfelder, deren Anordnung, je nach Datenumfang, eine beträchtliche Satzlänge zur Folge haben kann. ODS-Objekte erlauben im Gegensatz zu den InfoCubes eine Veränderung der vorhandenen Daten. In InfoCubes ist prinzipiell nur das Einfügen und das Löschen auf Basis von Requests vorgesehen, während in ODS-Objekten die Daten auch während des Durchladevorganges geändert werden können. Standard-ODS-Objekte können ebenfalls mittels Abfragen ausgewertet werden. Alternativ bilden sie die Grundlage für die Weiterverarbeitung im SAP BW, indem die Daten z.b. in weitere ODS-Objekte oder InfoCubes fortgeschrieben werden. Darüber hinaus gibt es transaktionale ODS-Objekte. Diese unterscheiden sich von den Standard-ODS-Objekten in der Form, dass sie die Daten in nur einer Version zur Verfügung stellen. Standard-ODS-Objekte besitzen mehrere Tabellen mit aktiven und modifizierten Daten, sowie dem Delta zu den schon vorhandenen Einträgen. InfoSet Ein InfoSet ist ein weiteres Objekt im SAP BW, mit dessen Hilfe Abfragen durchgeführt werden können. InfoSets speichern jedoch keine Daten, sondern greifen mittels Join-Operationen auf vorhandene InfoCubes, ODS-Objekte oder Merkmale zu. Sinnvoll eingesetzt werden InfoSets vor allem in Bereichen, in denen Analysen sehr spezifisch sind und so selten eingesetzt werden, dass eine separate physische Speicherung der Daten unnötig ist. InfoSets beschränken sich jedoch auf die reine Präsentation der Ergebnisse. Navigationen, die Verwendung von Hierarchien sowie die Währungsumrechnung sind nicht möglich. In Kombination mit der sehr schlechten Performance gilt es im Einzelfall abzuwägen, ob der Einsatz eines InfoProviders 2, z.b. InfoCube oder ODS-Objekt, bei häufiger Verwendung nicht sinnvoller wäre. 3 MultiProvider MultiProvider sind InfoProvider, die aus mehreren anderen InfoProvidern zusammengesetzt werden. So kann ein MultiProvider aus mehreren Objekten, wie 1 Vgl. [SAPBib3x, 2008] 2 InfoProvider ist ein Oberbegriff für alle Objekte auf die Anfragen durchgeführt werden können. 3 Siehe [Gómez et al., 2006] S

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9 vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12

Mehr

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen Fragen 1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Falsch a) Faktentabellen b) SID- Tabllen c) Dimensionstabellen d) Attribute e) Tete 2. Was muss beim Laden von Bewegungsdaten aus

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25 Inhalt Geleitwort 13 Vorwort 17 Einleitende Hinweise 19 Handhabung des Buches 19 Übergreifendes Beispielszenario 19 Nach der Lektüre 21 Danksagung 21 1 Business-Intelligence-Konzepte - Neuerungen 25 1.1

Mehr

SAP BW Grundlagen. Bremerhaven 06.05.2006. T4T Bremerhaven 1

SAP BW Grundlagen. Bremerhaven 06.05.2006. T4T Bremerhaven 1 SAP BW Grundlagen Bremerhaven 06.05.2006 T4T Bremerhaven 1 Inhaltsverzeichnis 1. Motivation für bzw. Anforderungen an eine Data Warehousing-Lösung 2. Architektur des SAP Business Information Warehouse

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Datawarehousing mit SAP @ BW 7

Datawarehousing mit SAP @ BW 7 Christian Mehrwald Datawarehousing mit SAP @ BW 7 Bl in SAP NetWeaver 2004s Architektur, Konzeption, Implementierung 4., vollständig überarbeitete und erweiterte Auflage i" dpunkt.verlag Übersicht 1 Einleitung

Mehr

Xtract EXA. Plug n Play mit SAP und EXASolution

Xtract EXA. Plug n Play mit SAP und EXASolution Xtract EXA Plug n Play mit SAP und EXASolution Xtract EXA garantiert eine nahtlose Integration zwischen Ihrem SAP ERP- bzw. SAP BW-System und EXASolution. Mit nur wenigen Mausklicks extrahieren Sie Massendaten

Mehr

V13: SAP BW: Data Warehousing & Wiederholung

V13: SAP BW: Data Warehousing & Wiederholung Aufbaukurs SAP ERP: Module PP, FI und CO Wintersemester 2009/10 V13: SAP BW: Data Warehousing & Wiederholung 25. Januar 2010 Dipl.-Ök. Harald Schömburg Dipl.-Ök. Thorben Sandner schoemburg@iwi.uni-hannover.de

Mehr

TU Chemnitz SAP BW Pratikum

TU Chemnitz SAP BW Pratikum TU Chemnitz SAP BW Pratikum SAP BW Basics 19.05.2008 Falk Engelhardt Agenda Überblick SAP NetWeaver 7.0 / BI 7.0 Warehouse Management das multidimensionale Datenmodell InfoObjekte DataProvider Datenversorgung

Mehr

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse

Mehr

Norbert Egger, Jean-Marie R. Fiechter, Jens Rohlf, Jörg Rose, Oliver Schrüffer SAP BW Reporting und Analyse

Norbert Egger, Jean-Marie R. Fiechter, Jens Rohlf, Jörg Rose, Oliver Schrüffer SAP BW Reporting und Analyse Norbert Egger, Jean-Marie R. Fiechter, Jens Rohlf, Jörg Rose, Oliver Schrüffer SAP BW Reporting und Analyse Galileo Press Inhalt Geleitwort 13 Vorwort 15 Einleitung und Überblick 17 Einführung 17 Aufbau

Mehr

6 InfoCubes erstellen und konfigurieren

6 InfoCubes erstellen und konfigurieren InfoCubes bilden die Reportingschicht in der LSA; sie sind für die Performance des Reportings entscheidend. In diesem Kapitel stellen wir Ihnen vor, welche InfoCubes es gibt und wie Sie damit arbeiten.

Mehr

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

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

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

Mehr

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Architektur, Konzeption, Implementierung von Christian Mehrwald überarbeitet Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Mehrwald schnell

Mehr

AGM Project & Education GmbH

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

Mehr

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht MultiProvider 243 MultiProvider MultiProvider sind virtuelle InfoProvider ohne eigene Datenhaltung, deren Hauptaufgabe die Grundlage für die Datenanalyse und -planung ist. Dabei nimmt der MultiProvider

Mehr

SAP Business Intelligence

SAP Business Intelligence SAP Business Intelligence Helmut Roos Diplom-Ingenieur Unternehmensberater Grundlagen zu Netweaver 7.0 D-67067 Ludwigshafen +49 (621) 5 29 44 65 Data Acquisition Common Read / Write Interface Open Interface

Mehr

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Beispiele und Anwendungsfälle 1. Modellierung, Extraction, Transformation und Loading mit Datenquelle SAP R/3 und mysap ERP Mit Hilfe des Cubeware Importers und

Mehr

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s) Architektur, Konzeption, Implementierung von Christian Mehrwald 5., korrigierte Auflage Datawarehousing mit SAP BW 7 (BI in SAP NetWeaver 2004s)

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

Projektverwaltung von SAP-Erweiterungen. Schemaviewer für BasisCubes (inklusive Aggregate) anlegen/ändern/anzeigen

Projektverwaltung von SAP-Erweiterungen. Schemaviewer für BasisCubes (inklusive Aggregate) anlegen/ändern/anzeigen 790.book Seite 637 Montag, 8. Mai 2006 2:24 14 C scodes C.1 en im SAP BW-System BAPI CMOD BAPI Explorer Projektverwaltung von SAP-Erweiterungen DB02 FILE LISTCUBE LISTSCHEMA PFCG Pflege von logischen Dateipfaden

Mehr

SAP BI Business Information

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

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

Information-Design-Tool

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

Mehr

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

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen CubeServ Services für ein erfolgreiches strategisches Informa8onsmanagement Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

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

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

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

Mehr

Customer Analytics. Kundenwertorientierte Vertriebssteuerung mit SAP CRM und SAP NetWeaver BI an einem Beispiel der pharmazeutischen Industrie

Customer Analytics. Kundenwertorientierte Vertriebssteuerung mit SAP CRM und SAP NetWeaver BI an einem Beispiel der pharmazeutischen Industrie Customer Analytics Kundenwertorientierte Vertriebssteuerung mit SAP CRM und SAP NetWeaver BI an einem Beispiel der pharmazeutischen Industrie Vortrag 5. Juni 2012 Universität Eichstätt-Ingolstadt Ali Gülerman

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

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

IT-basierte Kennzahlenanalyse im Versicherungswesen

IT-basierte Kennzahlenanalyse im Versicherungswesen Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:

Mehr

Workshop Fit for SAP BW 7.40!

Workshop Fit for SAP BW 7.40! Workshop Fit for SAP BW 7.40! Fit for SAP BW 7.40 Seite 1 von 5 Agendavorschlag - Tag 1 Delta Workshop BW 7.4 09:00 09:15 Vorstellung Ablauf 09:15 09:30 Übersicht Neuerungen BW 7.4 09:30 10:00 Data Staging

Mehr

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

Mehr

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Inhaltsverzeichnis SAP BUSINESS WAREHOUSE (BW) DATENKOLLEKTOR 3 GRUNDSÄTZLICHES:...3 DER BW DATENKOLLEKTOR ÜBERWACHT DIE FOLGENDEN KERNPROZESSE

Mehr

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)

Mehr

The integration of business intelligence and knowledge management

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

Mehr

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

BW powered by HANA. Martin Effinger Month 06, 2013

BW powered by HANA. Martin Effinger Month 06, 2013 BW powered by HANA Martin Effinger Month 06, 2013 winnovation Quick Facts Form Aktiengesellschaft Gründung 28.3.2006 Aktienkapital 200 000 CHF (100% im Besitz des Mgt) Ort Baar (Zug, Schweiz) Mitarbeiter

Mehr

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

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

Mehr

DWH Szenarien. www.syntegris.de

DWH Szenarien. www.syntegris.de DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen

Mehr

Kapitel 2 Terminologie und Definition

Kapitel 2 Terminologie und Definition Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale

Mehr

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse.

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse. 1 Einführung mysap Business Intelligence stellt mit Hilfe von Knowledge Management die Verbindung zwischen denen, die etwas wissen und denen, die etwas wissen müssen her. mysap Business Intelligence integriert

Mehr

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen Christoph Arnold (B. Sc.) Prof. Dr. Harald Ritz Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen AKWI-Tagung, 17.09.2012, Hochschule Pforzheim Christoph Arnold, Prof. Dr. Harald

Mehr

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

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

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

Mehr

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v.

Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge. DSAG e.v. 1 Empfehlung zur strategischen Ausrichtung der SAP Business Objects-Frontendwerkzeuge 2 Motivation Seite 3 SAP BO/BW Frontendwerkzeuge Seite 4-5 Roadmap Analyse Werkzeuge Seite 6-7 Übersicht Kundenszenarien

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

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

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

Data Warehouse Grundlagen

Data Warehouse Grundlagen Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse

Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse BTW 2005 Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse Dr. Michael Hahne 3. März 2005 Dr.Michael Hahne 2005

Mehr

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

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

Mehr

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

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

Mehr

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S T E F A N M A R K 07.07.2015 F O L I E 1 V O N 2 7 F I R M E N P O R T R A I T S. O L I V E R GESCHICHTE F O L I E 2 V O N 2 7 F

Mehr

UI-Testing mit Microsoft Test Manager (MTM) Philip Gossweiler / 2013-04-18

UI-Testing mit Microsoft Test Manager (MTM) Philip Gossweiler / 2013-04-18 UI-Testing mit Microsoft Test Manager (MTM) Philip Gossweiler / 2013-04-18 Software Testing Automatisiert Manuell 100% 70% 1 Überwiegender Teil der Testing Tools fokusiert auf automatisiertes Testen Microsoft

Mehr

Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse

Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse 07. Juli 2011 DSAG AG Enterprise-BW Klaus Schneider, Celesio AG Marcel Salein, FIVE1 GmbH & Co. KG 1 March 2011, CCEA Agenda

Mehr

Microsoft Dynamics NAV Technische Details

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

Mehr

Umsetzung der Anforderungen - analytisch

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

Mehr

Mehrwerte schaffen durch den Einsatz von Business Intelligence

Mehrwerte schaffen durch den Einsatz von Business Intelligence Mehrwerte schaffen durch den Einsatz von Business Intelligence 1 Menschen beraten Menschen beraten BTC zeigt Wege auf - Sie entscheiden BTC zeigt Wege auf - Sie entscheiden Martin Donauer BTC Business

Mehr

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects Besseres Investitionscontrolling mit Der Investitionsprozess Singuläres Projekt Idee, Planung Bewertung Genehmigung Realisierung Kontrolle 0 Zeit Monate, Jahre Perioden Der Investitionsprozess Singuläres

Mehr

Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x

Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Performance-Aspekte beim Data-Warehousing mit SAP BW 3.x Mirko Sonntag, GISA GmbH Leipzig, 14. Oktober 2006 GISA GmbH Leipziger Chaussee 191a 06112 Halle (Saale) www.gisa.de Performance-Aspekte beim Data-Warehousing

Mehr

Bachelorarbeit. Vorgelegt am: 18.08.2014. Josephine Denise Schönfeld. Elsastr. 6. 04315 Leipzig. Studienrichtung: Wirtschaftsinformatik

Bachelorarbeit. Vorgelegt am: 18.08.2014. Josephine Denise Schönfeld. Elsastr. 6. 04315 Leipzig. Studienrichtung: Wirtschaftsinformatik Bachelorarbeit Entwicklung eines Management-Informationssystems zur Auswertung von Budgetinformationen für die Helmholtz-Zentrum für Umweltforschung GmbH - UFZ mittels SAP Business Intelligence Vorgelegt

Mehr

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen.

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen. FRT Consulting GmbH Projekt KATEGO Komfortable SAP-Datenanalyse Gustav Sperat FRT Consulting GmbH 1 FRT Consulting das Unternehmen Spin off der TU Graz von langjährigen IT Experten Hauptsitz Graz, Büro

Mehr

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

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

Mehr

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

Was gibt es Neues in der BI Welt

Was gibt es Neues in der BI Welt BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Was gibt es Neues in der BI Welt Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. Juni 2015 CubeServ BI-Kongress 2015

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

maihiro business analytics Überblick

maihiro business analytics Überblick maihiro business analytics Überblick Agenda Warum CRM Analytics? 3 maihiro business analytics - Portfolio 4 Unsere Methodik 5 Strategische Partnerschaft 6 Warum CRM Analytics? Sie möchten Ihre operative

Mehr

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Smarter BI-Connector für SAP SAP zertifiziert Adapter für die SAP Business Suite und SAP Business All-in-One Leistungsstark, einfach und ohne Programmieraufwand

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

ALM mit Visual Studio Online. Philip Gossweiler Noser Engineering AG

ALM mit Visual Studio Online. Philip Gossweiler Noser Engineering AG ALM mit Visual Studio Online Philip Gossweiler Noser Engineering AG Was ist Visual Studio Online? Visual Studio Online hiess bis November 2013 Team Foundation Service Kernstück von Visual Studio Online

Mehr

Business Intelligence Praktikum 1

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

Mehr

products Cubeware Connectivity for SAP Solutions Smarte Schnittstelle für Business Intelligence auf SAP SAP zertifiziert

products Cubeware Connectivity for SAP Solutions Smarte Schnittstelle für Business Intelligence auf SAP SAP zertifiziert Cubeware Connectivity for SAP Solutions Smarte Schnittstelle für Business Intelligence products auf SAP SAP zertifiziert Keine Programmierkenntnisse erforderlich Mächtig durch vorgegebenen Business Content

Mehr

SmartExporter 2013 R1

SmartExporter 2013 R1 Die aktuelle Version wartet mit zahlreichen neuen Features und umfangreichen Erweiterungen auf. So können mit SmartExporter 2013 R1 nun auch archivierte Daten extrahiert und das Herunterladen der Daten

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

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

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...

Mehr

Mit BW on HANA auf dem Weg in die Zukunft SAP Public Services Forum, 17. März 2015

Mit BW on HANA auf dem Weg in die Zukunft SAP Public Services Forum, 17. März 2015 Mit BW on HANA auf dem Weg in die Zukunft SAP Public Services Forum, 17. März 2015 Sabine Herbel Leiterin SAP BI Inselspital Bern Martin Effinger Principal BI HANA Consultant winnovation AG Agenda Über

Mehr

Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System

Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System Konzepte zur Datenhaltung für Webseiten in einem Web-Content- Management-System Web-Content-Management-Systeme () dienen dazu, komplexe Websites zu verwalten und den Autoren einzelner Webseiten möglichst

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

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP

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

Mehr

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH Aktueller Entwicklungsstand der Nearline-Storage-Lösung für SAP BW Dr. Christoph Bedau, Stefan Weickum, Software GmbH Agenda -Lösungen für SAP BW Systemlandschaft SAP HANA Neue SAP Funktionalität unter

Mehr

CRM mit SAP CRM: SAP NetWeaver BI

CRM mit SAP CRM: SAP NetWeaver BI SoSe 2012 CRM mit SAP CRM: SAP NetWeaver BI Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Literatur 1 Egger, N. et al. (2006): SAP BW Reporting und Analyse,

Mehr

Einführung in SAP Business Information Warehouse

Einführung in SAP Business Information Warehouse Einführung in SAP Business Information Warehouse Jorge Marx Gómez Claus Rautenstrauch Peter Cissek Björn Grahlher Einführung in SAP Business Information Warehouse Mit 195 Abbildungen und 6 Tabellen 123

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Einleitung. 1.1 Zielgruppe und Voraussetzungen. Kapitel 1

Einleitung. 1.1 Zielgruppe und Voraussetzungen. Kapitel 1 Kapitel 1 Einleitung 1.1 Zielgruppe und Voraussetzungen Das Buch wird für alle von Nutzen sein, die sich entweder neu oder wiederholt mit dem SAP NetWeaver Business Warehouse praktisch befassen: Studenten,

Mehr

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt

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

Mehr

BW-integrierte Planung

BW-integrierte Planung Zusatzkapitel BW-integrierte Planung zum Buch»SAP NetWeaver BW und SAP BusinessObjects «von Loren Heilig, Torsten Kessler, Thilo Knötzele Galileo Press, Bonn 2013 ISBN 978-3-8362-2048-4 Bonn Boston Mithilfe

Mehr

ENTERBRAIN Reporting & Business Intelligence

ENTERBRAIN Reporting & Business Intelligence Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit

Mehr

Erfahrungsbericht. SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN

Erfahrungsbericht. SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN Erfahrungsbericht SAP Netweaver 2004s Business Intelligence Prototyp für eine etwaige Migration von SAP BW 3.5 bei MAN Im Rahmen eines Prototypen werden die neue Funktionalitäten von SAP Netweaver 2004s

Mehr

Master Data Management

Master Data Management Master Data Management Warum Stammdatenmanagement Komplexität reduzieren Stammdatenmanagement bringt Ordnung in ihre Stammdaten. Doubletten werden erkannt und gesperrt. Stammdaten verschiedener Quellsysteme

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld

Mehr

Corporate Performance Management als Weiterentwicklung von Business Intelligence

Corporate Performance Management als Weiterentwicklung von Business Intelligence Martin Kobrin Corporate Performance Management als Weiterentwicklung von Business Intelligence Grundlagen, Implementierungskonzept und Einsatzbeispiele Diplomica Verlag Martin Kobrin Corporate Performance

Mehr

Integration Services Übersicht

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

Mehr