Big Data & Advanced Analytics Anwendungsfälle Beispiele für Analysen auf Basis strukturierter & unstrukturierter Daten

Transkript

1 1. September 2017

2 Agenda Begrüßung & aktuelle Entwicklungen bei der QUNIS GmbH Megatrend Digitalisierung IoT, Industrie 4.0, Mobilität, Produktindividualisierung & Prozessdigitalisierung Auswirkungen auf Datenmanagementstrategien & die Unternehmensorganisation Track I: Business Intelligence & Data Warehouse Track II: Big Data & Advanced Analytics BI Strategie Entwicklung Vorgehen & Lessons Learned aus über 100 Beratungsprojekten Big Data & Advanced Analytics Anwendungsfälle Beispiele für Analysen auf Basis strukturierter & unstrukturierter Daten Mittagspause Data Warehouse Automation Metadatengetriebene Data-Warehouse-Entwicklung mit der QUNIS Automation Engine (QAE) Praxisbeispiel (Kundenvortrag) Data Warehouse in der Cloud Microsoft Power BI Self-Service für Unternehmen Datenmodellierung, Analyse & Reporting in der Cloud & On-Premises Advanced Analytics in Action Bildanalyse & Sensordatenverarbeitung in Echtzeit Data Lake Modernisierung von Datenarchitekturen Architektur & relevante Technologien beim Aufbau Praxisbeispiel (Kundenvortrag) GAPTEQ FORMS in Action Kaffeepause Pyramid Analytics BI Office Eine moderne, webbasierte Unternehmensplattform für Business Intelligence Erweiterte Analysen auf Data-Warehouse-Daten Vorgehen & Best Practices zur erweiterten Informationsgewinnung GAPTEQ FORMS Update und Projektbeispiele Forum Fragen & Antworten 2

3 Data Warehouse Automation Ziele Ziel: Prozessautomatisierung Erhöhte Effizienz durch automatisierte ETL Prozesse Höhere Code- und Datenqualität durch ein stark standardisiertes Vorgehen Transparenter Betrieb durch automatisch generierte Prozessdaten Voraussetzungen: Automatisierung des Entwicklungsprozesses Metadaten zur automatisierten Codegenerierung Datengetriebene Codegenerierung unterstützt durch die QAE (QUNIS Automation Engine) Hoher Grad der Automatisierung führt zu einem hohen Standardisierungslevel 3

4 QUNIS Automation Engine Schichtenkonzept Core Access Point Interne Komponenten Storage Loading Procedures Data Cleansing Access Point Storage Loading Procedures Data Integration Access Point Storage Loading Procedures Access point: Virtueller Zugang für die nächste Schicht (Abstraktion) Storage: Tabellen speichern die Daten Loading procedures: Datenbeladung aus dem access point der vorigen Schicht Vorteile Speicheroptimierung ohne die nächste Schicht zu verändern Unabhängigkeit zwischen den Schichten vereinfacht Bereitstellung und Richtlinien Komplexität kann in kleinere und handelbare Einheiten zerlegt werden Unterstützung von Separation of Concerns (SoC) 4

5 QUNIS Automation Engine Automatisierte Code Generierung Information Layer Core Layer Cleansing Layer Integration Layer Automatisierte Codegenerierung Hohe Lade- und Abfrageperformance Aufbereitung Daten für Core-Beladung Zugang zu Quellsystemdaten Manuelles Coding Soft Business Rules: Währungsumrechnung KPIs, Mapping Rules Abgeleitete Kennzahlen Automatisierte Codegenerierung Hard business rules: Harmonisierung Technische Informationen 5

6 QUNIS Automation Engine Architektur Knowledge Base SAP Navision Feed Source System Structure SAP Navision Import QAE Frontend Structure Data Generate Visual Studio DB Projects XML / XSLT Deploy Data Warehouse DDL / DML SSIS Packages Flatfiles Process Data BIML Process Control Maintain 6

7 Live Demo 7

8 STEFFEN VIERKORN Geschäftsführer ANDY LÖWEN Senior Consultant Phone: steffen.vierkorn@qunis.de Phone: andy.loewen@qunis.de QUNIS GmbH Georg-Wiesböck-Ring Neubeuern Phone: info@qunis.de